Cartographie OSM des dommages du bâti à Mayotte après Chido – nouveaux indicateurs et premiers résultats

EN translation below

Renforcement de l’approche méthodologique

Dans le billet précédent consacré à la cartographie des dommages du bâti à Mayotte, j’annonçais vouloir comparer ces dommages évalués dans OSM à partir d’imageries Pléiades post-désastre avec d’autres jeux de données et de promouvoir la réplication de l’exercice cartographique, ce qui implique de présenter la démarche et ses résultats.

Dans cette double perspective, je me suis rendu compte qu’il serait utile de disposer de statistiques plus détaillées que celles montrées dans le tableau de bord produit jusqu’à présent en intégrant à la fois un nouvel indicateur, un rapprochement méthodologique et une autre échelle territoriale. Dans la base PostgreSQL de l’IFL consacrée à Mayotte, j’ai ainsi décidé de :

• calculer la fraction des bâtiments évaluables sur les imageries Pléiades post-désastre, c’est-à-dire ceux qui sont visibles sur au moins l’une d’entre elles, ce qui exclut ceux qui sont malheureusement toujours masqués par la couverture nuageuse
• considérer les bâtiments OSM sur les zones d’évaluation Copernicus qui sont sans intersection avec un point EMSR780 comme étant non endommagés, afin de pouvoir faire une comparaison directe classe à classe avec la méthodologie BAR adaptée à OpenStreetMap. Ce n’est certes pas toujours vrai, lorsque les points EMR780 sont décentrés au point de ne pas intersecter le bâtiment OSM qui leur correspond, mais ces cas sont rares.
• désagréger les indicateurs au niveau des 17 communes de Mayotte, afin de visualiser l’hétérogénéité des dommages sur le territoire

De nouveaux indicateurs

Ainsi, la couche qui effectue le croisement entre les bâtiments OSM et l’évaluation EMSR780, mise à jour chaque minute, indique désormais « NR » et non plus « NULL » pour les bâtiments sans point EMSR780 associé. Une extraction des limites des communes de Mayotte dans la base OpenStreetMap, croisée chaque heure avec les bâtiments contient des sommes par commune de tous les indicateurs d’évaluation des dommages et des types de matériaux de toiture, mais aussi de nouveaux indicateurs tels que :

• les imageries utilisées,
• le nombre total de bâtiments de la commune (total_buildings),
• le nombre de bâtiments évaluables sur imagerie post-désastre (building_imagery_operable_yes_count),
• le nombre de bâtiments évalués (damage_osm_emsr_all_count),
• le nombre de bâtiments évaluables encore à évaluer (damage_osm_emsr_not_done_count)
• le ratio de ces deux derniers indicateurs donnant le pourcentage de complétude actuel (building_damage_assessed)

Ces nouveaux indicateurs m’ont permis de modifier le tableau de bord, qui présente désormais en plus le nombre total de bâtiments évaluables avec les imageries post-désastre, alors que les deux diagrammes circulaires (ou camemberts) utilisent maintenant un calcul modifié qui tient compte des « NR » d’EMR780 et des bâtiments potentiellement évaluables, comme l’explique le carton en haut à gauche.

La couche par communes a permis la création d’une représentation multivariée sous forme de camemberts, actualisée donc chaque heure. Elle est visible sur la dernière vue cartographique du contexte MapStore de vues cartographiques sur Chido ou sur ce nouveau contexte MapStore spécifique.

Comme le montre la légende :

• la taille des camemberts est fonction du nombre total de bâtiments sur la commune, avec le nombre exact affiché en haut
• les couleurs représentent les proportions de classes de dommage concernant les bâtiments évalués
• les pourcentages au centre représentent le ratio des bâtiments évalués (par EMSR780 ou dans OSM) par rapport au total de bâtiments évaluables sur l’imagerie post-désastre Pléiades

Pour rappel, les quatre classes de dommages de la méthodologie BAR informent sur les dommages visibles, pas sur les dommages réels, à préciser sur le terrain par des spécialistes. Un bâtiment sans dommage apparent sur les imageries Pléiades post-désastre n’est pas forcément intact. Par exemple, les bâtiments avec un toit en béton (qui s’avère être en fait le sol d’un futur étage supérieur) apparaissent le plus souvent non endommagés. Mais après discussion avec des architectes vivant à Mayotte, il s’avère que ce type de construction a de fortes chances d’avoir subi des fissures pendant le cyclone, entraînant des infiltrations d’eau qui vont fragiliser l’édifice au cours du temps. Cela montre l’intérêt de cartographier le type de couverture en plus de la classe de dommages BAR.

Toutes les couches sont disponibles en téléchargement depuis cette fiche de métadonnées ou les différents contextes cartographiques MapStore.

Des résultats qui précisent l’hétérogénéité spatiale des dommages du bâti après Chido

Ces camemberts sont déjà riches d’enseignements :

• les communes couvertes par les zones EMSR780 ont été cartographiées à plus de 85 %. Dembéni dépasse même les 100 %, ce qui signifierait que EMSR780 a eu accès à une imagerie avec moins de nuages que celles fournies par CNES/Airbus.
• Des communes EMSR780 (celles recouvertes par les zones en jaune à l’est), seules les deux plus grosses présentent un profil où les bâtiments visiblement endommagés ou détruits représentent la majorité. Dans les communes EMSR780 les plus au sud, la proportion de bâtiments endommagés ou détruits n’atteint que 20 à 30 %.
• Deux communes hors EMSR780, Bandraboua et surtout Tsingoni, présentent au contraire un profil où les dommages et destructions dépassent les 50 %, voire frôlent les 75 %. Elles auraient vraisemblablement plus mérité une évaluation EMSR que les communes au sud-est.
• La partie nord de Mayotte, où les pourcentages d’évaluation sont importants, montre une hétérogénéité importante dans les dommages (de 25 % à 75 % environ). L’île de Petite Terre, ainsi que la façade nord-ouest de Grande Terre, paraissent plus épargnées.
• Les communes du sud-ouest sont encore trop peu évaluées pour parvenir à une conclusion, mais elles ne semblent pas avoir subi moins de dommages que leurs homologues du sud-est.

Ces résultats montrent l’intérêt de cette cartographie réalisée dans OSM, qui offre une vision plus complète et nuancée des données ouvertes disponibles via Copernicus EMSR. Cette représentation actualisée par camemberts va également servir de carte de suivi pour un Projet du mois à venir au sein de la communauté OSM France.

Translated with DeepL.com (free version)

Strengthening the Methodological Approach

In my previous post about mapping building damage in Mayotte, I announced my intention to compare damage assessed in OpenStreetMap (OSM) using post-disaster Pleiades imagery with other datasets. I also plan to promote replicating the mapping exercise by presenting the approach and its results.

From this perspective, I realized that it would be useful to have more detailed statistics than those shown in the produced dashboard so far by integrating a new indicator, methodological rapprochement, and another territorial scale. In the IFL PostgreSQL database dedicated to Mayotte, I decided to:

• Calculate the fraction of assessable buildings on post-disaster Pleiades imagery. This includes buildings visible on at least one image and excludes those masked by cloud cover.
• Consider OSM buildings in Copernicus assessment zones not intersected by an EMR780 point as undamaged to enable a direct class-to-class comparison with the BAR methodology adapted to OpenStreetMap. This is not always the case when EMSR780 points are so off-center that they do not intersect their corresponding OSM building, but such cases are rare.
• Disaggregate the indicators to the level of Mayotte’s 17 communes to visualize the heterogeneity of the damage across the territory.

New indicators

The layer that cross-references OpenStreetMap (OSM) buildings with the EMSR780 assessment is updated every minute. It now indicates « NR » instead of « NULL » for buildings without an associated EMSR780 point. An hourly extraction of Mayotte commune boundaries from the OSM database, cross-referenced with buildings, contains sums by commune of all damage assessment indicators and roofing material types, as well as new indicators:

• The imagery used,
• The total number of buildings in the commune (total_buildings),
• The number of buildings assessable on post-disaster imagery (building_imagery_operable_yes_count),
• The number of assessed buildings (damage_osm_emsr_all_count),
• The number of assessable buildings that have not yet been assessed (damage_osm_emsr_not_done_count),
• The ratio of the last two indicators gives the current percentage of completeness (building_damage_assessed).

These new indicators enabled me to modify the dashboard, which now shows the total number of buildings assessable with post-disaster imagery. The two pie charts use a modified calculation that takes into account EMR780 « NRs » and potentially assessable buildings, as explained in the box at the top left.

The communes layer was used to create multivariate pie charts that are updated hourly. This representation is visible in the last map view of this MapStore context, as well as in the new, specific MapStore context on Chido.

As shown in the legend:

• The size of the pie charts represents the total number of buildings in the commune, and the exact number is displayed at the top.
• The colors represent the proportion of damage classes among assessed buildings.
• The percentages in the center represent the ratio of assessed buildings (using EMSR780 or OpenStreetMap) to the total number of assessable buildings in Pleiades’s post-disaster imagery.

As a reminder, the four damage classes of the BAR methodology provide information on visible damage, not actual damage, to be specified in the field by specialists. A building with no apparent damage in post-disaster Pleiades imagery may not be intact. For instance, buildings with concrete roofs (that actually will become the floors of future upper levels) often appear undamaged. However, after speaking with architects in Mayotte, I learned that this type of construction is likely to have cracks from the cyclone. These cracks lead to water infiltration, which will weaken the building over time. This illustrates the importance of mapping roofing types in addition to BAR damage classes.

All of the layers are available for download from this metadata sheet or from the various MapStore map contexts.

Results showing the spatial heterogeneity of building damage after Chido

These pie charts are rich in information.

• Over 85% of communes covered by EMSR780 zones have been mapped. Dembéni exceeded 100%, suggesting that EMSR780 had access to cloudier imagery than that supplied by CNES/Airbus.
• Of the EMSR780 communes, only the two largest show a profile in which visibly damaged or destroyed buildings represent the majority. In the southernmost EMSR780 communes, the proportion of damaged or destroyed buildings is only 20%-30%.
• However, two communes outside of EMSR780, Bandraboua and, more notably, Tsingoni, show profiles where damage and destruction exceed 50% and approach 75%, respectively. These communes would have been more deserving of an EMSR assessment than those to the southeast.
• The northern part of Mayotte, where assessment percentages are high, shows considerable heterogeneity in damage, ranging from 25% to around 75%. The island of Petite Terre and the northwestern side of Grande Terre appear to have been more spared.
• The communes in the southwest are still too poorly assessed to reach a conclusion, but they do not appear to have suffered less damage.