Sources : didacticiel UNITAR
V.1.5 - Dernière mise à jour : 11/01/2009
(avec l'autorisation du Clark Labs - exercice librement inspiré du didacticiel UNITAR pour Idrisi32. Traduit par Michelle GIBOIRE - adaptation Vincent GODARD)
Objectifs : manipulation du gestionnaire de données et création d'indices de vulnérabilité
Fonctions décrites dans ce TD : RECLASS, EDIT, ASSIGN, Metadata, OVERLAY, AREA , Database Workshop, Add field, Import value file, Calculate, Select, Query, SELECT, Collection editor,
Sources : didacticiel UNITAR
Dans cet exercice, nous évaluerons la vulnérabilité socio-économique par rapport à un risque naturel au niveau d'une communauté. Le risque en question est une tempête violente, appelée "Nor'easter", affectant les communautés de la partie orientale des Etats-Unis pendant les mois d'hiver, de novembre à avril. Ce nom vient des vents dominants qui suivent le trajet des tempêtes allant du Nord au Nord-Est le long de la côte atlantique des Etats-Unis. Les vents de nord-est atteignent souvent leur plus grande intensité lors de la traversée des états tels que le Massachusetts, situé dans le nord-est du pays.
Les dégâts aux communautés côtières, causés par ces tempêtes, résultent de vents violents, de la puissance de la tempête, et des inondations associées à de fortes marées. Les effets inhérents sont la destruction des biens des habitants et de leurs activités, le coût des secours et des réparations, des accidents et dans certains cas des morts. L'évaluation de la vulnérabilité socio-économique par rapport à ces tempêtes est importante car elle permet d'identifier des stratégies de limitation des effets des tempêtes. Par exemple, la planification d'actions d'urgence dans les communautés côtières est possible pour les groupes vulnérables en cas de tempête (par exemple les personnes âgées habitant sur la côte). Dans cet exercice, nous nous focalisons sur l'évaluation de la vulnérabilité socio-économique d'une communauté côtière, Revere, située juste au nord de la ville de Boston dans l'état du Massachusetts. La méthodologie adoptée dans l'exercice est tirée d'Emani et ali. (1993)1.
1 Les données utilisées dans cet exercice ont été rassemblées dans le cadre d'un projet, "Évaluation de la vulnérabilité socio-économique des communautés côtières aux tempêtes extrêmes et inondations," soutenues par le Northeast Regional Center of the National Institute for Global Environmental Change (NIGEC), Harvard University. L'éditeur remercie le Dr. Samuel J. Ratick, Associate Professor de l'Université Clark et Principal responsable du projet, pour avoir autorisé l'utilisation des données pour l'exercice.
La vulnérabilité est définie ici comme : "la sensibilité différentielle, dans un sens général, parmi des groupes sociaux et des lieux risquant de supporter des pertes dues aux risques" (Dow, 1993). Trois dimensions sont concernées : (1) exposition* à la probabilité de subir des pertes dues à un risque ; (2) résistance* ou possibilité de supporter les effets d'un risque ; (3) résilience* ou capacité à surmonter les effets d'un risque. Chacune de ces dimensions, à son tour, est définie grâce à des facteurs individuels. Par exemple, l'exposition à un risque est déterminée par le type d'utilisation du sol ( comme les habitations, industries ou cultures) dans une communauté. De même, la capacité à surmonter les effets d'un risque (résistance) est associée aux facteurs socio-économiques tels que l'âge, l'origine ethnique et les ressources. Les personnes âgées et les pauvres sont moins à même de supporter les effets d'un risque par comparaison avec les plus jeunes et les riches (Drabek and Key, 1984). Le tableau 1 montre les trois dimensions de vulnérabilité et certains des facteurs composant chaque dimension.
Exposition Résistance Résilience Utilisation du sol Âge Taille de l'habitat Services publics (réseaux électriques, réseaux de transport, etc.) Ressources Ressources Zones inondables Origine ethnique Assurance contre les catastrophes Éminence Résistance structurel des bâtiments Gestion des urgences
Les deux facteurs physiques (par exemple, les zones inondables et les éminences) ainsi que les facteurs socio-économiques (par exemple, l'âge et l'origine ethnique) sont inclus dans notre définition de la vulnérabilité. L'objectif de cet exercice, cependant, est l'utilisation des SIG pour évaluer et représenter les facteurs socio-économiques de vulnérabilité. En même temps, l'exercice illustre également la capacité des SIG à développer les indices composites de la vulnérabilité aux risques naturels au niveau de la communauté. Pour développer ces indices composites les facteurs socio-économiques doivent être combinés aux facteurs physiques. C'est pourquoi les zones inondables sont incluses dans l'exercice pour représenter la composante physique de la vulnérabilité.
L'exercice est divisé en deux sections. La première est consacrée à la dimension exposition de la vulnérabilité. Elle décrit deux facteurs reproduisant l'exposition, les zones inondables et l'utilisation du sol, dans la communauté de Revere. La combinaison de ces deux types de données produit la carte d'exposition aux vents de nord-est à Revere. La deuxième section de l'exercice traite du niveau de résistance. Dans cette section, les données de l'United States Bureau of Census servent à évaluer et représenter les facteurs socio-économiques de vulnérabilité de Revere. Ces données sont alors combinées avec celles sur les zones inondables pour fournir un indice composite de vulnérabilité aux vents de nord-est pour la communauté2.
2 La troisième dimension de la vulnérabilité, la résilience, ne fait pas partie de l'exercice. Un grand nombre des facteurs composant la résistance sont aussi les facteurs de la résilience. Pour les autres facteurs, tels que les assurances en cas de sinistre et la gestion des urgences, les données sont soit non disponibles soit sous une forme aspatiale.
Le risque d'inondation associé aux vents violents tels que les vents de nord-est a été déterminé pour la communauté de Revere par l'Agence fédérale de gestion des urgences des Etats-Unis (United States Federal Emergency Management Agency, FEMA). Dans le cadre de son programme national d'assurance contre les inondations (National Flood Insurance Program, NFIP), la FEMA a développé une carte des taux d'assurance contre les inondations (Flood Insurance Rate Map, FIRM) pour Revere, qui présente les zones pour différents niveaux de risque d'inondation, en mettant l'accent sur les zones inondées depuis la dernière crue centennale (100-Y) (FEMA, 1992). Une inondation 100-Y est définie comme un niveau d'inondation avec un risque de un pour cent ou plus d'être égalé ou dépassé au cours d'une année donnée. Les zones à risque d'une inondation 100-Y sont déterminés grâce à l'analyse statistique des enregistrements historiques, des études topographiques et des analyses hydrologique et hydrauliques (FEMA, 1992).
a) Vérifiez que le chemin des données est défini correctement pour cet exercice.
Avant de commencer cet exercice, il faut se procurer les données !
- Les documents à télécharger seront à mettre dans un environnement de travail du genre :
D:\geo\Votre_Nom\U6-2
Qui sera votre Working folder. Le créer si ce n'est pas encore fait !
Attention : il ne faut pas d'accents, de blancs ou de caractères spéciaux dans l'arborescence pour le Data Paths d'Idrisi !
Les 29 fichiers nécessaires sont, soit :
- zippés u62.zip (156 ko) pour un téléchargement plus rapide !
et vous les décompressez dans votre Working folder U6-2.
- à télécharger un par un !
1) le fichier raster ans9aex2.rst (137 ko)
2) le fichier en-tête du raster ans9aex2.rdc (1 ko)
3) le fichier raster ans9bex2.rst (137 ko)
4) le fichier en-tête du raster ans9bex2.rdc (1 ko)
5) le fichier vecteur bgroups.vct (330 ko)
6) le fichier en-tête du vecteur bgroups.vdc (1 ko)
7) le fichier vecteur coast.vct (149 ko)
8) le fichier en-tête du vecteur coast.vdc (1 ko)
9) le fichier attributs elder.avl (1 ko)
10) le fichier en-tête de l'attribut elder.adc (1 ko)
11) le fichier palette firm.smp (1 ko)
12) le fichier attributs gt65.avl (1 ko)
13) le fichier en-tête de l'attribut gt65.adc (1 ko)
14) le fichier attributs hisp.avl (1 ko)
15) le fichier en-tête de l'attribut hisp.adc (1 ko)
16) le fichier attributs hispanic.avl (1 ko)
17) le fichier en-tête de l'attribut hispanic.adc (1 ko)
18) le fichier attributs poor.avl (1 ko)
19) le fichier en-tête de l'attribut poor.adc (1 ko)
20) le fichier attributs populat.avl (1 ko)
21) le fichier en-tête de l'attribut populat.adc (1 ko)
22) le fichier attributs poverty.avl (1 ko)
23) le fichier en-tête de l'attribut poverty.adc (1 ko)
24) le fichier raster revbgrp.rst (137 ko)
25) le fichier en-tête du raster revbgrp.rdc (2 ko)
26) le fichier raster revfirm.rst (137 ko)
27) le fichier en-tête du raster revfirm.rdc (2 ko)
28) le fichier raster revluse.rst (137 ko)
29) le fichier en-tête du raster revluse.rdc (2 ko)
b) Utilisez DISPLAY LAUNCHER pour vérifier REVFIRM, une image des zones inondables à Revere. Sélectionnez la palette FIRM définie par l'utilisateur. Choisissez d'afficher une légende et un titre. L'image affichée ne montre pas l'emplacement de la côte ou des estuaires de cette communauté côtière. Dans Composer, choisissez Add Layer et indiquez COAST comme couche à ajouter. Utilisez le fichier de symboles Uniform White.
La légende pour REVFIRM peut être interprétée comme suit :
A => Zones inondables depuis l'inondation 100-Y
B => Zones entre l'inondation 100-Y et l'inondation 500-Y. Le risque d'inondation est modéré.
C => Zones de risque minime.
V => Zones le long de la côte avec un risque d'inondation de 100-Y plus d'autres risques dus à la vitesse des vagues.
Comme prévu, les zones à risque à la fois d'une inondation centennale et de l'action des vagues (les zones V) se trouvent juste sur le bord de la côte de Revere. Les zones dont le risque d'inondation est seulement 100-Y (zones A) sont très proches de la côte et des estuaires. Cependant, toutes ces zones ne sont pas soumises à un risque d'inondation 100-Y. Par exemple, dans la section sud-est de Revere, il y a une zone de risque minime (zone C) près de la côte. Sa position surélevée la rend moins vulnérable aux inondations. En général, les zones à risque minime d'inondation sont situées à l'intérieur de la communauté et loin de la côte.
Les zones A et V peuvent être considérées comme des zones de Revere ayant un risque élevé d'inondation pendant la période des vents de nord-est. La zone B a un risque modéré, tandis que la zone C a un risque minime. A l'aide de cette classification, nous évaluerons le risque d'inondation, associé aux vents de nord-est à Revere. Pour cela, nous allons d'abord créer une image contenant les zones de Revere à risque élevé pendant la période des vents de nord-est. Puis nous créerons une image contenant trois types d'utilisation du sol à Revere : commerces, industries et habitations. Ces trois utilisations du sol ont été sélectionnées pour l'évaluation des risques parce qu'elles sont les plus clairement associées à l'impact socio-économiques des inondations dues aux vents de nord-est. Enfin, nous combinerons les deux images pour déterminer l'exposition.
c) Exécutez RECLASS du menu GIS Analysis/Database Query. Indiquez REVFIRM comme image à reclasser (Input file). Appelez l'image de sortie (Output file) HIGHRISK. Indiquez une nouvelle valeur de 1 pour toutes les valeurs allant de 1 à celles qui sont immédiatement inférieures à 2.Continuez en indiquant une nouvelle valeur de 0 pour les valeurs allant de 2 à celles qui sont immédiatement inférieures à 4. Indiquez une nouvelle valeur de 1 pour les valeurs allant de 4 à celles qui sont immédiatement inférieures à 5. Cliquez sur OK.
d) Affichez HIGHRISK avec la palette FIRM définie par l'utilisateur. Ajoutez la couche COAST au moyen du fichier de symboles Uniform White.
1. Quelle sorte d'image est HIGHRISK ? Que représentent les zones avec la valeur 1 ? Que représentent les zones avec la valeur 0 ?
e) Affichez REVLUSE avec la palette Qualitative. C'est une image de l'utilisation du sol à Revere. Ajoutez de nouveau la couche COAST avec le fichier de symboles Uniform White. Puis utilisez l'option d'investigation par curseur (Cursor Inquiry Mode) pour explorer les différentes utilisations du sol dans cette communauté.
2. Quelle est l'utilisation dominante du sol dans cette communauté ? Quelles sont les utilisations du sol près de la côte ?
3. Quelles sont les catégories contenues dans REVLUSE pour les utilisations suivantes du sol ? Entrez les valeurs dans le tableau suivant.
Utilisation du sol Valeur de la catégorie Habitations - Commerces - Industries -
Pour évaluer les risques, nous nous intéressons aux utilisations du sol : habitations, commerces et industries. Pour créer une image de ces trois utilisations du sol seulement, nous attribuerons de nouvelles valeurs aux catégories de ces utilisations du sol dans REVLUSE. Pour cela, nous utiliserons d'abord le module EDIT pour créer un fichier de valeurs attributs avec les valeurs nouvelles et anciennes. Puis nous utiliserons le module ASSIGN pour attribuer le fichier de valeurs à REVLUSE. Cette méthode est plus rapide, dans ce cas, que l'utilisation de RECLASS.
f) Utilisez EDIT du menu Data Entry pour créer un nouveau fichier de valeurs. La première colonne de nombres du fichier de valeurs doit contenir les nombres des catégories initiales de REVLUSE pour les trois utilisations du sol (d'après le tableau ci-dessus). La deuxième colonne doit contenir les nouvelles valeurs qui doivent être attribuées aux catégories initiales. Entrez les valeurs suivantes, séparées par un blanc dans le nouveau fichier :
6 1
8 2
9 3
- Choisissez Save As dans le menu Fichier Edit.
- Indiquez :
- le nom du fichier => LUSE,
- le type du fichier => attributaire (Attribute Values File).
- Sauvegardez le fichier.
- Acceptez le type de données entières (Integer) par défaut, et fermez la boîte Edit.
g) Exécutez ASSIGN du menu GIS Analysis/Database Query. Indiquez REVLUSE comme image de définition (Feature definition image) des objets, LUSE comme fichier de valeurs des attributs (Attribute value file) et LANDUSE comme image de sortie (Output image). Mettez un titre. Cliquez sur OK.
h) La légende de LANDUSE doit être mise à jour.
- Ouvrez Metadata dans le menu File
- Choisissez l'image LANDUSE dans la liste qui apparaît.
- Cliquez sur l'option Legend.
- Cliquez trois fois sur le bouton 'Add legend category'.
- Entrez les chiffres 1, 2 et 3 pour les codes. Remplacez l'entrée de la légende du code 1 par RESIDENTIAL (Habitations). Répétez ce processus pour remplacer la deuxième catégorie de légende par COMMERCIAL (Commerces) et la troisième catégorie par INDUSTRIAL (Industries). Quand vous aurez fini, choisissez Save dans le menu Metadata File. Cliquez Yes (Oui) lorsque vous serez invité à effacer le fichier.
LANDUSE montre le schéma des trois utilisations du sol à Revere. Les autres utilisations du sol ont reçu automatiquement la valeur 0 car elles n'étaient pas indiquées dans le fichier des valeurs d'attributs. L'utilisation du sol pour des habitations est la plus sujette aux risques d'inondation, suivie par l'utilisation du sol pour des commerces .
Nous avons maintenant deux images : HIGHRISK, indiquant les zones de risques d'inondation importants et LANDUSE, indiquant les trois utilisations du sol associées aux effets socio-économiques des inondations. Pour évaluer les risques nous combinerons ces deux images. puisque HIGHRISK est une image booléenne, nous pouvons utiliser ici la logique booléenne (cliquez ici pour en savoir plus sur la logique booléenne). Comme nous sommes intéressés par les utilisations du sol dans les zones à risques élevés, nous souhaitons utiliser l'opérateur booléen AND. Pour utiliser cet opérateur, nous multiplions simplement les deux images, HIGHRISK et LANDUSE, à l'aide du module OVERLAY.
i) Exécutez OVERLAY à partir du menu Analysis/Database Query et choisissez l'option multiplication. Indiquez HIGHRISK comme première image, LANDUSE comme seconde image, et appelez l'image de sortie EXPOSURE. Après quoi, affichez EXPOSURE à l'aide de la palette Qualitative. Si vous souhaitez mettre à jour les catégories de légendes, ouvrez Metadata et cliquez sur Legend. Choisissez de copier la légende à partir d'un autre fichier (Copy legend from another file). Sélectionnez l'image LANDUSE. La légende de l'image EXPOSURE sera mise à jour. Sauvegardez Metadata et cliquez sur Yes quand vous êtes invité à écraser l'ancien fichier.
EXPOSURE montre la distribution spatiale des trois utilisations du sol dans les zones à risques élevés. Les sols les plus exposés aux inondations sont les zones d'habitations. Pour vérifier cela, nous calculerons la surface occupée par les trois utilisations du sol.
j) Exécutez AREA à partir du menu GIS Analysis/Database Query. Spécifiez EXPOSURE comme image d'entrée et sélectionnez la sortie sous forme de tableau (Tabular) en hectares.
4. Quelle est la surface (en hectares) des diverses utilisations du sol (habitations, commerces et industries) à Revere, exposées à des risques élevés d'inondation pendant la période des vents de nord-est ?
Dans cette section, l'importance du risque a été analysée à l'aide des données de la FEMA relatives à l'utilisation du sol et aux zones à risque d'inondation. Grâce à l'application de la technique de superposition, nous avons identifié les schémas spatiaux des trois types d'utilisation du sol dans les zones à risque élevé d'inondation pendant les vents de nord-est. Nous avons aussi utilisé un outil de SIG pour calculer la surface de chaque utilisation du sol exposée aux risques. Cette analyse des risques constitue la première étape d'évaluations plus détaillées de la vulnérabilité socio-économique. Dans le cas de Revere, par exemple, une modélisation supplémentaire pour évaluer les effets de l'inondation peut être réalisée dans les zones à risque élevé identifiées par l'analyse des risques puisque les effets sont susceptibles d'être les plus élevés dans ces zones.
Dans cette section, nous utiliserons les données disponibles auprès du Bureau du recensement des Etats-Unis (United States Bureau of Census) pour évaluer et représenter les facteurs socio-économiques de vulnérabilité. Deux types de données recensées pour la communauté de Revere sont disponibles auprès du Bureau du recensement. Ce sont des données spatiales sur des objets géographiques et des données d'attributs sur des facteurs socio-économiques. Nous décrirons ces types de données et leur utilisation dans IDRISI, puis nous montrerons comment les deux types de données peuvent se combiner pour produire des cartes de résistance3. Ces cartes individuelles de résistance seront alors combinées à l'aide d'un indice pour produire un indice global de résistance. Enfin, les cartes de résistance seront combinées avec la carte des zones à risque d'inondation FEMA pour montrer comment l'importance du risque et la résistance peuvent être intégrées dans une analyse de la vulnérabilité basée sur les SIG.
3 Ces cartes représentent les facteurs individuels comprenant l'importance de la résistance (voir le tab.1). Par souci de commodité, nous les appellerons cartes de résistance.
Le Bureau du recensement a développé une base de données cartographiques numériques à l'échelle 1:100 000 pour les Etats-Unis, appelée TIGER (Topologically Integrated Geographic Encoding and Referencing System, Bureau of Census 1991). TIGER contient des données numériques utilisées pour définir tous les objets du recensement décennal de 1990. Ces données numériques comportent les routes, les voies ferrées et les cours d'eau. En outre, TIGER contient les noms des objets, les codes FIPS pour les entités du recensement par exemple les îlots de recensement (census blocks, entités de base), les secteurs de recensement (census tracts, nos Iris INSEE !), les villes et les cités, les adresses et les codes postaux pour les rues dans les zones urbaines et métropolitaines.
Pour évaluer la résistance aux vents de nord-est à Revere, nous avons sélectionné une entité du recensement spatial définie par le Census Bureau comme un groupe de blocs (Block Group). Un groupe de blocs (BG) est une combinaison d'îlots de recensements dans un secteur de recensements qui ont le même premier chiffre dans leur numéro d'identification4.
4Un secteur de recensement est une petite et relativement permanente subdivision statistique d'un comté dans une zone métropolitaine ou d'un comté non métropolitain sélectionné, tracé pour présenter le recensement décennal (Bureau of Census, 1992a). Les limites des secteurs de recensement sont généralement des rues importantes, des obstacles naturels tels que les rivières et les limites du gouvernement local. Un secteur de recensement contient entre 2 500 et 8 000 habitants. Un îlot de recensement, d'autre part, est une zone normalement limitée de tous les côtés par des obstacles bien définis tels que les rues, les routes, les cours d'eau et les voies de chemin de fer. Un îlot de recensement contient habituellement environ 250 à 500 foyers.
Par exemple, le groupe de blocs 3 dans le secteur du recensement 1703 est une collection de tous les îlots de recensement numérotés de 301 à 397. Dans la plupart des cas, le nombre de blocs d'un îlot de recensement est très inférieur à 97. Un groupe de blocs représente de 500 à 1000 habitants. C'est le niveau du groupe de blocs qui a été sélectionné (par opposition au secteur de recensement ou au bloc de recensement) puisque la plus grande partie des données attributaires du recensement pour l'évaluation de la vulnérabilité socio-économique sont disponibles à ce niveau. Par exemple, les données sur les revenus ne sont pas divulguées au niveau des îlots de recensement pour des raisons de confidentialité et de secret.
La base de données TIGER n'a pas de codes FIPS pour les groupes de blocs ; mais seulement pour les îlots de recensement et les secteurs de recensement. C'est pourquoi, pour créer une carte des groupes de blocs à Revere, nous avons eu besoin des informations sur les îlots de recensement et les secteurs de recensement à Revere. Ces données ont été obtenues en tant que couche d'information Arc/Info à partir de MassGIS, une agence SIG au niveau de l'état pour le Massachusetts, qui avait obtenu ces données de TIGER. Dans Arc/Info, les informations sur les îlots de recensement et les secteurs du recensement ont été utilisées pour créer un champ pour les groupes de blocs (puisque chaque groupe de blocs est une collection d'îlots de recensement dans un secteur de recensement, ayant le même premier chiffre dans leur identifiant). Les données des groupes de blocs ont alors été converties de Arc/Info en IDRISI à l'aide du module DLG.
k) Affichez REVBGRP, l'image des groupes de blocs à Revere, avec la palette Qualitative. Ajoutez la couche vectorielle BGROUPS, un fichier vectoriel des frontières des groupes de blocs, avec le fichier de symboles Uniform White.
5. Combien de groupes de blocs y a-t-il à Revere ?
Les données attributs pour le recensement de 1990 ont été publiées par le Census Bureau (Bureau de recensement) sous la forme d'un fichier récapitulatif sur bande (Summary Tape File, STF) (Bureau of Census, 1992b). Pour le niveau de groupe de blocs, les données sont disponibles dans un fichier appelé Summary Tape File 3A (STF3A). STF3A contient des données attributs du recensement pour plus de 100 variables concernant l'âge, les revenus, l'origine ethnique, les caractéristiques des habitations, etc. C'est donc une puissante base de données pour l'évaluation de la vulnérabilité socio-économique.
Pour les besoins de l'illustration, trois variables d'attributs de recensement ont été sélectionnées comme la mesure de la résistance : (1) âge (défini comme le pourcentage de gens de plus de 65 ans); (2) origine ethnique (définie comme le pourcentage de gens d'origine hispanique 1 ); et (3) pauvreté (pourcentage de gens ayant un revenu annuel inférieur à $20 000). Les gens qui sont plus âgés, pauvres et membres d'un groupe ethnique minoritaire sont moins susceptibles de faire face aux effets d'un risque naturel (Bolin and Bolton, 1986 ; Dow, 1993 ; Drabek and Key, 1984). Avec les vents de nord-est, par exemple, les coupures de courant sont fréquentes dans les communautés côtières en raison du vent et du gel liés à ces tempêtes. Pendant ces coupures de courant, ce sont les personnes âgées qui sont les plus vulnérables et souvent les premières à être évacuées vers les abris d'urgence.
Les données relatives à ces trois variables de résistance sont extraites de STF3A au moyen d'un progiciel, appelé EXTRACT, développé par le Census Bureau. Les données relatives à la population par groupe de blocs à Revere ont aussi été extraites de STF3A. Chacun de ces ensembles de données a été extrait d'un fichier ASCII et converti en un fichier de valeurs d'attributs, puis transformé en un fichier de valeurs d'attributs IDRISI à l'aide du module DOCUMENT. Ces fichiers de valeurs sont appelés ELDER pour le nombre de gens, par groupe de blocs, ayant plus de 65 ans, HISP pour le nombre de gens d'origine hispanique5, POOR pour le nombre de gens ayant un revenu annuel inférieur à $20 000 et POPULAT pour les populations par groupe de blocs. Nous construirons d'abord une base de données IDRISI à partir de ces quatre fichiers de valeurs, puis nous convertirons en pourcentages les variables de résistance en divisant chacune par les données relatives à la population.
5Nous aurions pu sélectionner des gens d'autres groupes ethniques dans cette catégorie (par exemple ceux d'origine asiatique), mais nous y avons renoncé pour cette démonstration.
l) Ouvrez Database Workshop à partir du menu DATA ENTRY, ou cliquez sur l'icône correspondante
. Database Workshop est le système de gestion de base de données attributaires contenu dans Idrisi32 V2. Comme vous pouvez le voir, il a son propre système de menus et sa barre d'icônes. Pour créer la base de données allez d'abord dans le menu File de Database Workshop et choisissez New. Donnez le nom REVERE à la base de données à créer, et POPINFO comme nom de table.
Cliquez sur OK. Maintenant que la base de données existe, il faut la remplir (de données).
m) Le premier champ est celui de l'identifiant. Dans ce cas, les identifiants sont les numéros des groupes de blocs. Ce champ va nous permettre de faire correspondre correctement les attributs que nous pourrions importer avec le groupe de blocs correct et aussi de lier les attributs contenus dans la base de données au fond vecteur affiché. Pour ajouter des enregistrements (en ligne) à une colonne, vous pouvez utiliser la touche F8 ou l'option Add Record (Ajout d'enregistrements) du menu Edit contenu dans Database Workshop. Il vous faudra ajouter 43 enregistrements (pour un total de 44 enregistrements). Après avoir ajouté les enregistrements blancs, numérotez-les de 1 à 44. Pour cela, allez au menu Edit contenu dans Database Workshop. Choisissez Enter Edit Mode. L'arrière-plan de l'interface deviendra bleu. Tapez '1' dans le premier enregistrement, '2' dans le deuxième, et ainsi de suite jusqu'à ce que vous ayez rempli la colonne. Database Workshop est toujours en mode sauvegardé. Tout changement apporté à la base de données est sauvegardé automatiquement.
La phase suivante consiste à importer les attributs qui ont été extraits des données du recensement. Avant d'importer les données, nous devons savoir quel est le type de ces données, en particulier si les valeurs sont des entiers (integer), des entiers longs (long integer) ou des valeurs réelles (real)6. Pour le déterminer, nous consulterons la documentation relative aux fichiers de valeurs, à l'aide de Metadata.
6Les entiers sont l'ensemble des nombres compris entre 0 et 32 768 et nécessitent 2 octets (16 bits) de mémoire. Les entiers longs sont compris entre 0 et 2*109 et nécessitent 4 octets (32 bits) de mémoire. Les nombres réels nécessitent 32 bits de mémoire et s'étendent de -1* 1038 à +1* 1038 avec 7 chiffres significatifs. Les données qui ne sont pas des nombres entiers doivent être stockées comme des nombres réels.
n) Database Workshop étant encore ouvert, choisissez Metadata dans le menu File d'Idrisi32 (pas du Database Workshop). Choisissez l'option Attribute Files et sélectionnez POPULAT dans la liste des fichiers. Cliquez sur l'onglet "Champs" (Field). Utilisez les touches comportant des flèches pour voir les informations relatives au champ 1 (le champ 0 est le champ de l'identifiant). Lisez les informations relatives au champ 1 et vérifiez que le type des données pour les valeurs relatives à la population est un entier. Vérifiez que c'est vrai également pour les trois autres fichiers d'attributs : ELDER, HISP et POOR.
o) Maintenant que nous savons que toutes les nouvelles valeurs de nos champs sont comprises dans la plage des entiers, nous sommes prêts à les importer dans la base de données. Nous devons d'abord créer des champs nouveaux pour les nouvelles variables. A partir du menu Edit du Database Workshop, choisissez Add Field (Ajout de champ). Choisissez entier (Integer), donnez le nom POPULATION au champ puis cliquez sur OK. Répétez la procédure pour créer les champs ELDERLY, HISPANIC et POVERTY. Votre base de données contient maintenant 5 champs -- le champ identifiant, et quatre champs d'attributs vides.
p) Pour importer des fichiers de valeurs, choisissez Import Values File (Importer fichier de valeurs) du menu File du Database Workshop. Choisissez POPULAT comme nom du fichier de valeurs (Values file name .avl), IDR_ID comme champ de liaison (Link field name) et POPULATION comme champ de données (Data field name). Cliquez sur OK. Cette opération est connue comme établissant un lien relationnel. Les valeurs du champ Identifiant, dans la base de données, sont associées aux valeurs contenues dans la première colonne du fichier de valeurs. La valeur des données correspondantes dans la deuxième colonne du fichier de valeurs (dans ce cas, la population) est alors écrite dans l'enregistrement de la base de données.
q) Répétez la procédure ci-dessus pour importer les fichiers de valeurs ELDER dans le champ ELDERLY, HISP dans le champ HISPANIC et POOR dans le champ POVERTY.
Maintenant que nous avons importé les valeurs des données de base, nous pouvons calculer le pourcentage de la population qui correspond à chacun de nos trois critères de résistance, ce que nous ferons à l'aide de la fonction Calculate (Calcul) du Database Workshop.
r) Choisissez Add Field (Ajout de champ) du menu Edit et créez le nouveau champ ELDERLY% avec le type de données entier. (En choisissant entier, nous choisissons d'arrondir automatiquement le pourcentage au nombre entier le plus proche).
s) Dans le menu Query (Rechercher), choisissez la commande Calculate Field Values (Calculer les valeurs des champs), ce qui ouvrira la fenêtre d'édition du langage de recherche structuré, SQL (Structured query language)7.
7SQL est un langage commun à de nombreux systèmes logiciels de gestion de bases de données, qui permet la création de nouvelles données d'après divers calculs, ainsi que l'interrogation sélective de la base de données, que nous utiliserons ultérieurement dans l'exercice.
Le début de la commande SQL est déjà écrit. Il indique que nous allons mettre à jour la base de données appelée REVERE en définissant un champ comme étant égal à un calcul donné. Nous utiliserons l'onglet Fields (Champs) pour entrer les noms de champ, l'onglet Arithmetic pour les opérateurs arithmétiques et l'onglet Keypad (Clavier) pour entrer les nombres. Cliquez avec le curseur dans la fenêtre d'édition et entrez le reste de la commande SQL comme suit.
SET [ELDERLY%] = [ELDERLY] / [POPULATION] * 100
Cliquez sur OK, puis Oui lorsque vous êtes informé que l'opération va modifier la base de données. Le champ ELDERLY% contient maintenant le résultat du calcul8.
8L'utilisation de crochets autour des noms de champ n'est obligatoire que dans les cas où le nom du champ contient des blancs ou des symbole ayant d'autres significations. Il est cependant recommandé que les noms de champ soient toujours placés entre crochets pour éviter l'analyse des erreurs par le moteur de la base de données.
t) Répétez le processus pour créer et remplir les champs HISPANIC% et POVERTY%. Nous pouvons maintenant commencer les interrogations de la base de données, en utilisant de nouveau SQL, pour trouver, par exemple, tous les groupes de blocs répondant à certaines conditions. Pour poser la question "Quels groupes de blocs ont une population comportant plus de 50% de personnes âgées de plus de 65 ans ?", nous pourrions utiliser SQL pour obtenir rapidement la réponse.
u) Pour répondre à la question ci-dessus, allez dans le menu Query (Interroger) et choisissez Filter Table (Table des filtres). L'éditeur SQL apparaît de nouveau, mais commençant cette fois avec la commande SELECT au lieu de CALCULATE. Nous allons donc sélectionner tous les champs (signalés par '*') depuis POPINFO où certaines conditions sont remplies. Entrez la requête SQL comme suit (Utilisez l'onglet Rel/Logic pour entrer le signe plus grand que ">").
SELECT *
FROM popinfo
WHERE [ELDERLY%] > 50
Cliquez sur OK. Notez qu'un seul enregistrement remplissant la condition s'affiche maintenant dans la base de données. Pour revenir à la base de données complète, choisissez Remove Filter dans le menu Query (Interroger). Laissez ouvert le fichier de la base de données.
Voir les attributs et les résultats de l'interrogation dans la base de données est utile, mais souvent ce que nous voulons vraiment voir, c'est les schémas spatiaux des données. Pour cela, nous pouvons associer notre base de données spatiales (la carte des groupes de blocs) à la base de données des attributs que nous venons de créer. La procédure consiste à avoir dans la base de données un champ dont les valeurs correspondent aux identifiants des objets des groupes de blocs dans le fichier des vecteurs. Dans ce cas, le champ IDR_ID a des valeurs de groupe de blocs 1 à 44 et ces valeurs correspondent aux identifiants des polygones de groupes de blocs associés dans BGROUPS.
v) Afin de lier la base de données REVERE à l'image BGROUPS, nous devons faire deux choses. Nous ferons d'abord une nouvelle collection de Vecteurs avec BGROUPS, puis nous établirons un lien d'affichage avec cette image. Allez au Collection Editor dans le menu File. Dans le menu File de cette fenêtre, choisissez New. Dans les types de fichiers (Type), choisissez fichiers Vector Link files (.vlx). Donnez à votre nouveau fichier le nom REVERE_COLLECTION. Cliquez sur Open. Choisissez BGROUPS pour le fichier vecteurs (Vector spatial frame file .vct). Choisissez REVERE comme fichier de base de données Database file (.mdb). IDRISI remplira les autres cases. Dans le menu File de Collection Editor, sélectionnez Save. Fermez la boîte de dialogue de Collection Editor.
Dans le menu principal d'Idrisi32 V2 ou depuis la barre d'outils, ouvrez la boîte de dialogue Display Launcher. Choisissez d'afficher un fichier de vecteurs et sélectionnez le nom de fichier BGROUPS. Vous verrez un fichier appelé REVERE_COLLECTION avec un signe plus (+) à sa gauche. Cliquez une fois sur le signe plus. Chacune des images mentionnées correspond à un champ différent de la base de données REVERE. Affichez la couche contenue dans REVERE_COLLECTION, nommée IDR_ID avec le fichier de symboles Qualitative. Les groupes de blocs de Revere vont s'afficher.
Revenez sur Database Workshop en cliquant n'importe où à l'intérieur. Vous pouvez avoir besoin de tirer la fenêtre sur le côté pour être en mesure de voir la fenêtre Database Workshop. Dans le menu File, choisissez Establish display link. Il vous sera demandé d'entrer le nom d'un fichier avec l'extension .vlx. Choisissez REVERE_COLLECTION. Une fois que le lien d'affichage est établi, nous pouvons afficher les informations contenues dans le champ ELDERLY% en tant que couche vectorielle. Pour cela, utilisez Display Launcher pour afficher une couche vectorielle. Cliquez sur le signe plus à gauche de REVERE_COLLECTION. Choisissez la couche ELDERLY% . Affichez-la avec un fichier de symboles Quantitatifs et cliquez sur la case Autoscale pour activer cette option. Vous devez alors voir chaque groupe de blocs défini par une couleur codifiée selon la valeur contenue dans le champ ELDERLY% pour ce groupe de blocs. Lors de l'affichage des données du champ pourcentage, 0, qui est la valeur la plus faible dans ELDERLY%, est représentée en noir, et 60 qui est la valeur la plus élevée dans ELDERLY%, est représentée en vert.
w) Affichez maintenant le champ HISPANIC% , en suivant les mêmes étapes.
Vous aurez souvent un champ dont les valeurs dépassent la plage 0 à 255. Notre champ population, par exemple, a évidemment des valeurs très au-delà de la plage des codes de symboles dans le fichier des symboles. Dans ces cas, l'option Autoscale sera activée automatiquement au moment de l'affichage de l'image.
x) Le champ Display Current comme icône de Map Layer dans l'interface du Database Workshop est identique à l'icône Display Launcher
et peut être utilisé de la même façon. Placez le curseur dans la première rangée de données dans la colonne Population et cliquez sur l'icône Display Current field as map layer. Population par groupe de blocs s'affichera sur l'écran. Notez, que l'utilisation de Cursor Inquiry
sur les champs affichés ne renverra que l'ID (identificateur) séquentiel. Pour pouvoir afficher directement les valeurs de population, vous devrez exporter le champ comme un fichier de valeurs et utiliser le module ASSIGN pour créer un nouveau fichier de vecteurs.
Prenez le temps d'explorer la base de données. Vous voudrez peut-être exécuter aussi des interrogations. Quand un filtre d'interrogation est en place, ces enregistrements répondant aux conditions de l'interrogation sont affichés en rouge, et les autres enregistrements sont affichés en noir. Comme référence, vous voudrez peut-être ajouter une copie de la couche BGROUPS à l'écran à l'aide du fichier de symboles standard par défaut. Pour faire la copie, allez dans Idrisi File Explorer (dans le menu File) et copiez BGROUPS dans un nouveau fichier, par exemple BGROUPS2.
6. Supposez que l'évacuation d'urgence pendant la période des vents de nord-est doive prendre spécialement en compte tout groupe de blocs dans lequel plus d'un tiers de la population est âgé (plus de 65 ans). Où ces groupes de blocs de Revere sont-ils situés par rapport à la côte et aux estuaires (et de ce fait les plus exposés aux risques) ?
Nous allons maintenant utiliser les données spatiales sur les groupes de blocs avec les données attributaires du recensement pour créer les cartes de résistance aux vents de nord-est à Revere. Puisqu'il peut y avoir de nombreuses variables pouvant mesurer la résistance, un indice global de résistance peut être créé à partir de différentes variables. Par exemple, un concept très connu pour la combinaison de différentes variables est la moyenne arithmétique.
A l'aide des trois variables sélectionnées dans cet exercice, cet indice peut être défini comme suit:
RESIST = (ELDERLY% + POVERTY% + HISPANIC%)/3
Le calcul de cet indice est réalisé facilement dans le Database Workshop.
y) Fermez toutes les images sur l'écran. Modifiez la base de données une fois de plus en ajoutant le champ RESIST dont les données sont du type Single Precision Real.
z) Utilisez la commande Calculate Field Values du menu Query pour remplir RESIST avec la moyenne des trois champs comme indiqué ci-dessus. Pensez à mettre entre parenthèses le groupe des trois champs. Affichez RESIST à l'aide de l'icône Display Current Field as Map Layer
7. Quelle est la valeur la plus élevée contenue dans RESIST ? La valeur la plus faible ?
L'utilisation d'une moyenne pour combiner les trois images individuelles de résistance a produit une image globale de résistance dans laquelle aucune zone de Revere ne semble ressortir, c'est-à-dire qu'il n'est pas évident, d'après RESIST, d'indiquer quelles zones de Revere seront en mesure de supporter les effets d'un vent de nord-est et quelles zones ne résisteront pas. Dans l'affichage d'une variable telle que ELDERLY, ces zones sont évidentes, par exemple, le groupe de blocs dans lequel 60% de la population avait plus de 65 ans. A l'évidence, la moyenne n'est pas un indice composite* utile de résistance, si les planificateurs doivent identifier les zones à cibler pour bénéficier d'une intervention d'urgence pendant une période de vent de nord-est. Malheureusement, il y a eu peu de recherche effectuée sur la dérivation des indices pour produire des images composites de résistance (ou pour cette matière des images composites des autres dimensions de vulnérabilité : exposition* et résilience*). Cependant, une certaine recherche a porté sur la création de ces indices pour les facteurs physiques de vulnérabilité (Gornitz et White, 1994). Nous étudierons ces indices dans l'exercice V6-3.
Dans les écrans que nous venons de créer, il est possible que les groupes de blocs ayant des valeurs élevées pour les variables mesurant la résistance ne se trouvent pas dans les zones à risque élevé d'inondation et de dégâts dus aux vagues, c'est-à-dire qu'un groupe de blocs peut être constitué d'une population vulnérable sans être exposé à des risques. Pour en avoir la preuve, nous devons intégrer l'importance de l'exposition et de la résistance. En d'autres termes, nous devons combiner les images de résistance avec l'image HIGHRISK qui montre les zones de Revere présentant un risque élevé d'inondation et de dégâts dus aux vagues. C'est ce que nous ferons pour une variable, ELDERLY%.
L'image HIGHRISK que nous avons produite précédemment n'est pas basée sur la géographie des groupes de blocs comme c'est le cas de nos données ELDERLY%. Parce que ces ensembles de données ont une répartition spatiale différente, nous ne pouvons pas utiliser le Database Workshop pour produire l'image montrant à la fois un pourcentage élevé de gens âgés et de zones exposées à un risque élevé d'inondation. Nous devons effectuer cette opération à l'aide d'un processus de superposition. Nous devrons d'abord produire une image raster représentant la variable du pourcentage de personnes âgées dans la base de données, puis la combiner avec l'image HIGHRISK.
aa) Dans le menu File du Database Workshop, choisissez le sous-menu Export Values Files. Appelez ELDPCT, le nouveau fichier de valeurs. Le champ Link est IDR_ID et le champ Data est ELDERLY%. Cliquez sur OK. Allez dans ASSIGN, dans le menu principal d'Idrisi32 V2, et cliquez sur le menu Data Entry. L'image de définition d'objets est REVBGRP, un fichier raster des groupes de blocs qui a déjà été créé. Appelez PCT_ELDERLY l'image de sortie. Le fichier de valeurs des attributs est ELDPCT. Cliquez sur OK pour créer l'image raster. Réaffichez-la avec une palette Quantitative, Autoscale étant activé. Nous avons maintenant une image raster qui représente l'information relative aux attributs du champ de la base de données ELDERLY%.
8. Comment l'image REVBGRP a-t-elle été crée ? Vous indiquerez la procédure (modules et fichiers) que vous avez utilisée pour tester la validité de votre réponse.
ab) Exécutez OVERLAY à partir du menu Analysis/Database Query et choisissez l'option multiplication. Spécifiez pour la première image PCT_ELDERLY, HIGHRISK pour la deuxième et ELDRISK pour la sortie. Quand OVERLAY est fini, affichez ELDRISK avec la palette Quantitative, Autoscale étant activé. Comme auparavant, ajoutez les couches vectorielles BGROUPS et COAST sur l'image avec le fichier de symboles Uniform White .
L'image ELDRISK montre que le bloc de groupes avec le pourcentage le plus élevé (60%) des gens âgés de plus de 65 ans se trouve dans la zone à risque élevé aux inondations à Revere. On trouve également dans cette zone à risque élevé tous les groupes de blocs de gens âgés de plus de 65 ans. Ainsi, notre analyse montre que de nombreuses personnes âgées de plus de 65 ans à Revere sont exposées aux risques dus aux vents du nord-est.
9. Exécutez une analyse semblable avec les deux autres champs, HISPANIC% et POVERTY%. Est-ce que les images résultantes montrent que ces deux groupes vulnérables sont exposés aux risques dus aux vents de nord-est et aux effets associés ?
Dans cet exercice, la vulnérabilité socio-économique aux tempêtes dues aux vents de nord-est a été étudiée au niveau de la communauté. Le rôle des SIG dans l'évaluation de la vulnérabilité socio-économique a été exploré par la création de cartes et la combinaison de facteurs pour deux dimensions de la vulnérabilité : l'exposition et la résistance. Une application des données du recensement spatial et attributaire du Bureau of Census des Etats-Unis a été illustrée. Une méthodologie semblable peut être appliquée pour évaluer la vulnérabilité à d'autres types de violentes tempêtes et dans différents contextes socio-économiques. Par exemple, il est possible de prévoir cette analyse pour les cyclones et inondations associées au Bangladesh ou en Inde. D'autres recherches sont nécessaires au sujet de la création d'indices composites pour les différents degrés de vulnérabilité ainsi que pour la vulnérabilité elle-même, ce qui est particulièrement important étant donné le grand nombre de variables pour lesquelles des données sont maintenant disponibles et la facilité avec laquelle ces données peuvent être cartographiées et analysées dans un contexte de SIG.
Bolin, R., and P. Bolton. 1986. Race, religion, and ethnicity in disaster recovery. Program on Environment and Behavior Mono-graph No. 42. Boulder, CO: Institute of Behavioral Science, University of Colorado.
Bureau of Census. 1991. TIGER questions and answers. Washington, D.C: U.S. Department of Commerce, Bureau of the Census.
Bureau of Census. 1992a. Maps and more: your guide to Census Bureau geography. Washington, D.C: U.S. Department of Commerce, Bureau of the Census.
Bureau of Census. 1992b. Summary Tape File 3A. Washington, D.C: U.S. Department of Commerce, Bureau of the Census.
Dow, K. 1993. Exploring differences in our common future(s): The meaning of vulnerability to global environmental change. Geoforum 23(3): 417-436.
Drabek, T.E., and W.H. Key. 1984. Conquering disaster : family recovery and long-term consequences. New York: Irvington.
Emani, S., et al. 1993. Assessing vulnerability to extreme storm events and sea-level rise using geographical information systems (GIS). In Proceedings, GIS/LIS '93, Volume 1: 201-209. Bethesda, MD: American Congress on Surveying and Mapping (ACSM) and American Society for Photogrammetry and Remote Sensing (ASPRS).
FEMA (Federal Emergency Management Agency). 1992. Answers to questions about the National Flood Insurance Program. FIA-2. Washington, D.C.: Federal Emergency Management Agency (FEMA).
Gornitz, V.M., and T.W. White. 1994. A coastal hazards data base for the U.S. gulf coast. ORNL/CDIAC-60. NDP-043B. Environmental Sciences Division Publication No. 4101. Oak Ridge, TN: Oak Ridge National Laboratory.
NB : les mots suivis de "*" font partie du vocabulaire géographique, donc leur définition doit être connue. Faites-vous un glossaire.
