Traitement des données géographiques et analyses spatiales

Le traitement des données géographiques est essentiel pour analyser les températures et les concentrations de PM10 et PM2.5. Cet article détaille les méthodes appliquées à l’aide d’Excel, QGIS et ArcGIS pour obtenir des fichiers de données précis et exploitables.

3.2.3 Traitements et Analyses

3.2.3.1 Traitements des données

Pour la réalisation de ce travail, nous avons eu recours à plusieurs données (des températures, des concentrations horaires des PM10 et PM2.5) collectées. Les différents traitements ont été effectués sur le tableur Excel 2010, QGIS 3.16 et sur Arc Catolog de ArcGIS 10.5. Les traitements avaient pour but de produire des fichiers de données propres et affinés.

Ces traitements se sont organisés en trois (4) étapes (figure 23). Ces étapes ont été appliquées aussi bien pour les fiches de collectes des températures que pour les PM10 et PM2.5. Le contrôle de la structure et la vérification de la saisie des données ont été répétés jusqu’à ce que la base de données soit considérée comme acceptable.

Figure 23: Étapes de traitement

[img_1]

Téléchargement de données de températures et de PM₁₀ et PM_2.5.

Réalisé par ZOLO-M’BOU Dergy-Strede, 2023

Ces traitements ont permis d’effectuer des représentations graphiques des différentes moyennes annuelles, mensuelles et journalières des températures que pour les PM10 et PM2.5 d’une part, et d’autre part de réaliser une les analyse de corrélations et les interpolations.

L’utilisation de plusieurs logiciels dont les logiciels de cartographie et SIG ainsi que Microsoft Office a été nécessaire. Ainsi, Microsoft Office® Excel nous a servi au traitement des données concentrations des PM10 et PM2.5 et à la réalisation des tableaux, graphiques et des figures.

Le logiciel QGIS 3.16 (Système d’Information Géographique Libre et Open Source) et le logiciel ArcGIS 10.5 (ESRI Inc.) ont été utilisés pour un traitement d’analyse spatiale (interpolation) et l’estimation des températures de surface se fera à travers l’utilisation des données satellites Landsat TM 8. Le choix de ces logiciels réside dans leur accessibilité et la facilité dans les manipulations.

70 | P a g e

3.2.3.2 Analyses des données

3.2.3.2.1 Analyse statistiques des données particulaires et thermiques

Une analyse statistique a été effectuée sur les données stockées des PM10 et des PM2,5. Il s’agissait du calcul des moyennes journalières, mensuelles et annuelles de l’ensemble des données des variables. Egalement le calcul des moyennes des saisons (sèche (juillet-aout-septembre) et des pluies (octobre-novembre-décembre)). Les résultats obtenus, nous ont permis d’étudier la variation spatio-temporelle des températures et des concentrations des PM10 et des PM2,5.

Pour notre étude, la confrontation des résultats et les normes de qualité de l’air était évidente et nécessaire. En raison du manque des seuils journaliers, mensuels et annuels en république gabonaise, les résultats sont donc confrontés aux seuils critiques requis des normes de l’OMS. Le tableau 7 ci-après est une représentation des seuils relatifs à la qualité de l’air.

Tableau 6 : valeurs guides OMS pour les polluants classiques de la qualité de l’air extérieur

Source: OMS, 2021; Réalisé par ZOLO-M’BOU Dergy-Strede, 2023

3.2.3.2.2 Cartographie spatiale de la pollution particulaire et des températures

Les systèmes d’information géographique (SIG) offrent une méthode puissante d’analyse spatiale par interpolation. Les méthodes les plus couramment utilisées sont le krigeage (méthode géostatistique) et la pondération inverse de l’IDW (méthode déterministe).

Dans le cadre de notre étude, nous appliquerons la méthode IDW aux données collectées. Cette méthode permet de mettre en évidence le phénomène des ICU de façon continue sur le territoire¹.

Le logiciel QGIS 3.16 est utilisé pour le traitement des données géostatistiques et le logiciel ArcGIS 10.5 est utilisé et l’édition de cartes. Les fichiers de formes pour l’édition de cartes sont disponibles gratuitement sur (https://www.openstreetmap.org) et au LAGRAC.

L’interpolation IDW permet de prédire les concentrations autour d’un point de collecte. Le réseau de stations de mesure n’est pas assez bien réparti au sein des limites de l’agglomération de Libreville, pour couvrir toutes les variabilités possibles dans ce paysage urbain.

3.2.3.2.3 Analyse de corrélation : Coefficient de corrélation de Pearson

Le coefficient de corrélation linéaire simple, dit de Bravais-Pearson (ou de Pearson), est une normalisation de la covariance par le produit des écarts-type des variables.

[img_2]

Remarque 1 (Précisions sur la notation). Dans ce qui suit, s’il n’y a pas d’ambiguïtés, nous omettrons les indices X et Y.

Ce coefficient de corrélation est indépendant des unités de mesure des variables, ce qui autorise les comparaisons. La mesure est normalisée, elle est définie entre :

−1 ≤ r ≤ +1 (2.7)

Lorsque :

_ r = +1, la liaison entre X et Y est linéaire, positive et parfaite c.-à-d. la connaissance de X nous fournit la valeur de Y (et inversement).

_ r = −1, la liaison est linéaire et négative

Dans le cadre de notre étude, nous appliquerons ce type de corrélation pour mesurer l’intensité de liaison linéaire entre les températures et les PM10 et PM2.5.

3.2.4 Limites de l’étude

Tout travail de recherche scientifique est souvent obstrué par diverses limites. Les principales limites de cette étude étaient liées :

• L’observation de l’ICU basée sur la photo aérienne thermique : des images dont nous n’avons pu nous en procurer.
• Aux effets de santé : pas regard sur effets sur la santé en liaison avec des pathologies tel que l’asthme qui prévale dans l’agglomération de Libreville (KOMBILA et al, 2022)
• L’imagerie satellitaire : Il y’a peu d’image de bonne qualité (sans nuage) disponible pour notre zone d’étude et dans notre cadre temporel.
• La conception du document de l’étude : nous n’avons pas pu faire en 6 chapitre en raison de des résultats de corrélation très peu pour en constituer un chapitre. Ils sont intégrés au chapitre 5.
• Au passage de 11 sites à 5 sites dans certains cas: choix des sites en données sans interruption.

Conclusion

Le chapitre 3 montre l’intérêt du choix d’implantations des moniteurs pour la collecte de données de températures et des données particulaires d’une part ; et d’autre part, de mettre en exergue les différents outils et matériels utilisés. Aux nombre de ces outils et matériels, nous avons capteurs ’PurpleAir Classic’’, thermomètre à infrarouge SENIT SNT320, Qgis pour ne citer que cela. Les méthodes retenues ont pour objectif de nous permettre d’identifier les zones dites îlots de chaleur urbain et d’évaluer la qualité de la pollution particulaire au niveau de l’agglomération de Libreville.

________________________

¹ Plus de détail : https://sites-formations.univ-rennes2.fr/mastersigat/WebMaps/LETG/la-cartographie.html ↑