Méthodes pour confronter spatialement les données socio-économiques avec des données d’assainissement : exemple à paris

Ce travail a pour objectif de proposer une méthode pour comparer spatialement des données socio-économiques (telles que celles livrées par le recensement, à l’échelle des mailles IRIS) et des données issues de réseaux d’assainissement (par exemple des résultats d’analyses biologiques ou géochimiques, à l’échelle de zones d’apport) n’ayant pas les mêmes dimensions spatiales. Deux méthodes sont proposées et appliquées à l’exemple de la ville de Paris : une méthode dite “inclusive” et une méthode dite “sélective”. Ces deux méthodes visent aussi à sélectionner les zones d’apport ayant le meilleur recouvrement avec les mailles IRIS afin de garantir des comparaisons plus efficaces entre des données issues du réseau d’assainissement et des données socio-économiques. La méthode inclusive utilise un calcul du pourcentage de superposition des mailles IRIS et des zones d’apport et un coefficient de pondération. Toutes les mailles IRIS qui intersectent une zone d’apport sont sélectionnées. La valeur du paramètre socio-économique de chaque maille IRIS est multipliée par le coefficient de pondération pour définir la valeur de ce paramètre à l’échelle de la zone d’apport. La méthode sélective implique une sélection des mailles IRIS contribuant le plus à la zone d’apport selon leur pourcentage d’inclusion (40, 50, 60, 70 et 80 %). Cette approche utilise le pourcentage de superposition entre les mailles IRIS sélectionnées et la zone d’apport et un critère de similitude comme paramètres pour sélectionner le pourcentage d’inclusion le plus efficient. Les deux méthodes sont comparées en termes d’efficacité et de simplicité d’usage. La méthode inclusive est plus rapide et facile à mettre en œuvre, mais elle n’assure pas un recouvrement spatial optimal entre les mailles IRIS et les zones d’apport. La méthode sélective, plus compliquée à mettre en œuvre, permet de s’assurer que les mailles IRIS sélectionnées contribuent de manière significative à la zone d’apport. Ce travail donne des clés méthodologiques pour la comparaison de données provenant de sources variées et livrées selon des géométries distinctes.

The aim of this work is to propose a method for the spatial comparison of socio-economic data (such as that provided by the census on the scale of IRIS grids) and data from sewerage networks (such as the results of biological or geochemical analyses), on the scale of sewershed and IRIS grids of different dimensions. Two methods are proposed and applied to the example of the City of Paris: an “inclusive” method and a “selective” method. These two methods also aim to select the sewershed with the best overlap with the IRIS grids in order to ensure more effective comparisons between data from the sewerage network and socio-economic data. The inclusive method uses a calculation of the percentage of overlap between IRIS grids and sewershed and a weighting coefficient. All IRIS grids intersecting a sewershed are selected. The value of the socio-economic parameter for each IRIS grid cell is multiplied by the weighting coefficient to define the value of this parameter at the level of the sewershed. In the selective method, the IRIS grids that contribute most to the sewershed are selected according to their percentage of inclusion (40, 50, 60, 70 and 80%). This approach uses the percentage overlap between the selected IRIS grids and the sewershed and a similarity criterion as parameters to select the most efficient inclusion percentage. The two methods are compared in terms of efficiency and ease of use. The inclusive method is faster and easier to implement, but it does not ensure optimal spatial coverage between IRIS grids and sewershed. The selective method, which is more complicated to implement, ensures that the selected IRIS grids make a significant contribution to the sewershed. This work provides methodological keys for comparing data from different sources and provided with different geometries.