4.2.3 Traitement et analyse des données,
interprétation des résultats
Les données collectées ont été
traitées et analysées afin d'atteindre les objectifs
spécifiques visés. Ensuite, des résultats ont
été présentés et interprétés à
travers la cartographie.
4.2.3.1 Organisation des données
Les données collectées concernent les principaux
enjeux identifiés dans la zone inondable délimitée autour
de la rivière de Cavaillon.
Les données recueillies ont été
utilisées pour constituer une base de données exploitable sur
QGIS et prête pour effectuer des opérations et produire des cartes
thématiques.
Par ailleurs, pour l'analyse du territoire de manière
simplifiée, l'utilisation d'un maillage de taille
irrégulière a été faite en suivant la configuration
du terrain et les découpages de rue et de sentier donnés par
Google Earth. Sachant que le maillage irrégulier ou non structuré
permet d'adapter à la forme complexe de la zone. Aussi, il permet un
meilleur regroupement des enjeux suivant leur nature. Or, un bon maillage
permet d'obtenir des résultats proches de la réalité.
Ainsi, pour pouvoir comparer les mailles de manière convenable, il est
nécessaire de considérer les densités par ha.
4.2.3.2 Analyse de la cartographie des niveaux de
vulnérabilité par la méthode de l'Analyse
Multicritère Hiérarchique de Saaty
La cartographie des vulnérabilités appartient
à l'ordre du possible. Aussi, elle est très peu évidente
il est distingué deux raisons principales : Premièrement,
considérant la difficulté d'identifier et de hiérarchiser
les vulnérabilités surtout pour des causes stratégiques ou
culturelles. De ce fait, l'analyse de vulnérabilité manque encore
de langages et d'outils opérationnels. En outre, il faut associer cette
défaillance aux malaises qu'éprouvent les décideurs
à formaliser les valeurs et priorités donc à comparer les
différents enjeux. Deuxièmement, les espaces vulnérables
transforment constamment en raison des aménagements du territoire, des
changements d'affectation et de l'évolution des technologies et de la
population. De ce fait, les évolutions de la vulnérabilité
vont influencer les risques.
Malgré les inconvénients dans la pratique de la
cartographie de vulnérabilité, plusieurs méthodes telles
que : les analyses multicritères, les réunions de concertation,
les choix
24
négociés, les Focus Group... ou des
méthodes basées sur une évaluation indirecte, peuvent
être utilisées pour hiérarchiser et quantifier des
vulnérabilités. (CORNÉLIS B. et BILLEN R., 2001)
L'Analyse Multicritère Hiérarchique (AMCH)
développée par Saaty (1980) permet de faire des comparaisons
entre des facteurs de nature différente sur base de jugement. Aussi,
cette analyse multicritère comprend certaines étapes : d'abord il
faut faire une structure hiérarchique consistant en la
décomposition du critère en sous critères. Puis, il faut
réaliser un classement des critères selon leur niveau
hiérarchique et structurer les priorités. En effet, la
priorité est définie en fonction du niveau de fragilité et
de l'importance de chaque enjeu donc de chaque critère par rapport
à l'aléa inondation. Enfin, il y a lieu de vérifier la
cohérence des jugements pour voir si le classement se fait de
manière logique.
4.2.3.2.1 Hiérarchisation des
critères
L'une des étapes les plus importantes de l'analyse
multicritère de Saaty est de classer tous les critères suivant
leur nature. Ce qui permet de déboucher sur la hiérarchisation
des critères en différents niveaux et qui va faciliter les
comparaisons.
4.2.3.2.2 Comparaison par paire des
critères
Dans cette phase, les matrices de comparaison binaire sont
écrites pour chaque niveau. La matrice des décisions avec comme
objectif de trouver l'élément le plus vulnérable à
protéger en priorité en utilisant l'échelle de comparaison
binaire de Saaty (dans le tableau 4.2).
Tableau 4.2: Echelle de comparaison binaire de Saaty
(1980)
|
Expression d'un critère par rapport
à
un autre
|
Intensité de l'importance
|
|
Même importance
|
|
1
|
|
|
|
Un peu plus important
|
|
3
|
|
|
|
Beaucoup plus important
|
|
5
|
|
|
|
Très important
|
|
7
|
|
|
|
Extrêmement plus important
|
|
9
|
|
|
|
Valeurs intermédiaires entre
deux
appréciations voisines
|
2,
|
4,
|
6,
|
8
|
25
4.2.3.2.3 Pondération
Pour la détermination des poids des critères, il
faut suivre les étapes suivantes. Le poids de chaque critère est
obtenu ainsi:
1. Ecrire la matrice de comparaison binaire pour avoir les wij
;
2. Additionner tous les éléments d'une même
colonne pour avoir les ?Cj ;
3. Normaliser la matrice : chaque entrée de la matrice
est divisée par le total de sa colonne. La normalisation de la matrice
permet alors des comparaisons significatives entres les éléments
;
4. Calculer la moyenne des lignes : tous les
éléments d'une même ligne de la matrice normalisée
sont additionnés et ensuite divisé par le nombre d'entrées
qu'elle comporte. (RAMOS et al. 2014)
Tableau 4.3: Matrice résumant les étapes
pour la pondération
|
Critères Cj Ci
|
C1
|
C2
|
C3
|
...
|
Cn
|
Wi
|
|
C1
|
1/?C1
|
w12/?C2
|
w13/?C3
|
...
|
w1n/?Cn
|
?C1/n
|
|
C2
|
w21/?C1
|
1/?C2
|
w21/?C3
|
...
|
w21/?Cn
|
?C1/n
|
|
C3
|
w31/?C1
|
w32/?C2
|
1/?C3
|
...
|
w31/?Cn
|
|
|
...
|
...
|
...
|
...
|
...
|
...
|
...
|
|
Cn
|
wn1/?C1
|
wn1/?C2
|
wn1/?C3
|
...
|
1/?Cn
|
?Cn/n
|
V' Un wij représente le jugement quantitatif de la
paire de caractéristiques Ci, Cj, il est défini par les
règles suivantes :
a. wij=1/wji, wji?0
b. Si Ci est de même importance que Cj ou pour tout i=j,
wij=1
V' n : le nombre de critères
V' ?C1=1+w21+ w31+...+ wn1
V' Tenant compte des caractéristiques
précitées, le vecteur propre Wi de la matrice
est déterminé par la formule :
26
En outre, celui-ci doit être normalisé pour que
la somme de ses éléments soit égale à
l'unité. Pour cela, il suffit de calculer la proportion de chaque
élément par rapport à l'addition : Ti= [W1/?Wi ; W2/?Wi ;
W3/?Wi ;... ; Wn/?Wi]
Ainsi, Ti est le vecteur propre normalisé
utilisé pour quantifier et évaluer l'importance de chaque
critère.
4.2.3.2.4 Différenciation au niveau des
mailles
Les données dans les mailles sont des densités
pour chaque propriété des enjeux. Aussi, il est nécessaire
de faire une discrétisation par classe pour réduire le temps de
calcul. Il faut ordonner les classes qui deviennent les critères et
choisir un nombre pour représenter la classe. Donc, le milieu de
l'intervalle de chaque classe est choisi. Dans la comparaison binaire entre les
éléments quantitatifs, pour trouver la matrice de comparaison ou
pour trouver les wij, il suffit d'appliquer cette formule (RAMOS et al. 2014)
:
|
???? - ??h
wih = 8 + 1
?? ????x - ?? ??????
|
Ch est le plus petit élément de la colonne j
considérée pendant que i incrémente.
Après avoir trouvé les wij, au-dessous (ou
au-dessus) de la diagonale principale, l'autre partie se calcule à
partir de la première règle wij=1/wji, avec wji ?0. Enfin, il est
obtenu une pondération pour chaque classe de données.
4.2.3.2.5 Détermination de la cohérence des
jugements
|
Ratio de cohérence =
|
indice de cohérence
|
|
cohérence aléatoire
|
Cohérence moyenne =
nombre de critères
? ????g????
|
Indice de cohérence =
|
cohérence moyenne - nombre de critères
|
|
nombre de critères - 1
|
Ensuite, il revient de vérifier la cohérence des
jugements. D'abord, il faut déterminer la cohérence moyenne
(valeur propre) ; en multipliant chaque colonne de la matrice de comparaison
non normalisée par le poids du critère associé en divisant
la somme des lignes obtenue par le poids du critère de la ligne :
27
Tableau 4.4: Cohérence aléatoire(CA) en
fonction du nombre de critère
|
N
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
11
|
|
CA
|
0
|
0
|
0,58
|
0,90
|
1,12
|
1,24
|
1,32
|
1,41
|
1,45
|
1,49
|
1,51
|
(SAATY, 1980)
Quand le ratio de cohérence est inférieur
à 10 % la matrice de comparaison choisie est sensée. La valeur de
RC doit être inférieure à 0,1 pour conclure que les
jugements de comparaison par paires sont transitifs et cohérents. Par
conséquent, pour RC > 0,1, les coefficients de la matrice sont
incohérents et on ne peut pas s'y référer pour la
poursuite de l'analyse (SAATY (1991) cité par RAMOS et al, 2014).
| 
