Commit a7779ed3 authored by Philémon POUX's avatar Philémon POUX

Remarques de la relecture de César

parent a488822a
......@@ -13,6 +13,7 @@
\acro{JUICCE}{JUstice In Climate Change Exposure}
\acro{LISA}{Local Indicator of Spatial Autocorrelation}
\acro{NLDI}{Night Light Development Index}
\acro{PNE}{Points Noirs Environnementaux}
\acro{sPCA}{Analyse par Composante Principale Spatiale}
\acro{WBGT}{Wet Bulb Globe Temperature}
......
......@@ -25,21 +25,28 @@ La \autoref{tab:socioeco_db} résume les principales informations sur les bases
\label{tab:socioeco_db}%
\end{table}%
Nous avons ensuite utilisé \textbf{R} et \textbf{cdo} pour traiter et normaliser ces données. La normalisation s'est faite vers une résolution de $0.5$ degré selon une l'extension spatiale suivante :
Nous avons ensuite utilisé \textbf{R} et \textbf{cdo} pour traiter et normaliser ces données. La normalisation s'est faite vers une résolution de $0.5$ degré selon une l'extension spatiale suivante (voir \autoref{fig:extent}) :
\[
\left \{
\begin{array}{rcl}
x_{min} & = & -41.92681 \\
x_{max} & = & -53.07319 \\
x_{max} & = & 53.07319 \\
y_{min} & = & 19.29244 \\
y_{max} & = & 74.29244
\end{array}
\right .
\]
\begin{figure}
\centering
\includegraphics[width=\textwidth]{Figures/extent.png}
\caption{Zone d'étude}
\label{fig:extent}
\end{figure}
Pour les données du CGER nous avons précédemment divisé les données de PIB par la population totale pour obtenir le PIB par habitant.
D'autres données, correspondant à d'autres variables ou d'autres années ont également été identifiées et normalisées. Nous avons décidé d'utiliser des données pour l'année 2010 car la elles étaient disponibles à une résolution fine et fiables. Nous avons également pu obtenir de telles données pour 2000 mais il nous a semblé plus judicieux d'effectuer notre étude sur une population la plus récente possible. Un bref descriptif des autres bases de données est présenté
D'autres données, correspondant à d'autres variables ou d'autres années ont également été identifiées et normalisées. Nous avons décidé d'utiliser des données pour l'année 2010 car la elles étaient disponibles à une résolution fine et fiables. Nous avons également pu obtenir de telles données pour 2000 mais il nous a semblé plus judicieux d'effectuer notre étude sur une population la plus récente possible. Un bref descriptif des autres bases de données est présenté \autoref{Appendix_data}.
\section{Données climatologiques}
Afin de d'identifier les vagues de chaleurs en Europe, nous avons utilisé la base de donnée E-OBS présentée en \autoref{tab:climato_db}. Afin d'appliquer la méthodologie décrite en \autoref{sec:Detection des vagues de chaleur} nous avons utilisé \textbf{cdo} pour ne garder que les mois d'été (juin, juillet et août) et recentrer les données.
......@@ -68,6 +75,6 @@ Nous avons ensuite appliqué la méthodologie de \cite{stefanon_heatwave_2012} a
\item[$\bullet$ Durée :] Nous avons défini une vague de chaleur pour 4 jours consécutifs dépassant le seuil
\end{description}
Les auteurs ont eu la gentillesse de partager leur code avec nous et nous avons donc pu le faire tourner\footnote{il s'agit de code Matlab}. Une fois la détection des vagues de chaleurs effectuée, nous avons normlisé les données. Nous avons ensuite pu calculer, pour chaque point de grille, le nombre de vagues de chaleurs et le nombre de jours en vagues de chaleurs.
Les auteurs ont eu la gentillesse de partager leur code avec nous ce qui nous a permis de détecter les vagues de chaleurs sur le jeu de donnée E-OBS. Une fois la détection des vagues de chaleurs effectuée, nous avons normlisé les données. Nous avons ensuite pu calculer, pour chaque point de grille, le nombre de vagues de chaleurs et le nombre de jours en vagues de chaleurs.
%
......@@ -8,7 +8,7 @@
\glsresetall
%TODO vraie introduction du début
L'été 2019 n'a pas été épargné par des épisodes caniculaires particulièrement intenses et de nombreux records de températures ont malheureusement été dépassés partout en Europe. Ce type de canicules particulièrement extrême risque de devenir plus fréquent dans le futur et c'est globalement les évènements climatiques extrêmes (vagues de chaleur, sécheresses, pluies intenses \textit{etc}.) qui risquent d'augmenter en fréquence et/ou en intensité dans les décennies à venir \parencite{ipcc_managing_2017}
L'été 2019 n'a pas été épargné par des épisodes caniculaires particulièrement intenses et de nombreux records de températures ont malheureusement été dépassés partout en Europe. Ce type de canicules particulièrement extrême risque de devenir plus fréquent dans le futur et ce sont globalement les évènements climatiques extrêmes (vagues de chaleur, sécheresses, pluies intenses \textit{etc}.) qui risquent d'augmenter en fréquence et/ou en intensité dans les décennies à venir \parencite{ipcc_managing_2017}
C'est pour comprendre comment les différentes populations sont et seront touchées par ces évènements que le projet \ac{JUICCE} a été conçu.
......@@ -18,7 +18,7 @@
\label{sec:contexte projet}
Ce projet de recherche s'inscrit dans les recommandations des derniers rapports du \ac{GIEC} \parencite{kovats_climate_2014,hoegh-guldberg_impacts_2018} d'accentuer les efforts de recherche sur les effets du dérèglement climatique sur les populations les plus vulnérables. Le projet \ac{JUICCE} s'inscrit donc dans cet objectif en cherchant à identifier, à une échelle fine, les populations les plus affectées par les évènements climatiques extrêmes. Il s'intéresse à l'évolution des injustices climatiques entre 1950 et 2100, associant un travail historique à une partie prospective.
La notion d'injustice environnementale telle que proposée par \nameref{schlosberg_defining_2009} dans le cadre conceptuel de la justice environnementale\footnote{s'inspirant de Sen, Fraser, Young et Nussbaum} se définit l'équité dans l'exposition aux externalités environnementales, qu'elles soient positives ou négatives \parencite{schlosberg_defining_2009}. Il est à noter que le concept proposé par Schlosberg s'étend au-delà de la justice distributive et concerne également un aspect procédural que notre projet n'a pas vocation à traiter.
La notion d'injustice environnementale telle que proposée par \cite{schlosberg_defining_2009} dans le cadre conceptuel de la justice environnementale\footnote{s'inspirant de Sen, Fraser, Young et Nussbaum} se définit l'équité dans l'exposition aux externalités environnementales, qu'elles soient positives ou négatives. Il est à noter que le concept proposé par Schlosberg s'étend au-delà de la justice distributive et concerne également un aspect procédural que notre projet n'a pas vocation à traiter.
Plus précisément, le projet \ac{JUICCE} s'interroge sur les inégalités d'exposition aux évènements climatiques extrêmes en fonction du revenu et de la distribution par sexe et tranche d'âge. Cela permet de détecter si les inégalités de risques sont accrues par des inégalités socio-économiques ou non, selon la typologie présentée \autoref{fig:risk_vulnerability} \parencite{Oppenheimer2014-gh}. Les dangers sont ici les évènements climatiques extrêmes. L'exposition et la vulnérabilité sont les variables d'études de notre recherche.
......
This diff is collapsed.
......@@ -5,7 +5,7 @@
\chapter*{Préambule}
\addchaptertocentry{Préambule}
Le présent mémoire présente les résultats de 5 mois de recherche sur les inégalités d'exposition aux vagues de chaleur en Europe selon la vulnérabilité des populations. Ce travail de recherche a été effectué dans le cadre d'un projet de recherche plus général nommé \acs{JUICCE}.
Ce mémoire présente les résultats de 5 mois de recherche sur les inégalités d'exposition aux vagues de chaleur en Europe selon la vulnérabilité des populations. Ce travail de recherche a été effectué dans le cadre d'un projet de recherche plus général nommé \acs{JUICCE}.
L'objectif principal du stage était, avant l'obtention de résultats analytiques, d'identifier des bases de données socio-démographiques exploitables, de les standardiser, de faire une revue de littérature des travaux similaires existants et d'établir une méthodologie d'analyse spatiale adaptée au projet de recherche. Le mémoire qui suit présente une partie cohérente de ces recherches exploratoires.
......
......@@ -9,11 +9,11 @@
\label{ch:resultats}
J'enlèverai les sections après mais là ça permet de structurer
\section{Identification des canicules}
L'analyse des données climatologiques ont permis de détecter 141 vagues de chaleur (pour un total de 843 jours, durée moyenne d'une vague de $5,98$ jours) par $\mathrm{T_ {min}}$ et 228 avec $\mathrm{T_ {max}}$ (pour un total de 1385 jours, durée moyenne d'une vague de $6.07$ jours). La \autoref{fig:historique} présente l'évolution de ces vagues de chaleurs par année.
L'analyse des données climatologiques a permis de détecter 141 vagues de chaleur (pour un total de 843 jours, durée moyenne d'une vague de $5,98$ jours) par $\mathrm{T_ {min}}$ et 228 avec $\mathrm{T_ {max}}$ (pour un total de 1385 jours, durée moyenne d'une vague de $6.07$ jours). La \autoref{fig:historique} (en annexe) présente l'évolution de ces vagues de chaleurs par année.
Les cartes \autoref{fig:count_hw_tmin} et \ref{fig:count_hw_tmax} permettent d'identifier les zones les plus touchées. Notons que les résultats varient largement selon l'indicateur de température utilisé. Une analyse des zones à forte et faible fréquence de vagues de chaleur selon $\mathrm{T_ {max}}$ montre une concentration de zones faiblement exposées tout autour du bassin méditerranéen. Néanmoins ce sont les régions où les températures moyennes en vagues de chaleurs sont les plus importantes. Ce schéma ne se retrouve pas avec $\mathrm{T_ {min}}$ (voir \autoref{fig:LISA}, \autoref{Appendix_resultats}).
Notre étude portant sur l'exposition des plus vulnérables aux fortes chaleurs, nous présenterons désormais les résultats pour une détection par $\mathrm{T_ {min}}$. Une partie des résultats équivalents est disponible dans les différentes annexes.
Notre étude portant sur l'exposition des plus vulnérables aux fortes chaleurs, nous présenterons désormais les résultats pour une détection par $\mathrm{T_ {min}}$\footnote{Ce point est discuté plus longuement \autoref{sec:discussion vague de chaleur}}. Une partie des résultats équivalents pour $\mathrm{T_ {min}}$ est disponible dans les différentes annexes.
\begin{figure}
\centering
......
No preview for this file type
......@@ -85,7 +85,9 @@ headsepline, % Uncomment to get a line under the header
\newcolumntype{C}[1]{>{\centering\let\newline\\\arraybackslash\hspace{0pt}}m{#1}}
\newcolumntype{R}[1]{>{\raggedleft\let\newline\\\arraybackslash\hspace{0pt}}m{#1}}
\newcommand*{\hypautorefname}{H}
\def\Hnospace~{H}
\newcommand*{\hypautorefname}{\Hnospace}
\newcommand*{\appendixautorefname}{Annexe}
\newcommand*{\Appendixautorefname}{Annexe}
......@@ -284,7 +286,7 @@ 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).
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
......
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