L’été étant un moment propice pour lever un peu le pied et remettre les idées en place, avant d’attaquer une nouvelle saison pris par les urgences du quotidien, je vous livre une série d’articles avec quelques réflexions sur l’utilisation des outils d’analyse spatiale dans mon domaine de préférence: la gestion intégrée des zones côtières.
Comme le titre le laisse entrevoir, les concepts et les mots de cette belle discipline qu’est la géomatique, sont construits tout autant sur des nuances que sur des exactitudes, sur la rigueur et la souplesse.
De temps en temps, il peut être bénéfique de prendre de la hauteur et de remettre un peu d’ordre dans le cadre conceptuel de nos pratiques quotidiennes.
Le titre fait référence aux deux grandes familles de techniques d’analyse spatiale :
- la première, l’analyse des données spatiales, qui traite des données en tant qu’entités :. Est-ce qu’une valeur est aberrante ou pas ? Quelle est la valeur à laquelle nous devons nous attendre à tel endroit ?
- la deuxième, l’analyse spatiale des données, qui traite les ensembles de données, les différents lots : croiser différentes couches pour trouver des emplacements optimaux, déterminer la dépendance spatiale des données avec du krigeage pour interpoler des valeurs,…
Chacune de ces deux familles de techniques se subdivise en deux.
L’analyse des données spatiales se divise en analyse exploratoire et analyse confirmatoire.
L’analyse exploratoire a pour objectif de décrire, d’expliciter une situation. L’approche suivie est une démarche de recueil de données plutôt ouverte et privilégiant la richesse de la représentation. Les outils utilisés sont des outils exploratoires, descriptifs, qui permettent de décrire un phénomène : hsitogrammes, QQ-plot, diagrammes de Voronoï,…
L’analyse confirmatoire a, quant à elle, l’objectif de vérifier une idée, un modèle. Le recueil des données suit une démarche plutôt fermée, qui privilégie la validation d’une théorie. Ses outils sont des outils confirmatoires, explicatifs, qui permettent de tester des relations entre les variables : autoregression,modélisation des erreurs spatiales, autocorrélation (de Geary, indice de Moran),…
L’analyse spatiale des données peut se diviser en deux grands ensembles méthodologiques, l’algèbre spatiale et la géostatistique.
Les techniques de l’algèbre spatiale constituent une classe de l’analyse spatiale des données clairement distincte. Elle traite les cartes en tant que jeux de données à part entière. Les opérations basées sur la carte sont utilisées pour générer de nouvelles cartes, souvent grâce à l’application de manipulations algébriques simples. En superposant plusieurs cartes l’une sur l’autre, l’analyste est capable d’implémenter des conditions logiques (AND, OR, XOR), des opérations arithmétiques (+, -, ×) pour identifier les zones sur la carte qui répondent à une gamme de critères spécifiés par l’utilisateur . Parmi ces techniques on peut citer l’analyse multicritère, la détection des changements,…
La géostatistique, l’autre grand ensemble de l’analyse spatiale des données, est nécessaire en raison de la dépendance spatiale. La dépendance spatiale est le phénomène qui fait que deux observations auront des valeurs plus proches à mesure que la distance entre les observations est moindre.
Cette composante structurée de la dépendance spatiale peut être utilement employée comme prédicteur statistique dans diverses techniques géostatistiques, par exemple, des méthodes d’interpolation telles que le krigeage. La géostatistique est la solution aux problèmes qui rendent difficile l’application de techniques statistiques classiques, c’est-à-dire non spatiales. : la dépendance spatiale introduit la redondance des données et un écart par rapport aux hypothèses statistiques fondamentales, telles que l’indépendance des observations.
Pour une présentation un peu plus développée de la géostatistique et de ses concepts de base, référez-vous à l’article https://www.sigterritoires.fr/index.php/introduction-a-lanalyse-exploratoire-des-donnees-pour-la-geostatistique/.
