Ce post propose d’approfondir le test de Dunn (utilisé dans une thèse déjà citée) et présenté au dernier goûter.
Pour la Préhistoire, si la distribution spatiale d’éléments d’une culture matérielle peut être connue, et nonobstant les données manquantes, il est difficile de savoir quelle aurait pu être cette distribution en théorie et d’en déduire des choix culturels dans l’implantation des sites. L’implantation des sites archéologiques ne suit généralement pas la loi de distribution normale (Poisson homogène). Modéliser une distribution inhomogène, comme un contexte d’économie agropastorale avec des zones mises en valeur et d’autres qui restent marginales, peut être très intéressant mais complexe.
Pour comprendre la distribution des éléments d’une culture donnée, il faut mieux chercher à utiliser la typologie de ces éléments.
Figure 1. Feuille de laurier solutréenne (d’après Otte 2003).
Prenons un exemple imaginaire illustré par la découverte de différents types d’industries solutréennes (symbolisées par des points) à proximité d’un gisement.
Figure 2. Distribution des différents lieux de découverte des industries par rapport à un gisement (infographie T.Huet).
Le test de Dunn (1961) est un test non paramétrique de comparaisons multiples par paires pour des données quantitatives (ouf !) qui permet d’identifier et de classer différents types en différents groupes en fonction d’une variable (ici la distance au gisement). Sa statistique est établie sur la différence de la somme des rangs pour chaque types (A, B,…) à la différence moyenne théorique (en fonction du nombre de types et de leur nombre d’éléments) pour une variable. Le test est basé sur l’inégalité de Bonferonni. Il est généralement réalisé après un test de Kruskall-Wallis qui permet de déterminer si les différents types (ou échantillons) proviennent d’une même population ou si au moins un de ceux-ci provient d’une population différente.
Figure 3. Distances des différents types d’industrie par rapport au gisement (id. Fig. 1) (infographie T. Huet).
Figure 4. Résultat du test de Dunn (infographie T.Huet).
Dans notre exemple, il y a trois groupes : [ 1 | 1 et 2 | 2 ]. Les découvertes d’objets du type B sont significativement (au sens statistique) plus proches du gisement que celles des autres types (A, C, D). Elles appartiennent au groupe 1. Les objets du type A sont quant à eux significativement plus éloignés du gisement (groupe 2). Les types D et C appartiennent aux deux groupes (1 et 2).
Le test permet de passer d’une échelle quantitative (un semi de points) à une échelle ordinale (un classement des types en groupes). Effectué sur un corpus consistant (≥ 30 individus) et pour plusieurs variables (analyses multifactorielles), le classement des types en groupes synthétise l’information et peut permettre d’explorer les relations entre les différents types d’objets.
Ce test de Dunn a été réalisé sur Xlstat (il peut également être effectué sur NCSS) (logiciels non-libres).
Référence :
Mode d’emploi pour l’utilisation de NCSS, p41. Lien
C’est sous un magnifique soleil rayonnant que cette nouvelle séance a réuni Ludovic, Maxime, Delphine, Luc, Thomas et Justin.
Classifier des données non paramétriques : le test de Dunn
Le goûter s’ouvre sur une présentation de Thomas. Il propose d’approfondir le test de Dunn, utilisé lors de sa thèse (voir la présentation ici). Nous y reviendrons avec plus de détails dans un prochain post.
Géographie des transports à Dijon et impact sur la qualité de l’air : un exemple de modèle multi-agent
Justin présente ensuite ses travaux de doctorat, toujours en cours, sur l’étude du trafic routier dijonnais et la pollution de proximité (oxydes d’azotes). Il utilise à cet effet une plateforme de Simulation Multi-Agent (SMA).
La pollution azotée est un phénomène spatio-temporel tenant compte de facteurs multiples comme les conditions météorologiques, ou l’intensité des sources d’émission, qui font fortement varier les niveaux de la qualité de l’air urbaine au cours de la journée.
Pic de pollution routière D’après Roussel 2006.
Le travail se concentre à une échelle fine : de temps avec des données au 1/4h, et spatiale, en étudiant le bord des route. Il se concentre sur la reconstruction de la variabilité intra journalière du trafic routier et des hot-spot de la pollution atmosphérique.
La première partie de son travail consiste à modéliser le trafic dijonnais. Ce dernier est surveillé par des capteurs électromagnétiques placés sous la chaussée aux abords des principaux axes routiers. En lien avec les feux tricolores, ils permettent la régulation et la gestion du trafic routier en milieu urbain via le réglage des cycles de signalisation.
Localisation des capteurs électromagnétiques. Copyright J. Emery
Ces données sur la circulation, enregistrées avec une précision au quart d’heure, sont des données accessibles et peu mobilisées par les acteurs du transport routier. Elles permettent de mesurer 12,5% du réseau dijonnais. Leur usage permet de se détacher des modèles déterministes (dit classique à quatre étapes) et offre l’opportunité de développer un modèle d’affectation du trafic.
Pour rendre compte du trafic, Justin a modélisé un graphe théorique orienté avec des éléments temporels basé sur l’organisation/sur l’algorithme des colonies de fourmis.
Après des prétraitements (valeurs manquantes, aberrantes…) sur Matlab afin de calculer ce modèle, le choix s’est porté sur la plateforme de simulation open-source GAMA. Elle permet d’intégrer plus facilement un shapefile et de générer des populations synthétiques plus importantes. Le modèle multi-agent permet de mieux rendre compte des interactions agents/agents et agents/environnement soit l’action d’un agent vers un autre agent et de l’interaction de ses agents avec son environnement.
Modélisation SMA : environnement (graphe orienté) et situation des stations de comptages routiers. Copyright : J. Emery.
Une vidéo proposée lors du goûter complète la présentation en exposant la méthodologie, le modèle puis le fonctionnement du modèle multi-agent.
La suite des travaux de thèse permettra d’améliorer le modèle et de mieux percevoir les incidences de la circulation routière en termes de qualité de l’air.
Quelques ressources pour approfondir :
Le mémoire de Master 2 « La qualité de l’air liée au transport routier en milieu urbain » dont la thèse de Justin est la suite.
L’importance numérique des données traitées par Justin soulève des interrogations sur le choix de la base de données et des outils permettant les analyses. D’autant que le doctorat ne suppose pas de connaître l’ensemble des possibilités des logiciels traitant de l’information géographique.
Pour ces interrogations, Ludovic conseille aux doctorants des laboratoires associés à la MSH de solliciter l’expertise de la plateforme : conseil, aide technique ponctuelle… Vous trouverez sur la page de la plateforme les heures d’ouverture.
Les logiciels cités dans le titre permettent visualiser, manipuler et analyser l’information géographique.
ACCESS reprend les possibilités des bases de données mais avec les limites déjà énoncées dans un dernier post.
PostgreSQL et MySQL sont des bases de données relationnelles qui mettent en forme les données au sein de tables reliées entre elles.
PostGIS est la cartouche spatiale de PostgreSQL : elle propose de nombreuses possibilités d’analyses dans ce domaine. Ces fonctions commencent par « ST_ » pour Spatial Type, comme ST_distance pour obtenir la distance entre deux géométries.
On interroge PostgreSQL/GIS et MySQL en SQL afin de sélectionner les données et effectuer certains calculs statistiques.
ArcGIS (propriétaire) et QGIS (libre) sont des logiciels SIG. Ils permettent de visualiser les données géographiques et de les analyser.
GRASS GIS est un logiciel libre très utilisé pour les analyses de données raster. Quelques références permettent d’en saisir les subtilités. Notons que QGIS propose une extension GRASS et l’accès, grâce à la boîte à outils de traitement, aux géoalgorithmes de GRASS.
Fin du goûter et date de la prochaine séance
Les discussions se prolongent autour du buffet composé d’un énorme fondant au chocolat et d’un gâteau noisettes-amandes-pruneaux. Prochain rendez-vous le jeudi 3 avril 2014 à 15h, salle 214 !
Les MOOC sont l’acronyme anglais de Massive Open Online Course, soit des cours en ligne ouverts et massifs. Ce type d’enseignement et de formation est en plein développement (et débats). Il couvre un large choix de thématiques.
L’école polytechnique fédérale de Lausanne, via la plateforme Coursera, propose à partir du 17 février un MOOC en français « Éléments de géomatique » répartis sur 10 semaines.
La plateforme française vient d’ouvrir en janvier 2014, proposant d’ailleurs depuis plusieurs semaines un cours « Fondamentaux en statistique » reprenant de nombreuses méthodes très utilisées en analyse spatiale : statistiques univariées, bivariées et multivariées (ACP, AFC, CAH…).
Vous trouverez toutes les dates dans la page Agenda. Bon cours aux intéressés !
La plate-forme technologique et géomatique (Laure, Ludovic, Maxime, Lucile, Thomas et Delphine) accueille pour ce nouveau goûter Estelle, qui travaille sur les anciens sites miniers des Cévennes, Fabrice, professeur-géochimiste et Julien, jeune docteur en géo-archéologique sur un terrain en Tunisie.
Pour garder les esprits actifs, les participants ont apporté de grosses parts de gâteau au chocolat saupoudrées de neige, des sablés géographiques, un quatre-quarts, un délicieux cake à la vanille des îles et une assemblée de papillotes.
Le cas de la méthode statistique du K-Ripley
Lucile a présenté son travail sur des méthodes de statistiques spatiales appliquées aux données archéologiques.
L’objectif est d’analyser la distribution spatiale de semis de points correspondant à des sites archéologiques d’une période donnée, puis de le comparer avec les périodes antérieures et/ou postérieures. Pour ce faire, on utilise des outils pour caractériser la structure d’un semis de points (forme du semis, distances entre voisins, etc).
Ces outils, et plus particulièrement la fonction K de Ripley, permettent d’identifier ou non la présence de concentrations (agrégats/clusters) dans le semis de points étudié, en se basant sur des calculs de distances entre les points. Ces méthodes statistiques comparent le semis de points à des tirages aléatoires d’autres semis hypothétiques (hypothèse statistique d’homogénéité du semis de points dans l’espace), afin de déterminer les meilleures distances à l’agrégation.
Lecture : Courbe épaisse au-dessus des deux courbes minces (intervalle de confiance) : le semis de point est considéré comme agrégé. En dessous de l’intervalle de confiance, il est régulier. Dans l’intervalle de confiance, le semis est considéré comme aléatoire. Copyright : L.Pillot et L.Saligny
Après un rappel des méthodes (fonctions statistiques, rendu graphique-corrélogramme), Lucile a présenté des questionnements ayant trait à l’application de ces outils pour des cas archéologiques. Ces questionnements concernent avant tout la comparaison du semis étudié à une hypothèse d’homogénéité de la distribution spatiale, qui ne se vérifie pas pour les données de peuplement humain étudié (on sait que la répartition des sites n’est pas indépendante de l’espace étudié et qu’il existe des processus sous-jacents qui peuvent l’influencer).
Lucile a montré qu’il existe des alternatives permettant de supposer un processus de non-homogénéité (hétérogénéité) en utilisant des fonctions existantes comme le Kinhom sous le logiciel R. Elle a ensuite exposé les limites de cette fonction en demandant quelles adaptations méthodologiques et perspectives peuvent être envisagées si l’on souhaite analyser la distribution de sites archéologiques.
La discussion s’est prolongée sur les critères à mettre en œuvre, les méthodes de test et plus généralement sur l’utilisation des statistiques.
Deux retours d’expériences en cartographie et géomatique en collectivité publique
Maxime a présenté des missions de cartographie et de géomatique réalisées lors de deux stages en Conseil Général.
Lors du premier stage, il a mis à jour une cartothèque tout en effectuant un changement de logiciel SIG. Il a également créé des cartes de routes à l’échelle régionale. Réalisées au format A3 à A0, elles appliquaient le placement dynamique des étiquettes (Maplex).
Extrait de la carte du pôle de Langres – format A0 Carte réalisée le 24/08/2012 avec ArcMap Source : Conseil Général de Haute-Marne Copyright : Maxime pour la cellule SIG du conseil général de la Haute-MarneExtrait de la carte du centre de Langres – format A0 Carte réalisée le 04/07/12 avec ArcMap Source : Conseil Général de Haute-Marne Copyright : Maxime pour la cellule SIG du conseil général de la Haute-Marne
Certaines comportaient des contraintes de couleur (niveaux de gris, adaptation à un public daltonien) en gardant les critères de visibilité et de lisibilité.
Extrait de la carte du centre de FAYL-BILLOT en niveau de gris – format A4 Carte réalisée le 24/08/2012 avec ArcMap Source : Conseil Général de Haute-Marne Copyright : Maxime pour la cellule SIG du conseil général de la Haute-Marne
Pour modéliser l’ensemble des cartes à une échelle choisie avant impression, il a utilisé le langage Python.
Extrait de la carte de la santé – format A0 – application à un public daltonien Carte réalisée en août 2012 avec ArcMap Source : Conseil Général de Haute-Marne Copyright : Maxime pour la cellule SIG du conseil général de la Haute-Marne
Le stage comportait enfin un volet de formation des utilisateurs.
Le second stage a consisté au recensement de données existantes mais dispersées sur la thématique des itinéraires touristiques en Haute-Marne, puis la mise en place d’une base de données spatiale (PostGIS). Il a également présenté les outils et les choix réalisés pour proposer à la Maison du Tourisme de Haute-Marne des solutions de mise à jour des données en intranet et pour une visualisation de celles-ci sur leur site Internet.
Les contraintes du stage ont alimenté les discussions. Les participants se sont rassemblés autour des cartes pour les commentaires sur les détails cartographiques. L’utilisation du langage python a également amené de nombreuses réflexions.
Sur les problématiques de création et de gestion des couleurs, on peut se référer aux sites suivants :
Pour les gradients de couleurs (données qualitatives et quantitatives) l’outil de Cynthia A. Brewer : colorbrewer.
A noter que cette palette est intégrée dans QGIS (dans les propriétés de la couche vecteur, choisir catégorisé ou gradué/Palette de couleur/nouvelle palette de couleur/mélangeur de couleur).
Pour voir les couleurs des différentes formes de daltonisme : Color Scheme designer.
https://www.youtube.com/watch?v=ZYBxxB95xHQ
Cartographie de réseaux Internet et géographie
Après une rapide présentation des réseaux localisés dans l’espace, Delphine Montagne a proposé un exemple d’utilisation des réseaux Internet à partir de ses travaux de mémoire de Master 1 sur les données en accès libre sur la biodiversité en France (programme BAGUALA).
L’étude s’inscrit dans le cadre de la directive INSPIRE de 2007 sur l’accès aux citoyens des données issues de financement publics. Ces données permettent d’apporter de la connaissance au public, d’enrichir le débat et les participations des citoyens. Le rapport s’est centré sur les données disponibles sur Internet sans inscription payante, données localisées dans un échantillon de dix régions françaises.
Le mémoire a consisté en une cartographie de la localisation de ces données à partir des sites Internet. Les sites Internet se référencent entre eux à partir de liens (liens de conseils aux lecteurs, liens liés aux citations de pourvoyeurs de subventions) : liens sortants si un site conseille un autre site, liens entrants si le site Internet est conseillé par un autre site. Le but était de réaliser un réseau complet de ces sites, de connaître les acteurs principaux, les acteurs périphériques, les régions proposant le plus de données et la diversité des données proposées.
Pour y répondre, une méthodologie spécifique a été exposée. La recherche a été menée à partir de mots-clés entrés sur Google, du crawl (outil navigant dans des sites Internet et entre eux) Navicrawler, des backlinks (liens entrants) et du logiciel de visualisation Gephi. Il permet d’obtenir un graphe présentant les liens entre sites Internet et grâce aux algorithmes de Gephi, de présenter le caractère plus ou moins proche des sites Internet. Des indices (isolats, connexité, indice de centralité…) viennent le compléter. Les sites pouvant être rattachés à une région, on obtient une notion géographique.
Sites Internet en lien avec le site gouvernemental développement-durable. Une couleur par région : on note la proche localisation au sein des régions. Copyright : D.MONTAGNE 2011
La technique, la lecture des résultats, leur visualisation ou le contenu des algorithmes de Gephi a suscité de nombreuses interrogations curieuses.
17h : fin des délibérations géomatiques…
Le goûter s’est clôturé par des remerciements pour la présence dynamique des participants et un dernier détour vers le buffet.
Prochain goûter exceptionnellement la deuxième semaine de janvier : rendez-vous le jeudi 9 janvier 2014 !
Merci à Lucile pour la rédaction de la partie sur le K de Ripley
Le carnet des goûters de la géomatique de la Maison des Sciences de l'Homme de Dijon
Figure 1. Feuille de laurier solutréenne (d’après Otte 2003).
Figure 2. Distribution des différents lieux de découverte des industries par rapport à un gisement (infographie T.Huet).
Figure 3. Distances des différents types d’industrie par rapport au gisement (id. Fig. 1)
