Rapport de stage - Planet Action
Rapport de stage - Planet Action
Rapport de stage - Planet Action
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Maitrise <strong>de</strong> la cohérence <strong>de</strong>s processus<br />
<strong>de</strong> production pour la mise en place<br />
d’une base <strong>de</strong> données géographiques<br />
<strong>de</strong>s étu<strong>de</strong>s, qui, en fonction <strong>de</strong> leur spécificité introduisent quantité <strong>de</strong> paramètres (lieu, dimension<br />
temporelle, variables en entrée, qualité, etc.) donnant lieu à <strong>de</strong>s résultats très variés. Les incertitu<strong>de</strong>s<br />
apparaissent à différents niveaux et peuvent être présentés comme suit.<br />
On notera tout d’abord le niveau individuel, ce que l’on attribue aux caractéristiques intrinsèques <strong>de</strong><br />
chaque donnée. Tout comme les images satellites utilisées en télédétection, chaque source <strong>de</strong> données<br />
présente ses erreurs, biais et incertitu<strong>de</strong>s. Elles font intervenir différents facteurs aux impacts plus ou<br />
moins connus, suivant la nature <strong>de</strong> chacune d’elle.<br />
Ensuite, les erreurs spatiales ne peuvent se résumer qu’à un simple chiffre. Prenons l’exemple d’un<br />
DEM dont l’erreur moyenne est <strong>de</strong> l’ordre <strong>de</strong> ±10 m. Pour spécifier cette valeur en un point du DEM,<br />
on a en fait besoin <strong>de</strong> la distribution complète <strong>de</strong>s probabilités, c'est-à-dire <strong>de</strong> tous les paramètres qui<br />
ont été intégrés. Des tests ont montré qu’en faisant varier les valeurs du DEM suivant cette erreur<br />
moyenne, les résultats <strong>de</strong>s valeurs <strong>de</strong> pente peuvent être très différents, que seule la géostatistique est<br />
capable <strong>de</strong> mettre en évi<strong>de</strong>nce grâce à <strong>de</strong>s analyses statistiques <strong>de</strong>s variations <strong>de</strong>s propriétés spatiales<br />
(Kitanidis, 1997). Mais peut-on raisonnablement <strong>de</strong>man<strong>de</strong>r à un géomaticien d’avoir les mêmes<br />
connaissances qu’un géostatisticien pour réaliser une étu<strong>de</strong> <strong>de</strong>s propagations d’erreurs et incertitu<strong>de</strong>s<br />
dans un SIG ? (Atkinson et Foody, 2002). La communauté géomaticienne développe dans ce sens <strong>de</strong>s<br />
concepts comme le « error-aware GIS » qui stocke et traite la qualité <strong>de</strong> chacune <strong>de</strong>s informations<br />
entrées dans la base <strong>de</strong> données (Duckham, 2000, Qiu & Hunter, 2002, Atkinson et Foody, 2002).<br />
Cependant, en l’absence <strong>de</strong> <strong>de</strong>man<strong>de</strong> plus soutenue <strong>de</strong> la part <strong>de</strong> la communauté sur la qualité <strong>de</strong>s<br />
données spatiales et l’établissement <strong>de</strong> documents standards pour les reporter, dans la plupart <strong>de</strong>s cas,<br />
les méta-informations sur la précision spatiale manquent ou restent limitées, sans <strong>de</strong>scription <strong>de</strong>s<br />
erreurs <strong>de</strong> variations spatiales (Canters et al, 2002). Ce seul exemple sur les DEM suffit à prendre<br />
conscience <strong>de</strong> l’ampleur du phénomène.<br />
Le cas <strong>de</strong> multiples données incertaines en entrée ouvre une dimension encore plus large sur la<br />
variation <strong>de</strong>s incertitu<strong>de</strong>s relatives. Heuvelink (2000) prend l’exemple du modèle d’acidification <strong>de</strong>s<br />
sols « SMART2 » (Kros et al, 1999) pour illustrer ces problèmes. Développé pour analyser la manière<br />
dont les particules atmosphériques entrainent l’acidification <strong>de</strong>s sols et comment, en retour, celle-ci<br />
affecte la qualité <strong>de</strong> l’eau souterraine, ce modèle est construit à partir d’étu<strong>de</strong>s générales sur les sols et<br />
<strong>de</strong> cartes <strong>de</strong> végétation non précises. De plus, les processus mis en place pour la cartographie<br />
impliquent <strong>de</strong> transformer <strong>de</strong>s informations cartographiques spécifiques à ces sols et à la végétation<br />
vers <strong>de</strong>s paramètres pour le modèle, ce qui détériore gran<strong>de</strong>ment la qualité <strong>de</strong>s entrées pour<br />
« SMART2 ». Pour évaluer la précision <strong>de</strong> ce <strong>de</strong>rnier, une étu<strong>de</strong> est entreprise pour analyser comment<br />
les incertitu<strong>de</strong>s <strong>de</strong>s sources <strong>de</strong> la carte et la transformation <strong>de</strong>s données se propagent dans la sortie du<br />
modèle. 11 variables synthétiques reconnues comme incertaines sont ainsi testées, nécessitant la prise<br />
en compte <strong>de</strong>s erreurs probables <strong>de</strong> distribution au sein <strong>de</strong>s variables, les fonctions <strong>de</strong> corrélations<br />
spatiales entre paramètres, et <strong>de</strong>s précisions faisant appel au jugement d’experts. L’étu<strong>de</strong> montre qu’au<br />
regard <strong>de</strong> la complexité du phénomène pointé et du nombre <strong>de</strong> paramètres intervenants, cette<br />
évaluation est possible dans une certaine mesure. Elle requiert par contre <strong>de</strong> très hautes compétences<br />
en géostatistiques. L’auteur reconnaît encore une fois qu’il n’est pas possible <strong>de</strong> relever ce type <strong>de</strong><br />
défis sans être armé <strong>de</strong> soli<strong>de</strong>s connaissances en statistiques pour qu’une telle étu<strong>de</strong> soit pertinente.<br />
Les problèmes d’échelle sont également considérables dans une base <strong>de</strong> données d’informations<br />
géographiques hétérogènes. Qu’elles soient spatiales ou temporelle, elles diffèrent généralement<br />
suivant chaque entrée du SIG, laissant ainsi apparaître <strong>de</strong>s questions complexes quant à la cohérence<br />
<strong>de</strong> mise en relation <strong>de</strong> chacune d’elle. Peut-on faire cohabiter <strong>de</strong>s données météorologiques <strong>de</strong> 10 Km<br />
<strong>de</strong> résolution synthétisant plusieurs jours d’informations avec une image satellite optique à haute<br />
résolution <strong>de</strong> 2,5 m ? On ne peut que reposer la question d’une autre manière : l’information que je<br />
souhaite extraire <strong>de</strong> mon jeu <strong>de</strong> données, aussi hétérogène soit-il, sera-t-elle assez pertinente et fiable<br />
au regard <strong>de</strong>s sources d’informations à disposition ? Et la réponse à celle-ci dépend encore une fois <strong>de</strong><br />
<strong>Rapport</strong> Fivel Master 2 TGAE – Année 2010-2011 Page 12