Îlots de chaleur
Published by
Ville de MontréalPolygones représentant les îlots de chaleur à la surface du sol. On qualifie un îlot de chaleur selon la différence de températures observée entre deux milieux environnants à un même moment. Les différents écarts de température s'expliquent principalement par le type d’aménagement du sol comme la couverture végétale, l’imperméabilité des matériaux et les propriétés thermiques des matériaux. Cette différence peut atteindre plus de 12°C.
Le Plan climat Montréal 2020-2030 vise, entre autres, la bonification des outils de planification et de réglementation en urbanisme. Montréal s’est ainsi engagée à mettre à jour l’analyse de vulnérabilité aux changements climatiques, dont la carte des îlots de chaleur, réalisée dans le cadre du Plan d’adaptation aux changements climatiques de l’agglomération de Montréal 2015-2020 et à l’intégrer dans le prochain plan d’urbanisme et de mobilité. Les cartes d’îlots de chaleur urbains ont été produites avec la collaboration du Département de géographie de l'Université du Québec à Montréal (UQAM).
Les données peuvent également être consultées sur la carte interactive des îlots de chaleur.
Data
Name | Format | Size | Last Changed | Download/ Preview |
---|---|---|---|---|
Visualisation des données | WEB | -- |
Unknown
|
|
Îlots de chaleur 2023 (images satellite) | GeoJSON | 17.5 MB |
10 months ago
2024-02-12 09:36
|
|
Îlots de chaleur 2023 (images satellite) | SHP | 1.3 MB |
1 year ago
2023-11-07 15:36
|
|
Îlots de chaleur 2020 (images satellite) | GeoJSON | 14.1 MB |
10 months ago
2024-02-12 09:36
|
|
Îlots de chaleur 2020 (images satellite) | SHP | 1.6 MB |
1 year ago
2023-11-07 15:34
|
|
Îlots de chaleur 2019 (images satellite) | GeoJSON | 21 MB |
2 years ago
2023-03-06 09:32
|
|
Îlots de chaleur 2019 (images satellite) | SHP | 4.8 MB |
2 years ago
2023-03-06 09:33
|
|
Îlots de chaleur 2016 (images satellite) | GeoJSON | 23.8 MB |
2 years ago
2023-03-06 09:34
|
|
Îlots de chaleur 2016 (images satellite) | SHP | 5.6 MB |
2 years ago
2023-03-06 09:35
|
|
Îlots de chaleur 2013 (images satellite) | GeoJSON | 19.8 MB |
2 years ago
2023-03-06 09:36
|
|
Îlots de chaleur 2013 (images satellite) | SHP | 4.7 MB |
10 months ago
2024-02-12 13:50
|
|
Îlots de chaleur 2016 (images aéroportées) | GeoJSON | -- |
2 years ago
2022-06-21 08:23
|
|
Îlots de chaleur 2016 (images aéroportées) | SHP | -- |
2 years ago
2022-06-21 09:07
|
|
Îlots de chaleur 2016 (images aéroportées) | GeoTIFF | -- |
2 years ago
2022-06-21 09:20
|
|
Analyse en composantes principales (2023 vs 2013) | GeoTIFF | 320.2 KB |
1 year ago
2023-11-07 15:46
|
|
Analyse en composantes principales (2019 vs 2013) | GeoTIFF | 2.4 MB |
1 year ago
2023-11-07 15:47
|
Methodology
Voici les catégories des cartes des îlots de chaleur :
Images aéroportées: - 0 - Îlot de fraîcheur - 1 - Température plus froide que la moyenne - 2 - Température proche de la moyenne - 3 - Température plus chaude que la moyenne (à risque) - 4 - Îlot de chaleur
Images satellite: - 1 - Îlot de fraîcheur - 2 - Température plus froide que la moyenne - 3 - Température proche de la moyenne - 4 - Température plus chaude que la moyenne (à risque) - 5 - Îlot de chaleur
Images aéroportées à très haute résolution
Les images aéroportées à très haute résolution prises de jour et de nuit, entre le 3 août et le 3 septembre 2016, et ensuite mosaïquées en fonction du 20 août 2020 par la Division de la géomatique du Service des infrastructures du réseau routier ont été utilisées (voir Thermographie de surface).
Les données ont préalablement été corrigées et standardisées afin de retirer les valeurs aberrantes (p. ex. plans d'eau). Les ombrages des bâtiments, majoritairement au centre-ville, n'ont toutefois pas été traités considérant la complexité et le délai trop long pour cette correction. Quant au choix de la méthode de discrétisation, elle a été déterminée à l'aide de deux indicateurs, soit le Goodness Of Variance Fit (GVF) provenant du test de Jenks et l'entropie de Shannon. Le GVF indique le niveau d'homogénéité interclasse tandis que l'entropie indique la perte d'information de la discrétisation. La méthode des moyennes emboîtées a été retenue puisqu'elle avait un score plus élevé dans ces deux indicateurs. Pour obtenir cinq classes, les huit classes ont été reclassifiées en fonction des intervalles comprenant la valeur d'un écart-type à la moyenne. Un rééchantillonnage des données a été nécessaire afin de les afficher selon le nouveau maillage de l'analyse de vulnérabilité, soit 625 m2. Enfin, un filtre moyenneur a été appliqué afin d’atténuer le bruit causé par le toit des bâtiments et pour ainsi cibler les endroits plus problématiques.
Images satellite
Afin de comparer les superficies d’îlots de chaleur de jour dans le temps, des cartes ont été produites avec les images Landsat 8, dont les bandes thermiques ont une résolution de 100 mètres et les bandes multispectrales ont une résolution de 30 mètres, pour le 20 août 2013, le 25 juin 2016, le 9 juin 2019, le 20 juin 2020 et le 6 juillet 2023.
Les paramètres de sélection d’images sont : - le moins de nuages possible 24 heures avant la prise de l’image satellite et aucun nuage sur la région étudiée lors de la capture d’image ; - l’absence de pluie 24 h avant la prise de l’image ; - un vent maximal de 11 km/h, au-delà de cette vitesse la température calculée au sol peut être sous-estimée à cause du balayage par le vent ; - un niveau d’ensoleillement suffisant, autrement dit l’image doit être prise en juin, juillet et août.
Les paramètres atmosphériques sont : les valeurs de radiance ascendante et descendante et la transmissivité de l’atmosphère.
La correction atmosphérique et le calcul des températures ont été réalisés en utilisant la méthode du calculateur de Basri et coll. (2003) et la carte d’émissivité calculée à partir du NDVI (Normalized difference vegetation index). En plus d’avoir une marge d’erreur maximale estimée à 2 °C, cette méthode comporte l’avantage d’améliorer la résolution de l’image thermique en utilisant une carte d’émissivité calculée à partir de l’image multispectral du Landsat dont la résolution est de 30 m. Ceci a permis de passer d’une résolution moyenne initiale de 100 m à une résolution de 30 m en effectuant un rééchantillonnage de l’image thermique.
IMPORTANT : Il arrive qu'aucune image satellite ne corresponde aux paramètres de sélection, comme ce fut le cas pour 2021 et 2022. Pour l'année 2023, la seule image disponible a été prise lors d'une vague de chaleur, ce qui explique la hausse temporaire du phénomène d'îlots de chaleur. Quant à la carte du 20 juin 2020, elle n'a pas été utilisée pour le comparatif dans le temps puisque la seule image disponible a été prise lorsqu’un deuxième aléa climatique était à l'œuvre. Les effets sur les îlots de chaleur de la canicule du 17 au 23 juin 2020 et de la séquence mai-juin la plus sèche depuis 1965 sont observables sur la carte. Le manque d’humidité dans le sol combiné à la canicule a eu pour effet d’assécher les sols. Le rayonnement solaire, normalement utilisé pour l’évaporation et la transpiration, s’est donc transformé en réchauffement de surface augmentant la superficie des îlots de chaleur. Ces observations mettent en relief l'effet des canicules, des vagues de chaleur et des sécheresses sur le phénomène d'îlots de chaleur.
Analyse en composantes principales
Une analyse en composantes principales a été produite avec le logiciel Catalyst afin de suivre le comportement thermique du territoire de l’agglomération de Montréal. C’est l'une des méthodes d'analyse de données multivariées les plus fréquemment utilisées pour comparer des données entre elles. Elle permet notamment de résumer l'information en réduisant le nombre de variables. Cette méthode transforme des variables liées entre elles dites « corrélées » en de nouvelles variables « décorrélées ». Cette méthode a été appliquée à deux images thermiques pour obtenir deux nouvelles composantes de synthèse (2013 vs 2019 et 2013 vs 2023). La première composante principale contient l’information redondante (pixels corrélés), soit les pixels ayant des valeurs de température similaires dans les deux images. La deuxième composante principale contient le résiduel de la première composante (pixels décorrélés). Ceci signifie qu’un pixel qui a une valeur de température élevée sur la première image aura une valeur basse ou moyenne sur la deuxième. Cette dernière permet de faire ressortir les zones ayant subi un changement, soit un refroidissement ou un réchauffement entre deux années.
Territories
Keywords
Additional Information
Publisher
Bureau de la transition écologique et de la résilience
Temporal coverage
--
Source (URL)
--
Update frequency
asNeeded
Descriptive Information Last Updated
5 months ago 2024-08-01 13:48Date the dataset was first added
2022-06-02 18:43Ville de Montréal
Montréal estime que les données ouvertes sont un élément central dans l’atteinte des objectifs en matière de transparence et de développement économique, mais aussi dans la résolution des défis urbains. Plus ces données sont rendues publiques et partagées avec la communauté, plus elles seront exploitées à leur plein potentiel dans un écosystème montréalais en pleine effervescence.