De la thorie la description : morphologie de lhabitat, dynamique spatiales et paysages urbains Pikine (SENEGAL)

G . Salem

C.Marois

Rsum

Larticle dveloppe lide quune rflexion mthodologique, au centre des objectifs dun sminaire de statistiques impliques, nest scientifiquement fonde que si elle est articule une rflexion thorique sur le processus de production de connaissances, et nest disciplinairement constructive que si elle soumet les techniques aux objectifs de la recherche et non linverse. La gographie, comme les autres disciplines, est expose au risque de voir dans les nouvelles techniques une chappatoire possible une rflexion thorique. Les auteurs, partant des conditions mmes de collecte de linformation sur lhabitat Pikine (Sngal), exposent lintrt et les limites de diffrentes techniques statistiques (cartographie descriptive, indices dautocorrlations spatiales de Moran et Geary, Indice dentropie de Shannon) dans ltude de la morphologie urbaine et de la dynamique spatiale.

Abstract

Title: From theory to description : morphology of housing, spatial dynamics and urban landscapes in Pikine (SENEGAL) The article focuses on the principle that a methodological reflection can be scientifically grounded if there is a strong theoriticalbasis on the process of knowledge and also if the techniques are submitted to the researchs objective. Geography, like other discipline is exposed to the risk that quantitative techniques could be a runaway or an evasion to theoritical thinking. The aim of the paper is to present the advantages and thelimits of different statistical techniques ( Morans autocorrelation statistic,Gearys autocorrelation statistic, Shannons entropy statistic)in the study of urban morphology and spatial dynamics.
Gographe, charg de recherche IORSTOM.Professeur associ lUniversit deMontral, Groupe de Recherche Interdisciplinaireen Sant, Departement de gographie. Tirs part : G . Salem, Maison de la gographie - GIP Reclus, 17 Rue de lAbb de lEpe, 34000 Montpellier,F. Gographe, Professeur au Dpartement de gographie de luniversit de Montral. Les auteurs tiennent remercier chaleureusement Alain Vaudor et Pierre Legendre, du Dpartement de Biologie de luniversit de Montral, de leurs conseils et lutilisation de leur logiciel R, permettant notamment de raliser les calculs dautocorrlation spatiale.

319

(Of course, the first thing to do was to make a

grand survey of the country she was going to travelthrough. Its something very like learning geography, thought Alice, as she stood on a tiptoe in hopes of being able to see a little further (L.Carol1, Through the looking glass and what she found there,1872) Sur la pointe des pieds comme Alice des hauteurs dune butte, les gographes ou contemplent des paysages. De cette observation mticuleuse et objective de formes simples, va na.tre une problmatique ! De ruelles troites en cul de sac le gographe tait perdu dans une grande ville du Tiers Monde.

Paysages urbains, analyses spatiales et cartographie : du simple au complexe ou du confus au simplifi ?

Cette communication na pas pour objet de discuter des problmes pistmologiques de la gographie mais de souligner, au travers dexemples concrets quune rflexion mthodologique, au centre des objectifs dun sminaire de statistiques impliques, nest scientifiquement fonde que si elle est articule une rflexion thorique sur le processus de production de connaissances et nest disciplinairement constructive que si elle soumet les techniques aux objectifs de la recherche et non linverse. La gographie est dautant plus concerne ,par ces questions quelle connat une volution rapide de ses moyens techniques, tant dans les domaines du calcul que de la cartographie: analyse spatiale, cartographie assiste par ordinateur, Systme dInformation Gographique, etc ... Le nouveau risque pour la gographie est de voir en ces techniques nouvelles une chappatoire inespre lurgente rflexion thorique: ce serait la fois retomber dans les vieilles ornires de la discipline et gcher les extraordinaires possibilits danalyses offertes par ces nouvelles techniques. Il nest pas sr que le risque soit moindre dans les autres disciplines. Pourquoi cette vigilance ? Parce que la go-graphie est au coeur dune tradition positiviste. Celle ci est fonde sur lillusion quon partirait de faits simples, empiriquement observables et objectivement cartographiables, pour construire des problmatiques et des modles complexes. En simplifiant, on peut dire que lanalyse gographique vise simultanment une analyse morphologique - formes, couleurs, volumes, etc ...- de lespace et une analyse dynamique montrant les tendances spatiales et temporelles dun lieu. La tradition empiriste voudrait que leprocessus de connaissance soit parallle cette approche clinique, or, il nen es1 rien comme veut lillustrer cette tude de lhabitat Pikine ( Carte no 1: Situation). Notre objectif est de montrer les diffrentes tapes dune approche scientifique, allant du confuset de limpressionne1 la schmatisation et de la schmatisation. la complexit construite. 320

Matriaux et mthodes

Dans le cadre dunerecherche sur les relations entre urbanisation et sant Pikine [1,2], nous avons accord une attention particulire la dfinition de lenvironnement urbain [3,4], notamment de lhabitat. Notre enqute a commenc par la dfinition des diffrents sous-ensembles de la ville partir de photographies ariennes ( Carte n 2) et par des visites de terrains. La ville apparaissait alors comme un grand ensemble informe, marqu par une grande htrognit densemble et une grande htrognit de dtail: en clair, un immense fouillis. Pour systmatiser notre connaissance, nous avons procd, pendant plus dune anne, des relevs de terrain par sondages dans 241 units spatiales ( Carte no3) [5]. Lhabitat principal de la parcelle a t dcrit selon 5 caractres: parcelles vides, parcelles en construction, baraques, rez de chausse en matriaux durables et constructions tages. La mthode est grossire et ne tient pax compte de lhtrognit interne auxparcelles. Ces donnes ont t rapportes sur fonds des cartographiques numriss et ont fait lobjet des traitements varis exposs cidessous.

2
21 .

De limpression visuelle lobjectivation stat ist ique

La morphologie urbaine

Les premires cartes ralises dcrivent la proportion de chaque type de par-, celles dans chacune des units spatiales: la carte des parcelles vides de toutes constructions (carte no4) met en vidence une opposition nette entre les faibles taux enregistrs dans les quartiers anciens de la ville et les diffrents fronts durbanisation, particulirement le front irrgulier sur la marge orientale de la ville. Cette. carte nest gure diffrente de celle rapportant les taux de parcelles en chantier (carte no5). On remarque toutefois des taux non ngligeables dans les quartiers nord de Guedjawaye, pourtant installs depuis plus de 20 ans. La carte des taux de constructions prcaires (carte no6) constitue la premittre surprise: les plus forts taux se situent dans les quartiers Nord de Guedjawaye et sur une partie seulement du front durbanisation. Cette carte estle ngatif de la carte des constructions en matriaux durables (carte no7), montrant la concentration des taux les plus forts dans les quartiers anciens de Pikine Irrgulier. La carte reprsentant les constructions tages (carte no8) montre la concentration de ce type de construction dans la partie rgulire et ancienne de la ville. Cette cartographie descriptive, abstraction de variables isoles pour les besoins de la recherche, permet ainsi dtablir une photographie fictive des lieux en un moment donn. Cartes simplifies, elles sont sans grand rapport avec lobservation empirique du terrainl. Ces cartes prsentent un double inconvnient:
O

linterprtation cartographique est la fois tributaire des dcisions du cartographe (choix des trames et des classes de valeurs) et de la perception du lecteur ;

Un calcul de taux par quotient de localisation aurait t possible: on tablit alors les taux non sur une valeur fictive de 100 mais sur la moyenne des taux de lensemble de la ville. On obtient ainsi une reprsentation qui souligne les carts la moyenne. ( cf: G. Salem, C. Marois: Des taux aux quotients de localisation: Gographie des ethnies Pikine. En prparation)

321

ce type de reprsentation de lespace, clate en plusieurs cartes, ne permet pas de vision synthtique relle des combinaisons dhabitat: on ne dfinit ainsi des milieux de vie que par clairages successifs.

Deux techniques danalyse spatiale permettentde suppler chacun deces dfauts: les mthodes dautocorrlations spatiales qui permettent notamment dobjectiver ces, impressions visuelles et le calcul de lindice dentropie de Shannon qui permet de mesurer lhtrognit interne des quartiers.

2.2
2.2.1

Du dessin la mesure : les mthodes dautocorrelation spatiale

Le conceptdautocorrlationspatiale
Everything is related to everything, else, but near things are more related than distant things (Tobler, 1975)[6]

Lautocorrlation spatiale est un concept central engographie parce quil permet de mesurer la prsence oulabsence de structure gographique dun phnomne dans lespace. En effet, la plupart des phnomnes dans lespace terrestre ont une structure spatialedont la prsence peut varier selon la caractiristique ou lattribut tude et selon lchelle gographique. Autrement dit, il y a une relation de dpendance entre les lieux gographiques: peut-on imaginer quune villedans unergion donne puisse voluer indpendamment des autres villes de la mme rgion ? Les notions de voisinageet de proximit sont importantes parce que, comme le souligne Tobler, lexistence dune structure spatialeautocorrlative implique que les valeurs de zones contigus ou de lieux trs voisins se ressemblent : comme 1 a soulign Stephan, les valeurs se rapportant des units gographiques sont lies commeles branches dun arbre et non indpendants comme les balles dune urne. Soit Xi les valeurs des observations dune variable X, il y a utocorrlation spatiale si les Xi dpendent en partie ou en totalit des autres valeurs Xi de la distribution. En dautres mots, la valeur dune variable en un lieu donn nest pas totalement indpendante des valeurs prises dans les autres lieux particulirement ceux qui lui sont voisins ou proches. Ces interdpendances devraient rvler un certain niveau dorganisation de lespace souvent reprsent par une fonction dcroissante par rapport la distance2. Lautocorrlationspatiale est une mesure descriptive permettant de tenir compte la fois de la localisation et de lattribut du lieu: Lautocorrlation spatiale dcrit la dpendance moyennedes valeurs de la srie par rapport aux valeurs situes k units de distances [7]. On peut ainsi interprter ou dgager les caractristiques des variations spatiales dun phnomne en fonction de lespace. Ce nest pas le cas de statistiques classiques comme la moyenne et la variance qui ne donnent pas dindication sur les caractiristiques spatiales dune distribution.
2La variable distance pouvant ne pas tre seulement physique, mais galement culturelle. sociale ou

322

2.2.2

Les mesures dautocorrlation spatiale:

Il y a deux coefficients de mesure de contigut: celui de GEARY sinspirant du test deDURBIN-WATSON et celui de MORANqui est bas en partie sur lquation de la corrlation.
1. Coefficient de GEARY [ I : S
Le coefficient de GEARY met en relation chaque X avec les X i voisins i ou proches. La relation de voisinage ou de proximit peut tre dfinie de diffrentes faons: contigut, voisinage au nieme degr, longueur de frontire commune, distances entre deux centres gomtriques, prsence de barrires naturelles, etc ... Le coefficient de Geary se calcule par lquation:

o
n = nombre de points ou de lieux gographiques W i j = pondration reprsentant leffet de la zone j sur la zone i C C = sommes pour toutes les paires de zones ij Xi = valeur de lattribut pour le lieu i X j = valeur de lattribut pour le lieu j

X = moyenne de la variable X
Il faut noter que tous les X j , reprsentant les zonesj , deviennent tour tour des X i . Les valeurs de ce coefficient varie entre O et >1 : O pour une autocorrlation spatiale positive. 1 pour labsence dautocorrlation spatiale. > 1 pour une autocorrlation spatiale ngative (dpasse rarement 3.0) Ainsi, sous lhypothse Ho, la valeur attendue est 1, i.e. labsence dautocorrlation spatiale. 2. Coefficient de MORAN [8]: Le coefficientdeMORAN est comparable au coefficient de corrlation de Pearson. Il se calcule par lquation suivante:

323

La statistique de Moran est une statistique dautovariance spatiale dont les valeurs attendues pour les grands chantillons varient entre -1.00 et +1.00 ; labsence dautocorrlation tend vers zro. Une autocorrlation spatiale positive est une valeur suprieure O et une autocorrlation ngative est reprsente par une valeur infrieure O. Le coefficient 1 est sensible aux valeurs extrmes. Sous lhypothse nulle (HO), I et C se rapprochent dune distribution normale quand la taille de lchantillon augmente; Dans les deux quations, le nombre dobservations est un multiplicateur de lexpression: pour lindice de GEARY, le multiplicateur est (n - l), pour celui de MORAN, le multiplicateur est (n).Pour tester la signification du coefficient,, on peut utiliser le test t de Student ou lestester comme des valeurs centres rduites

191.
La mesure classique dautocorrlation spatiale implique une mesure au plus proche voisin ou de zones immdiatement contigus ou adjacentes. Ceci nest pas suffisant car lautocorrlation spatiale nest pas la mme toutes les distances entre les points de la distribution: elle peut tre tantt positive, tantt, ngative. Souvent, lecoefficient est positif courte distance puis suivie dune valeur ngative plus longue distance. Cest pourquoi on doit tenir compte dordres de contigut suprieurs 1. On peut par exemple dfinir une matrice de contigut dordre 2, o 2 zones sont contigus par lintermdiaire dune troisime qui les spare. Ainsi, deux zones 5 et 7 sont adjacentes lordre 2 si une troisime k est adjacente 5 et 7 mais y et Uj ne le sont pas. L a dmarche est la mme pour les ordres suprieurs. Cependant,cettepondrationspatiale(Wij) qui reprsente leffet de la zone j sur la zone i nest pas la seule: elle ne se limite pas la proprit de contact entre deux zones, le gographe peut faire intervenir dautres critres comme ceux de la taille ou la forme des units spatiales.

3. Corrlogramme: definition et interprtation.

Il faut tre attentif linterprtation descoefficients GEARY et de MORAN de car les bornes dinterprtation ne sont pas les mmes (Tableau 1). Une autocorrlation spatiale positive signifie qu une valeur leve de Xi correspondent des valeurs leves dans les zones contigus ou courte distance. Un moyen utile de reprsenter les valeurs successives des coefficients en fonction de la distance ou de diffrents ordres de contigut est le corrlogramme. Un corrlogramme est un graphique comportant les valeurs dautocorrlation spatiale enfonction de la distance: il montre les tendances R,,(d) au fur et mesure que la distance augmente do Rmr(d) la corrlation ( r ) de la vaest riable X avec elle-mme pour diffrents intervalles de distance. Une prsomption importante de ce type de graphique est que le phnomne est considr comme isotrope parce que les valeurs reprsentes sont les valeurs moyennes de lautocorrlation compte tenu de toutes les directions. Cependant, cette difficult peut tre contourne en vitant dintroduire la distance physique (mtrique) mais plutt une distance tenant comptedes contraintes spatiales.

324

Tableau 1: Bornes dinterprtation des coefficients de Geary (c) et de Moran (1). Geary (c) avec structure spatiale: dpendance entre les lieux sans structure: indpendance entre les lieux (daprs Goodchild,l986 [lO]) La forme du corrlogrammedpend des coefficientsdautocorrlation spatiale pour chaque classe de distance ; en revanche, les coefficients sont fonction en partie de lataille de lchantillon et de la matrice de connections (Wij). La premire tape consiste tester lensemble des coefficients pour vrifier si le corrlogramme contient au moins unevaleur significative Q = u/k (selon la mthode de BONFERONI: k = nombre dintervalles de distances). Puis, on teste chaque coefficient o lhypothse nulle (Ho) stipule que la valeur du coefficient 1 ou c nest pas significativement diffrent de zro ou de 1. Linterprtation du corrlogrammeseffectue en fonction des coefficients positifs ou ngatifs. Par exemple, si les coefficients dordre peu lev sont fortset positifs, cela signifie que la valeur despoints courte distancese ressemble. En revanche, si la valeur est leve et ngative, les voisins ne se ressemblent pas. Pour lindice de Moran, Sokal [8] propose, comme point dedpart, des interprtations tenant compte du signe et de la distance (Tableau 2). Une autocorrlation positive dordre peu lev peut signifier une dispersion spatiale o le phnomne prsente une distribution en rayonnement, en diffusion. On pourrait y trouver des petites concentrations homognes dont le diamtre est plus grand que la distance entre les points mais dont lespacement entre ces taches est plus grand que leur diamtre. De mme, un coefficient de signe ngatif courte distance (dordre peu lev) pourrait rvler la prsence de petites concentrations htrognes, i.e. un environnement ou un habitat htrogne. A loppos, les coefficients dordre plus lev ( plus grande distance) prsenteraient des caractristiques spatiales diffrentes. Un coefficient positif pourrait signifier une symtrie spatiale o se trouvent des concentrations loignes les unes des autres mais montrant des similarits; en revanche, un coefficient ngatif pourrait reprsenter un gradient asymtrique. localise regroupe lisse disperse contraste O<c<l c > l Moran (1)

I>O
1 <O

- indpendant

non - corrle alatoire

c = l

I=O

2.2.3

Applications aux donnes sur lhabitat

de Pikine

Les indices de Moran et de Geary calculs sur la base de 30 classes de distances euclidiennes quidistantes (Tableau no3 et histogramme) sont confronts dans le

325

Tableau 2: Schma dinterprtation de coefficients dautocorrlation spatiale: (selon Moran)

o PD: diametre des concentrations gographiques o LD: distance inter-lieux ou locales Autocorrlation spatiale: caractkristiques spatiales

Signe

ordre peu lev

ordre lev -rpartition spatiale prsentant une certaine symtrie -prsence dun arrangement gomtrique

- dispers
Positif: -grandes concentrations gographiques: PD > LD -lespacement entre les concentrations est plus grand que le diamtre de PD: espacement > PD prsence dun gradient -vetites concentrations htrognes

Ngatif

PD

< LD

Source: tir de Sokal (1979)[7] graphique no1. Dans le cadre de cette recherche, nous avons choisi la distance euclidienne afin de faciliterla dmonstration du concept de la et technique. Chaque variable prsente un gradient ou une forme de corrlogramme qui, dans certains cas, se ressemblent. De plus, les rsultats issus de Moran sont gnralement cohrents avec ceux de Geary.

1. Les parcelles nues: courte distance (1.5 km), il y a une structure autocorrlative positive indiquant lexistence de petites concentrations de ce type dhabitat; puis, des distances dordre 10 20, lautocorrlation spatiale est faible pour augmenter dune faon significative surdes distances plus grandes (>3.5 km), refltant ainsi une forte structure autocorrlative. Selon Geary, les coefficients se ressemblent sauf qu des distances dordre plus lev, les valeurs ne sont pas statistiquement significatives. Bref, les rsultats dmontrent que les parcelles nues prsentent de petits regroupements homognes mais dont la dpendance avec lespaceest particulirementleve en priphrie.

2. Les parcelles en chantiers: lallure du corrlogramme de Moran montre

que les parcelles en chantiers prsentent une structure regroupe sur des distances dordre lev mais les concentrations de ce type dhabitat sont relativement loignes les unes des autres. Encore une fois, les coefficients de Geary confirment lanalyse sauf lextrmit du corrlogramme o les valeurs ne sont pas statistiquement significatives. De plus, le gradient pour cette variable est plus net, plus cIair que pour la variable prcdente.

3. Les baraques: dans ce cas, les coefficients de Moran montrent une autocorrlation spatiale faible et ceux de Geary ne seraient pas significatifs

326

des distances dordre peu lev. Cependant, il y aurait une rpartition trs localise et caractrise par de petites concentrations loignes les unes des autres.

4. Les rez de chausse: dans les deux corrlogrammes, la prsence dautocorrlation spatiale est relativement faible ; alors la structure spatiale est faible et la distribution est alatoire des ordres de distance plus levs. 5. Les maisons tages: selon Moran, la structure spatiale est prsente et illustrerait un habitat trs dispers tout en confirmant lexistence de petites concentrations dans lespace. Les deux graphiques suprieurs de synthse mettent en vidence une forte homognit des indices dans le groupe des voisinsdistants de moins de 2000 mtres, le phnomne dautocorrlation spatiale tant dautantplus fort que les distances sont courtes et non significatif distance moyenne ( 2000 4000 mtres). Ce premier enseignement confirme limpression visuellede concentrations spatialesde pourcentages quivalents de types dhabitatsidentiques. Des diffrenciationsnettes de comportement spatial des diffrentes variables apparaissent partir de 4000 mtres et saccentuent jusquaux classes de distances les plus fortes, mais ces diffrenciations sexpriment de faon diffrentes avec lun et lautre indice:
0

lamplitude entre les indices de Moran est dautantplus forte que les types dhabitat sont opposs: longue distance, le phnomne dautocorrlation spatiale est trs fort les types dhabitatinachev ( parcelles pour vides ouen construction, images des fronts durbanisation),moyen pour les types dhabitats intermdiaires ( baraques et rez de chausse en matriaux durables) et sans signification pour lesconstructions tages. Ces tendances sont illustres par les graphiques reprsentant les indices de Moran par variables. si les amplitudes entre les indices de Geary saccentuent au del de 3000 mtres, ces valeurs indiquent toutes quil ny a plus de phnomne dautocorrlation spatiale la seule exception, curieuse, des baraques. Cet indice semble moins porteur de significations gographiques que celui de Moran. Linterprtation de ce traitementstatistiquereste donc trs empirique, et la lecture des tudes ralises avec ces mthodes confirment lesdifficults dinterprtation. Dans le cas dune dmarche gographique, linterprtation est facilite par les documents cartographiques qui se rvlent heureusement complmentaires ( Cartes 4,5,6,7,8). Cette mthode descriptive est particulirement intressante dans ltude de petits espaces denses ou lon cherche superposer et croiser des variables de types diffrents, issues denqutes menes de faon diffrentes: on a ainsi une possibilit de comparer le facteur distance sur un mme lieu, pour des variables diffrentes.

En ltat actuel de cette mthode, on ne peut que souligner lextrme prudence ncessaire leur utilisation en raison de ses propres limites: cest la fois une mesure descriptive o chaque coefficient est une valeur moyenne pour un intervalle de distance ou une distance prcise, quelque soit la direction dans lespace, et quelque soient les espaces non occups ( ce qui 327

est le cas de la grande dpression marcageuse dans le quart nord-est de la ville). Le phnomne tudi est donc prsum isotrope. Les variogrammes, tenant compte de la direction dans lespace, complteraient utilement cette recherche.

Du paysageurbain la carte complexe : approche synthtique de lhtrognit interne des quartiers

Si les documents cartographiques etstatistiquesobtenus ce pointdela recherche nous renseignent sur les facteurs distances dans la morphologie de lhabitat, il ne nous disent rien de 1:htrognit interne aux quartiers, celle la mme qui dfinit le mieux le milieu de vie dune population, et ... qui se rapproche le plus de la perception du terrain. Plusieurs mthodes ou indices permettent de ressortir les caractkristiques spatiales dune distribution de points, i.e. larrangement gomtrique de la distribution, la frquence et le degr dtalement des phnomnes. Elles permettent de mesurer ledegrde concentration gographique dune distribution, notamment lindice dentropie de Shannon.

3.1

Le concept et la mthode

On peut recourir la notion dentropie pour mesurer la dispersion dune distribution ou lhtrognit de la structure dune zone. Lquation pour une zone 5 est:
n

o pij = proportion de la variable

(3 dune zone i

La valeur de H est maximale lorsquil y a une dispersion spatiale du phnomne ou htrognit de la zone: Hmax est gale 1.0 la condition de diviser H par le ln n. En revanche, H gale O lorsquil y a une concentration gographique ou une structure homogne de la zone parce que tous les pij gale O sauf une qui gale lunit.

3.2

Lhtrognit interne des quartiers

La carte reprsentant lesdiffrents indices de Shannon, indice synthtique dhtrognit interne (Carte 9), dessine une gographie coupant grossirement la ville en deux parties: les quartiers anciens du centre gomtrique de la ville, durbanisation rgulire comme irrgulire, remarquables par leur faible htrognit interne, et les quartiers des fronts rgulier et irrgulier de la ville, dautant plus htrognes quils sont aux marges de lespace urbain commele montrent les histogrammes dessous-zones. Cettecarte complte, en les localisant indirectement, les rsultats dautocorrlations spatiales: homognit des quartiers installs et htrognit des quartiers en cours, ou en retard, dinstallation. Cette carte est dun intrt majeur pour qui sintresse aux dynamiques urbaines de la ville: elle marque une homognisation progressive des quartiers avec

328

le temps. Il reste dterminer, en appliquant le mme type de traitement statistique sur des donnes tires de photographies ariennes, les rythmes et les types dhomognisation: un quartier reste- t-il marqu par le type durbanisation qui lui a donn naissance? Les rythmes dhomognisationsont-ils les mmes dans les diffrents quartiers de la ville, les mmes aux diffrentes phases de construction de la ville ? etc ... Le retard durbanisation de Guedj Awaye, pourtant install ds les annes 70, est l pour montrer le processus diffrentiel que connat la ville. Ltude des photographies ariennes depuis la cration de la ville [l])nous avait en effet permis de dire que lacclration du processus durbanisation de Pikine tait paradoxale: dune part les quartiers nouveaux sont dembleconstruits endur,avec une emprise foncire sur les terrains agricoles de plus en plus anticipe, dautrepart le dlai de construction des parcelles sest considrablement allong. Lutilisation de ce type de techniques se rvle ainsi trs riche: il permet de donner une ide de la complexit du cadre de vie et permet, par ltude des photoariennes antrieures, de dcrire les dynamiques urbaines dans une perspective diachronique. En revanche, cette mthode ne permettant pas de dfinir les combinaisons dhabitat, un mme indice pouvant cacher des combinaisons diflrentes, elle ne donne que peu dindication sur les processus de diffrenciation densemble de la ville. Lutilisation des mthodes de classification, (analyse en composante principale, K.Means avecou sans contrainte de contigut, etc ...) constitue logiquement ltape suivante de cette recherche [ll].

Conclusion
Notre projet tait de tester diffrentes mthodes danalyses spatiales au regard des objectifs spcifiques de la gographie: analyse morphologique et tude des dynamiques spatiales. Les mthodes utilises demandent certes la plus plus grande prudence dinterprtation, elles nen constituent pas moins. des moyens dobjectivation dimpressions visuelles et/ou cartographiques. Elles sont surtout lillustration quune dmarche scientifique, allant grossirement du confus au simplifi puis du simplifi au complexe,ne gagnerait certes rien une simplification des traitements statistiques (comme sils taient dautant plus neutres qulmentaires !), mais aurait plus encore perdre,si larflexion thorique tait laisse de ct pour la seule recherche de recettes. Si lutilisation de ces techniques relance des dbats thoriques sur la gographie, il nest pas sur pour autant que ces questions soient tout fait nouvelles, ni propres cette discipline !

329

Rfrences Bibliographiques
[l] Salem G. : Urbanisation et sant dans le Tiers Monde: lexemple de Pikine. Rapport de convention au Ministre de la Recherche et de la Technologie. 5 volumes synthse 48p+ recueil des textes rdigs sur Pikine, Orstom-MRT, Paris (440 p, 220 p, 130 p, 178 p).
[2] Salem G. et E. Jeanne, eds : Urbanisation et sant dans le Tiers-Monde: transition pidmiologique, changement social et soins de sant primaires, Orstom, Collection Colloques et Sminaires, Paris, 1989, 548 p. [3] Jeanne E. et G. Salem: Situations particulires des zones urbaines in La sant en pays tropicaux. Planifier, grer, valuer, A.Rougemont et J.Brunet.Jailly eds, Doin-ACCT11989Paris, pp193-218. [4] Salem G. : Approche et mthodes gographiques pour la planification sanitaire dans les villes africaines. Communication au colloque deBamako, 5-7 juillet 1991 [5] Salem G. : Gographe : Ne dire quece qui se voit ou donner voir? in Tropiques, Lieux et liens, Hommage P.Plissier et G.Sautter, OrstomCNRS col1 Didactiques, Paris, pp 291-295
[6] Tobler, W. : ( A computer movie simulating urban growth in the Detroit Region. Economic Geography (Supplement) 46, 234- 40. 1975

[7] Legendre, L. et P. Legendre (1984) : Ecologie numrique tomes 1 et 2, PUQMontral, Masson-Paris.

[SI Sokal, R.R. : Ecological parameters inferred from spatial correlograms. in Patil, G. P. and Rosenzweig, M. L. (eds): Contemporary quantitative ecology and related ecometrics. Statistical Ecology Series Vol. 12 pp. 167-196. International Cooperative Publ. House. Fairland, Maryland. 1979

[9] Cliff, A. D. and J.K. Ord (1973) Spatial autocorrelation. Pion. London.
[lO] Goodchild, M. (1986) : Spatial autocorrelation. Concepts and techniques in modern geogruphy. CATMOG. no. 47, East Anglice

[ll] Salem G. et P. Waniez, et al. : Modlisation gographique de lutilisation des services de sant dans les villes du Tiers Monde: applications aux recours thrapeutiques Pikine, in Gographie et socio-conomie de la sant, CREDES, UGI, Paris, juin 1989, pp 35-49.

330

Tableau 3:
En caractbres gras, les lndlccs d'autocorr6latlon SlgnlrlCatlfS N.8 TOUS corr&lagramrno$ sont statlstlquoment slgnlflcatlfs selon le test ar Bonltrronl Ira

DISTAMES tmHres) 204

FREOUWCES Inmn:Pllea n u s 28 I
1009

C trlq Pllea M I

If l n plles cmtltr

Gary.DIIrs

mtle

2 3
4 5 6

408

612
816

1460 1789
2101

::A::

7
8

9 IO 12 Il 14 Il 15
16 II 17

19
20 21

22
23 24 25 26 27 28

1020 1224 1428 1631 1835 2039 2243 2447 2651 2855 3059 Y263 3467 Y671 3875 4379 4283 4487
4690

2281

2331
2319 2310 2276 2168 1799 1549 1221 I O44 812
602

0.2318 0.1995 e. I 787 O, 1271 0.0779 0,0158 -0.0384 -0.1399 -0.1882 -0.2361 -0.2468
-0,3018

_.____ _.

0.2657 0,3236 0.1651 0.3783

0.4187

o.401a 0,6217 0.7589 0.9318

1-18

0,1607 0.3811 0,2975 0.2479 0.2308 0.1708

0,IIJS
0,0588 -0.0073 -0.0759 -0.156 -0.2527 -0.2991
-0.3223

0.25 16 0,2861 0,3534 0,3169 0,4319 0.4957 0.5901 0,7039 0,891 1,0655

1,2562 1.4471 1,4891 1,6501

I.2438
1,4645 1,5301 1.6228 1,6703 2.097 2.1652 2,2456 2.2223 1.9957 2.0884 1,7434 1,7419 1.8317 1,5568 1,8278 1,5011 1,7031 2.0988 3,1311

415 294

223
154 129
IO4

82 57 45
36

0.1782 0,4259

1.1082

5710 5914

17

1,5738 1.6791 1,8307 1.8107

IO
1 1024

CLASPS

-0.4229 -0.4673 -0.4753 -0.4547 -0.1456 0.0444 0.1796 0.4787 0.8839 0,7481 0.9458 1,1837 I ,472 I 2.1777 23453 324u

2 3 4
5 6

7
8

9
IO

Il
12 13

14
15 16

0.3633 0.2245 O.ISl2 0.1 161 0,0321 -0.0593 -0.095 -0,0903 -0.0737 -0.0488 -0.0041 0.0145 0,0239 0.0234
-0,0028

0.6 147

0,6739 0.8161 0.857 l 0.9289 1,0364 1.0724 1,105

I,I066
1.094U 1.0663 1.0129
1.0158

-0,0194
-0.0062

1;0156 0.9696 0,9844

0.846 l

17
18

19 20 21 22 23 24 25
26

27 28 29 J O

-0.0715 -0.1 l I I -0.1117 -0,0468 -0.0923 -0,1415 -0,1546 -0,1086 -0,1224 -0,056 0.1719 0,1364 0.451

'

0.9562 0.9601 1.1512 0.89 12 0.9504 1.1667 1.2755 1,1821 1,3049

0.9685

-0.529 -0.5958
-0.505

0.3159 0.4488

331

Figure 1:

332

m l

Zonw d'urbanisation irrgulire

Zones d'urbanisation rgulire

Figure 2: Carte n" 2 : Pikine 1987. Grandes divisions de l'espace pikinois.

3 Figure 3: Carte no : Les quartiers de Pikine (1986).Relevs de terrains : GSalem, 1986. 1nfogra.phie : G. Salem et L. Arreghini

333

LHABITAT A PlKlWE PARCELLES : LES VIDES

LAPRDPDRTKWDESPARCELLLBVDEI)

ammmDES WMTERSsaon

npurth

Figure 4: Lhabitat Pikine : les parcelles vides

LHABITAT A PlKlWE :LES CONSTRUCTIONS PRECAIRES

n

asmmKS

WUITUS~
?RECAFS!

9 * r

LA PRCPmTIO( DE

T D ( 8

Figure 5: Lhabitat Pikine : les constructions prcaires

334

L'HABITAT A PIKIME :LES PARCELLES ER CHANTIER

f
Figure 6 : l'habitat Pikine : les parcelles en chantier

i
Figure 7: L'habitat Pikine : Les rez-de-chausse en parpaings

335

L'HABITAT A PlKlNE : LES CON,!TRUCTlONS ETAGE A

Carte n.8

CLASSEMNT DES QUARTIERS SELON LAPROPORTION DE CONSTRUCTIONSAETAOE n quartlerr

.................................... .................................... ..........................................

.................................. ........................................ .....................................
O
6

PROPORTION DES CONSTRUCTIONS A ETAGE

PAR SOUS-ZONE

cl

rn

O b SI s b 15% 1s b 30%

k
0

F
0Ui"lV

12

17

22

28

P. anclen

P.rxt.
Ran

Ourdjrvryr Dlmaguinr Thlaroyc Bagdad

Mdina 90unass

Ytmbrul/BenBarak
2 4 6 8

Figure 8:

336

2500

2000

1500

. l O00

500

Figure 9: Frquences des classes de dista.nces

337

12

c
O

-21

i!

12

Figure 10: Autocorrelations spatiales des diffrents types d'habitat Pikine (distances euclidiennes)

338

..........
SaWRRnznO
,.

Figure 11: Carte no 9. Pikine 1986 : l'habitat, htrognit interne aux quartiers. Relevs 1986/87 G.Salem. Avec la collaboration d'A. Sow, P. Ndiaye, A.Traore, 1. Badji. Infographie et traitements : G. Salem et C.Marois. 339