Impact des niveaux d’échelle sur l’étude des feux de forêts du sud-est de la France

¹ UMR ESPACE 7300 CNRS, Université d’Avignon
² Laboratoire d’Informatique d’Avignon, Université d’Avignon
³ University of Tasmania, Discipline of Geography and Spatial Sciences, School of Land and Food

Résumé

Le support spatial des données a potentiellement une forte influence sur le traitement statistique des observations. Cette problématique est connue en géographie sous le nom de Modifiable Areal Unit Problem (MAUP). Celle-ci survient lorsque différentes unités surfaciques peuvent être utilisées et que le résultat varie en fonction de ce choix. Dans cet article, nous présentons un état de l’art de ce problème. Considérant un des aspects du MAUP, à savoir l’influence du changement de niveau d’échelle, nous développons une méthode de visualisation de la sensibilité des statistiques à ce problème. Cette méthode est testée sur l’étude des feux de forêt du sud-est de la France, données issues de la base Prométhée, à partir desquelles nous recherchons des variables explicatives. Nos résultats montrent des variations des coefficients de corrélation en fonction des niveaux d’échelle et la possibilité de sélectionner les variables et les niveaux d’échelle en fonction de cette variabilité. Nous proposons deux méthodes : (i) utiliser la visualisation de ces variations afin d’améliorer la robustesse de l’analyse de corrélation en sélectionnant les informations pertinentes selon leur sensibilité au MAUP, (ii) sélectionner un niveau d’échelle pour lequel le résultat est le plus différent possible d’une redistribution spatiale aléatoire de la variable dépendante.

Abstract

The Modifiable Areal Unit Problem (MAUP) is a well-known issue related to the influence of the spatial support on statistical observations. It occurs when different spatial units making different spatial partitions are used and when the resulting measures vary according to those partitions. To tackle this issue, we first draw a state of the art. Considering the particular problem of (up)scaling, we propose a method to visualize the sensitivity of the spatial statistics to the support. We test this method on forest fires in Southern France, handling a sample from the Promethée database. From these data, we attempt to find the key explanatory variables. The results show that the correlation coefficient varies significantly, depending on scale, and that we can select variables and scales based on this variability. Then, we propose two different ways to deal with the MAUP: (i) by using geovisualization to assess and to improve the robustness of the correlation analysis and to choose the pertinent information that allows to minimize the sensitivity, (ii) by considering as pertinent the spatial partition which is the farthest one from a random spatial distribution of the independent variable.