Commit a488822a authored by Philémon POUX's avatar Philémon POUX

Conclusions et quelques corrections par ci par là

parent 453e8889
%!TEX root = ../main.tex
%TC:group figure 0 1
%TC:group tabular 1 1
%!TeX spellcheck = en-UK,en-DE
\chapter{Conclusion}
\label{ch:Conclusion}
Notre travail a donc permis d'apporter des éléments de réponse à une question de recherche encore non traitée dans la littérature existante :
\noindent\textit{Quel lien entre l’organisation spatiale de la vulnérabilité socio-économique et l’exposition aux vagues de chaleur en Europe ?}
\noindent En utilisant des méthodes d'analyse spatiale, nous avons trouvé qu'à l'échelle de l'Europe, à une résolution assez fine,il existait une corrélation négative entre le PIB par habitant et l'exposition aux vagues de chaleurs, ce lien faisant mettant en évidence une organisation spatiale très auto-corrélée des points de hautes en basses exposition. En revanche nous n'avons pas identifié d'exposition significativment différente pour d'autres populations vulnérables telles les femmes, les jeunes ou les personnes âgées.
Notre analyse nous a également permis de conclure qu'il existe des différences par pays sur les inégalités d'exposition des populations vulnérables et que ces différences reflètent également une organisation géographique. La spatialisation des ces groupes de pays met en évidence deux clusters principaux correspondant à l'est et l'ouest de l'Europe avec des schémas d'exposition différents.
Les grandes tendances à l'échelle de l'Europe sont similaires à celle à l'échelle du globe, dans les pays les moins développés économiquement, les populations les plus vulnérables sont plus exposées aux vagues de chaleurs tandis qu'elles le sont moins dans les autres pays.
Cette étude apportent de premiers résultats à un programme de recherche sur l'ensemble des risques climatiques à la méthodologie cohérente. Elle apporte, du moins nous l'espérons, des éléments pouvant compléter la réflexion sur l'injustice climatique en Europe.
Il faudra attendre les résultats de l'ensemble du projet \ac{JUICCE} pour connaître l'exposition multi-factorielle des populations vulnérables mais il se dégage déjà certaines implications pour les politiques publiques des réductions d'inégalités d'exposition en Europe, en ciblant en particulier les pays les plus exposés et les plus vulnérables.
%
......@@ -46,7 +46,7 @@ Le \autoref{ch:resultats} nous permet maintenant de tester et confirmer (ou infi
Si l'étude des corrélations non spatialisés entre les variables indique des corrélations non nulles (\autoref{fig:correlation}), elle ne permet pas de clarifier l'organisation spatiale de l'exposition aux vagues de chaleurs. Une \ac{sPCA} permet de montrer que le nombre de vagues de chaleurs et le PIB par habitant sont opposés sur les deux premiers vecteurs propres (\autoref{fig:sPCA axe tmin}). Les deux premiers axes de la \ac{sPCA} expliquant une grande variance et une très forte auto-corrélation positive (\autoref{tab:spca}), on peut en conclure qu'une grande partie de la variance de la distribution de ces deux variables est expliquée tout en tenant compte de leur organisation spatiale. En revanche, à l'échelle de l'Europe, ni les jeunes, ni les personnes âgées ni les femmes ne sont particulièrement exposés. Cette analyse vient donc valider notre première hypothèse (\autoref{hyp:1}).
En revanche, il existe des inégalités d'exposition pour les classes d'âge et de sex dans certains pays d'Europe (\autoref{fig:pvalue_student_tmin}). Ainsi notre seconde hypothèse (\autoref{hyp:2}) doit être précisée. À l'échelle de l'Europe, il n'apparaît pas que les catégories les plus vulnérables soient significativement sur ou sous exposées. En revanche c'est le cas au sein de certains pays.
En revanche, il existe des inégalités d'exposition pour les classes d'âge et de sexe dans certains pays d'Europe (\autoref{fig:pvalue_student_tmin}). Ainsi notre seconde hypothèse (\autoref{hyp:2}) doit être précisée. À l'échelle de l'Europe, il n'apparaît pas que les catégories les plus vulnérables soient significativement sur ou sous exposées. En revanche c'est le cas au sein de certains pays.
Ce sont les résultats qui apparaissent de l'algorithme de clustering hiérarchique présenté en \autoref{fig:clusters}. Les résultats font apparaître deux grands groupes. Les pays d'Europe de l'est y ont un pourcentage de femme plus élevé que la moyenne des autres pays, un PIB par habitant sensiblement moins élevé et sont très exposés aux vagues de chaleurs. L'analyse par pays (\autoref{fig:pvalue_student_tmin}) montre que ces pays, les pauvres et les plus jeunes sont significativement plus exposés. Dans les pays d'Europe de l'Ouest, comparativement plus riches, les plus vulnérables sont relativement moins exposés.
......
......@@ -99,7 +99,7 @@ avec
\right .
\]
Une valeur proche de $0$ indique qu'on ne peut conclure à de l'autor-corrélation, une valeur proche de $1$ indique de l'auto-corrélation positive c'est-à-dire que des hautes (resp. basses) valeurs sont entourées de hautes (basses) valeurs. Une valeur proche de $-1$ indique de l'auto-corrélation négative, c'est-à-dire que des valeurs proches hautes (resp. basses) sont entourées de valeurs basses (resp. hautes).
Une valeur proche de $0$ indique qu'on ne peut conclure à de l'auto-corrélation, une valeur proche de $1$ indique de l'auto-corrélation positive c'est-à-dire que des hautes (resp. basses) valeurs sont entourées de hautes (basses) valeurs. Une valeur proche de $-1$ indique de l'auto-corrélation négative, c'est-à-dire que des valeurs proches hautes (resp. basses) sont entourées de valeurs basses (resp. hautes).
L'indice $I$ de Moran est un indicateur global. Il est néanmoins possible d'en dériver un indice de Moran local (\ac{LISA}, \cite{anselin_local_1995}). Au point $i$ il s'écrit :
\[
......
......@@ -48,7 +48,7 @@ La \autoref{fig:bivariate} permet de représenter les zones à haut revenu par h
Nous réalisons donc une \ac{sPCA}\footnote{pour spatial Principal Component Analysis} sur ces données. Nous réalisons cette \ac{sPCA} sur les données suivantes : nombre de jours en vagues de chaleur (\#HW), PIB/habitant (GDP), pourcentage de plus de 65 ans (\% Old) et pourcentage de femmes (\%\female). Nous n'incluons pas le pourcentage de jeunes pour éviter d'avoir un trop fort impact de la corrélation entre ($\% > 15$) et ($\% \female$) sur la \ac{sPCA}\footnote{Nous souhaitons prioritairement observer les liens entre le nombre de vagues de chaleur et les autres variables. Garder deux variables très corrélées aurait fait d'abord apparaître cette corrélation dans la \ac{sPCA}}.
La \autoref{tab:spca} présente la part de la variance et de l'indice de Moran dans les valeurs propres. Notons que toutes les valeurs propres sont positives,avec un indice de Moran élevé, indiquant une forte autocorrélation positive.
La \autoref{tab:spca} présente la part de la variance et de l'indice de Moran dans les valeurs propres. Notons que toutes les valeurs propres sont positives,avec un indice de Moran élevé, indiquant une forte auto-corrélation positive.
La \autoref{fig:sPCA axe tmin} présente l'explication des différentes variables par les deux premiers axes.
......
No preview for this file type
......@@ -284,6 +284,9 @@ headsepline, % Uncomment to get a line under the header
\addchaptertocentry{\abstractname} % Add the abstract to the table of contents
Les vagues de chaleurs, anomalies positives de températures pendant plusieurs jours, ont un impact sur la santé et l'économie bien documenté. On sait désormais que l'Europe sera confrontée, selon tous les scénario de réchauffement climatique, à des vagues de chaleurs plus intenses dans le futur et que certaines catégories de la population sont plus vulnérables. Ce mémoire identifie les zones les plus exposées à des vagues de chaleurs en Europe à une résolution de 0.5\degres d'arc. L'exposition est issue d'une analyse des évènements climatiques des 70 dernières années. Nous regardons ensuite les caractéristiques socio-démographiques des populations des régions les plus affectées.
La même méthode de détection, effectuée avec $T_\text{min}$ et $T_\text{max}$ (resp.) indique une forte exposition de l'est du bassin méditerranéen, en Scandinavie et en Europe de l'est (resp. Le nord de l'Europe, la Scandinavie et le Royaume_Uni).
Notre analyse montre, à l'échelle de l'Europe, une sur-exposition des régions avec un faible PIB par habitant, situés dans en Europe de l'est. Un algorithme de clustering hiérarchique indique montre ensuite qu'en Europe de l'est, les jeunes et les plus pauvres sont plus exposés tandis que ces résultats ne sont pas valides en Europe de l'ouest où les régions kes plus riches sont plus exposées aux vagues de chaleur.
%146 words
\end{abstract}
......
Markdown is supported
0%
or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment