Littérature scientifique sur le sujet « Utilisation des sols changement de l'occupation des sols »

La thèse vise à explorer le potentiel des résultats empiriques dans l'identification des centres et sous-centres urbains en utilisant des données accumulées extraites d'images de télédétection et d'analyses fractales disponibles gratuitement. Il répond au défi de l’indisponibilité des données dans ce contexte. Bien que diverses méthodes aient été utilisées dans la littérature, telles que le seuil minimum, les méthodes statistiques spatiales et la méthode des prix hédoniques, celles-ci sont principalement basées sur le contexte local des pays développés, avec des études limitées axées sur les pays en développement en raison de la rareté des données. Cette recherche cherche à combler cette lacune en étudiant l'efficacité de la géométrie fractale pour identifier explicitement les centres et sous-centres urbains, caractériser leur organisation spatiale pour l'analyse de la croissance urbaine et délimiter les modèles de croissance urbaine basés sur la disposition spatiale des centres urbains, des sous-centres et des transports primaires. réseaux. Comprendre ces dynamiques est crucial pour des décisions éclairées en matière d’urbanisme et d’infrastructure. En utilisant la zone métropolitaine du Grand Accra (GAMA) comme étude de cas, des images satellite disponibles gratuitement couvrant la période 1991 à 2022 ont été téléchargées et classées à l'aide de diverses techniques, notamment la forêt aléatoire, la machine à vecteurs de support et le cluster itératif linéaire simple (SLIC) avec K-Means. pour extraire des modèles construits. Une analyse longitudinale a été menée pour évaluer l'impact de la croissance urbaine sur la biodiversité, révélant des changements dans la composition de la couverture terrestre, les zones bâties dominant de plus en plus la végétation, conduisant à une fragmentation de l'habitat. La couverture terrestre et les modèles de paysage pour 2030 ont été prédits avec succès, soulignant l'importance de la connectivité du paysage et de la fragmentation de l'habitat dans l'évaluation des processus écologiques et des impacts du développement urbain. En outre, l'analyse fractale multiradiale et la morphologie mathématique ont été utilisées pour identifier les centres et sous-centres urbains à partir de données de télédétection, sur la base des dimensions fractales et de l'organisation spatiale. Un modèle conceptuel de croissance urbaine a été développé pour visualiser les modèles d'expansion urbaine attendus. Ces résultats contribuent de manière significative à l’identification et à l’organisation spatiale des centres et sous-centres urbains, en particulier dans les villes manquant de données statistiques ou géospatiales adéquates, en particulier dans les pays en développement. La reproduction de cette méthodologie pourrait contribuer à une base de données mondiale plus complète sur les villes<br>The thesis aims to explore the potential of empirical results in identifying urban centers and subcenters by utilizing built-up data extracted from freely-available remote sensing images and fractal analyses. It addresses the challenge of data unavailability in this context. While various methods have been employed in literature, such as minimum cut-off point, spatial statistical methods, and hedonic price method, these are predominantly based on the local context of developed nations, with limited studies focused on developing nations due to data scarcity. This research seeks to fill this gap by investigating the effectiveness of fractal geometry in explicitly identifying urban centers and subcenters, characterizing their spatial organization for urban growth analysis, and delineating urban growth patterns based on the spatial arrangement of urban centers, subcenters, and primary transportation networks. Understanding these dynamics is crucial for informed urban planning and infrastructure decisions. Using the Greater Accra Metropolitan Area (GAMA) as a case study, freely available satellite images spanning from 1991 to 2022 were downloaded and classified using various techniques including random forest, support vector machine, and simple linear iterative cluster (SLIC) with K-Means to extract built-up patterns. A longitudinal analysis was conducted to assess the impact of urban growth on biodiversity, revealing shifts in land cover composition with built-up areas increasingly dominating over vegetation, leading to habitat fragmentation. Land cover and landscape patterns for 2030 were successfully predicted, emphasizing the importance of landscape connectivity and habitat fragmentation in evaluating ecological processes and urban development impacts. Furthermore, multi-radial fractal analysis and mathematical morphology were employed to identify urban centers and subcenters from remote sensing data, based on fractal dimensions and spatial organization. A conceptual urban growth model was developed to visualize expected urban expansion patterns. These findings contribute significantly to the identification and spatial organization of urban centers and subcenters, particularly in cities lacking adequate statistical or geospatial data, especially in developing countries. Replicating this methodology could contribute to a more comprehensive global database on cities

La couverture hivernale des sols a un impact avéré sur la qualité de l'eau, en influant sur le transfert des flux de polluants d'origine agricole au sein de bassins versants. L'objectif de ce travail est de développer une méthode reproductible qui permette d'effectuer une prédiction à court terme de la couverture hivernale des sols. Une approche approximative reposant sur un modèle expert utilisant la règle des évidences de Dempster-Shafer a été retenue. Les résultats sont mitigés : Les prédictions sont cohérentes pour la classe " Sols couverts" mais restent problématiques pour la classe " Sols nus à peu couverts". L'utilisation de la théorie récente de Dezert-Smarandache, permet d'améliorer les scores de prédictions pour la classe " Sols nus à peu couverts ". Une évaluation de la reproductibilité du modèle est appliquée sur un bassin versant plus étendu. Si la classe " Sols couverts " reste bien évaluée, l'affectation spatiale de la classe " Sols nus à peu couverts " est en revanche toujours affectée d'un faible taux de prédiction correcte, illustrant la nécessité d'intégrer de nouvelles sources d'information pour cette hypothèse aux fortes variabilités spatiotemporelles<br>In intensive agricultural regions, winter vegetation covering is a key indicator of water transfer processes. Its prediction can help local decision making for restoring water quality. The objective of this work is to develop a reproducible method to predict the land cover distribution for the following winter season for the two hypotheses "Bare soils" and "Covered soils". The selected modelling approach is based on an expert model using the Dempster-Shafer rule. Results are ambivalent according to the studied hypothesis. The prediction scores are good at the watershed scale but present limits for allocating the land class at a field scale, especially for the "Bare soils" class. The Dezert-Smarandache theory is then applied and increases the prediction scores for the "Bare soils" class. The reproductibility of the modelling approach is then evaluated in applying the model on another study site. The "Bare soils" class remains well evaluated with both fusion rules, but the spatial allocation of the land class at a field scale is still not well managed, that indicates the need to integrate new sources of information in the model to better predict the future land allocation

Les problemes traites dans la these s'inscrivent dans le cadre general de la classification multicapteurs en teledetection spatiale. Il s'agit d'evaluer la complementarite entre les donnees optique et radar issues de differents capteurs (spot, radarsat) dans un contexte d'occupation du sol en milieu semi-aride en tunisie centrale. L'utilisation de la fusion de donnees permet de profiter au mieux des avantages de chacun des capteurs et de surmonter des limitations individuelles de chacun d'eux. Face a plusieurs methodes de fusion de donnees, rencontrees dans la litterature, nous avons choisi d'utiliser la fusion de donnees au niveau des attributs images qui representent le bas niveau semantique localise au niveau du pixel. Nous avons mis en uvre une methodologie faisant appel a la fusion de donnees en analyse d'images satellitales. Lors de ces formalisations liees aux architectures de fusion percues comme l'association de differentes cellules de fusion, nous avons developpe une architecture dite mixte prenant en consideration la redondance et la complementarite entre capteurs. Dans une deuxieme partie, des pretraitements ont ete effectues sur ces differents capteurs : la correction geometrique et le filtrage de l'image radar. Ensuite, nous avons developpe des algorithmes de classification appliques aux images optique et radar. Nous nous sommes interesses aux methodes non dirigees pour leurs nombreux avantages par rapport aux methodes dirigees : les resultats correspondent a l'information reellement presentee dans l'image, aucune information exterieure n'est introduite a priori, les caracteristiques sont determinees automatiquement au cours de la classification, l'extraction de classes et la separation des classes en sous-classes est possible. Apres l'etude de la complementarite entre capteurs, un algorithme de fusion de donnees, non supervise, fonde sur la theorie des croyances de dempster-shafer a ete propose, ses performances ont ete comparees a d'autres theories comme celle du maximum de vraisemblance.

En France, les phénomènes de périurbanisation imposent une réflexion sur les conditions d’un développement urbain durable. En zone languedocienne, dans un contexte de forte attractivité démographique, l'urbanisation rapide et mal maîtrisée se fait aux dépens des terres agricoles les plus productives de la région, sur la plaine littorale. L’évolution des demandes sociales et les enjeux autour de la sécurité alimentaire mondiale interrogent sur la façon dont les politiques de planification périurbaine intègrent le foncier agricole. Pour objectiver les débats et appuyer les décisions, les instances agricoles expriment des besoins urgents en indicateurs spatialisés. L’objectif de cette thèse est de proposer une démarche de co-construction d’un système d’indicateurs pour suivre les processus d’artificialisation des terres. Modélisation systémique et concertation itérative ont été retenues comme les approches adaptées pour guider le processus de constitution et de sélection des indicateurs. Cette recherche revisite le modèle DPSIR en l’adaptant au concept de système territorial et propose d’organiser la participation des acteurs pour garantir une légitimité d'utilisation des indicateurs. L’application de la méthode, inscrite dans des impératifs d’opérationnalité, porte sur la production et la mise à disposition en ligne d’un ensemble organisé de 141 indicateurs spatialisés liant l’évolution du capital foncier à celle de la tache artificialisée languedocienne<br>In France, suburbanization phenomena impose to think the conditions for sustainable urban development. In the Languedoc region, in a context of a strong demographic attractiveness, fast and uncontrolled urbanization happens at the expense of the most productive farmland in the region, on the coastal plain. The evolution of social demands, as well as issues around food security on a world scale, raise the question how suburban planning policies deal with the agricultural land issue. In order to objectify discussions and support the decisions, the agricultural authorities have expressed an urgent need for spatial indicators. The objective of this thesis is to propose an approach to co-build a system of indicators so as to monitor the land urbanization process. Systems modeling and iterative consultation were chosen as the appropriate approaches to lead the making up process and the selection of indicators. This research revisits the DPSIR model by adapting it to the concept of territorial system and proposes to organize the participation of stakeholders to ensure legitimacy for the use of indicators. The method application, part of the operational requirements, covers the production and availability online of a structured set of 141 spatial indicators linking the evolution of land assets and the one of the languedocian “artificialized patch”

L'étude des surfaces continentales est devenue ces dernières années un enjeu majeur à l'échelle mondiale pour la gestion et le suivi des territoires, notamment en matière de consommation des terres agricoles et d'étalement urbain. Dans ce contexte, les cartes d'occupation du sol caractérisant la couverture biophysique des terres émergées jouent un rôle essentiel pour la cartographie des surfaces continentales. La production de ces cartes sur de grandes étendues s'appuie sur des données satellitaires qui permettent de photographier les surfaces continentales fréquemment et à faible coût. Le lancement de nouvelles constellations satellitaires - Landsat-8 et Sentinel-2 - permet depuis quelques années l'acquisition de séries temporelles à hautes résolutions. Ces dernières sont utilisées dans des processus de classification supervisée afin de produire les cartes d'occupation du sol. L'arrivée de ces nouvelles données ouvre de nouvelles perspectives, mais questionne sur le choix des algorithmes de classification et des données à fournir en entrée du système de classification. Outre les données satellitaires, les algorithmes de classification supervisée utilisent des échantillons d'apprentissage pour définir leur règle de décision. Dans notre cas, ces échantillons sont étiquetés, \ie{} la classe associée à une occupation des sols est connue. Ainsi, la qualité de la carte d'occupation des sols est directement liée à la qualité des étiquettes des échantillons d'apprentissage. Or, la classification sur de grandes étendues nécessite un grand nombre d'échantillons, qui caractérise la diversité des paysages. Cependant, la collecte de données de référence est une tâche longue et fastidieuse. Ainsi, les échantillons d'apprentissage sont bien souvent extraits d'anciennes bases de données pour obtenir un nombre conséquent d'échantillons sur l'ensemble de la surface à cartographier. Cependant, l'utilisation de ces anciennes données pour classer des images satellitaires plus récentes conduit à la présence de nombreuses données mal étiquetées parmi les échantillons d'apprentissage. Malheureusement, l'utilisation de ces échantillons mal étiquetés dans le processus de classification peut engendrer des erreurs de classification, et donc une détérioration de la qualité de la carte produite. L'objectif général de la thèse vise à améliorer la classification des nouvelles séries temporelles d'images satellitaires à hautes résolutions. Le premier objectif consiste à déterminer la stabilité et la robustesse des méthodes de classification sur de grandes étendues. Plus particulièrement, les travaux portent sur l'analyse d'algorithmes de classification et la sensibilité de ces algorithmes vis-à-vis de leurs paramètres et des données en entrée du système de classification. De plus, la robustesse de ces algorithmes à la présence des données imparfaites est étudiée. Le second objectif s'intéresse aux erreurs présentes dans les données d'apprentissage, connues sous le nom de données mal étiquetées. Dans un premier temps, des méthodes de détection de données mal étiquetées sont proposées et étudiées. Dans un second temps, un cadre méthodologique est proposé afin de prendre en compte les données mal étiquetées dans le processus de classification. L'objectif est de réduire l'influence des données mal étiquetées sur les performances de l'algorithme de classification, et donc d'améliorer la carte d'occupation des sols produite<br>Land surface monitoring is a key challenge for diverse applications such as environment, forestry, hydrology and geology. Such monitoring is particularly helpful for the management of territories and the prediction of climate trends. For this purpose, mapping approaches that employ satellite-based Earth Observations at different spatial and temporal scales are used to obtain the land surface characteristics. More precisely, supervised classification algorithms that exploit satellite data present many advantages compared to other mapping methods. In addition, the recent launches of new satellite constellations - Landsat-8 and Sentinel-2 - enable the acquisition of satellite image time series at high spatial and spectral resolutions, that are of great interest to describe vegetation land cover. These satellite data open new perspectives, but also interrogate the choice of classification algorithms and the choice of input data. In addition, learning classification algorithms over large areas require a substantial number of instances per land cover class describing landscape variability. Accordingly, training data can be extracted from existing maps or specific existing databases, such as crop parcel farmer's declaration or government databases. When using these databases, the main drawbacks are the lack of accuracy and update problems due to a long production time. Unfortunately, the use of these imperfect training data lead to the presence of mislabeled training instance that may impact the classification performance, and so the quality of the produced land cover map. Taking into account the above challenges, this Ph.D. work aims at improving the classification of new satellite image time series at high resolutions. The work has been divided into two main parts. The first Ph.D. goal consists in studying different classification systems by evaluating two classification algorithms with several input datasets. In addition, the stability and the robustness of the classification methods are discussed. The second goal deals with the errors contained in the training data. Firstly, methods for the detection of mislabeled data are proposed and analyzed. Secondly, a filtering method is proposed to take into account the mislabeled data in the classification framework. The objective is to reduce the influence of mislabeled data on the classification performance, and thus to improve the produced land cover map

La contribution des changements d’usage des sols aux émissions de gaz à effet de serre d’origine anthropique est estimée à 17% pour la décennie 2000, en grande partie liée à la déforestation. L’un des facteurs principaux de ces changements est l’expansion des terres agricoles pour les besoins locaux de développement, mais également sous l’effet des exportations stimulées par la mondialisation. Pour cette raison, des préoccupations nouvelles surgissent quant aux effets des politiques sur l’usage des sols par le biais des marchés internationaux. Ce travail présente trois illustrations concrètes où ces effets peuvent être d’ampleur conséquente : i) l’intensification de l’agriculture dans les pays en voie de développement, ii) les accords commerciaux, et iii) les politiques d’agrocarburants. Les résultats montrent que pour chacune de ces politiques, les réponses des marchés sont susceptibles de jouer un rôle déterminant dans le bilan des gaz à effet de serre. L’atténuation du changement climatique par l’intensification des cultures conduit à des réductions d’émissions, mais l’effet rebond de la demande pourrait annuler une part substantielle des bénéfices attendus sur les surfaces de terres cultivées. L’exemple d’un possible accord entre l’Union européenne et le Mercosur montre les effets négatifs que peut induire la libéralisation de certains produits agricoles, si des mesures d’accompagnement adéquates ne sont pas mises en place. Enfin, l’effet des changements indirects d’affectation des sols est susceptible d’effacer une part substantielle des réductions d’émissions alléguées aux agrocarburants. Les réponses de l’affectation des sols aux différentes politiques dépendent néanmoins de nombreux paramètres comportementaux, et il est difficile d’en fournir une estimation chiffrée précise. Plusieurs approches de modélisation sont utilisées ici pour quantifier ces effets et explorer les intervalles de confiance découlant des estimations actuelles de la littérature économétrique. La prise en compte de cette externalité dans l’évaluation des politiques publiques nécessite des approches nouvelles intégrant mieux les différents niveaux d’incertitude sur ces effets<br>Land use change is estimated to have generated 17% of anthropogenic greenhouse gas emissions in the 2000s, a large part coming from deforestation. The main driver of these emissions is expansion of agricultural activities, for the need of local development in tropical regions. However, they have also been caused by the dynamics of globalisation which has stimulated agricultural trade flows. Thus, today, there are new concerns with respect to how agricultural policies are influencing land use changes in other parts of the world through international market responses. In this work I consider three concrete illustrations of where these effects can be of significant magnitude: i) agriculture intensification in developing countries, ii) trade agreements, and iii) biofuel policies. I find that for each of these policies, market responses are likely to play a significant role in the final greenhouse gas emission balance. Mitigation of emissions through agricultural intensification could have quite beneficial outcomes, but the rebound effect on the demand side would offset a large part of greenhouse gas emission savings attributable to the land sparing effect. With the example of a possible EU-MERCOSUR trade agreement, I also show the adverse effect of liberalising certain specific agricultural products closely connected to land use change dynamics without adequate accompanying measures. Last, the indirect land use change effect of biofuels is likely to offset a large part of their alleged GHG emission savings. Land use change responses depend on many behavioural parameters, however, and providing precise estimates constitutes a challenge. I use different modelling approaches to quantify their magnitude and extensively explore the level of confidence on the basis of current state of econometric findings.New approaches should be elaborated to take account of this externality in public policy assessments, together with an appropriate consideration of the uncertainty ranges associated with these effects

Le changement de l'occupation des sols (LUC) a une influence importante sur le climat de par les modifications des propriétés physiques de la surface. Le niveau de connaissance de ces impacts biogéophysiques est cependant insuffisant, en raison notamment des nombreux processus impliqués. Via l'intercomparaison de modèles de climat et d'autres outils développés, cette thèse vise à identifier les signaux climatiques robustes liés au LUC, ainsi qu'à évaluer les incertitudes associées. Depuis l'époque préindustrielle, le LUC a résulté en une déforestation extensive dans les régions tempérées de l'hémisphère Nord, où l'augmentation de l'albédo de surface a sûrement induit un refroidissement durant l'hiver et le printemps. L'amplitude de cet impact ainsi que le rôle des effets non radiatifs en été reste pourtant très incertain parmi les modèles. Ces incertitudes répondent (1) à la façon dont le LUC est représenté dans les modèles de surface et (2) aux sensibilités intrinsèques des modèles de climat au LUC. Le deuxième point explique plus de 50% de la dispersion inter-modèle dans des variables clés au climat de surface comme l'évapotranspiration. Suite à cette incertitude, les impacts du LUC dans albédo de surface et l'évapotranspiration ont été estimés à partir d'observations contemporaines et les cartes de végétation prescrites dans les modèles de surface ici évalués. L'ensemble de ces analyses montre que les incertitudes actuelles des effets sur le climat du LUC sont en grande partie liées aux paramétrisations des modèles de surface, et peuvent donc être réduites par une évaluation plus rigoureuse de ceux-ci<br>Land-use change (LUC) is an important climate forcing due to the underlying alterations of the properties of the soil-vegetation system. However, the knowledge of these biogeophysical impacts of LUC is middling, notably due to the large number of processes involved. By means of model intercomparison and other approaches specifically developed, this study aims to identify the robust climate signals of LUC as well as to assess the associated uncertainties. LUC since the preindustrial period has led to extensive deforestation in the northern temperate regions and therefore to increases in surface albedo. The amplitude of this impact and the role of the non-radiative effects in summer are still quite uncertain within the model results. These uncertainties respond (1) to the way LUC is implemented in land surface models (LSMs) and (2) to the intrinsic model sensitivities to LUC. We show that the second point could explain more than 50% of the inter-model dispersion in key variables for the surface climate such as the evapotranspiration. We therefore developed statistical tools to reconstruct the impacts of LUC on the surface albedo and the evapotranspiration using present-day observations and the land-cover maps prescribed in the LSMs here assessed. The analyses carried out here show that current uncertainties in the climate impacts of LUC are in major part the result of the land-surface parameterizations used in climate models and, hence, could be reduced with a more thoroughly evaluation of LSMs

Le changement de l'occupation des sols (LUC) a une influence importante sur le climat de par les modifications des propriétés physiques de la surface. Le niveau de connaissance de ces impacts biogéophysiques est cependant insuffisant, en raison notamment des nombreux processus impliqués. Via l'intercomparaison de modèles de climat et d'autres outils développés, cette thèse vise à identifier les signaux climatiques robustes liés au LUC, ainsi qu'à évaluer les incertitudes associées. Depuis l'époque préindustrielle, le LUC a résulté en une déforestation extensive dans les régions tempérées de l'hémisphère Nord, où l'augmentation de l'albédo de surface a sûrement induit un refroidissement durant l'hiver et le printemps. L'amplitude de cet impact ainsi que le rôle des effets non radiatifs en été reste pourtant très incertain parmi les modèles. Ces incertitudes répondent (1) à la façon dont le LUC est représenté dans les modèles de surface et (2) aux sensibilités intrinsèques des modèles de climat au LUC. Le deuxième point explique plus de 50% de la dispersion inter-modèle dans des variables clés au climat de surface comme l'évapotranspiration. Suite à cette incertitude, les impacts du LUC dans albédo de surface et l'évapotranspiration ont été estimés à partir d'observations contemporaines et les cartes de végétation prescrites dans les modèles de surface ici évalués. L'ensemble de ces analyses montre que les incertitudes actuelles des effets sur le climat du LUC sont en grande partie liées aux paramétrisations des modèles de surface, et peuvent donc être réduites par une évaluation plus rigoureuse de ceux-ci.

Les changements d’usage et occupation des sols résultent d’activités naturelles et anthropiques et peuvent avoir un impact négatif sur les ressources naturelles et même agricoles. Dans les régions métropolitaines, les principaux changements d’usage des sols sont ceux qui proviennent de la transformation des terres agricoles en des couvertures artificielles, essentiellement pour des usages urbains, industriels, de transports et de loisirs. Ces usages sont en concurrence avec les utilisations agricoles en raison, surtout, de la croissance démographique et de la recherche de nouvelles aires de construction. Cette concurrence permanente et la rapidité dont elle se produit a contribué largement à fragmentation et la dispersion à la fois des terres agricoles et des usages artificiels. Ces changements posent de défis, en particulier dans les domaines de la sécurité alimentaire, mais aussi de la nécessité de préserver les sols et la biodiversité dans des contextes plus urbanisés. Les propriétaires fonciers jouent un rôle majeur en ce qui concerne les changements d’occupation des sols. Dans un contexte périurbain, trois acteurs clefs sont généralement identifiés dans le processus de décision de changement d'utilisation ou la couverture des sols : 1) Les investisseurs ou les promoteurs immobiliers, qui souhaitent obtenir un rendement maximal dans un contexte de développement urbain, en essayant d’obtenir la marge de profit la plus élevée possible. Leurs décisions dépendent souvent de la croissance démographique, de la recherche de nouveaux logements et des stratégies de planification et d’organisation du territoire ; 2) les agriculteurs qui sont affectés par les attentes concernant le développement urbain et qui prétendent capitaliser leurs investissements, ou les agriculteurs qui prétendent maintenir leurs terrains pour une question de consommation personnelle, agrément et/ou style de vie ; 3) à une échelle plus large, les acteurs qui planifient et définissent des stratégies pour l’usage futur de l’occupation du sol. (…) Les résultats obtenus dans le cadre de cette thèse devraient permettre aux décideurs d’observer différents futurs possibles dans des scénarios de type "et si", leur permettant ainsi d’anticiper les incertitudes futures et, par conséquent, de choisir l'avenir le plus désirable en matière de l’usage et de l'occupation des sols<br>Land Use and Cover Change (LUCC) occurs as a consequence of both natural and human activities, causing impacts on biophysical and agricultural resources. In enlarged urban regions, the major changes are those that occur from agriculture to urban uses. Urban uses compete with rural ones due among others, to population growth and housing demand. This competition and the rapid nature of change can lead to fragmented and scattered land use development generating new challenges, for example, concerning food security, soil and biodiversity preservation, among others. Landowners play a key role in LUCC. In peri-urban contexts, three interrelated key actors are pre-eminent in LUCC complex process: 1) investors or developers, who are waiting to take advantage of urban development to obtain the highest profit margin. They rely on population growth, housing demand and spatial planning strategies; 2) farmers, who are affected by urban development and intend to capitalise on their investment, or farmers who own property for amenity and lifestyle values; 3) and at a broader scale, land use planners/ decision-makers. (…) To model LUCC a CA-Markov, an ANN-multilayer perceptron, and an ABM approach were applied. Our results suggest that significant LUCC will occur depending on farmers’ intentions in different scenarios. The highlights are: (1) the highest growth in permanently irrigated land in the A1 scenario; (2) the most significant drop in non-irrigated arable land, and the highest growth in the forest and semi-natural areas in the A2 scenario; and (3) the greatest urban growth was recognised in the B0 scenario. To verify if the fitting simulations performed well, statistical analysis to measure agreement and quantity-allocation disagreements and a participatory workshop with local stakeholders to validate the achieved results were applied. These outcomes could provide decision-makers with the capacity to observe different possible futures in ‘what if’ scenarios, allowing them to anticipate future uncertainties, and consequently allowing them the possibility to choose the more desirable future