Soutenance mémoire
Les Systèmes d’Information Géographique (SIG)
Le contexte de l’information géographique s’est largement développé depuis la fin du XXe siècle grâce à l’évolution des outils informatiques. L’apparition conjointe des technologies de l’information et de la communication et la circulation accrue des données, notamment suite à l’avènement de l’internet, font ainsi de la géomatique (science des données à référence spatiale : Pornon, 2007) une discipline nouvelle et indispensable, utilisée pour répondre à des problématiques très variées à travers une approche multidisciplinaire et multithématique (Bergeron, 1992 ; Clarke, 2001 ; Gadal, 2008). Elle fait appel à un vocabulaire spécifique et emploie des technologies singulières : les systèmes d’information géographique. Un consensus de définitions montre que les SIG ne peuvent être considérés comme de simples logiciels de traitement de données spatialisées. Parmi ces définitions, celle de Françoise De Blomac illustre bien ce concept : un SIG est « un ensemble organisé de matériels informatiques, de logiciels, de données géographiques et de personnels capables de saisir, stocker, mettre à jour, manipuler, analyser et présenter toutes formes d’informations géographiquement référencées » (De Blomac et al., 1994).
Plusieurs fonctions peuvent donc être attribuées à ces systèmes. La première est la création et la collecte de données géoréférencées, issues de sources multiples et de formats très divers (par exemple la numérisation de fonds de cartes ou de photographies aériennes, la digitalisation de données de terrain, l’harmonisation spatiale, temporelle et structurelle des données). La deuxième fonction est le stockage, l’organisation et la spatialisation de ces informations grâce à un système de gestion de bases de données (SGBD). De manière bien plus spécifique, les fonctions d’affichage et de superposition de différentes couches d’information géographique sous forme de cartographies permettent une visualisation spatialisée des phénomènes terrestres. Finalement, les fonctions d’interrogation et d’analyse spatiale et/ou statistique évaluent ensuite les tendances et interactions géographiques entre ces différents phénomènes. De ce fait, les SIG sont considérés comme des outils complet de connaissance, d’aide à la décision et de communication (Goria et al., 2011).
Quels types de données peuvent être intégrés dans un SIG ? Fernandez-Falcon et al. (1993) estiment à plus de 80 % les informations possédant une référence spatiale. Techniquement, ces données peuvent être de deux natures : les images et les vecteurs. Les images, également appelées rasters, sont constituées d’une matrice de pixels géoréférencés auxquels sont attribuées des valeurs radiométriques de couleur. Les photographies aériennes et les cartes topographiques sont des exemples de rasters couramment utilisés. Les données vecteurs sont composées d’objets géographiques de forme élémentaire. Les points sont des coordonnées XY, les lignes sont une succession de points de coordonnées XY et les polygones sont une succession de points de coordonnées XY délimitant une surface fermée (figure 1).
Grâce aux SIG, nous disposons d’un grand nombre d’outils d’analyse spatiale pour évaluer les structures et processus géographiques de plusieurs jeux de données. Ces outils se basent notamment sur plusieurs concepts comme la distance, l’interaction spatiale ou la centralité. Dans le champ de la santé environnementale, de puissants outils d’analyse spatiale peuvent être employés. Le géocodage est par exemple mis en œuvre pour localiser les patients enregistrés dans les registres de maladies, en transformant leur adresse postale en coordonnées spatiales (Vine et al., 1997). Les données d’occupation du sol sont régulièrement utilisées pour définir des plans et stratégies d’échantillonnage des milieux environnementaux (AFNOR NF X43-903, 2008). Suite à cet échantillonnage, l’interpolation spatiale estime les valeurs de paramètres mesurés (concentrations en polluants, indicateurs, etc.) au niveau de points non échantillonnés, afin de construire par exemple des proxys d’exposition des populations (Nuckols et al., 2004). La cartographie des maladies (lissage des taux d’incidence) et la détection de clusters atypiques évaluent la distribution spatiale des évènements de santé et leur tendance à se regrouper (Clayton & Kaldor, 1987 ; Kulldorff, 1997). Grâce à ces outils SIG, il est finalement possible de rapprocher statistiquement les cartographies d’indicateurs environnementaux, sanitaires et sociodémographiques.
La cartographie peut finalement représenter le livrable final d’une étude SIG. La carte est un outil adapté de synthèse et de communication de résultats issus d’analyses spatiales. La carte choroplèthe, qui représente des quantités relatives à des espaces (une densité de population par commune par exemple) et la carte géostatistique, qui représente la variabilité continue d’une information quantitative à travers un espace défini, sont les formats les plus utilisés en santé environnementale. La production de tels supports implique de considérer certaines règles de sémiologie graphique et de discrétisation des données. Dans un premier temps, il est important de s’attarder sur le choix d’une méthode de discrétisation, c’est-à-dire de division de la série statistique que l’on veut cartographier en classes ou intervalles. Afin d’éviter des erreurs de représentation, certaines méthodes de discrétisation sont privilégiées en fonction de l’objectif de la carte et de la forme de la distribution statistique des données (Tableau 1). Pour optimiser la lisibilité de la carte, le nombre de classes doit préférentiellement être au maximum de 6.
L’interpolation spatiale
La plupart des bases de données issues de la surveillance physico-chimique et biologique de l’environnement peuvent constituer des informations géostatistiques. Cette information peut être définie par des mesures quantitatives réalisées au niveau d’un échantillon de points géolocalisés dans l’espace. Bien que les stratégies d’échantillonnage de mesures environnementales soient initialement construites à partir de plans de mailles régulières et homogènes, la logistique et le coût élevé des prélèvements et d’analyse des échantillons occasionnent fréquemment le recours à un tirage au sort d’une partie de ces points. Cette sélection au hasard fait que la répartition des échantillons sur le terrain devient irrégulière et hétérogène sur la zone étudiée (AFNOR NF ISO 10381-1, 2003 ; AFNOR NF X43-904, 2013). De plus, les observations issues de ces échantillons sont rarement indépendantes de l’espace et identiquement distribuées. Leurs traitements statistiques nécessitent donc une attention particulière. C’est pour ces raisons que des méthodes d’analyse spatiale ont été développées afin de générer des représentations cartographiques globales de ces indicateurs de qualité des milieux environnementaux et évaluer les principales tendances du phénomène observé (Ripley, 1981 ; Cressie, 1993).
L’interpolation spatiale est une méthode d’estimation statistique de données spatialisées. Son principe est qu’à partir d’observations ponctuelles mesurées et géoréférencées, elle fournit la valeur la plus probable du paramètre observé (appelé variable régionalisée) en tout point du domaine spatial étudié (Hengl, 2007). Le résultat est une production cartographique d’estimations au niveau de chaque point d’une grille régulière recouvrant la zone d’étude (figure 3). Par conséquent, plus le nombre de localisations estimées est élevé, plus la carte prendra l’apparence d’une surface lisse. Ce résultat peut être représenté selon des courbes de niveau, une palette de couleurs ou une perspective 3D. A l’inverse de l’extrapolation (estimation des valeurs à l’extérieur de la zone couverte par les observations), l’interpolation se consacre à la même zone que celle couverte par les observations (Burrough & McDonnell, 1998).
Les méthodes d’interpolation spatiale peuvent être classées selon deux grandes approches : l’approche déterministe et l’approche géostatistique. La principale différence de ces méthodes est la manière dont va être attribué le poids de chaque point d’observation dans le calcul d’estimation. D’autres critères peuvent également distinguer les méthodes d’interpolation. Par exemple, les méthodes d’estimation globales calculent la moyenne arithmétique de la variable régionalisée à partir de l’ensemble des observations mesurées sur le domaine spatial, alors que les méthodes d’estimation locales estiment cette moyenne à partir des observations présentes sur une portion du territoire proche. Par ailleurs, une méthode dite «exacte» conserve les valeurs des points d’observations mesurés dans le résultat cartographique, contrairement à une méthode dite « approchée » qui a tendance à lisser les valeurs aux points d’observation (Bosser, 2012). Dans les paragraphes suivants, nous expliquerons les deux grandes approches des méthodes d’interpolation spatiale (déterministe et géostatitique). L’approche géostatistique et notamment la méthode du krigeage souvent employée pour cartographier une variable environnementale seront plus détaillées.
Approche déterministe
Les méthodes déterministes d’interpolation reposent essentiellement sur des propriétés mathématiques et géométriques, sans tenir compte de la structure spatiale du phénomène. Parmi ces méthodes, nous pouvons citer les méthodes barycentriques (inverse des distances), les méthodes de partitionnement de l’espace par polygones de Thiessen ou cellules homogènes (le plus proche voisin, la triangulation) et les splines. La figure 5 propose un exemple de résultats cartographiques pour plusieurs de ces méthodes. Pour rappel, leur principe est de prévoir la valeur de la variable régionalisée en un point non échantillonné par une moyenne pondérée des valeurs observées. Pour l’approche déterministe, la pondération est uniquement fonction de la distance euclidienne entre le site d’observation et le site de prédiction. Les sites d’observation les plus proches ont ainsi une plus grande influence dans le calcul, alors qu’un poids faible (méthodes globales) ou nul (méthodes locales) est généralement attribué aux sites les plus éloignés. Il est par exemple possible de sélectionner uniquement les n points d’observation les plus proches pour le calcul d’estimation (Hengl, 2007).
|
Table des matières
Introduction générale
Partie 1. Les Systèmes d’Information Géographique (SIG)
Partie 2. L’interpolation spatiale
Partie 3. L’épidémiologie spatiale
Partie 4. La biosurveillance lichénique de la qualité de l’air
Partie 5. Les indices intégrés de qualité des milieux
Partie 6. Les études de corrélation écologique
Matériel et méthodes
Partie 1. La région Nord – Pas de Calais
Partie 2. Ressources
Partie 3. Matériels et méthodes du chapitre I
Partie 4. Matériels et méthodes du chapitre II
Partie 5. Matériels et méthodes du chapitre III
Chapitre I. Inégalités environnementales et sociales de santé à fine échelle en région Nord – Pas de Calais
Partie 1. Introduction
Partie 2. Étude de l’imprégnation de l’environnement de trois bassins de vie de la région NordPas-de-Calais par les éléments traces métalliques
Partie 3. Inégalités environnementales
Partie 4. Inégalités environnementales de santé
Partie 5. Conclusion et perspectives du chapitre I
Chapitre II. Disparités spatiales d’incidence de l’insuffisance rénale chronique terminale en Nord – Pas de Calais
Partie 1. Introduction
Partie 2. Disparités spatiales d’incidence de l’IRCT en Nord – Pas de Calais en lien avec la défaveur sociale
Partie 3. Détection de clusters atypiques d’IRCT en Nord – Pas de Calais
Partie 4. Conclusion et perspectives du chapitre II
Chapitre III. Facteurs de risques environnementaux des maladies inflammatoires chroniques de l’intestin (MICI)
Partie 1. Introduction
Partie 2. Optimisation d’une base de données environnementale en vue de construire un outil cartographique d’aide à la décision – cas de la contamination des eaux souterraines
Partie 3. Analyse spatiale et spatio-temporelle de la contamination en aluminium dans les eaux souterraines
Partie 4. ADES comme outil d’aide à la décision en santé – environnement dans le contexte des MICI
Partie 5. Discussion générale et perspectives du chapitre III
Discussion générale
Conclusion générale
Références bibliographiques
Annexes
Télécharger le rapport complet
