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)
Modèles de distribution d'espèces (SDM)
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
Relations covid-contextes territoriaux : corrélations spatiales
Quantifier et analyser les liens entre environnement et santé
Relations asthme-environnement
Géosimuler des épidémies
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
Géographie de la mobilité
Contextualiser les comportements de mobilité
Contextualiser les comportements de mobilité
Autres exemples : les semis de points
Analyse spatiale des jardins partagés
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
- 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)