Thème 3 - Changement climatique
Indicateurs d'exposition à la vulnérabilité climatique

I_T3_01 - Artificialisation des sols
I_T3_01
L'artificialisation des sols fait aujourd'hui l'objet d'une évaluation précise et régulière à travers plusieurs bases de données nationales que sont : 
mon diagnostic artificialisation des sols par le CEREMA - complet mais critiquable sur la méthodologie
OccsolGE- et COSIA sont les deux bases de données occsol de l'IGN - faciles à exploiter. A faire Commune par Commune. 
La question de l'imperméabilisation des sols sur la vulnérabilité climatique ouvre deux problématiques parallèles pour la sécurité des personnes et des biens 
- les ilôts de chaleur urbain et la présence du végétal (le nombre d'arbres dans OSM, l'ampleur des zones perméables)
- le ruissellement urbain torrentiel pour lequel le SIG doit permettre de délimiter des enveloppes approchées (tampons autour des couloirs d'écoulement) au sein desquelles Alteris peut calculer des poids de population '(INSEE carroyé - âges, revenus, monoparentalité...)
Montage de la couche OccsolGE dans la base de données alteris_geo
Les couches d'Occsol sont dans le NAS. Le découpage à l'échelle Commune est facile. Il reste à faire la jointure avec le fichier csv. 
Procédure 
1/ tri par researching tool pour caler la couche autour du périmètre communal cible 
2/ découpe par geoprocessing sur le périmètre exact 
3/ jointure et sauvegarde du fichier pour production. Exemple Toulon =  "Z:\Production\Etudes\Region\93\83\83137\83137-Occsol VF.gpkg" = 16,4 Mo.
Reste à l'envoyer dans la base de données du POSgis. 
Envoi des couches d'Occsol dans la base de données ALTERIS 
ls -lh /home/debian/data/Regions/93/13/200054807/13028
# Injection de l'Occupation du Sol complète
ogr2ogr -f "PostgreSQL" PG:"host=localhost user=alteris_admin dbname=alteris_geo password=Alteris2026" \
"/home/debian/data/Regions/93/13/200054807/13028/13028-OccsolGE complet VF.gpkg" \
-nln la_ciotat_occsol_complet -overwrite -lco GEOMETRY_NAME=geom
# Injection de la couche Artificialisation
ogr2ogr -f "PostgreSQL" PG:"host=localhost user=alteris_admin dbname=alteris_geo password=Alteris2026" \
"/home/debian/data/Regions/93/13/200054807/13028/13028-OccsolGE-artificialisation VF.gpkg" \
-nln la_ciotat_artificialisation -overwrite -lco GEOMETRY_NAME=geom
Une fois les commandes passées, vérifiez que PostGIS a bien reçu les données :
docker exec -it alteris_postgis psql -U alteris_admin -d alteris_geo -c "
SELECT relname as table_name, n_live_tup as nb_entites 
FROM pg_stat_user_tables 
WHERE relname LIKE 'la_ciotat_%';"
Indicateur de concentration d'imperméabilisation 
Carte de la masse urbaine Artificialisée de la Ciotat - intensité d'artificialisation par carreau de 200 mètres/200 mètres
 
2 indicateurs créés - 
Masse Urbaine Artificialisée (MUA) : Surface d'artificialisation rapportée à la surface émergée du carreau (pour un ratio de densité physique réel).
Intensité d'Artificialisation par Habitant (IAH) : Nombre de m² de bitume/bâti "par habitant.
docker exec -it alteris_postgis psql -U alteris_admin -d alteris_geo -c "
DROP TABLE IF EXISTS la_ciotat_analyse_artif_pop;
CREATE TABLE la_ciotat_analyse_artif_pop AS
WITH vrai_artif AS (
    -- On ne garde que la couverture CS1 (Sols anthropisés)
    SELECT ST_Union(geom) as geom_union 
    FROM artificialisation_13028 
    WHERE code_cs LIKE 'CS1%' 
)
SELECT 
    c.fid,
    c.ind as population,
    -- Calcul de la masse urbaine réelle (Minérale)
    ROUND((ST_Area(ST_Intersection(c.geom, a.geom_union)) / ST_Area(c.geom) * 100)::numeric, 2) as masse_urbaine_pct,
    -- Calcul des m2 de bitume par habitant
    ROUND((ST_Area(ST_Intersection(c.geom, a.geom_union)) / NULLIF(c.ind, 0))::numeric, 2) as m2_artif_par_hab,
    c.geom
FROM 
    carroye_13028 c,
    vrai_artif a
WHERE 
    ST_Intersects(c.geom, a.geom_union)
    AND c.ind > 0
GROUP BY 
    c.fid, c.ind, c.geom, a.geom_union;"

I_T3_02 - Reduction des surfaces vegetalisees
I_T3_02 
La réduction des surfaces végétalisées est définie comme un risque dans la roue Alteris dans le cadre des risques face au changement climatique. IL faut comprendre ici la réduction des surfaces végétalisées comme une péjoration des effets de rafraichissement des espaces habités face aux vagues de chaleur. Altéris définit déjà la notion de masse urbaine artificialisée (indicateur I_T_01). Afin d'éviter de doublonner cette thématique (voir également I-T3_03 - ICU), l'observatoire peut également évaluer la réponse territoriale face à l'ultra imperméabilisation. En explorant la base de données hyper précise de la nature en ville extraite de COSIA, Alteris peut préciser l'exposition à la masse artificialisée. Le ratio m² espaces verts/habitants devient alors un indicateur significatif de la marge de progression des politiques publiques de renaturation.
C'est pourquoi I-T3_02 est renommé - Répartition de la Végétation Urbaine avec en perspective dans les approches de détail : 
les masses végétalisées et arborées stratégiques pour la conservation des ambiances tempérées en ville
les parties de zone habitée totalement artificialisées réparties par carreau, et hiérarchisées sur l'ensemble des zones u et AU.
Utilisations de la base de données NATURE EN VILLE : cette base de données basée sur COSIA (Calcul Occupation des Sols) est extrêmeent précise. Mais imposante. Pour la simplifier notre méthode consiste à la couper aux emprises des zones U et AU.
Puis, de procéder sur POstgis au calcul de végétalisation réelle par carreau INSEE pour faire resortir les informations suivantes : 
la_ciotat_indicateur_fraicheur
m² de végétation arbustive par carreau INSEE
m² surface naturelle par carreau INSEE 
taux de canopée par habitant 
m² de canopée par habitant 
potentiel de renaturation 
Script de calcul par Gemini 
docker exec -it alteris_postgis psql -U alteris_admin -d alteris_geo -c "
DROP TABLE IF EXISTS la_ciotat_indicateur_fraicheur;
-- 1. On crée une emprise urbaine propre, validée et REPROJETÉE en 2154
CREATE TEMP TABLE emprise_etude AS
SELECT ST_Union(ST_MakeValid(ST_Transform(geom, 2154))) as geom 
FROM plu_zones_urbaines 
WHERE typezone LIKE 'U%' OR typezone LIKE 'AU%';
-- 2. Création de la table avec calculs spatiaux
CREATE TABLE la_ciotat_indicateur_fraicheur AS
SELECT 
    c.fid,
    c.ind as population,
    -- Surface de référence (intersection avec le PLU reprojeté)
    ST_Area(ST_Intersection(c.geom, (SELECT geom FROM emprise_etude))) as surf_urb_ref,
    -- Surface canopée (Végétation haute)
    ST_Area(ST_Intersection(c.geom, (SELECT ST_Union(ST_MakeValid(geom)) FROM cosia_vegetation_haute))) as m2_canopee,
    -- Surface herbe (Végétation basse)
    ST_Area(ST_Intersection(c.geom, (SELECT ST_Union(ST_MakeValid(geom)) FROM cosia_vegetation_basse))) as m2_herbe,
    c.geom
FROM 
    carroye_13028 c
WHERE 
    ST_Intersects(c.geom, (SELECT geom FROM emprise_etude));
-- 3. Ajout et calcul des colonnes métiers Altéris
ALTER TABLE la_ciotat_indicateur_fraicheur 
ADD COLUMN taux_canopee_pct numeric, 
ADD COLUMN m2_canopee_par_hab numeric, 
ADD COLUMN potentiel_renat_pct numeric;
UPDATE la_ciotat_indicateur_fraicheur SET
    taux_canopee_pct = ROUND((m2_canopee / NULLIF(surf_urb_ref, 0) * 100)::numeric, 2),
    m2_canopee_par_hab = ROUND((m2_canopee / NULLIF(population, 0))::numeric, 2),
    potentiel_renat_pct = ROUND((m2_herbe / NULLIF(surf_urb_ref, 0) * 100)::numeric, 2);
-- 4. Nettoyage des résidus de bordure
DELETE FROM la_ciotat_indicateur_fraicheur WHERE surf_urb_ref < 500;
"
. Analyse du cas FID 41247
Rappelons-nous les étapes :
I_T3_01 (Gris) : Nous avions trouvé environ 9,5% de masse urbaine (bâti/asphalte).
I_T3_02 (Vert) : Nous trouvons 64,5% de taux de canopée.
Justice Climatique : Chaque habitant dispose virtuellement de 222 m² d'ombre.
Le diagnostic est sans appel : Ce carreau, bien qu'habité (102 personnes), n'est absolument pas une zone à risque. C'est un quartier "poumon" où la végétation domine largement le minéral. Vos photos montraient bien ce quartier boisé (le vert pointillé) : la base de données COSIA l'a parfaitement intégré.
 

I_T3_03 - Ilots de chaleur urbains
I_T3_03 
Les îlots de chaleur urbains sont déterminés en creux par I-T3_02 - les ensemble de plus de 250 m² continus (hors routes et emprises ferroviaires OSM) non végétalisés.
La Vulnérabilité Sociale aux îlots de chaleur (le plus d'habitants et le moins de végétation) 
Contrairement à une analyse sur toute la ville, ce script commence par isoler les 40 carreaux les plus critiques (ceux qui ont le moins d'arbres ET le plus d'habitants). C'est un filtre de justice environnementale : on ne cherche pas seulement le bitume, on cherche le bitume là où les gens vivent et étouffent.
C'est la grande force de ce script : chaque polygone de bâti ou de parking reste "marqué" par l'identifiant de son carreau INSEE (
fid).
Avantage : Vous pouvez dire : "Dans ce quartier précis (Carreau X), voici les 3 dalles responsables de la surchauffe".
Dans votre Top 25 final, cette traçabilité est plus diffuse car on ne regarde que la taille de l'objet, pas son contexte humain.
En utilisant 
ST_Difference à l'intérieur des carreaux, elle crée une cartographie en "négatif" :
Elle fait ressortir le bâti dense, les cœurs d'îlots minéraux et les zones de stockage de chaleur nocturne.
Elle ignore la voirie (grâce à OSM) et les jardins (grâce au COSIA).
Comparaison pour votre rapport :
Couche
Objectif Stratégique
Ce qu'elle montre
Le Top 40 (ce script)
Priorisation Sociale
Les masses critiques là où la population est la plus exposée.
Le Top 25 (260327)
Puissance Thermique
Les plus grands gisements de chaleur de la ville (indépendamment de la population).
SCRIPT DES 40 entités urbaines sensibles aux îlots de chaleur 
docker exec -it alteris_postgis psql -U alteris_admin -d alteris_geo -c "
DROP TABLE IF EXISTS la_ciotat_masses_critiques_icu;
CREATE TABLE la_ciotat_masses_critiques_icu AS
WITH 
-- 1. Préparation de la voirie REPROJETÉE
voirie_l93 AS (
    SELECT ST_Union(ST_MakeValid(ST_Transform(geom, 2154))) as geom 
    FROM highway_la_ciotat
),
-- 2. Regroupement de la nature COSIA (déjà en 2154 normalement)
nature_totale AS (
    SELECT ST_Union(ST_MakeValid(geom)) as geom 
    FROM (
        SELECT geom FROM cosia_vegetation_haute
        UNION ALL
        SELECT geom FROM cosia_vegetation_basse
    ) as sub
),
-- 3. Ciblage du TOP 40 des carreaux critiques
top_carreaux AS (
    SELECT fid, geom
    FROM la_ciotat_indicateur_fraicheur
    ORDER BY taux_canopee_pct ASC, population DESC
    LIMIT 40
),
-- 4. Découpage chirurgical
masses_brutes AS (
    SELECT 
        t.fid as carreau_origine,
        ST_Difference(
            ST_Difference(t.geom, COALESCE((SELECT geom FROM nature_totale), 'GEOMETRYCOLLECTION EMPTY'::geometry)),
            COALESCE((SELECT geom FROM voirie_l93), 'GEOMETRYCOLLECTION EMPTY'::geometry)
        ) as geom
    FROM top_carreaux t
)
-- 5. Éclatement et validation
SELECT 
    carreau_origine,
    (ST_Dump(ST_MakeValid(geom))).geom as geom
FROM masses_brutes;
-- 6. Nettoyage final (Seuil 250 m2)
DELETE FROM la_ciotat_masses_critiques_icu WHERE ST_Area(geom) < 250;
"
Etape suivante la hiérarchisation 
Voici la chaîne de traitement logique, documentée étape par étape, qui nous a permis de passer des couches brutes de végétation COSIA au fichier stratégique 
260327_icu_top25_la_ciotat.
Étape 1 : Préparation de l'Emprise Urbaine (Masque PLU)
Avant de calculer l'ICU, nous avons défini le périmètre d'étude réglementaire pour éviter les "faux positifs" en zone naturelle ou agricole.
Source : 
plu_zones_urbaines
Filtre : Zones 
U (Urbaines) et 
AU (À Urbaniser).
SQL
-- Création d'une emprise propre en Lambert-93
WITH emprise_urbaine AS (
    SELECT ST_Union(ST_MakeValid(ST_Transform(geom, 2154))) as geom 
    FROM plu_zones_urbaines 
    WHERE typezone LIKE 'U%' OR typezone LIKE 'AU%'
)
Étape 2 : Identification du "Plein" et du "Vide" (Soustraction)
C'est le cœur du calcul I-T3_03. L'ICU est défini par ce qui n'est ni de la nature, ni de la voirie circulable, au sein de l'enveloppe urbaine.
Sources Nature : 
cosia_vegetation_haute (arbustive) + 
cosia_vegetation_basse (herbacée).
Source Voirie : 
highway_la_ciotat (OSM).
SQL
-- Regroupement de toute la végétation COSIA
nature_totale AS (
    SELECT ST_Union(ST_MakeValid(geom)) as geom 
    FROM (
        SELECT geom FROM cosia_vegetation_haute
        UNION ALL
        SELECT geom FROM cosia_vegetation_basse
    ) as sub
),
-- Calcul des masses minérales par différence spatiale
masses_brutes AS (
    SELECT 
        ST_Difference(
            ST_Difference(urbain.geom, nature.geom),
            voirie.geom
        ) as geom
)
Étape 3 : Fragmentation et Seuil de Significativité
Le résultat brut est une "nappe" trouée. Nous l'avons éclatée en entités distinctes et avons appliqué votre seuil de 250 m² pour ne retenir que les masses ayant un impact thermique réel.
SQL
-- Éclatage des multipolygones en polygones simples
SELECT (ST_Dump(geom)).geom as geom 
FROM masses_brutes
WHERE ST_Area(geom) >= 250;
Étape 4 : Extraction du Top 25 (Production du fichier final)
Pour l'indicateur final, nous avons classé ces masses par superficie décroissante pour isoler les 25 "points noirs" les plus massifs de La Ciotat.
SQL
-- Création de la table de référence Altéris
CREATE TABLE "260327_icu_top25_la_ciotat" AS
SELECT 
    row_number() OVER (ORDER BY ST_Area(geom) DESC) as gid,
    ROUND(ST_Area(geom)::numeric, 0) as surface_m2,
    geom
FROM la_ciotat_masses_critiques_nettoyees
ORDER BY surface_m2 DESC
LIMIT 25;
-- Indexation pour performance QGIS
CREATE INDEX idx_top25_260327 ON "260327_icu_top25_la_ciotat" USING GIST (geom);
Synthèse de la donnée produite
Indicateur : I-T3_03 (Îlots de Chaleur Urbains).
Méthode : Analyse morphologique par soustraction (Urbain - Nature - Voirie).
Volume : 25 entités majeures.
Surface cumulée : 77,58 hectares.
Précision : Géométrie réelle (non carroyée), calée sur le bâti et les parkings

I_T3_04 - Impermeabilisation excessive
I_T3_04
L'imperméabilisation excessive est abordée successivement dans les 3 premiers indicateurs I_T3. Artificialisation / Nature en ville et Ilot de Chaleur Urbain. 
A partir des bases de données possibles, Altéris doit ici se concentrer sur les paramètres de la ville perméable donc confronter le réel entre l'intensité des épisodes critiques et l'adaptation du territoire à encaisser ces épisodes. Les zonages réglementaires sont nombreusex (SUP PM 1 risques inondations, Zone d'Expansion de Crues, Espaces de Bon Fonctionnement). Ils ne sont pas à la bonne échelle d'Altéris qui travaille à l'echelle la plus fine (l'îlot, la rue...).