Analyse spatiale

Applications

Thierry FEUILLET
Prof. univ. Caen

L3 Unicaen - 2023-2024

• Description
• Explication
• Prédiction

Trois finalités possibles

• Basée sur des données empiriques (modélisation statistique)
• Basée sur des simulations (données fictives)

Deux approches principales

Conservation de la biodiversité

Construction d'indices spatialisés (bio/géodiversité)

Betard et Peulvast, 2019

Modèles de distribution d'espèces (SDM)

Source

Modélisation de réseaux écologiques

Logiciel Graphab, basé sur la théorie des graphes

Géographie de la santé

Quantifier et analyser les liens entre environnement et santé

Pilkington et al., 2021

Relations covid-contextes territoriaux : corrélations spatiales

Quantifier et analyser les liens entre environnement et santé

Guillien et al., 2022

Relations asthme-environnement

Géosimuler des épidémies

Daudé et al., 2022

SMA de la propagation de la dengue : formalisation explicite de l’espace, du temps, des interactions, des comportements et des niveaux d’organisation dans un système complexe

Géomarketing

Choisir des localisations optimales

• Modèles gravitaires : estimation des interactions entre les points de vente et les clients selon les masses et les distances (dépendance spatiale)
• Modèles de localisation-allocation : optimisation de la localisation par minimisation des coûts de déplacement des clients

De quoi a-t-on besoin pour choisir ces localisations optimales

• De localiser des zones de demande (forte densité de population, population aisée, etc.)
• De localiser des emplacements potentiels intéressants (faible foncier, accessibilité++, éloignement aux offres déjà en place, etc.)
• => Nécessité de mettre en place un SIG

Gestion des risques naturels

Spatialisation de la susceptibilité aux aléas

Source

Source

Géographie de la mobilité

Contextualiser les comportements de mobilité

Source

Contextualiser les comportements de mobilité

Source

Autres exemples : les semis de points

Analyse spatiale des jardins partagés

Source

K-fonctions : distribution spatiale de semis de points (CSR)

Autres exemples : les semis de points

• L'analyse spatiale de semis de points peut sauver des vies
• Exemple via le projet SARTRACES, qui vise à spatialiser les naufrages de migrants en Manche Mer du nord

Autres exemples : les semis de points

• Données du problèmes :
  • Spatialiser les naufrages permettra d'améliorer la réponse SAR (search & rescue)
  • Les services de l’État ne transmettent pas l'ensemble de leurs données (enjeux politiques et juridiques)
  • Il faut pouvoir contourner ces contraintes en travaillant sur de la donnée brute

Autres exemples : les semis de points

• Ces données brutes sont les données AIS (Automatic Identification System)
• Chaque navire a l'obligation de transmettre ses positions et déplacements via des coordonnées GPS

Autres exemples : les semis de points

• Nous récupérons ces données et appliquons des algorithmes pour détecter automatiquement les trajectoires atypiques

Exemple de données AIS

Autres exemples : les semis de points

• Il existe plusieurs algorithmes pour détecter ces anomalies qui indiquent des interventions possibles

Patterns de sauvetages (Varlamis et al., 2018)

Autres exemples : les semis de points

• L'algorithme DBSCAN

Algorithme de clustering spatial basé sur deux paramètres : la distance et le nombre de points minimum

Autres exemples : les semis de points

• Extension de DBSCAN :
  • ST-DBSCAN (intégration de la dimension temporelle en plus de la dimension spatiale)
  • ST-DBSCAN amélioré : intégration de variables discriminantes dans les conditions appartenance aux clusters (par ex. changement de cap, distance latérale, etc.)

Autres exemples

Analyse spatiale de la consommation (illégale) de viande sauvage en Ouganda

Source

• L'analyse spatiale vise à décrire et comprendre les localisations/structures spatiales (hotspots, gradients, discontinuités, etc.) et les processus spatiaux sous-jacents (diffusion, interactions, etc.)
• Elle s'appuie sur des théories, des lois et des modèles (dépendance/hétérogénéité spatiales, lois d'échelles, modèles gravitaires, etc.)
• Elle est associée aux outils informatiques (géomatique) et à la modélisation (méthodes statistiques et géosimulations)

Conclusion générale