Cours présentation des données pour la création des cartes de densité, tutoriel & guide de travaux pratiques en pdf.

Interpolation (IDW)

Afin de créer des cartes qui soient aptes à représenter la densité de population de manière plus esthétique dans le but d’une possible publication des cartes sur le geoserver de GeoBolivia, c’est la méthode de l’interpolation qui est appliquée. Ces cartes doivent cependant être faites de manière à ce qu’il ne soit pas possible de distinguer les pâtés de maisons distinctement. Cet aspect a été demandé afin de ne pas heurter la sensibilité de l’institution à l’origine des données (Institut National de Statistiques) qui ne les a pas encore officiellement publiées. C’est alors l’interpolation, en utilisant la méthode IDW (inverse distance weighted) qui semble être la façon la plus appropriée pour réaliser ces cartes. Cette méthode permet d’attribuer les valeurs d’une couche de points à un espace, en estimant que plus un objet est éloigné d’un point, moins il aura d’influence sur celui-ci.
Figure 12 : Principe de l’interpolation par IDW (source : CALOZ et COLLET, 2011)
Pour cela il faut commencer par activer l’extension Interpolation. La couche de points choisie est celle représentant les centroïdes des pâtés de maisons créée précédemment lors de la réalisation de la méthode de représentation par symboles proportionnels, en choisissant le champ de population. L’option d’ajustement à l’extension actuelle de la carte est sélectionnée et les pixels sont fixés à 100×100 mètres, ce qui donne des cases d’un hectare (ha). Le style est finalement modifié en choisissant l’option pseudo-couleur à bande unique, continu et un dégradé de rouge.
Figure 13 : Schéma du géotraitement
Carte 8 : Carte d’interpolation représentant la densité de population dans la ville de La Paz
Carte 9: Carte d’interpolation représentant la densité de population dans la ville d’El Alto
Afin d’améliorer la lisibilité de la carte, l’outil Découper (Raster  Extraction  Découper) est utilisé pour enlever le contour orangé qui ne correspond à aucune valeur, en prenant les pâtés de maisons comme couche de découpage.
Figure 14 : Schéma du géotraitement
Carte 10 : Carte d’interpolation représentant la densité de population dans la ville de La Paz après suppression du contour orangé
Carte 11 : Carte d’interpolation représentant la densité de population dans la ville d’El Alto après suppression du contour orangé
A première vue la lisibilité semble meilleure car il est possible de bien distinguer le contour des villes. D’un autre côté, l’effet visuel de la densité de population est réduit par les espaces laissés vides un peu partout sur les cartes. Cela est du au fait que les couches qui sont utilisées pour couper les couches des interpolations sont celles des pâtés de maisons, qui contiennent des espaces vides aux endroits où il n’y a pas de constructions.
En outre, si la carte de la ville de La Paz semble plus ou moins correcte, au contraire celle de la ville d’El Alto contient une erreur qui peut fausser l’interprétation de la carte. Il s’agit de la surface de terrain correspondant à l’aéroport international d’El Alto. Alors qu’il y a une densité de population très faible à cet endroit, la surface de l’aéroport qui est représentée comme étant un pâté de maisons apparait en orange, laissant penser que la densité y est élevée. Ce qui crée ce biais est l’importance de la densité des pâtés de maisons qui se trouvent à proximité de l’aéroport. Une solution à ce problème pourrait être de masquer l’aéroport afin d’éliminer l’information erronée qu’il projette. Or cela masquerait le problème en apportant un biais supplémentaire. Si la densité de population du polygone représentant l’aéroport n’est pas aussi forte qu’il n’y paraît sur la Carte 12, il existe tout de même une certaine concentration de population sur ce terrain.

Carte de chaleur

La dernière tentative est de créer des cartes de densité de population avec l’outil carte de chaleur. Il s’agit de la création d’une couche raster de densité, d’après une couche vecteur de points. Ainsi, plus il existe de points en un endroit plus la densité sera forte1. Alors que l’interpolation par IDW crée des rayons d’influence en fonction de la distance entre les points, la carte de chaleur crée des valeurs plus fortes aux endroits ayant une plus grande quantité de points, le rayon d’influence étant choisi par l’utilisateur. Les cartes de chaleurs sont habituellement utilisées sur des données ayant un nombre considérable de valeurs, comme dans le domaine de l’analyse biologique (PRYKE, 2006). La carte de chaleur étant une carte de densité, cela signifie que ce n’est pas l’attribut de densité mais celui de population qui doit être choisi pour pondérer les points.
Pour créer les cartes de chaleur l’extension du même nom est activée. Les cartes de chaleur se font en choisissant une couche de points. C’est donc la couche des centroïdes des pâtés de maisons qui est utilisée. Il est possible en cochant l’option Avancé, de choisir la taille en X et Y ainsi que de donner un poids suivant un attribut. Dans ce cas la taille des X et Y est fixée à 30 car après plusieurs tentatives c’est ce qui donne le résultat le plus net. L’attribut choisi est celui de la population.
1 http://docs.qgis.org/2.2/fr/docs/user_manual/plugins/plugins_heatmap.html
Figure 15 : Fenêtre « Extension Carte de Chaleur »
Pour chaque ville, des cartes sont faites en modifiant la valeur du rayon d’influence à 100, 150 et 200 mètres. Plus le rayon d’influence est élevé, mois il est facile de distinguer les pâtés de maisons. Le style est ensuite changé en pseudo-couleur à bande unique, avec un dégradé de rouge.
Figure 16 : Cartes de chaleur représentant la densité de population des villes de La Paz et El Alto (rayons d’influence de 200m, 150m et 100m)
C’est la méthode des cartes de chaleur qui semble donner les résultats les plus satisfaisants. Ici le problème de la densité de population surreprésentée dans la zone de l’aéroport ne se pose pas. Ce sont ces dernières cartes qui sont alors gardées comme produit final, en laissant le choix de la valeur du rayon d’influence suivant le niveau de précision désiré. Il est important de mentionner que ces cartes sont essentiellement à usage graphique. La valeur mesurée dans un pixel est une densité, dans le cas présent une densité de population. Cependant en modifiant le rayon d’influence des points, un pixel n’aura pas la même valeur alors que la couche raster représente pourtant la même information.