Commit e3eb1225 authored by Philémon POUX's avatar Philémon POUX

Changement de clusters et donc du texte

parent 1699a9c0
......@@ -30,27 +30,50 @@
% latex table generated in R 3.6.0 by xtable 1.8-4 package
% Thu Aug 01 14:20:13 2019
% \begin{table}[ht]
% \centering
% \resizebox{\textwidth}{!}{
% \begin{tabular}{rrrrrrrrrrrrrrrrrrr}
% \toprule
% & \multicolumn{4}{c}{Turquie} & \multicolumn{4}{c}{Îles} & \multicolumn{4}{c}{Europe de l'Est} & \multicolumn{4}{c}{Europe de l'Ouest} & \multicolumn{2}{c}{Général} \\
% \cmidrule(lr){2-5}
% \cmidrule(lr){6-9}
% \cmidrule(lr){10-13}
% \cmidrule(lr){14-17}
% \cmidrule(lr){18-19}
% & V & Mean & Std & \textit{p}& V & Mean & Std & \textit{p}& V & Mean & Std & \textit{p}& V & Mean & Std & \textit{p}& Mean & Std \\
% \hline
% $\Delta_{\%\female}$ & -2.272 & -3.788 & 0.000 & 0.0231 & & & & & & & & & & & & & -0.250 & 1.558 \\
% $\Delta_{\% <15\mathrm{ ans}}$ & -5.058 & -12.401 & 0.000 & 0.0000 & & & & & & & & & & & & & 0.024 & 2.457 \\
% ${\mathrm{GDP/cap}}$ & & & & & & & & & -2.524 & 14.606 & 5.605 & 0.0116 & 3.084 & 26.648 & 12.972 & 0.0020 & 19.684 & 11.402 \\
% ${\% >65\mathrm{ ans}}$ & -2.353 & 0.105 & 0.000 & 0.0186 & & & & & & & & & 2.290 & 0.199 & 0.027 & 0.0220 & 0.184 & 0.034 \\
% ${\# hw}$ & & & & & -4.294 & 16.723 & 9.904 & 0.0000 & 3.311 & 44.645 & 3.410 & 0.0009 & & & & & 40.082 & 7.808 \\
% ${\%\female}$ & & & & & & & & & 3.132 & 0.504 & 0.010 & 0.0017 & -2.289 & 0.493 & 0.008 & 0.0221 & 0.498 & 0.011 \\
% \textit{Lon} & & & & & -3.259 & -13.365 & 5.216 & 0.0011 & 3.500 & 20.891 & 4.997 & 0.0005 & -2.619 & 7.414 & 8.355 & 0.0088 & 13.565 & 11.860 \\
% ${\% <15\mathrm{ ans}}$ & 3.676 & 0.257 & 0.000 & 0.0002 & 2.459 & 0.205 & 0.009 & 0.0139 & & & & & & & & & 0.160 & 0.026 \\ \bottomrule
% \end{tabular}
% }
% \caption{Valeurs des variables par clusters}
% \subcaption*{\footnotesize $\Delta_{\%\female}$ correspond à la différence d'exposition entre les femmes et le reste de la population, $\Delta_{\% <15\mathrm{ ans}}$ à la différence d'exposition pour les moins de 15 ans. Les autres variables correspondent aux valeurs moyennes (par pays). ${\# hw}$ est le nombre de vagues de chaleurs moyens dans le pays. \textit{Lon} est la longitude. Les variables non inscrites ne sont pas significatives dans le clustering.}
% \end{table}
\begin{table}[ht]
\centering
\resizebox{\textwidth}{!}{
\begin{tabular}{rrrrrrrrrrrrrrrrrrr}
\begin{tabular}{rrrrrrrrrrrrrrr}
\toprule
& \multicolumn{4}{c}{Turquie} & \multicolumn{4}{c}{Îles} & \multicolumn{4}{c}{Europe de l'Est} & \multicolumn{4}{c}{Europe de l'Ouest} & \multicolumn{2}{c}{Général} \\
& \multicolumn{4}{c}{C1} & \multicolumn{4}{c}{C2} & \multicolumn{4}{c}{C3} & \multicolumn{2}{c}{Général} \\
\cmidrule(lr){2-5}
\cmidrule(lr){6-9}
\cmidrule(lr){10-13}
\cmidrule(lr){14-17}
\cmidrule(lr){18-19}
& V & Mean & Std & \textit{p}& V & Mean & Std & \textit{p}& V & Mean & Std & \textit{p}& V & Mean & Std & \textit{p}& Mean & Std \\
\hline
$\Delta_{\%\female}$ & -2.272 & -3.788 & 0.000 & 0.0231 & & & & & & & & & & & & & -0.250 & 1.558 \\
$\Delta_{\% <15\mathrm{ ans}}$ & -5.058 & -12.401 & 0.000 & 0.0000 & & & & & & & & & & & & & 0.024 & 2.457 \\
${\mathrm{GDP/cap}}$ & & & & & & & & & -2.524 & 14.606 & 5.605 & 0.0116 & 3.084 & 26.648 & 12.972 & 0.0020 & 19.684 & 11.402 \\
${\% >65\mathrm{ ans}}$ & -2.353 & 0.105 & 0.000 & 0.0186 & & & & & & & & & 2.290 & 0.199 & 0.027 & 0.0220 & 0.184 & 0.034 \\
${\# hw}$ & & & & & -4.294 & 16.723 & 9.904 & 0.0000 & 3.311 & 44.645 & 3.410 & 0.0009 & & & & & 40.082 & 7.808 \\
${\%\female}$ & & & & & & & & & 3.132 & 0.504 & 0.010 & 0.0017 & -2.289 & 0.493 & 0.008 & 0.0221 & 0.498 & 0.011 \\
\textit{Lon} & & & & & -3.259 & -13.365 & 5.216 & 0.0011 & 3.500 & 20.891 & 4.997 & 0.0005 & -2.619 & 7.414 & 8.355 & 0.0088 & 13.565 & 11.860 \\
${\% <15\mathrm{ ans}}$ & 3.676 & 0.257 & 0.000 & 0.0002 & 2.459 & 0.205 & 0.009 & 0.0139 & & & & & & & & & 0.160 & 0.026 \\ \bottomrule
\cmidrule(lr){14-15}
& V & Mean & Std & \textit{p}& V & Mean & Std & \textit{p}& V & Mean & Std & \textit{p}& Mean & Std \\
\midrule
$\Delta_\text{GDP} $ & & & & & -2.790 & -0.635 & 1.011 & 0.0053 & & & & & -0.091 & 1.582 \\
$\Delta_\text{\%>65} $ & 4.762 & 2.713 & 0.922 & 0.0000 & & & & & -2.694 & -0.970 & 1.304 & 0.0071 & -0.090 & 1.381 \\
$\Delta_\text{\%\female}$ & & & & & -2.575 & -0.554 & 0.650 & 0.0100 & 3.889 & 1.130 & 1.439 & 0.0001 & -0.122 & 1.362 \\
$\Delta_\text{\%<15}$ & -3.472 & -1.519 & 1.444 & 0.0005 & & & & & 3.269 & 1.284 & 1.053 & 0.0011 & 0.322 & 1.244 \\
\bottomrule
\end{tabular}
}
\caption{Valeurs des variables par clusters}
......
......@@ -22,6 +22,7 @@
WorldPop & Répartition par âge et sex & \href{ftp://ftp.worldpop.org.uk/GIS/AgeSex\_structures/Global\_2000\_2020/}{Lien} & Distribution par âge et sexe & Raster & 100m & OUI & OUI &\cite{pezzulo_sub-national_2017}\\
Global Risk Data Platform (UNEP) & Gross Domestic Product 2010 & \href{https://preview.grid.unep.ch/index.php?preview=data\&events=socec\&evcat=1\&lang=eng}{Lien} & GDP & Raster & 30sec arc & NON & OUI & \\
NLDI & The Night Light Development Index (NLDI): A spatially explicit measure of human development from satellite data & \href{http://www.soc-geogr.net/7/23/2012/}{Lien} & NLDI & Raster & 0,25x0,25 & NON & NON (2006) &\cite{elvidge_night_2012}\\
\bottomrule
\end{tabular}%
}
\label{tab:extra_socio_db}%
......@@ -31,11 +32,14 @@
\centering
\caption{Autres bases de données climatologiques}
\subcaption{Ces bases de données contiennent de nombreuses autres variables comme la pression ou l'humidité relative qui peuvent permettre d'approximer le \ac{WBGT} \parencite{noauthor_prevention_1984}}
\resizebox{\textwidth}{!}{
\begin{tabular}{C{5.355em}C{5.355em}C{5.355em}C{5.355em}C{5.355em}C{5.355em}}
Nom & Donnée & Lien & Résolution & Dates & Référence\\
Nom & Donnée & Lien & Résolution & Fréquences & Référence\\
\midrule
ERA5 & $T_\text{mean}$ & \href{https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-uerra-europe-single-levels?tab=overview}{Lien} & 11x11km & Toutes les 12h (1961-2018) &Generated using Copernicus Atmosphere Monitoring Service information [2019]\\[1.5cm]
WATCH Forcing Data methodology applied to ERA-Interim data (WFDEI) & $T_\text{mean}$ & \href{https://www.google.com/search?client=firefox-b-d\&q=WFDEI}{Lien} & 0.5x0.5\degres & Journalier ou toutes les 3h (1979-2018) & \cite{weedon_wfdei_2014}\\
\bottomrule
\end{tabular}%
}
......
......@@ -15,41 +15,51 @@
\cmidrule(lr){8-9}
& \textit{p-value} & \Delta(\# HW)& \textit{p-value} & \Delta(\# HW)& \textit{p-value} & \Delta(\# HW)& \textit{p-value} & \Delta(\# HW) \\
\midrule
AT & 0.637 & -0.507 & 0.128 & -1.74 & 0.633 & -0.46 & 0.528 & 0.535 \\
BE & \textbf{2.1e-02*} & \textbf{-1.2} & 0.184 & -0.475 & 0.966 & 0.0158 & 0.369 & 0.319 \\
BG & \textbf{1.3e-02*} & \textbf{2.9} & 0.11 & 2.39 & 0.793 & -0.355 & 0.627 & -0.469 \\
CH & 0.562 & -0.477 & 0.447 & -0.279 & 0.132 & 0.875 & 0.812 & -0.175 \\
CY & - & & 0.341 & 1.67 & - & & 0.473 & -1.11 \\
AD & - & - & - & - & - & - & - & - \\
AL & 0.492 & -1.27 & \textbf{2.6e-02*} & \textbf{3.3} & \textbf{1.2e-03**} & \textbf{-3.14} & 0.984 & 0.0239 \\
AT & 0.676 & -0.452 & 0.139 & -1.69 & 0.678 & -0.403 & 0.21 & 1.2 \\
AX & - & - & - & - & - & - & - & - \\
BA & 0.219 & 2.15 & 0.569 & 0.454 & 0.527 & 1.3 & 0.977 & -0.039 \\
BE & \textbf{1.7e-02*} & \textbf{-1.3} & 0.934 & 0.0349 & 0.92 & -0.0377 & 0.446 & 0.273 \\
BG & \textbf{1e-02*} & \textbf{3} & \textbf{9.4e-02*} & \textbf{2.5} & 0.868 & -0.226 & 0.726 & -0.339 \\
BY & 0.134 & 1.6 & 0.214 & -1.16 & \textbf{3.4e-02*} & \textbf{2.4} & 0.176 & -0.804 \\
CH & 0.613 & -0.416 & 0.568 & -0.215 & 0.104 & 0.96 & 0.689 & -0.286 \\
CZ & \textbf{3.3e-04***} & \textbf{-1.5} & \textbf{1.4e-02*} & \textbf{-1.2} & 0.216 & 0.82 & \textbf{8.4e-02*} & \textbf{-0.86} \\
DE & 0.202 & 0.768 & \textbf{2.3e-02*} & \textbf{0.98} & \textbf{3.4e-02*} & \textbf{-1.1} & \textbf{1.1e-02*} & \textbf{-1.4} \\
DK & 0.4 & 0.886 & 0.298 & 1.37 & 0.767 & 0.24 & \textbf{8.6e-02*} & \textbf{2} \\
EE & \textbf{1.7e-02*} & \textbf{-2} & \textbf{1.9e-02*} & \textbf{-1.6} & \textbf{5.7e-02*} & \textbf{1.5} & 0.833 & -0.184 \\
EL & 0.843 & -0.291 & \textbf{2.9e-02*} & \textbf{3.2} & 0.42 & 1.04 & \textbf{1.9e-04***} & \textbf{-4.46} \\
ES & 0.145 & -1.22 & 0.741 & -0.234 & 0.405 & -0.504 & \textbf{1.6e-03**} & \textbf{-1.74} \\
FI & 0.953 & -0.0254 & 0.492 & 0.274 & \textbf{7.6e-06***} & \textbf{2} & \textbf{2.8e-15***} & \textbf{3.17} \\
FR & \textbf{1.5e-02*} & \textbf{-1.4} & 0.704 & 0.202 & 0.102 & -0.67 & \textbf{2.5e-05***} & \textbf{-2.19} \\
HR & \textbf{4.4e-03**} & \textbf{2.89} & 0.458 & 0.508 & 0.266 & 1.07 & 0.539 & 0.438 \\
DE & 0.198 & 0.774 & \textbf{2.2e-02*} & \textbf{0.99} & \textbf{2.2e-02*} & \textbf{-1.2} & \textbf{1.1e-02*} & \textbf{-1.4} \\
DK & 0.657 & 0.446 & 0.418 & 1.07 & 0.656 & 0.366 & \textbf{4.8e-02*} & \textbf{2.4} \\
EE & \textbf{1.7e-02*} & \textbf{-2} & \textbf{1.4e-02*} & \textbf{-1.8} & 0.167 & 1 & 0.64 & -0.416 \\
ES & 0.177 & -1.15 & 0.782 & -0.198 & 0.827 & -0.136 & \textbf{1e-03**} & \textbf{-1.83} \\
FI & 0.879 & -0.0674 & 0.279 & 0.44 & \textbf{1.2e-06***} & \textbf{2.1} & \textbf{1.4e-14***} & \textbf{3.18} \\
FR & \textbf{3.4e-02*} & \textbf{-1.3} & 0.635 & 0.255 & \textbf{9.5e-02*} & \textbf{-0.65} & \textbf{2.5e-05***} & \textbf{-2.22} \\
GB & \textbf{5e-10***} & \textbf{-4.35} & 0.161 & -0.932 & 0.825 & 0.167 & 0.664 & -0.317 \\
GR & 0.269 & -1.62 & \textbf{2.1e-02*} & \textbf{3.4} & 0.887 & 0.219 & \textbf{5.3e-04***} & \textbf{-4.29} \\
HR & \textbf{7.5e-03**} & \textbf{2.45} & 0.466 & 0.528 & 0.392 & 0.876 & 0.57 & 0.431 \\
HU & \textbf{9.3e-02*} & \textbf{0.92} & 0.431 & 0.487 & 0.779 & 0.162 & 0.271 & -0.496 \\
IE & 0.46 & -0.435 & 0.956 & 0.0268 & 0.303 & -0.86 & \textbf{7.9e-02*} & \textbf{-1.7} \\
IS & - & & 0.566 & -0.437 & - & & - & \\
IT & \textbf{7.3e-02*} & \textbf{-2.1} & \textbf{6.3e-02*} & \textbf{-1.7} & \textbf{4.1e-02*} & \textbf{1.3} & \textbf{7e-02*} & \textbf{1.6} \\
LI & - & & - & & - & & - & \\
LT & 0.1 & 0.625 & \textbf{4.7e-04***} & \textbf{-2.02} & \textbf{3.1e-03**} & \textbf{1.27} & 0.941 & -0.0379 \\
LU & - & & - & & - & & - & \\
LV & 0.359 & -0.41 & 0.156 & -0.666 & \textbf{2.3e-02*} & \textbf{0.64} & 0.246 & -0.394 \\
IE & 0.569 & -0.364 & 0.955 & 0.0274 & 0.561 & -0.489 & \textbf{5.7e-02*} & \textbf{-1.9} \\
IM & - & - & - & - & - & - & - & - \\
IS & - & - & 0.511 & -0.516 & - & - & - & - \\
IT & \textbf{6.2e-02*} & \textbf{-2} & \textbf{5.8e-02*} & \textbf{-1.8} & \textbf{2e-02*} & \textbf{1.4} & \textbf{2e-02*} & \textbf{2} \\
LI & - & - & - & - & - & - & - & - \\
LT & 0.236 & 0.441 & \textbf{4.3e-04***} & \textbf{-2.04} & \textbf{3.3e-03**} & \textbf{1.26} & 0.926 & -0.0476 \\
LU & - & - & - & - & - & - & - & - \\
LV & 0.343 & -0.423 & 0.134 & -0.708 & \textbf{2.3e-03**} & \textbf{0.772} & 0.381 & -0.311 \\
MD & - & - & - & - & - & - & - & - \\
ME & \textbf{2.9e-02*} & \textbf{-1.9} & 0.754 & 0.294 & 0.287 & -1.48 & 0.96 & 0.124 \\
MK & \textbf{5e-02*} & \textbf{3.7} & 0.605 & -2.68 & \textbf{9.4e-02*} & \textbf{2.4} & 0.63 & -1.81 \\
MT & - & & - & & - & & - & \\
MT & - & - & - & - & - & - & - & - \\
NL & 0.108 & -1.13 & 0.296 & -0.521 & 0.911 & -0.117 & 0.441 & -0.406 \\
NO & \textbf{6.6e-07***} & \textbf{3.79} & \textbf{1.1e-04***} & \textbf{3.53} & \textbf{1.8e-08***} & \textbf{-3.43} & 0.608 & 0.398 \\
NO & \textbf{2e-07***} & \textbf{4} & \textbf{2.1e-04***} & \textbf{3.35} & \textbf{1.3e-07***} & \textbf{-3.25} & 0.358 & 0.73 \\
PL & \textbf{4.9e-02*} & \textbf{0.87} & 0.161 & 0.677 & 0.913 & 0.0448 & 0.317 & -0.413 \\
PT & 0.602 & -0.621 & 0.69 & -0.476 & 0.141 & 1.41 & 0.222 & 1.03 \\
RO & 0.809 & 0.453 & 0.228 & -1.97 & \textbf{5.9e-02*} & \textbf{3.2} & 0.195 & 2.47 \\
SE & \textbf{3.5e-04***} & \textbf{-2.43} & 0.752 & -0.19 & 0.774 & 0.172 & \textbf{9.9e-05***} & \textbf{2.32} \\
SI & 0.998 & 0.0044 & \textbf{7.5e-02*} & \textbf{-3.9} & 0.451 & 1.08 & 0.429 & 1.38 \\
PT & 0.531 & -0.624 & 0.69 & -0.476 & 0.141 & 1.41 & 0.222 & 1.03 \\
RO & 0.778 & 0.529 & 0.243 & -1.91 & \textbf{5.4e-02*} & \textbf{3.3} & 0.197 & 2.43 \\
RS & 0.663 & -0.332 & 0.712 & 0.199 & 0.321 & -0.836 & \textbf{7.4e-02*} & \textbf{-1.3} \\
SE & \textbf{1.7e-04***} & \textbf{-2.56} & 0.705 & -0.23 & 0.314 & 0.604 & \textbf{4.5e-05***} & \textbf{2.43} \\
SI & \textbf{1e-01*} & \textbf{2.5} & 0.244 & -3.16 & 0.612 & -0.386 & 0.196 & 2.24 \\
SK & 0.806 & -0.259 & 0.876 & 0.115 & \textbf{3.6e-03**} & \textbf{2.73} & \textbf{4.4e-02*} & \textbf{-1.5} \\
TR & \textbf{7.1e-02*} & \textbf{1.7} & \textbf{4.7e-02*} & \textbf{1.5} & \textbf{7.4e-03**} & \textbf{-12.4} & \textbf{1.4e-03**} & \textbf{-3.79} \\
UK & \textbf{3e-11***} & \textbf{-4.04} & 0.152 & -1.05 & 0.851 & 0.143 & 0.597 & -0.391 \\
SM & - & - & - & - & - & - & - & - \\
UA & 0.412 & -1.21 & 0.447 & -1.27 & 0.319 & -1.03 & 0.536 & -0.815 \\
VA & - & - & - & - & - & - & - & - \\
XK & 0.745 & -0.475 & 0.707 & 1.13 & 0.766 & 0.304 & 0.186 & -1.01 \\
\bottomrule
\end{tabular}
}
......@@ -89,38 +99,51 @@
\hline
Code ISO Alpha 2 & Pays \\
\hline
AT & Autriche \\
BE & Belgique \\
BG & Bulgarie \\
HR & Croatie \\
CY & Chypre \\
CZ & République Tchèque \\
DK & Danemark \\
EE & Estonie \\
FI & Finlande \\
FR & France \\
DE & Allemagne \\
HU & Hongrie \\
IS & Islande \\
IE & Irlande \\
IT & Italie \\
LV & Lettonie \\
LI & Liechtenstein \\
LT & Lituanie \\
LU & Luxembourg \\
MT & Malte \\
NL & Pays-Bas \\
NO & Norvège \\
PL & Pologne \\
PT & Portugal \\
RO & Roumanie \\
SK & Slovaquie \\
SI & Slovénie \\
ES & Espagne \\
SE & Suède \\
CH & Suisse \\
TR & Turquie \\
MK & L'ex-République Yougoslave de Macédoine \\
VA & Vatican \\
IM & île de Man \\
GB & Royaume-Uni \\
UA & Ukraine \\
CH & Suisse \\
SE & Suède \\
ES & Espagne \\
SK & Slovaquie \\
SI & Slovénie \\
RS & Serbie \\
SM & Saint-Marin \\
RO & Roumanie \\
PT & Portugal \\
PL & Pologne \\
NO & Norvège \\
NL & Pays-Bas \\
ME & Monténégro \\
MD & Moldavie \\
MT & Malte \\
MK & République de Macédoine \\
LU & Luxembourg \\
LT & Lituanie \\
LI & Liechtenstein \\
LV & Lettonie \\
XK & Kosovo \\
IT & Italie \\
IE & Irlande \\
IS & Islande \\
HU & Hongrie \\
GR & Grèce \\
DE & Allemagne \\
FR & France \\
AX & Åland \\
FI & Finlande \\
EE & Estonie \\
DK & Danemark \\
CZ & République tchèque \\
HR & Croatie \\
BG & Bulgarie \\
BA & Bosnie-Herzégovine \\
BE & Belgique \\
BY & Biélorussie \\
AT & Autriche \\
AD & Andorre \\
AL & Albanie \\
\hline
\end{tabular}
\caption{Liste des pays inclus dans l'analyse par pays}
......
......@@ -12,13 +12,13 @@ Notre travail a donc permis d'apporter des éléments de réponse à une questio
\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.
Notre analyse nous a également permis de conclure qu'il existe des différences par pays sur les inégalités d'exposition des populations vulnérables. Dasn certains pays, des catégories de populations vulnérables (jeunes, femmes, personnes âgées) sont sur-exposés par rapport au reste du pays. La spatialisation des ces groupes de pays ne met en évidence de regroupement géographique des clusters de type d'inégalités d'exposition.
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.
Les grandes tendances à l'échelle de l'Europe sont donc différentes de celles à l'échelle du globe. Nos résultats viennent donc compléter un corpus de connaissance, encore en développement, sur les inégalités climatiques à l'échelle de l'Europe.
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.
Cette étude contient les premiers résultats d'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.
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. Les politiques de justice climatique doivent cibler, par pays, les populations vulnérables les plus exposées afin d'être efficaces car il existe des différences locales dans les schémas d'exposition.
%
......@@ -60,6 +60,7 @@ Afin de d'identifier les vagues de chaleurs en Europe, nous avons utilisé la ba
Origine & Nom & Information & Fréquence & Résolution & Lien & Référence \\
\midrule
E-OBS & E_OBS v9.0e & $T_\text{min}$ et $T_\text{max}$ & Journalier (1950-2018) & 0.25 degrés & \href{http://surfobs.climate.copernicus.eu/dataaccess/access_eobs.php}{Lien} &\cite{cornes_ensemble_2018} \\
\bottomrule
\end{tabular}%
}
\label{tab:climato_db}%
......
......@@ -48,9 +48,12 @@ Si l'étude des corrélations non spatialisés entre les variables indique des c
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.
Ce sont les résultats qui apparaissent de l'algorithme de clustering hiérarchique présenté en \autoref{fig:clusters}. Les résultats font apparaître trois grands groupes présentant des types d'exposition des populations vulnérables distincts. Ces types d'exposition ne correspondent pas à un regroupement géographique. Dans le premier groupe, les plus jeunes sont sous-exposés tandis que les plus âgés sont sur-exposés. Dans le second groupe, il y a un sous-exposition des femmes et des régions avec le plus faible PIB par habitant. Enfin dans le dernier groupe on observe une forte sur-exposition des femmes et des jeunes alors que les régions avec beaucoup de personnes de plus de 65 ans sont moins exposées aux vagues de chaleur.
Cela confirme donc notre troisième hypothèse (\autoref{hyp:3}) que les inégalités d'exposition sont différentes selon les zones d'Europe étudiées. Ces résultats sont également cohérents avec les résultats de \cite{park_households_2018} qui trouvaient que dans les pays tempérés (donc plus riches à l'échelle mondiale) les plus riches étaient plus exposés à des hautes chaleurs.
Nous devons donc également modifier notre troisième hypothèse (\autoref{hyp:3}) qui postulait que les régions les plus exposés aux vagues de chaleurs voyaient leurs populations vulnérables être disproportionnément exposées. Si les inégalités d'exposition sont différentes selon les zones d'Europe étudiées, ces différences ne reflètent pas une réalité économique ou d'exposition absolue. Nous devons plutôt conclure qu'à l'échelle de l'Europe, il existe trois grands types d'expositions des populations vulnérables avec une majorité des pays ayant une sous-exposition des régions avec un fort taux de femmes et des régions ayant le plus faible PIB par habitant.
Ces résultats viennent compléter les résultats de \cite{park_households_2018} qui trouvaient que dans les pays tempérés (donc plus riches à l'échelle mondiale) les plus riches étaient plus exposés à des hautes chaleurs. Celà n'est pas vérifié à l'échelle de l'Europe.
\section{Échelle d'étude}
Nous avons donc conduit une étude parallèlement sur des données grillées à l'échelle de l'Europe et sur des données aggrégées par pays.
......
......@@ -108,7 +108,7 @@ Ces test révèlent notamment que, pour le PIB par habitant, il semble y avoir u
\section{Clustering}
Nous avons donc effectué un algorithme de clustering hiérarchique sur les données par pays, incluant en variables les valeurs moyennes des paramètres socio-économiques, le nombre moyen de vagues de chaleur, la latitude, la longitude et les différences d'exposition pour chacun des paramètres socio-économiques.
Nous avons donc effectué un algorithme de clustering hiérarchique sur les données par pays sur les différences d'exposition pour chacun des paramètres socio-économiques afin d'identifier les groupes de pays avec les mêmes types d'exposition.
\begin{figure}
\centering
......@@ -116,11 +116,12 @@ Nous avons donc effectué un algorithme de clustering hiérarchique sur les donn
\caption{Clusters issus d'une analyse par composante principale}
\label{fig:clusters}
\end{figure}
Le résultat nous permet de diviser l'Europe en 4 clusters présentées en \autoref{fig:clusters}
Le résultat nous permet de diviser l'Europe en 3 clusters présentés en \autoref{fig:clusters}
\begin{description}
\item [Turquie :] La Turquie a un plus fort pourcentage de jeunes et un moins fort pourcentage de personnes âgées que dans le reste de la zone d'étude. Les femmes et jeunes y sont relativement moins exposés que le reste de la population.
\item[Îles :] Ce cluster correspond à l'Irlande et l'Islande, deux îles du nord ouest de l'Europe nettement moins exposées aux vagues de chaleurs que le reste de l'Europe. Les deux pays ont un fort pourcentage de jeunes.
\item[Europe de l'Est :] Ces pays, situés à l'est de l'Europe sont plus exposés que les autres aux vagues de chaleurs. Il y a légèrement plus de femmes et les PIB par habitant y est plus bas que dans le reste de la zone d'étude.
\item[Europe de l'Ouest :] Ces pays du nord ouest ont un revenu par habitant supérieur à celui du reste de l'Europe et une population plus âgée avec légèrement plus de femmes.
\item [C1 :] Les pays de ce cluster (la Norvège, l'Allemagne, l'Albanie, la Grèce et la Croatie) ont une forte sur-exposition des personnes âgées par rapport au reste de la population. Cette sur-exposétion est supérieure à la surexposition moyenne en Europe. En revanche, les habitants de moins de 15 ans sont significativement moins exposés que le reste de la population dans ces pays alors qu'ils sont sur-exposés à l'échelle de l'Europe/
\item[C2 :] Les pays de ce cluster ont une autre exposition des groupes vulnérables. Si à l'échelle de l'Europe les femmes et les plus pauvres sont globalement moins exposés, c'est particulièrement le cas dans ce cluster où les pauvres et les femes sont nettement moins exposés que dans le reste de la population.
\item[C3 :] Enfin, les pays du troisième groupe présente une schéma d'exposition où les personnes âgées sont particulièrement moins exposés que le reste de la population (et qu'ailleurs en Europe). En revanche les régions avec le plus de femmes et de jeunes sont particulièrement exposées par rapport aux autres régions. Notons que, si à l'échelle de l'Europe les jeunes sont plus exposés, ce n'est pas le cas des femmes.
\end{description}
Le dendogramme et les valeurs des variables pour chaque clusters qui permettent de décrire ces clusters sont présentés en \autoref{Appendix_cluster}
Figures/clusters_europe.png

19.5 KB | W: | H:

Figures/clusters_europe.png

21.6 KB | W: | H:

Figures/clusters_europe.png
Figures/clusters_europe.png
Figures/clusters_europe.png
Figures/clusters_europe.png
  • 2-up
  • Swipe
  • Onion skin
Figures/dendograms.png

10.1 KB | W: | H:

Figures/dendograms.png

12.9 KB | W: | H:

Figures/dendograms.png
Figures/dendograms.png
Figures/dendograms.png
Figures/dendograms.png
  • 2-up
  • Swipe
  • Onion skin
Figures/dif_exp_student_tmax.png

30.8 KB | W: | H:

Figures/dif_exp_student_tmax.png

36.8 KB | W: | H:

Figures/dif_exp_student_tmax.png
Figures/dif_exp_student_tmax.png
Figures/dif_exp_student_tmax.png
Figures/dif_exp_student_tmax.png
  • 2-up
  • Swipe
  • Onion skin
Figures/dif_exp_student_tmin.png

30.8 KB | W: | H:

Figures/dif_exp_student_tmin.png

36.2 KB | W: | H:

Figures/dif_exp_student_tmin.png
Figures/dif_exp_student_tmin.png
Figures/dif_exp_student_tmin.png
Figures/dif_exp_student_tmin.png
  • 2-up
  • Swipe
  • Onion skin
Figures/pvalue_student_tmax.png

30.8 KB | W: | H:

Figures/pvalue_student_tmax.png

35.4 KB | W: | H:

Figures/pvalue_student_tmax.png
Figures/pvalue_student_tmax.png
Figures/pvalue_student_tmax.png
Figures/pvalue_student_tmax.png
  • 2-up
  • Swipe
  • Onion skin
Figures/pvalue_student_tmin.png

31.1 KB | W: | H:

Figures/pvalue_student_tmin.png

35.2 KB | W: | H:

Figures/pvalue_student_tmin.png
Figures/pvalue_student_tmin.png
Figures/pvalue_student_tmin.png
Figures/pvalue_student_tmin.png
  • 2-up
  • Swipe
  • Onion skin
@Comment{$ biblatex control file $}
@Comment{$ biblatex version 2.5 $}
Do not modify this file!
This is an auxiliary file used by the 'biblatex' package.
This file may safely be deleted. It will be recreated as
required.
@Comment{$ biblatex bbl format version 3.0 $}
% Do not modify this file!
%
% This is an auxiliary file used by the 'biblatex' package.
% This file may safely be deleted. It will be recreated as
% required.
@Control{biblatex-control,
options = {2.5:0:0:1:0:0:1:1:0:0:1:0:2:1:3:1:79:+},
options = {3.0:0:0:1:0:1:1:0:0:1:0:2:3:1:3:1:79:+:+:nyt},
}
No preview for this file type
......@@ -288,7 +288,7 @@ Les vagues de chaleurs, anomalies positives de températures pendant plusieurs j
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.
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 que l'on peut distinguer trois grands types d'inégalités d'exposition par pays en Europe. Dans chaque type, des catégories de population vulnérables sont sous ou sur-exposées. Il n'existe pas de lien entre l'exposition absolue et ce type d'exposition.
%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