Hyperspectral data were obtained during an acquisition campaign led on Toulouse (France) urban area on July 2015 using Hyspex instrument which provides 408 spectral bands spread over 0.4 – 2.5 μ. Flight altitude lead to 2 m spatial resolution images. Supervised SVN classification results for 600 urban trees according to a 3 level nomenclature: leaf type (5 classes), family (12 and 19 classes) and species (14 and 27 classes). The number of classes differ for the two latter as they depend on the minimum number of individuals considered (4 and 10 individuals per class respectively). Trees positions have been acquired using differential GPS and are given with centimetric to decimetric precision. A randomly selected subset of these trees has been used to train machine SVM and Random Forest classification algorithms. Those algorithms were applied to hyperspectral images using a number of classes for family (12 and 19 classes) and species (14 and 27 classes) levels defined according to the minimum number of individuals considered during training/validation process (4 and 10 individuals per class, respectively). Global classification precision for several training subsets is given by Brabant et al, 2019 (https://www.mdpi.com/470202) in terms of averaged overall accuracy (AOA) and averaged kappa index of agreement (AKIA).

Hyperspectral ENVI standard simulated images. Spatial and spectral configurations generated correspond to ESA SENTINEL-2 instrument that was lunched on 2015, and HYPXIM sensor which was under study at that time.

Cette donnée raster résulte d'une classification par méthode d'apprentissage profond à partir d'imagerie très haute résolution spatiale (1.5m) SPOT 6/7. Des post-traitements ont été effectués afin de mieux caractériser les classes relatives à l'artificialisation.

Les taches artificialisées sont calculées sur la base d'une extraction du bâti à partir d'imagerie très haute résolution spatiale (1.5m) SPOT 6/7, pour les années 2015 à 2019. Deux distances de connexion sont proposées, à 50m et 100m.

Les cartographies des espaces bâtis sur la région Occitanie résultent d'une extraction automatique par méthode d'apprentissage profond (deep learning) à partir d'imagerie très haute résolution spatiale (1.5m) SPOT 6/7, pour les années 2015 à 2019. Fichiers fournis sous forme vectorielle. (2021-09-09)

Le coefficient de dispersion représente le rapport entre la surface des espaces artificialisés (taches urbaines) morcelés, définis ici pour une emprise inférieure à 3 hectares, et celle des espaces artificialisés denses supérieurs ou égales à 3 hectares.Cet indicateur a été calculé par canton et pour les années 2015 à 2019.

La densité de bâti est calculée par maille de 150 mètres de côté et sur la base d'une extraction du bâti à partir d'imagerie très haute résolution spatiale (1.5m) SPOT 6/7, pour les années 2015 à 2019.

Le territoire régional est composé de taches urbaines de différentes tailles et formes, distribuées de manière variée. Les espaces urbains sont reliés les uns aux autres par le réseau routier, en particulier le réseau composé des routes primaires et secondaires. Cet espace urbain et routier ainsi composé est fortement artificialisé avec une forte composante d’imperméabilisation qui perdure au fil du temps. La dynamique spatiale et temporelle de cet espace peut être évaluée par les surfaces qui deviennent artificialisées, par la consommation des surfaces interstitielles, généralement agricoles ou naturelles. Ces surfaces à faible imperméabilisation, moins artificialisées, sont ainsi des îlots séparés les uns des autres par la trame urbaine et routière. Ces ilots sont de tailles variées et composent une structure fragmentée.Cet indice prend la forme d'une taille effective de maille, à savoir une grandeur qui exprime « la probabilité que deux points choisis au hasard dans un territoire [...] ne soient pas séparés par des obstacles tels que les voies de communication ou des zones bâties » (J. Jaeger, 2007).

Abstract This site provides the global geographical distribution of gorse (Ulex europaeus) in introduced areas. We provide the xls files with all data in the standardized Darwin Core format, the map and the corresponding files. Coordinate points are provided in decimal degrees (latitude, longitude) and correspond to the confirmed existence of Ulex europaeus between 1950 and 2018. The dataset is a compilation of several sources, online databases (including GBIF and iNaturalist), scientific papers, personal communications, and prospecting by the authors (in the field or through online visual searches). The data were verified and duplicates were removed. More details are provided in Christina et al., 2020. The resulting dataset comprises 14,053 occurrences. The geo-located points are classified according to the administrative boundaries of the countries or islands in which they are located, except for Europe. For Europe, refer to the GBIF database. To view the interactive map, go to WMS and click on “add to map” or "visualiser" below. Résumé Distribution géographique de l'ajonc Ulex europaeus à l’échelle mondiale au format Darwin Core. Les points de coordonnées sont en degrés décimaux (latitude, longitude), ils correspondent à l’existence avérée d’un individu d'Ulex europaeus entre 1950 et 2018. Le jeu de données est une compilation de plusieurs sources, banques de données en ligne (dont GBIF, iNaturalist), articles scientifiques, communications personnelles et prospection par les auteurs (sur le terrain ou par recherche visuelle en ligne). Les données collectées ont été nettoyées, vérifiées, et les doublons éliminés. Tous les pays ou régions ayant référencé de l’ajonc sont répertoriés, sauf la zone native (Europe). Le jeu de données obtenu comprend 14053 occurrences. Les points géo-localisés sont classifiés selon les limites administratives des pays ou îles dans lesquels ils sont situés. Pour l'Europe, se reporter à la base GBIF. Afin d'afficher la carte interactive, aller sur WMS et cliquer plus bas sur 'add to map' ou 'visualiser'. Data verification and accuracy Several methods were used: visual checks on geolocated images (for data from citizen science), elimination of outliers (e.g., those located in the sea) or irrelevant data (in museums, centroids of administrative regions or large vector objects, etc.). For the data selected, maximum accuracy was sought by cross-referencing multiple sources of information (literature, observations, personal communications, geolocated images). The accuracy of the geolocations obtained is less than 100 meters for two-thirds of the points and less than 1 km for three-quarters of the points. Vérification et précision des données Plusieurs méthodes ont été utilisées : vérifications visuelles sur images géo-localisées (pour les données issues des sciences citoyennes), élimination des points aberrants (par exemple ceux localisés dans la mer), ou non-pertinents (dans des Muséums, centroïdes de régions administratives ou d’objets vectoriels de grande taille…). Pour les données retenues, la précision maximale a été recherchée en recoupant de multiples informations (littératures, observations, communications personnelle, images géolocalisées). La précision des géolocalisations obtenues est inférieure à 100 mètres dans les deux-tiers des points, inférieur au km pour les trois quarts des points. Christina M., *Limbada F., Atlan A. 2020. Climatic niche shift of an invasive shrub (Ulex europaeus). Journal of Plant Ecology. rtz041, https://doi.org/10.1093/jpe/rtz041 Programme ANR MARIS : Management and risk analysis of an invading plant species (ulex europaeus (L.): how socio-ecological niche with population dynamics modelling under a wide range of climates can help. ANR reference : ANR-14-CE03-0007

L'atlas cartographique offre un aperçu des données produites et traitées dans le cadre du projet Artisols. Ce dernier, soutenu par la Région Occitanie et le Fonds Européen de Développement Régional (FEDER), s’inscrit dans une démarche d’évaluation et de qualification du processus d’artificialisation des sols en région Occitanie.Neuf grandes thématiques y sont développées : - Les bâtiments résidentiels et d’activité- L’occupation du sol - La densité de bâti par maille de 150 m de côté - L'évolution de la densité de bâti entre 2017 et 2019- Les taches urbaines - La densité de bâti au sein des taches urbaines- Le coefficient de dispersion- L'indice de fragmentation des espaces non artificialisés- L'indice de compacité des taches urbaines