Concevoir un indice d’égalité
La méthode de création des indices n’est pas complexe. En revanche, il est souvent compliqué d’acquérir une compréhension détaillée de chaque décision tout au long du processus.
La phase de conception est une étape importante qui permet de définir le but de l’indice plus clairement ainsi que de prendre en compte et de documenter la justification de la sélection et de l’objectif de chaque indicateur et de chaque pondération.
Remarque :
Pour plus de détails sur les bonnes pratiques relatives à la création d’indices composites dans ArcGIS, reportez-vous à l’article technique Creating Composite Indices Using ArcGIS: Best Practices (au format PDF).
Déterminer les composantes de la conception d’indice
Au cours de la phase de conception d’un indice composite, vous allez définir la question à laquelle votre indice doit répondre, sélectionner et attribuer des pondérations aux variables composant l’indice, et déterminer la zone d’étude de l’indice.
Avant de déterminer les variables ou les indicateurs que vous utiliserez pour l’indice, il est essentiel de consulter un large éventail de parties prenantes, notamment les résidents des zones les plus affectées, pour définir l’objectif de l’indice et la question d’analyse à laquelle votre indice essayera de répondre.
- Identifiez les parties prenantes à inclure dans le processus de prise de décision pour la conception de l’indice.
Étant donné que vous allez créer un indice d’égalité lié à la justice environnementale, vous pouvez envisager d’inclure les parties prenantes suivantes :
- Des organisations communautaires reconnues dans les communautés qui se consacrent à la justice environnementale
- Des coalitions communautaires qui travaillent sur des questions environnementales ou de santé
- Des intervenants en matière de santé
- Des experts du domaine, tels que des universitaires et des consultants
- Le département des transports
- Le département de la santé publique
- Le département de la planification et des réglementations environnementales
Il est primordial d’inclure les membres de la communauté affectée. À chaque fois que vous effectuez une analyse d’égalité impliquant une population vulnérable, il est essentiel d’inclure dans le processus de prise de décision les personnes qui subissent les inégalités en première ligne.
Remarque :
Découvrez des exemples de partenariats qui utilisent le SIG pour promouvoir l’égalité raciale, la justice sociale et le développement inclusif dans la section Equity and Social Justice du blog Esri.
- Identifiez l’objectif de l’indice et la question d’analyse à laquelle l’indice doit répondre.
Vous pouvez répondre aux quelques questions suivantes pour affiner l’objectif de l’indice et la question d’analyse :
- Comment la carte de l’indice sera-t-elle utilisée ? Vous aidera-t-elle à déterminer l’allocation des ressources ? Vous aidera-t-elle à identifier les zones qui subissent des charges sociales ou environnementales disproportionnées ?
- Pour qui a été conçue cette carte d’indice ? A-t-elle été conçue principalement pour les membres de la communauté locale afin qu’ils puissent visualiser et comprendre leur communauté ? Ou bien est-elle destinée aux décideurs pour les aider à prendre des décisions politiques en s’appuyant sur des données ? Ou les deux ?
- Est-il important de comprendre la différence en matière d’inégalité pour toutes les zones de votre zone de projet ou vous préoccupez-vous principalement des zones dont la charge est beaucoup plus lourde ?
Dans ce didacticiel, l’objectif de l’indice consiste à créer un outil d’analyse de la justice environnementale afin d’identifier les zones en Ohio qui subissent les charges sociales et environnementales les plus lourdes par rapport à d’autres zones de l’État. La question d’analyse à laquelle vous voulez répondre est la suivante : quelles sont les charges sociales et environnementales cumulées que subissent les communautés dans l’ensemble de l’État ?
Maintenant que vous avez défini votre question d’analyse, vous allez collaborer avec des parties prenantes pour déterminer les priorités et les dimensions à inclure dans l’indice.
- Déterminer les priorités et les dimensions à inclure dans l’indice
Votre but étant d’identifier les charges sociales et environnementales cumulées que subissent les communautés, vos parties prenantes considèrent qu’il est important de prendre en compte l’exposition et la vulnérabilité aux risques environnementaux.
Les risques environnementaux prennent en compte l’exposition potentielle aux polluants atmosphériques et aux produits chimiques toxiques, ainsi que des facteurs d’atténuation tels que la distance par rapport aux espaces verts. La dimension de vulnérabilité aux risques environnementaux prend en compte les facteurs sociaux qui peuvent priver les gens des ressources permettant de se défendre contre l’exposition aux risques environnementaux, par exemple dans le cas des personnes très jeunes ou très âgées, dont les ressources sont faibles ou dont les problèmes de santé les rendent plus sensibles à la pollution environnementale.
- Choisir les variables
Il est recommandé de prendre conseil auprès d’experts du domaine qui connaissent les facteurs contribuant à vos dimensions. Envisagez de consulter les ressources suivantes :
- La littérature propre au domaine, comme les études et les articles de revues universitaires révisés par des pairs, les ouvrages spécialisés et les actes de conférences
- Des experts du domaine, tels que les professionnels des communautés et de la sensibilisation, les chercheurs universitaires et les enseignants, ainsi que les consultants
- Des membres de la communauté et les groupes qui représentent leurs intérêts, notamment ceux qui vivent dans les zones historiquement affectées par des questions de justice environnementale
Remarque :
Reportez-vous à la section Special considerations for variable selection, à la page 12 de l’article technique Creating Composite Indices Using ArcGIS: Best Practices (au format PDF).
Consultez également le manuel intitulé Handbook on Constructing Composite Indicators: Methodology and User Guide (en ligne au format PDF) publié par l’Organisation de coopération et de développement économiques (OCDE), une organisation internationale qui regroupe des données et mène des recherches pour identifier les bonnes pratiques relatives aux politiques publiques.
Dans ce didacticiel, vous allez utiliser les variables suivantes :
- Asthma prevalence (Prévalence de l’asthme)
- Percent unemployed (Pourcentage de chômeurs)
- Percent with income below 200 percent poverty level in the past year (Pourcentage de la population dont les ressources sont inférieures à 200 % du seuil de pauvreté pour l’année écoulée)
- Percent over 25 years old with education less than high school (Pourcentage de la population âgée de plus de 25 ans n’ayant pas suivi d’études secondaires)
- Percent under severe housing burden (over 50 percent income spent on rent or mortgage) (Pourcentage de la population pour laquelle le logement constitue une très lourde charge [plus de 50 % des ressources consacrées au loyer ou au remboursement d’un prêt])
- Child lead risk (percent children below the poverty level and housing built 1949 or earlier) (Risque d’exposition au plomb des enfants [pourcentage des enfants vivant sous le seuil de pauvreté et logements construits en 1949 ou avant])
- Distance to nearest park (Distance par rapport au parc le plus proche)
- Average PM 2.5 from 2014 to 2016 (Niveau moyen de particules fines (PM2,5) entre 2014 et 2016)
- Traffic counts at major intersections (Circulation aux principales intersections)
- Amount of toxic chemicals released within one mile (Quantité de produits chimiques toxiques rejetés dans un rayon d’1,6 kilomètre)
Cette liste d’indicateurs n’est pas normative ni exhaustive pour un indice de justice environnementale. Dans ce didacticiel, ces dix indicateurs serviront de ressources pour apprendre à concevoir et à créer un indice composite. Lorsque vous créez un indice de justice environnementale, veillez à suivre les étapes qui correspondent à l’expérience, aux besoins et aux priorités de votre juridiction.
Remarque :
Les indicateurs sélectionnés pour ce didacticiel constituent un échantillon des indicateurs de CalEnviroScreen 4.0. Pour en savoir plus sur les indicateurs et sur les méthodes que CalEnviroScreen utilise pour ses indicateurs, consultez le manuel CalEnviroScreen 4.0 (au format PDF).
- Définir les pondérations des variables
Les pondérations des variables représentent l’importance relative de chaque variable contribuant à l’indice. Que vous choisissiez de conserver des pondérations équivalentes ou d’en ajouter, votre décision doit reposer sur une logique solide.
Dans ce didacticiel, vous n’ajouterez pas de pondérations. Ce qui vous intéresse, c’est la charge cumulée de toutes ces variables lorsqu’elles sont combinées. Par conséquent, l’ajout d’une pondération n’est pas nécessaire.
Remarque :
Plus loin dans ce didacticiel, vous réévaluerez la pondération en raison de la corrélation entre les variables de vulnérabilité sociale. Nous aborderons plus en détail la logique de pondération des sous-indices dans cette section du didacticiel.
- Choisir la zone d’étude et les unités spatiales
Chaque localisation dans l’indice correspond à une unité spatiale et la zone d’étude est la zone couverte par toutes les unités spatiales dans la zone d’étude. En général, il est recommandé d’utiliser la zone la moins étendue (ou la résolution la plus élevée) possible pour garantir que chaque unité géographique ne présente qu’une faible variation. Ainsi, les valeurs des variables reflèteront le mieux le vécu des personnes dans cette unité.
Dans ce didacticiel, votre zone d’étude est l’État de l’Ohio. Les secteurs de recensement constitueront vos unités spatiales.
Dans cette section, vous avez effectué l’étape de conception du processus d’indice composite. Vous avez établi la liste des parties prenantes, défini la question d’analyse de l’indice, sélectionné des variables sans pondérations et déterminé la zone d’étude et les unités spatiales.
Créer un indice composite
Dans la section précédente, vous avez suivi les étapes de conception d’un indice composite. L’étape suivante consiste à créer et à préparer les variables avant de créer l’indice. Pour gagner du temps, les variables ont été préparées pour vous dans un paquetage ArcGIS Pro.
Explorer les indicateurs
Tout d’abord, vous allez télécharger le paquetage ArcGIS Pro et utiliser les outils disponibles dans ArcGIS Pro pour explorer chaque indicateur avant de créer l’indice composite.
- Téléchargez et ouvrez le paquetage ArcGIS Pro pour ce didacticiel.
Pour commencer, vous allez explorer les indicateurs qui ont été préparés dans le paquetage ArcGIS Pro.
- Dans le volet Contents (Contenu), cliquez avec le bouton droit de la souris sur la couche OhioEJIndicators et choisissez Attribute Table (Table attributaire).
La table attributaire apparaît pour la couche OhioEJIndicators.
- Faites défiler la table attributaire vers la droite pour voir les indicateurs.
Vous pouvez afficher d’autres détails sur les données dans la couche d’entités, mais il est difficile de comprendre la plage d’informations pour chaque champ dans son intégralité. Vous allez utiliser la vue Data Engineering (Ingénierie des données) pour générer et étudier des statistiques sur chaque champ d’indicateur.
- Fermez la table.
- Dans le volet Contents (Contenu), cliquez avec le bouton droit de la souris sur la couche OhioEJIndicators et choisissez Data Engineering (Ingénierie des données).
La vue Data Engineering apparaît.
- Faites glisser le champ Current asthma crude prevalence (%) (Prévalence brute d’asthme actuelle [%]) dans le volet des statistiques.
![Faire glisser Current asthma crude prevalence (%) (Prévalence brute d’asthme actuelle [%]) dans la vue Data Engineering (Ingénierie des données)](GUID-9C90778C-F560-487F-975C-7C04AB44F3AA-web.png "Faire glisser Current asthma crude prevalence (%) (Prévalence brute d’asthme actuelle [%]) dans la vue Data Engineering (Ingénierie des données)")
Le champ Current asthma crude prevalence (%) (Prévalence brute d’asthme actuelle [%]) est ajouté dans le volet des statistiques. À présent, vous allez ajouter les neuf autres indicateurs dans le volet des statistiques.
- Faites glisser les neuf indicateurs suivants dans le volet des statistiques :
- Percent Unemployed (Pourcentage de chômeurs)
- Percent income in past year below 2x poverty level (Pourcentage de la population dont les ressources sont deux fois inférieures au seuil de pauvreté pour l’année écoulée)
- Percent 25+ Education Less Than High School (Pourcentage de la population âgée de plus de 25 ans n’ayant pas suivi d’études secondaires)
- PerSevHousingBurden (Pourcentage de la population pour laquelle le logement constitue une très lourde charge)
- ChildLeadRisk - Mean (Risque d’exposition au plomb des enfants – Moyenne)
- Distance to nearest park (miles) (Distance par rapport au parc le plus proche [miles])
- Avg PM2.5 2014--2016 (Niveau moyen de particules fines (PM2,5) entre 2014 et 2016)
- Sum Traffic (Circulation totale)
- Toxic Release Chemicals (lb/km2) within 1 mile (Produits chimiques toxiques rejetés (lb/km²) dans un rayon d’1,6 kilomètre)
Conseil :
Pour sélectionner plusieurs champs, cliquez sur le premier champ à ajouter, appuyez sur Maj, puis cliquez sur le dernier champ à ajouter. Tous les champs intermédiaires seront sélectionnés.
- En haut de la vue Data Engineering (Ingénierie des données), cliquez sur Calculate (Calculer).
Des statistiques apparaissent pour chaque champ. Avant d’explorer les données, vous allez figer la colonne Alias pour qu’elle reste visible lors du défilement jusqu’au volet des statistiques.
- Cliquez avec le bouton droit de la souris sur Alias, puis cliquez sur Freeze/Unfreeze (Figer/libérer).
Désormais, la colonne Alias est verrouillée en tant que première colonne dans le volet des statistiques.
La colonne Chart Preview (Aperçu du diagramme) présente un histogramme des valeurs de chaque indicateur. Elle vous permet de voir la distribution des données et d’identifier les meilleures méthodes à utiliser pour votre indice composite.
- Faites défiler la page jusqu’à la colonne Outliers (Points aberrants).
La colonne Outliers (Points aberrants) affiche le nombre de valeurs de données constituant des points aberrants. Vous pouvez aussi utiliser la vue Data Engineering (Ingénierie des données) pour les mettre en surbrillance sur la carte afin de visualiser leur localisation.
- Pour la ligne Percent income in past year below 2x poverty level (Pourcentage de la population dont les ressources sont deux fois inférieures au seuil de pauvreté pour l’année écoulée), cliquez avec le bouton droit de la souris sur la valeur Outlier (Point aberrant) et choisissez Select Outliers (Sélectionner les points aberrants).
Les secteurs de recensement comportant des valeurs aberrantes pour l’indicateur Percent income in past year below 2x poverty level (Pourcentage de la population dont les ressources sont deux fois inférieures au seuil de pauvreté pour l’année écoulée) sont mis en surbrillance sur la carte.
- Sur le ruban, cliquez sur l’onglet Map (Carte) et dans le groupe Selection (Sélection), cliquez sur Clear Selection (Effacer la sélection) afin d’effacer la sélection.
Vous pouvez aussi utiliser la vue Data Engineering (Ingénierie des données) afin de sélectionner des valeurs par quartiles pour chaque indicateur.
- Dans la vue Data Engineering (Ingénierie des données), dans le volet des statistiques, faites défiler la page jusqu’à la colonne Q3 (T3).
- Pour la ligne Percent Unemployed (Pourcentage de chômeurs), cliquez avec le bouton droit de la souris sur la valeur Q3 (T3), pointez la souris sur Select (Sélectionner), puis cliquez sur Above Quartile (Au-dessus du quartile).
Les valeurs au-dessus du troisième quartile représentent les valeurs qui se situent dans les premiers 25 % de toutes les valeurs pour un champ. La carte sélectionne les secteurs de recensement qui présentent les 25 % de taux de chômage les plus élevés.
- Sur le ruban, cliquez sur l’onglet Map (Carte) et effacez la sélection.
La vue Data Engineering (Ingénierie des données) identifie également les valeurs nulles.
- Dans la vue Data Engineering (Ingénierie des données), dans le volet des statistiques, faites défiler la page jusqu’à la colonne Valeurs Null. Pour la ligne Percent 25+ Education Less Than High School (Pourcentage de la population âgée de plus de 25 ans n’ayant pas suivi d’études secondaires), cliquez avec le bouton droit de la souris sur la valeur Nulls (Valeurs Null), puis cliquez sur Select Nulls (Sélectionner les valeurs Null).
Les secteurs comportant des valeurs Null pour l’indicateur Percent 25+ Education Less Than High School (Pourcentage de la population âgée de plus de 25 ans n’ayant pas suivi d’études secondaires) sont mis en surbrillance sur la carte. Ils représentent des zones non peuplées, qui ont donc une valeur nulle. L’outil Calculate Composite Index (Calculer l’indice composite) ignore ces enregistrements et les exclut du calcul de l’indice automatiquement.
- Continuez d’explorer les indicateurs. Lorsque vous avez terminé, effacez toute sélection et fermez la vue Data Engineering (Ingénierie des données).
Dans cette section, vous allez explorer les dix indicateurs qui seront utilisés pour créer un indice composite pour la justice environnementale dans la vue Data Engineering (Ingénierie des données). À présent, vous allez utiliser l’outil Calculate Composite Index (Calculer l’indice composite) pour prétraiter, créer et post-traiter un indice composite.
Utiliser l’outil Calculate Composite Index (Calculer l’index composite)
Vous allez utiliser l’outil Calculate Composite Index (Calculer l’indice composite) pour créer un indice composite. Vous allez explorer chaque paramètre de l’outil relatif au traitement, à la combinaison et au post-traitement des indicateurs.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils).
- Dans le volet Geoprocessing (Géotraitement), dans la barre de recherche, entrez calculate composite index (calculer l’indice composite).
- Dans la liste des résultats, cliquez sur l’outil Calculate Composite Index (Calculer l’indice composite).
- Dans l’outil Calculate Composite Index (Calculer l’index composite), pour Input Table (Table en entrée), choisissez OhioEJIndicators. Pour Output Features or Table (Table ou entités en sortie), entrez Ohio_EJIndex.
- En regard de Input Variables (Variables en entrée), cliquez sur le bouton Add Many (Ajouter plusieurs).
- Dans le menu Add Many (Ajouter plusieurs), cochez les dix champs d’indicateur, puis cliquez sur Add (Ajouter).
Vous allez maintenant choisir les paramètres de prétraitement et de combinaison des indicateurs. Vous pouvez utiliser le paramètre Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner des variables) afin de choisir des méthodes courantes de mise à l’échelle et de combinaison des indicateurs. Vous pouvez aussi choisir manuellement une option Method to Scale Input Variables (Méthode pour mettre à l’échelle les variables en entrée) et une option Method to Combine Scaled Variables (Méthode pour combiner les variables mises à l’échelle).
Pour le moment, vous allez conserver la sélection par défaut, qui consiste à combiner les valeurs en fonction de la moyenne des valeurs mises à l’échelle en utilisant la méthode Minimum-maximum de mise à l’échelle.
- Assurez-vous que l’option Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner des variables) est définie sur Combine values (Mean of scaled values) (Combiner les valeurs [moyenne des valeurs mises à l’échelle]).
![Option Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner les valeurs) définie sur Combine values (Mean of scaled values) (Combiner les valeurs [moyenne des valeurs mises à l’échelle])](GUID-D5590264-8336-4957-9EAB-671B2C5BEA42-web.png "Option Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner les valeurs) définie sur Combine values (Mean of scaled values) (Combiner les valeurs [moyenne des valeurs mises à l’échelle])")
À présent, vous allez passer en revue les paramètres Variable Weights (Pondérations des variables).
- Développez la section Variable Weights (Pondérations des variables).
À ce stade, vous souhaitez traiter chaque indicateur avec la même pondération, car vous ne savez pas comment ils vont se combiner et voulez qu’ils reflètent la charge cumulée à laquelle sont confrontées les communautés. Vous n’allez pas changer les pondérations.
Enfin, vous allez configurer les options Output Settings (Paramètres en sortie) et les paramètres de post-traitement.
- Développez la section Output Settings (Paramètres en sortie).
- Pour Output Index Name (Nom de l’indice en sortie), entrez Ohio_EJIndex. Pour Minimum, entrez 0 et pour Maximum, entrez 100.
Définissez la plage Output Index Minimum and Maximum Values (Valeurs minimale et maximale de l’indice en sortie) entre 0 et 100 pour que le score d’indice obtenu soit compréhensible rapidement.
Vous avez terminé de définir les paramètres de prétraitement, de combinaison et de post-traitement dans l’outil Calculate Composite Index (Calculer l’indice composite).
- Cliquez sur Run (Exécuter).
L’outil Calculate Composite Index (Calculer un indice composite) se termine avec des avertissements. Si une des variables présente une valeur nulle, l’outil ignore ces entités lors de l’analyse. La carte de l’indice composite résultante s’affiche.
Les secteurs pour lesquels l’un des indicateurs a une valeur nulle sont exclus de l’indice composite.
Dans le volet Contents (Contenu), le groupe de couches Ohio_EJIndex Layers (Couches Ohio_EJIndex) contient toutes les sorties de l’outil Calculate Composite Index (Calculer l’indice composite).
Deux cartes ont été créées. La carte Ohio_EJIndex - Mean (Ohio_EJIndex - Moyenne) est stylisée en fonction des valeurs d’indice brutes mises à l’échelle entre 0 et 100. Elle présente également plusieurs diagrammes permettant d’examiner la sortie de l’indice plus en détail. La carte Ohio_EJIndex - Percentile (Ohio_EJIndex - Centile) stylise les valeurs moyennes de l’indice en fonction des valeurs de centile.
Avant de continuer, vous allez enregistrer le projet.
- Dans la barre d’outils Accès rapide, cliquez sur Save (Enregistrer).
Dans la section suivante, vous allez explorer les diagrammes créés par l’outil Calculate Composite Index (Calculer l’indice composite) et évaluer les résultats de l’indice.
Examiner la relation des variables mises à l’échelle
L’outil Calculate Composite Index (Calculer l’indice composite) produit des cartes de l’indice composite ainsi que des diagrammes qui vous permettent d’évaluer les résultats de votre indice. Vous allez vous concentrer sur le diagramme matriciel des relations.
- Dans le volet Contents (Contenu), double-cliquez sur Relationship of Scaled Variables and Index Variables (Relations entre les variables mises à l’échelle et les variables de l’indice).
Le diagramme matriciel s’affiche.
Les cellules en vert indiquent des corrélations élevées. En d’autres termes, l’augmentation d’une variable entraîne celle de l’autre. Par exemple, les indicateurs Percent Unemployed (Pourcentage de chômeurs) et Percent income in past year below 2x the poverty level (Pourcentage de la population dont les ressources sont deux fois inférieures au seuil de pauvreté pour l’année écoulée) sont corrélés à 61 %.
Les cellules en rose indiquent les corrélations négatives. En d’autres termes, la diminution d’une variable entraîne celle de l’autre. Par exemple, l’indicateur Distance to toxic releases (Distance par rapport aux sites de rejet de produits chimiques toxiques) est corrélé négativement à l’indicateur Percent severe housing burden (Pourcentage de la population pour laquelle le logement constitue une très lourde charge). Cela peut s’expliquer par le fait que la charge du logement est davantage corrélée aux zones urbaines et que les rejets de produits chimiques toxiques sont davantage corrélés aux zones rurales.
La ligne essentielle à laquelle prêter attention est la ligne du bas, qui présente les corrélations entre le score d’indice et chaque indicateur.
Certaines valeurs sont très élevées (0,9 pour les ressources), ce qui signifie que l’indice final est corrélé à 90 % avec cet indicateur. Certaines valeurs sont également très faibles (0,03 pour la distance par rapport aux sites de rejet de produits chimiques toxiques). Bien que vous ayez pondéré chaque entrée de façon équivalente, les corrélations sont différentes les unes des autres. Cela peut être dû aux plages des variables ou à la corrélation entre les entrées.
De nombreux indicateurs liés à la proximité des facteurs environnementaux présentent une corrélation beaucoup plus faible avec les scores de l’indice. Ce résultat est prévisible car de nombreux indicateurs de vulnérabilité sociale sont probablement fortement corrélés avec des zones peuplées et donc fortement corrélés entre eux, ce qui augmente l’effet de corrélation.
Pour mieux contrôler les indicateurs et leurs corrélations, vous pouvez les regrouper en sous-indices. Vous allez créer deux sous-indices et les combiner à nouveau dans la prochaine itération de l’indice.
- Identifiez la colonne de l’indicateur Toxic Release Chemicals (Produits chimiques toxiques rejetés).
La distribution des valeurs de l’indicateur Toxic Release Chemicals (Produits chimiques toxiques rejetés) est particulièrement intéressante car la plupart des valeurs sont très faibles et seules quelques-unes sont très élevées. Cela signifie que la méthode Minimum-maximum de prétraitement n’est probablement par le meilleur choix, vu le biais important pour cet indicateur. Vous déterminez qu’il serait plus judicieux d’utiliser la méthode de prétraitement Percentile (Centile) dans votre prochaine itération.
- Fermez le diagramme.
Vous avez utilisé la vue Data Engineering (Ingénierie des données) afin d’explorer les indicateurs pour l’indice. Vous avez utilisé l’outil Calculate Composite Index (Calculer l’indice composite) pour prétraiter, combiner et post-traiter l’indice. L’outil a créé une carte de l’indice ainsi que des diagrammes que vous avez étudiés, et vous avez déterminé qu’il était nécessaire de créer des sous-indices afin de produire une carte de l’indice de justice environnementale plus précise.
Créer des sous-indices pour l’indice final
Vous avez créé un indice de justice environnementale en combinant dix indicateurs et l’avez prétraité avec la méthode de prétraitement Minimum-maximum. Suite à l’examen de l’indice composite résultant, vous avez déterminé qu’il serait plus judicieux d’utiliser la méthode de prétraitement Percentile (Centile) et de créer des sous-indices pour chaque dimension de l’indice.
Créer des sous-indices
Vous allez préparer deux sous-indices, l’un pour les indicateurs de vulnérabilité sociale et l’autre pour les indicateurs environnementaux. Vous allez utiliser l’outil Calculate Composite Index (Calculer l’indice composite) pour créer chaque sous-indice.
- Si nécessaire, ouvrez le volet Geoprocessing (Géotraitement), puis recherchez le volet de l’outil Calculate Composite Index (Calculer l’indice composite) et ouvrez-le.
- Dans le volet de l’outil Calculate Composite Index (Calculer l’indice composite), entrez les informations suivantes :
- Pour Input Table (Table en entrée), choisissez OhioEJIndicators.
- Sélectionnez la case à cocher Append Fields to Input Table (Ajouter les champs à la table en entrée).
Comme vous combinerez finalement les scores de sous-indice, il est recommandé d’ajouter la sortie de l’outil à la table en entrée au lieu de créer une nouvelle table et une nouvelle couche d’entités.
À présent, vous allez ajouter les indicateurs liés à la vulnérabilité sociale et aux résultats.
- Pour Input Variables (Variables en entrée), cliquez sur le bouton Add Many (Ajouter plusieurs). Cochez les cases correspondant aux champs suivants :
- Current asthma crude prevalence (%) (Prévalence brute d’asthme actuelle [%])
- Percent Unemployed (Pourcentage de chômeurs)
- Percent 25+ Education Less Than High School (Pourcentage de la population âgée de plus de 25 ans n’ayant pas suivi d’études secondaires)
- PerSevHousingBurden (Pourcentage de la population pour laquelle le logement constitue une très lourde charge)
- Percent income in past year below 2x poverty level (Pourcentage de la population dont les ressources sont deux fois inférieures au seuil de pauvreté pour l’année écoulée)
- Cliquez sur Add (Ajouter).
Les cinq indicateurs liés à la vulnérabilité sociale sont ajoutés dans le volet de l’outil Calculate Composite Index (Calculer l’indice composite).
- Pour Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner des variables), choisissez Combine ranks (Mean of percentiles) (Combiner les classements [Moyenne des centiles]).
![Option Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner des variables) définie sur Combine ranks (Mean of percentiles) (Combiner les classements [Moyenne des centiles])](GUID-C0AD0CBF-1CBC-4513-BC7E-D1E6561075A5-web.png "Option Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner des variables) définie sur Combine ranks (Mean of percentiles) (Combiner les classements [Moyenne des centiles])")
- Développez Output Settings (Paramètres en sortie) et entrez les informations suivantes :
- Pour Output Index Name (Nom de l’indice en sortie), entrez SV subindex (Sous-indice VS).
- Sous Output Index Minimum and Maximum Values (Valeurs minimale et maximale de l’indice en sortie), pour Minimum, entrez 0.
- Pour Maximum (Maximal), saisissez 100.
- Cliquez sur Run (Exécuter).
Les champs SV subindex (Sous-indice VS) ont été créés et ajoutés à la table attributaire dans la couche OhioEJIndicators.
- Dans le volet Contents (Contenu), cliquez avec le bouton droit de la souris sur la couche OhioEJIndicators, puis cliquez sur Attribute Table (Table attributaire). Faites défiler la table jusqu’aux champs SV subindex (Sous-indice VS).
Les champs qui ont été ajoutés incluent les valeurs prétraitées des cinq indicateurs de vulnérabilité sociale et les valeurs moyennes des sous-indices.
Vous allez maintenant utiliser l’outil Calculate Composite Index (Calculer l’indice composite) pour créer le sous-indice environnemental.
- Dans le volet de l’outil Calculate Composite Index (Calculer l’indice composite), sous Input Variables (Variables en entrée), pointez sur chaque champ et cliquez sur le bouton Remove (Supprimer).
- En regard de Input Variables (Variables en entrée), cliquez sur le bouton Add Many (Ajouter plusieurs) et cochez les champs liés aux indicateurs environnementaux :
- ChildLeadRisk Score (Risque d’exposition au plomb des enfants – Score)
- Distance to nearest park (Distance par rapport au parc le plus proche)
- Avg PM2.5 2014-2016 (Niveau moyen de particules fines (PM2,5) entre 2014 et 2016)
- Sum Traffic (Circulation totale)
- Toxic Release Chemicals (Produits chimiques toxiques rejetés)
- Cliquez sur Add (Ajouter).
- Vérifiez que l’option Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner des variables) est définie sur Combine ranks (Mean of percentiles) (Combiner les classements [Moyenne des centiles]).
- Sous Output Settings (Paramètres en sortie), pour Output Index Name (Nom de l’indice en sortie), entrez ENV subindex (Sous-indice ENV).
- Cliquez sur Run (Exécuter).
Les zones pour le sous-indice ENV sont ajoutées à la table attributaire OhioEJIndicators.
- Enregistrez le projet.
Conseil :
Vous pouvez enregistrer le projet en appuyant sur Ctrl+S.
Vous avez créé deux valeurs de sous-indice et les avez ajoutées à la table attributaire OhioEJIndicators.
Combiner les sous-indices et examiner les résultats
Dans cette section, vous allez utiliser l’outil Calculate Composite Index (Calculer l’indice composite) pour combiner deux sous-indices, en ajoutant une pondération au sous-indice environnemental.
Il n’est plus nécessaire d’ajouter la sortie à la table attributaire OhioEJIndicators. Par conséquent, vous allez désélectionner l’option Append Fields to Input Table (Ajouter les champs à la table en entrée).
- Dans le volet de l’outil Calculate Composite Index (Calculer l’indice composite), mettez à jour les paramètres suivants :
- Sous Input Table (Table en entrée), désélectionnez la case à cocher Append Fields to Input Table (Ajouter les champs à la table en entrée).
- Pour Output Features or Table (Table ou entités en sortie), entrez Ohio_EJIndex_Final.
- Sous Input Variables (Variables en entrée), supprimez les champs existants et ajoutez SV subindex - Mean (Sous-indice VS – Moyenne) et ENV subindex - Mean (Sous-indice ENV – Moyenne).
Précédemment dans ce didacticiel, vous avez constaté une corrélation élevée entre les indicateurs de vulnérabilité sociale. Leur forte corrélation affectait le score d’indice général et empêchait les indicateurs environnementaux de contribuer dans une mesure appropriée au score d’indice résultant.
En créant les sous-indices, vous avez résolu ce problème. Outre l’utilisation de sous-indices, votre groupe d’experts pour le développement de cet outil d’analyse de la justice environnementale recommande d’affecter une pondération de 50 % supplémentaires aux facteurs environnementaux.
- Développez la section Variable Weights (Pondérations des variables). Pour le champ ENV subindex - Mean (Sous-indice ENV – Moyenne), entrez 1,5.
- Sous Output Settings (Paramètres en sortie), pour Output Index Name (Nom de l’indice en sortie), entrez Ohio_EJIndex_Final. Sous Additional Classified Outputs (Sorties classées supplémentaires), sélectionnez les cases à cocher Equal interval (Intervalle égal), Quantile et Standard deviation (Écart type).
- Cliquez sur Run (Exécuter).
La couche Ohio_EJIndex_Final apparaît sur la carte.
À présent, vous allez examiner le diagramme matriciel pour mieux comprendre les corrélations entre les deux sous-indices dans l’indice final.
- Dans le volet Contents (Contenu), sous la couche Ohio_EJIndex_Final, double-cliquez sur le diagramme Relationships of Scaled Variables and Index (Relations entre les variables mises à l’échelle et l’indice).
Le diagramme apparaît.
Précédemment dans ce didacticiel, le diagramme matriciel pour le premier indice que vous avez créé représentait les corrélations des variables les unes avec les autres et avec le score d’indice. Ce diagramme représente les corrélations de chaque sous-indice.
Le sous-indice environnemental est davantage corrélé avec l’indice final que le sous-indice de vulnérabilité sociale. C’est parce que vous avez ajouté la pondération au sous-indice environnemental.
Les barres en bleu sont des histogrammes de chaque sous-indice et du score d’indice final. Pour les sous-indices, la distribution forme une ligne plane. Cela est dû à l’utilisation de centiles plutôt que du prétraitement Minimum-maximum. L’utilisation de la méthode Percentile (Centile) ne permet pas de conserver la distribution d’origine.
- Fermez le diagramme.
Vous allez maintenant comparer cet indice résultant à l’indice initial que vous avez créé, qui n’utilisait pas de sous-indices et qui prétraitait les indicateurs avec la méthode Minimum-maximum.
- Dans le volet Contents (Contenu), développez le groupe de couches Ohio_EJIndex Layers (Couches Ohio_EJIndex). Cliquez avec le bouton droit de la souris sur Ohio_EJIndex, puis cliquez sur Copy (Copier).
Vous allez également désactiver toutes les couches de cette carte, sauf la couche de l’indice final.
- Dans le volet Contents (Contenu), désélectionnez le groupe de couches Ohio_EJIndex Layers (Couches Ohio_EJIndex) et la couche OhioEJIndicators pour qu’ils ne soient plus visibles.
- Sur le ruban, cliquez sur l’onglet Insert (Insérer). Dans le groupe Project (Projet), cliquez sur New Map (Nouvelle carte).
- Si nécessaire, cliquez sur l’onglet de vue Map1 (Carte1). Dans le volet Contents (Contenu), cliquez avec le bouton droit de la souris sur Map1 (Carte1), puis cliquez sur Paste (Coller).
À présent, vous allez mettre à jour le fond de carte de la nouvelle carte pour qu’il corresponde à la carte d’origine.
- Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Layers (Couches), cliquez sur Basemap (Fond de carte) et choisissez Light Gray Canvas (Nuances de gris clair).
Vous allez maintenant ancrer Map1 (Carte1) à côté de la première carte pour pouvoir visualiser les deux cartes côte à côte, simultanément.
- Faites glisser Map1 (Carte1) et déposez-la sur l’ancrage droit de l’onglet Map (Carte).
Désormais, les deux cartes apparaissent côte à côte. À présent, vous allez également lier la vue des deux cartes pour que leur étendue soit identique lorsque vous parcourez l’une ou l’autre des cartes.
- Sur le ruban, cliquez sur l'onglet Vue. Dans le groupe Link (Lien), cliquez sur la moitié inférieure du bouton Link Views (Lier des vues) et choisissez Center And Scale (Centre et échelle).
Désormais, l’étendue des cartes est identique lorsque vous effectuez un zoom ou un déplacement sur l’une des cartes.
Vous allez maintenant explorer des zones spécifiques en Ohio afin de comparer les deux résultats de l’indice.
- Sur l’une des cartes, effectuez un zoom avant sur la ville de Cleveland, située dans le Nord-Est de l’Ohio.
L’affichage des deux cartes côte à côte vous permet de comparer les résultats du premier indice à la deuxième itération, dans laquelle vous avez combiné des sous-indices.
Cleveland est l’un des centres urbains les plus développés de l’État. Les résultats de l’indice initial, affichés à droite, mettent en évidence les vulnérabilités sociales. Ceux-ci sont fortement corrélés avec les zones peuplées mais ne semblent pas tellement représenter les risques et dangers environnementaux potentiels.
Le deuxième indice, qui permettait de mieux contrôler les dimensions environnementales et sociales, semble avoir mieux capturé les impacts de l’exposition environnementale sur la première carte. De nombreux sites de rejet de produits chimiques toxiques se situent le long du lac. Il est également important de noter que l’indice révisé ne met pas simplement en évidence les risques environnementaux, mais qu’il continue de prioriser les zones dont les valeurs d’indicateur de vulnérabilité sociale sont élevées.
- Effectuez un zoom sur la ville moins peuplée de Lima en Ohio.
La ville de Lima compte deux sites de rejet de produits chimiques toxiques responsables de la plus grande partie des produits chimiques rejetés dans l’ensemble de l’État. Dans les résultats de l’indice initial illustrés sur la droite, l’indice mettait principalement en évidence les zones de vulnérabilité sociale. L’utilisation du sous-indice dans l’indice résultant à gauche ne permet pas uniquement de mettre en évidence l’impact environnemental substantiel qu’un seul site peut avoir dans la zone, mais elle permet également de continuer d’afficher les zones de vulnérabilité sociale dans les zones en violet foncé.
- Enregistrez le projet.
Dans cette section, vous avez utilisé l’outil Calculate Composite Index (Calculer l’indice composite) afin de combiner les deux sous-indices dans une carte de l’indice de justice environnementale final. Vous avez examiné les corrélations entre les deux sous-indices dans les valeurs de l’indice final et comparé à l’indice final les résultats de votre indice sans l’utilisation de sous-indices.
Explorer davantage l’indice
La dernière étape du processus de création d’indice implique l’évaluation, la consultation des parties prenantes et l’affinement. Vous n’effectuerez pas ces étapes dans ce didacticiel mais vous pouvez les suivre de votre propre initiative pour explorer davantage l’indice.
- Veillez à ce que les personnes qui seront affectées par l’indice participent à son examen.
Vous pouvez partager la carte dans ArcGIS Online et créer une application pour encourager l’engagement des parties prenantes et faciliter la compréhension du processus d’analyse de l’indice.
Vous pouvez également créer une enquête avec ArcGIS Survey123 et inclure votre carte de l’indice final pour que les parties prenantes puissent faire part de leurs commentaires sur une carte.
Remarque :
Pour en savoir plus sur la création d’une application avec ArcGIS Instant Apps, suivez le didacticiel d’ArcGIS intitulé Cartographier et analyser l’accès aux ressources alimentaires. Pour en savoir plus sur l’utilisation de ArcGIS Survey123, suivez le didacticiel d’ArcGIS intitulé Prise en main d’ArcGIS Survey123.
- Prévoyez de procéder à des itérations et de créer d’autres versions de l’indice.
Souvent, le processus de création d’indice est un cycle au cours duquel vous créez l’indice et apprenez quelque chose de nouveau, entraînant la nécessité d’ajouter ou de supprimer une variable, d’ajuster les pondérations ou de changer la méthodologie de combinaison.
- Utilisez d’autres outils dans ArcGIS Pro pour une analyse plus approfondie des résultats de l’indice.
Envisagez d’utiliser les outils suivants pour mener une analyse de régression et d’agrégation spatiale :
- Hot Spot Analysis (Analyse des points chauds)
- Cluster and Outlier Analysis (Analyse de grappes et de valeurs aberrantes)
- Multivariate Clustering (Agrégation multivariée)
- Generalized Linear Regression (Régression linéaire généralisée)
Ces outils permettent d’identifier les régions qui présentent des agrégats de valeurs d’indice élevées et faibles statistiquement significatifs, de révéler des modèles communs déterminant les résultats de l’indice dans la zone d’étude et de justifier la conception et l’efficacité de l’indice que vous avez créé.
- Communiquez votre méthodologie de création d’indice de manière transparente.
Il est essentiel d’inclure une documentation claire pour les méthodes utilisées lors de la création de l’indice, les hypothèses, les utilisations prévues et les limitations de l’indice.
Consultez les exemples suivants de documentation relative à la méthodologie de l’indice :
- La documentation sur l’indice de développement humain [Human Development Index (HDI)] du Programme des Nations unies pour le développement
- La documentation sur l’indice de vulnérabilité sociale du Centre de contrôle des maladies américain
- Le tableau de bord des innovations en Europe de la Commission européenne
Vous avez créé l’indice de justice environnementale en utilisant deux sous-indices afin de mieux contrôler les dimensions de l’indice et leurs corrélations. Vous avez examiné les résultats et comparé l’indice mis à jour à l’indice d’origine qui n’utilisait pas de sous-indices.
Essentiellement, la création d’un indice d’égalité est une tentative de quantifier un phénomène qui n’est pas défini par une simple variable, tel que la justice environnementale. Le processus permettant de concevoir l’indice, de poser les bonnes questions et de sélectionner les variables et les pondérations peut s’apparenter autant à un art qu’à une science. Veillez à inclure un large éventail de parties prenantes dans le processus, à peser chaque décision de conception et à vous préparer à procéder à des itérations et à évaluer les résultats en collaboration avec les parties prenantes.
Il est primordial de comprendre qu’il ne suffit pas d’appuyer sur un bouton pour créer un indice mais que ce processus requiert une prise de décision et une collaboration délibérées. Les cartes d’indice ne sont pas non plus conçues pour répondre au phénomène abstrait que vous cherchez à comprendre mais doivent être considérées comme un outil parmi d’autres pour traiter un besoin spécifique dans une zone d’étude particulière.
L’outil Calculate Composite Index (Calculer l’indice composite) est l’un des éléments de l’ensemble du processus de conception d’indice qui rationalise les étapes d’analyse dans ArcGIS Pro pour prétraiter, combiner, post-traiter et évaluer un indice. Dans ce didacticiel, vous avez créé des indices avec diverses méthodes de prétraitement et comparé les résultats de la création d’un indice avec et sans sous-indices.
Remarque :
Pour en savoir plus sur l’outil Calculate Composite Index (Calculer l’indice composite), consultez la page de ressources Créer un indice composite avec ArcGIS Pro.
Il est important de noter que ce didacticiel ne couvre que l’étape de cartographie et d’analyse des inégalités du processus Égalité raciale et justice sociale. En plus de la participation des communautés tout au long du processus d’équité, ce dernier comporte deux autres étapes importantes : la concrétisation des pratiques positives, qui implique de déterminer et d’appliquer une intervention pour remédier aux inégalités, et la gestion de l’évolution vers les objectifs d’égalité, qui implique la surveillance du processus de l’intervention pour remédier aux inégalités.
Remarque :
Pour en savoir plus sur la concrétisation des pratiques positives, suivez le didacticiel intitulé Rendre un plan d’égalité environnementale opérationnel. Pour des exemples de suivi des objectifs d’égalité, lisez l’article intitulé Maps Help Ensure Equity in Philadelphia’s Journey to Curb Blight.
Vous trouverez d’autres didacticiels dans la bibliothèque des didacticiels.
