Fiche de révision : Introduction aux statistiques et cartographie en géographie

📋 Plan du Cours

1. Introduction aux statistiques multivariées et cartographie quantitative en géographie
2. Principes des données statistiques et langage cartographique en géographie
3. Méthodes visuelles de simplification cartographique : quadrants, diagrammes triangulaires et silhouettes
4. Analyse en composantes principales (ACP) pour la réduction et l’interprétation des données multivariées
5. Classification ascendante hiérarchique (CAH) pour la formation de groupes homogènes en géographie
6. Fonctionnalités et gestion des données dans les systèmes d’information géographique (SIG)
7. Systèmes de coordonnées et intégration des couches d’information dans les SIG
8. Analyse spatiale dans les SIG : requêtes attributaires et spatiales, zones tampons et analyses multicritères

📖 1. Introduction aux statistiques multivariées et cartographie quantitative en géographie

🔑 Notions clés & Définitions

• Indice de spécialisation : Calcul quantitatif permettant de déterminer si une commune est principalement tertiaire, industrielle ou autre, utilisé pour analyser et cartographier les typologies d’espace.
• Analyse de régression : Explication par une fonction de type y=aX+b ou plus complexe.
• Krigeage : Technique d’estimation spatiale produisant des données quantitatives continues par interpolation entre points mesurés, par exemple pour estimer des gradients comme des rafales de vent entre deux aéroports.
• Typologie d’espace : De l’indice, on dit ensuite si une commune est plus tertiaire, industrielle… → typologie d’espace Méthode de classification ascendante hiérarchique (CAH) Variables quantitatives ordinales Stat multivariés : Etude des relations entre n variables Relation descriptive : ACP : analyse en composante principale Il peut y avoir des relations explicatives.

📝 Points essentiels

• L’approche quantitative en géographie dans les années 90 a été renforcée par la multiplication de cartes quantitatives pour se distinguer de la sociologie.
• L’indice de spécialisation permet d’identifier la dominante économique d’une commune et sert à construire des typologies d’espace.
• Le krigeage est une méthode d’estimation spatiale qui donne des données continues par interpolation entre points mesurés.

💡 À retenir

Cette section établit les bases historiques et méthodologiques justifiant l’usage des statistiques multivariées pour construire des typologies spatiales en géographie.

📖 2. Principes des données statistiques et langage cartographique en géographie

🔑 Notions clés & Définitions

• Sémiologie graphique : Langage visuel rigoureux et universel développé par Jacques Bertin, utilisé pour représenter les données cartographiques de manière compréhensible.
• Exemple carte : Utilisation de variables quantitatives absolues ou relatives pour produire des cartes descriptives, en tenant compte des ordres de grandeur et de la dispersion des données.
• Ordre de grandeur : Valeurs centrales telles que mode, moyenne ou médiane, permettant de mesurer l’échelle des données pour leur représentation cartographique.

📝 Points essentiels

• Les variables quantitatives absolues (stocks) peuvent être additionnées, tandis que les variables continues (taux) sont relatives et non additives.
• La dispersion des données se mesure par l’étendue, l’écart-type et la variance, essentiels pour choisir la discrétisation et les classes typologiques.
• La sémiologie graphique, développée par Jacques Bertin, constitue un langage visuel rigoureux et universel pour représenter les données cartographiques.
• La géographie utilise la statistique descriptive pour produire des cartes compréhensibles, en tenant compte des ordres de grandeur et des types de données.

💡 À retenir

Cette section souligne l’importance de comprendre les types de variables et la rigueur du langage cartographique pour représenter fidèlement les données statistiques en cartes.

📖 3. Méthodes visuelles de simplification cartographique : quadrants, diagrammes triangulaires et silhouettes

🔑 Notions clés & Définitions

• Diagramme triangulaire : Représentation graphique utilisée pour visualiser trois variables colinéaires dont les valeurs forment un total de 100%, permettant d'observer les proportions relatives entre ces variables.
• Méthode pour : Technique visuelle qui divise un nuage de points en plages de données pour deux variables quantitatives, applicable uniquement lorsque la relation entre les variables n'est ni elliptique ni courbe.
• Exemple : Illustration de la méthode des quadrants appliquée aux familles monoparentales en Alsace, montrant la division du nuage de points en plages de données.

📝 Points essentiels

• La méthode des quadrants divise un nuage de points en plages de données pour deux variables quantitatives, adaptée uniquement si la relation n’est pas elliptique ou courbe.
• Le diagramme triangulaire représente trois variables colinéaires formant un total de 100%, permettant une visualisation proportionnelle.
• La méthode des silhouettes est une représentation graphique utilisée pour un nombre quelconque de variables, illustrée par l’exemple des cépages et régions viticoles.
• Ces méthodes visuelles simplifient la complexité des données multivariées sans recourir à des analyses statistiques formelles.

💡 À retenir

Cette section met en avant des outils graphiques simples et intuitifs pour synthétiser visuellement des données multivariées avant toute analyse statistique approfondie.

📖 4. Analyse en composantes principales (ACP) pour la réduction et l’interprétation des données multivariées

🔑 Notions clés & Définitions

• Variance : Mesure statistique de la dispersion des données autour de leur moyenne, calculée comme la moyenne des carrés des écarts à la moyenne.
• Variables sont : Transformation des variables consistant à soustraire la moyenne de chaque valeur pour que la moyenne de la variable soit nulle.

📝 Points essentiels

• L’ACP résume un grand nombre de variables en 2 ou 3 composantes principales classées par ordre d’information captée, la première (CP1) expliquant la plus grande part de variance.
• Les variables sont centrées (moyenne à zéro) et réduites (division par écart-type) pour homogénéiser les unités et dispersions avant l’analyse.
• La variance mesure la dispersion des données autour de la moyenne, et l’ACP cherche les axes maximisant cette dispersion pour mieux différencier les observations.
• L’ACP est une analyse factorielle qui identifie les principaux axes d’allongement d’un nuage de points, facilitant l’interprétation des relations entre variables.
• On passe d’un grand nombre de variables statistiques à seulement 2 ou 3 variables.

💡 À retenir

Cette section détaille comment l’ACP réduit la dimensionnalité des données multivariées tout en conservant l’essentiel de l’information pour une interprétation simplifiée.

📖 5. Classification ascendante hiérarchique (CAH) pour la formation de groupes homogènes en géographie

🔑 Notions clés & Définitions

• Partition stricte : Organisation des groupes dans laquelle chaque élément appartient exclusivement à un seul groupe, sans recouvrement.

📝 Points essentiels

• Il existe des classifications hiérarchiques inversées qui regroupent progressivement les éléments en un seul groupe global.
• La mesure de ressemblance entre groupes et lieux guide la formation des classes, accentuant la similarité à chaque subdivision.
• La CAH permet de créer des typologies spatiales pertinentes, par exemple pour analyser des populations ou des nationalités avec recouvrement possible.

💡 À retenir

La classification ascendante hiérarchique organise les données en groupes homogènes selon une partition stricte, facilitant ainsi la création de typologies spatiales adaptées à l'analyse géographique.

📖 6. Fonctionnalités et gestion des données dans les systèmes d’information géographique (SIG)

🔑 Notions clés & Définitions

• Information géographique : Résultat de l’acquisition et de la représentation de données spatiales permettant de localiser et décrire des objets ou phénomènes dans l’espace.
• Données géographiques : Ensemble d’informations spatiales représentées sous forme vectorielle (points, lignes, polygones) ou matricielle (pixels) utilisées pour l’analyse géospatiale.

📝 Points essentiels

• Les données vectorielles dans les SIG se composent de points, lignes et polygones, représentant respectivement des objets ponctuels, linéaires et surfaciques.
• Chaque entité vectorielle possède une table d’attributs contenant des informations descriptives (identifiants, noms, population, etc.).
• Les données matricielles ou raster sont constituées de pixels, adaptées à la représentation continue ou image.
• Les SIG permettent d’acquérir, représenter, analyser et intégrer des données géographiques variées pour répondre à des questions spatiales complexes.
• Définition : ensemble des outils et méthodes permettant d’acquérir, de représenter, d’analyser et d’intégrer des données géographiques (Wikipédia) Les SIG permettent de répondre à plusieurs questions : - Où : localisation, étendue - Quoi ?

💡 À retenir

Les données vectorielles dans les SIG se composent de points, lignes et polygones, représentant respectivement des objets ponctuels, linéaires et surfaciques.

📖 7. Systèmes de coordonnées et intégration des couches d’information dans les SIG

🔑 Notions clés & Définitions

• Projection conique : Projection cartographique qui conserve les angles et ne déforme pas le territoire, comme la projection Lambert93 (RGF93).
• Couches d’informations : Superposition de multiples couches vectorielles ou raster dans un SIG, permettant l’intégration et la comparaison spatiale.
• Qgis : Logiciel SIG permettant de modifier le système de coordonnées de référence (SCR) pour adapter la projection, par exemple en utilisant EPSG 2154.

📝 Points essentiels

• Le passage d’une Terre géoïde à une carte plane nécessite une projection cartographique, comme Lambert93 (RGF93), qui conserve les angles.
• Dans QGIS, le SCR peut être modifié (ex : EPSG 2154) pour ajuster la projection selon les besoins.
• Les SIG utilisent la superposition de couches d’informations vectorielles ou raster pour faciliter l’intégration et la comparaison spatiale.
• Une gestion rigoureuse des systèmes de coordonnées est essentielle pour assurer la précision et la cohérence des analyses spatiales.

💡 À retenir

Cette section souligne l’importance des systèmes de coordonnées et de la gestion des couches pour garantir la fiabilité des représentations spatiales dans les SIG.

📖 8. Analyse spatiale dans les SIG : requêtes attributaires et spatiales, zones tampons et analyses multicritères

🔑 Notions clés & Définitions

• Requêtes attributaires : Type d’interrogation utilisant le langage SQL pour extraire des données selon des critères descriptifs, comme sélectionner les communes de moins de 1000 habitants.
• Requêtes spatiales : Type d’interrogation qui consiste à intersecter deux couches géographiques, par exemple pour identifier les communes disposant d’une bibliothèque.
• Analyse multicritère : Processus combinant plusieurs critères spatiaux et attributaires afin de modéliser des situations complexes et d’orienter la prise de décision géographique.

📝 Points essentiels

• Les requêtes attributaires utilisent SQL pour interroger des données selon des critères descriptifs, comme la population.
• Les requêtes spatiales permettent d’intersecter deux couches pour croiser des informations, par exemple communes avec bibliothèques.
• Les zones tampons créent des périmètres autour d’objets linéaires ou surfaciques pour analyser leur influence spatiale, comme la LGV Bordeaux-Toulouse ou les territoires à risque d’inondation.
• L’analyse multicritère combine plusieurs critères pour modéliser des situations complexes et aider à la décision.

💡 À retenir

Les requêtes attributaires utilisent SQL pour interroger des données selon des critères descriptifs, comme la population.

📊 Tableaux de Synthèse

Comparaison des méthodes cartographiques

⚠️ Pièges & Confusions Fréquentes

1. Confusion entre variables absolues et relatives dans la représentation cartographique
2. Utilisation incorrecte des diagrammes triangulaires pour des variables non colinéaires
3. Mauvaise interprétation des axes en ACP, notamment la signification des composantes principales
4. Application inappropriée de la classification hiérarchique à des données non hiérarchisées
5. Ignorer la gestion rigoureuse des systèmes de coordonnées dans les SIG
6. Confusion entre requêtes attributaires et spatiales dans l'analyse SIG
7. Utilisation excessive des zones tampons sans considération du contexte spatial

✅ Checklist Examen

1. Comprendre la différence entre variables absolues et relatives
2. Maîtriser la sémiologie graphique pour la représentation cartographique
3. Savoir utiliser diagrammes triangulaires et silhouettes
4. Interpréter les axes en ACP et leur contribution à la variance expliquée
5. Appliquer la CAH pour la classification de données spatiales
6. Gérer correctement les systèmes de coordonnées dans les SIG
7. Réaliser des requêtes attributaires précises dans les SIG
8. Utiliser les requêtes spatiales pour analyser la superposition des couches
9. Créer des zones tampons pour l'analyse d'influence spatiale
10. Combiner plusieurs critères dans une analyse multicritère