Climat.md

@@ -2,12 +2,12 @@
 
 Dans le tableau ci-dessous, vous trouverez l’ensemble des indicateurs ainsi que leurs données sources pour la thématique Climat.
 
-Les trois premiers indicateurs de ce tableau sont des indicateurs qui n'ont pas été développés par l'OEB. A l'origine, il s'agit d'un seul indicateur disponible ici : ...
+Les trois premiers indicateurs de ce tableau sont des indicateurs qui n'ont pas été développés par l'OEB. A l'origine, il s'agit d'un seul indicateur disponible ici : methodologie-risques-climatiques.pdf
 | N° | Nom indicateur | Nom de la donnée | Source de la donnée | Dernière MAJ | Fréquence MAJ | Échelles |
 |----|----------------|------------------|---------------------|--------------|---------------|----------|
-| 1 | \Nombre d'aléas par commune | MTES, Gaspar, 2017 ; © IGN, BD Carto®, 2016. Traitements : SDES, 2019 | Service des données et études statistiques (SDES) | 2016 | - | Communes |
-| 2 | \Exposition des populations aux risques climatiques | MTES, Gaspar, 2017 ; © IGN, BD Carto®, 2016. Traitements : SDES, 2019 | Service des données et études statistiques (SDES) | 2016 | - | Communes |
-| 3 | \Types d'aléas | MTES, Gaspar, 2017 ; © IGN, BD Carto®, 2016. Traitements : SDES, 2019 | Service des données et études statistiques (SDES) | 2016 | - | Communes |
+| 1 | Nombre d'aléas par commune | MTES, Gaspar, 2017 ; © IGN, BD Carto®, 2016. Traitements : SDES, 2019 | Service des données et études statistiques (SDES) | 2016 | - | Communes |
+| 2 | Exposition des populations aux risques climatiques | MTES, Gaspar, 2017 ; © IGN, BD Carto®, 2016. Traitements : SDES, 2019 | Service des données et études statistiques (SDES) | 2016 | - | Communes |
+| 3 | Types d'aléas | MTES, Gaspar, 2017 ; © IGN, BD Carto®, 2016. Traitements : SDES, 2019 | Service des données et études statistiques (SDES) | 2016 | - | Communes |
 
 # Données référentielles utilisées
 
@@ -74,3 +74,19 @@ Chacune des deux notes s’étale ainsi de 0 (pas d’aléa, ou densité de popu
 ## N°3 : Type d'aléas
 
 ### Description :
+
+La classification opérée vise à appréhender plus finement les multiples expositions d’un même territoire aux différents risques climatiques. Les différentes classes de communes établies via cette analyse statistique ont également été caractérisées au regard des enjeux exposés (populations, biens, activités humaines). Chaque commune se voit affecter cinq variables booléennes selon que son territoire est concerné ou non par les aléas climatiques suivants : inondation, mouvement de terrain, feu de forêt, phénomène atmosphérique et avalanche. Une commune est considérée comme étant concernée par un aléa lorsque qu’elle a été déclarée à risques pour cet aléa par les services de l’État ou à défaut, lorsqu’elle a fait l’objet d’au moins trois arrêtés de CatNat entre 1982 et 2015 (MTES/DGP, Gaspar, 2016) pour cet aléa.
+
+### Calcul de l'indicateur :
+
+L’analyse statistique de ces variables permet de répartir les communes françaises entre 5 classes. Elle mobilise une classification ascendante hiérarchique sur variables binaires pour établir la typologie.
+
+La Classification ascendante hiérarchique (CAH) permet de regrouper les communes ayant des caractéristiques proches. Il s’agit d’une méthode de classification itérative. Le but principal de cette méthode est de travailler à partir de dissimilarité entre plusieurs objets que l’on cherche à regrouper.
+
+insi, il est possible d’estimer le nombre de classes dans lesquelles les données peuvent être regroupées. Dans le cas présent, on considère chacune des 35 889 communes comme autant de points, puis on calcule la dissimilarité par rapport aux cinq variables booléennes de risques climatiques entre ces différents points et selon une certaine distance (ici la distance du chi-deux3 ). Il s’agit alors d’agréger dans une même classe les deux points dont la dissimilarité est la plus faible. L’opération est réitérée : si la dissimilarité la plus faible concerne la première classe et un nouveau point, alors la classe grandit en englobant ce point, sinon une deuxième classe est créée. En réitérant suffisamment de fois l’opération, les classes finissent par fusionner, puis par ne former qu’une seule. L’intérêt étant de constituer au moins deux classes de communes partageant des caractéristiques spécifiques, il s’agit bien entendu de mettre fin à l’itération avant la fusion de toutes les classes. En s’appuyant sur un critère dit de minimisation de perte d'inertie, il a été possible de mettre fin aux itérations dès l’obtention de cinq classes.
+
+La classification s’est faite sur un tableau disjonctif complet, c’est-à-dire une représentation de données qualitatives sous forme de tableau dans lequel les variables binaires correspondent à la présence ou non d'un risque climatique. Les 35 889 communes métropolitaines étudiées sont caractérisées par les cinq variables booléennes (oui-non) initiales suivantes : commune exposée au risque « phénomènes atmosphériques », commune exposée au risque « avalanche », commune exposée au risque « incendie », commune exposée au risque « inondation » et commune exposée au risque « mouvements de terrain ».
+
+### Représentation :
+
+![image](uploads/248aba8292f36864f15502b2b3704674/image.png)
\ No newline at end of file