2.3.Utilisation des SIG
Un système d'information géographique (SIG) est
un système informatique de matériels, de logiciels et de
processus conçus pour permettre la collecte, la gestion, la
manipulation, l'analyse, la modélisation et l'affichage de
données à référence spatiale afin de
résoudre des problèmes complexes d'aménagement et de
gestion.Le développement des SIG, depuis leur apparition dans les
années 1960, a permis de faire évoluer ce concept de cartographie
en rendant possible la réalisation de cartes contenant plusieurs niveaux
d'information avecune quantité importantede données (Coulibaly,
2015).Le but ultime d'un SIG est l'aide à la décision,
appuyée sur des connaissances géographiques et des moyens de
traitement, de représentation et de communication de celles-ci.
2.4. Analyse
Multicritère
Les méthodes mathématiques d'analyse
multicritère ont pour but la résolution des problèmes
d'aide à la décision multicritère. Cette méthode
permet une détermination objective des poids ou coefficients de
pondération. Il s'agit, alors, de procéder à une
comparaison des différents facteurs pris deux à deux pour
établir une matrice carrée, qui vont permettre de
déterminer les coefficients de pondération à partir des
vecteurs propres de ces facteurs (Dibi, 2008).Elle est basée sur deux
grandes méthodes : la méthode booléenne et l'approche avec
compensation. Contrairement à l'approche booléenne qui
élimine à chaque étape les actions qui ne satisfont pas un
critère considéré et qui n'autorise pas de compensation
entre critères, l'agrégation par l'approche avec compensation
semble plus adaptée en matière de démarche
multicritère. Cette agrégation se présente sous trois
formes possibles : Complète, partielle et locale (Chakhar,
2006).
L'intégration des SIG et des méthodes d'analyses
multicritères constitue une voie privilégiée et
incontournable pour faire évoluer les SIG vers de véritables
systèmes d'aide à la décision (Chakhar, 2006).
2.5. Classification par arbre de
décision
La classification par arbre de décision est une
classification supervisée qui permet de prendre des décisions en
plusieurs étapes pour mettre en relief une classe particulière
d'objets, selon le comportement spectral d'une bande ou d'une transformation en
néo-canaux. Il s'agit d'une méthode supervisée
itérative, dite de partitionnement récursif des données.
En effet, la méthode construit des classes d'individus, les plus
homogènes possibles, en posant une succession de questions binaires (de
type oui/non) sur les attributs de chaque individu.Utilisée pour la
première fois en 1963 par Morgan et Sonquist sous le nom de AID
(Automatic Interaction Détection), la classification supervisée
par arbre de décision est structurée comme suit (Figure 7) :
· la racine est le point de départ de l'arbre ;
· les feuilles représentent la valeur de la
variable cible ou classe ;
· les branches sont des combinaisons des variables
d'entrées qui mènent à ces valeurs ;elles relient à
la fois les racines, les noeuds et les feuilles.
Figure 7: Structure
d'un arbre de décision
La classification par arbre de décision est capable de
traiter de manière indifférenciée les données
continues et discrètes et s'applique dans plusieurs domaines
d'étude.Jofack (2016), a utilisé l'arbre de décision pour
mettre à jour les contours des grandes formations géologiques de
la région des Hauts-Plateaux de l'ouest du Cameroun.Njeugeut (2017) a
également utilisé l'arbre de décision pour la dynamique
d'occupation du sol du bassin versant de la Volta en Côte d'Ivoire de
1986 à 2016. Dans cette étude, la classification par arbre de
décision sera utilisée pour la cartographie des
potentialités en eaux dans la commune rurale de Loulouni.
| 
