Fenêtre Explore Statistics (Explorer les statistiques) dans Suitability Modeler

Disponible avec une licence Spatial Analyst.

Dans la fenêtre Comparison (Comparaison), vous avez sélectionné les statistiques prédéfinies que vous souhaitiez exécuter. Utilisez la fenêtre Explore Statistics (Explorer les statistiques) pour afficher les résultats de ces statistiques.

Pour afficher les résultats dans la fenêtre Explore Statistics (Explorer les statistiques), cliquez sur les statistiques que vous souhaitez visualiser. Les paramètres de la statistique, un graphique d’accompagnement et un texte d’interprétation apparaissent dans la fenêtre Comparison Statistics (Statistiques de comparaison), tandis que la carte en sortie associée s’affiche sur la carte.

Illustration de la fenêtre Explore Statistics (Explorer les statistiques) (à droite) et de la fenêtre Comparison Statistics (Statistiques de comparaison) (dans la partie centrale inférieure).

Les paramètres de la statistique sélectionnée peuvent être modifiés dans la fenêtre Comparison Statistics (Statistiques de comparaison). La sortie de la statistique est actualisée.

Statistiques prédéfinies pour comparaison

Pour vous aider à analyser la sortie, les sections ci-après indiquent les éléments de chaque statistique à examiner dans chacun des cinq groupes statistiques fonctionnels.

Explore Input Parameters (Explorer les paramètres en entrée)

Le groupe fonctionnel Explore Input Parameters (Explorer les paramètres en entrée) contient une statistique qui permet de comparer les modèles en entrée.

Parameters in Models (Paramètres des modèles)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation, reportez-vous à la rubrique Parameters in Models (Paramètres des modèles).

Ce qu’il faut examiner :

• Examinez la distribution spatiale de l’adéquation finale et localisez les cartes pour avoir une compréhension générale de la sortie.
• Déterminez si les modèles présentent les mêmes critères et pondérations en entrée.
• Examinez les transformations pour chaque critère dans les graphiques côte à côté.
• Comparez les paramètres des régions obtenues entre les modèles pour savoir si elles diffèrent.

Compare Similarities and Differences (Comparer les similitudes et les différences)

Le groupe fonctionnel Compare Similarities and Differences (Comparer les similitudes et les différences) contient quatre statistiques qui permettent de comparer les modèles en entrée.

Difference in Suitability Values (Différences au niveau des valeurs d’adéquation)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Difference in Suitability Values (Différences au niveau des valeurs d’adéquation).

Ce qu’il faut examiner dans l’option Percent Change (Évolution en pourcentage) :

• Déterminez la plage des valeurs en sortie. Plus la plage est grande, plus la disparité entre les modèles est importante. Examinez le graphique obtenu pour savoir si les différences importantes ne concernent que peu de localisations.
• Sur la carte, notez les localisations où les valeurs sont les plus proches de zéro, car ce sont les localisations où les modèles sont similaires.
• Repérez les localisations où se trouvent les valeurs positives les plus élevées qui indiquent que le Modèle 1 présente des valeurs d’adéquation plus importantes par rapport au Modèle 2.
• Notez où se trouvent les valeurs négatives plus faibles qui indiquent que le Modèle 2 présente des valeurs d’adéquation plus importantes par rapport au Modèle 1.
• Repérez les localisations où se trouvent les valeurs positives les plus élevées et les valeurs négatives les plus faibles car il s’agit des localisations où les modèles diffèrent le plus.
• Notez les motifs dans lesquels les modèles diffèrent. Ces motifs peuvent indiquer un biais d’un des critères en entrée ou d’une combinaison de ces derniers, ou l’absence dans un modèle d’un critère qui est présent dans l’autre modèle.

Ce qu’il faut examiner dans l’option Percent Change (Différence en pourcentage) :

• Examinez les localisations des valeurs plus faibles car il s’agit des localisations où les modèles sont similaires.
• Déterminez si les nombres les plus faibles (similarités entre les modèles) et les nombres les plus élevés (différences entre les modèles) sont agrégés ou s’ils sont répartis sur la zone d’étude.
• Si vous détectez un motif dans les valeurs plus élevées, pouvez-vous associer le motif à un critère particulier ?

Similar Between Models (Similarités entre les modèles)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Similar Between Models (Similarités entre les modèles).

Ce qu’il faut examiner :

• Comptez les localisations où le seuil de similarité indique des similarités entre les modèles.
• Déterminez si les cellules sont regroupées ou fragmentées sur le site de l’étude.
• Si les régions finales ont été créées, affichez-les sur la carte obtenue à partir de la statistique. Déterminez si les régions correspondent aux localisations en sortie de la statistique. Si tel est le cas, les modèles sont similaires là où c’est important.

Similarity Versus Differences (Similarités et différences)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Similarity Versus Differences (Similarités et différences).

Ce qu’il faut examiner :

• Déterminez si les localisations similaires entre les modèles sont agrégées. Les localisations des différences sont-elles agrégées ?
• Vérifiez si les localisations présentant des similarités sont proches des localisations présentant des différences.
• Vérifiez s’il existe des motifs où les modèles présentent des similarités et des différences qui peuvent être reliées aux motifs dans les critères transformés.

Clustering of Differences (Hot Spot Analysis) (Agrégation des différences [analyse de points chauds])

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Clustering of Differences (Hot Spot Analysis) (Agrégation des différences [analyse de points chauds]).

Ce qu’il faut examiner :

• Déterminez si les points chauds (là où les modèles diffèrent) et les points froids (là où les modèles sont similaires) sont agrégés ou fragmentés dans la zone d’étude.
• Déterminez si les points chauds et les points froids sont proches ou éloignés les uns des autres.
• Si vous avez exécuté la statistique Similarity Versus Difference (Similarités et différences), comparez les deux sorties. Déterminez si l’inclusion d’autres cellules autour de chaque localisation dans les calculs (comme c’est le cas de la statistique Hot Spot [Point chaud]) modifie les motifs.

Analyze Suitability Values (Analyser les valeurs d’adéquation)

Le groupe fonctionnel Analyze Suitability Values (Analyser les valeurs d’adéquation) contient quatre statistiques qui permettent de comparer les modèles en entrée.

Models Similar in High Suitability (Modèles similaires – Adéquation élevée)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Models Similar in High Suitability (Modèles similaires à adéquation élevée).

Ce qu’il faut examiner :

• Affichez les régions finales à partir de chacun des modèles sur la carte obtenue à partir de la statistique. Si les régions figurent dans la sortie de cette statistique, les aspects importants des modèles sont similaires.
• Déterminez si les valeurs en sortie sont agrégées ou fragmentées. Si elles sont fragmentées et que les régions finales ont été créées, exécutez les statistiques Region Overlap (Superposition de régions) pour savoir si les régions condordent.

Percent Change in High Suitability (Évolution en pourcentage – Adéquation élevée)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Percent Change in High Suitability (Évolution en pourcentage – Adéquation élevée).

Ce qu’il faut examiner :

• Déterminez si les valeurs positives et négatives sont agrégées de manière distincte.
• Si vous explorez une modification dans une pondération, une transformation ou des critères, pouvez-vous observer les effets de la modification d’un modèle à un autre ?
• Repérez les localisations des valeurs positives car elles indiquent là où le Modèle 1 présente les valeurs d’adéquation les plus élevées, ainsi que les localisations des valeurs négatives car elles indiquent que la modification produit de résultats plus favorables.

Models Similar and Different with High Suitability (Modèles similaires et différents avec adéquation élevée)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Models Similar and Different with High Suitability (Modèles similaires et différents avec adéquation élevée).

Ce qu’il faut examiner :

• Observez les localisations qui diffèrent entre les modèles présentant une adéquation élevée. Vous devrez peut-être utiliser la sortie de la statistique Models Similar in High Suitability (Modèles similaires – Adéquation élevée) avec la sortie de cette statistique pour déterminer ces localisations. Ces localisations mettent en évidence les zones de différences dans les modèles en révélant les écarts les plus significatifs entre ces derniers.
• Vérifiez que les régions finales se situent aux localisations où les modèles sont similaires et présentent une adéquation élevée.
• Déterminez la relation spatiale entre les localisations où les modèles présentent des similarités et des différences avec une adéquation élevée. Si les localisations sont proches les unes des autres, pouvez-vous l’expliquer ?
• Notez que si les localisations des différences sont réparties dans la zone d’étude, un critère catégorique, comme l’utilisation du sol, pourrait influencer les résultats.

Models Similar with Low Suitability (Modèles similaires avec adéquation faible)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Models Similar with Low Suitability (Modèles similaires avec adéquation faible).

Ce qu’il faut examiner :

• Vérifiez que de nombreuses localisations sont similaires avec une faible adéquation. Cela indique que les modèles concordent sur les zones qui ne sont pas favorables.
• Augmentez la valeur du paramètre Low Suitability threshold (Seuil d’adéquation faible) et identifiez les localisations supplémentaires ajoutées. Les nouvelles localisations s’étendent-elles à partir des localisations existantes ?

Investigate Change Between Models (Examiner les modifications entre les modèles)

Le groupe fonctionnel Investigate Change Between Models (Examiner les modifications entre les modèles) contient deux statistiques qui permettent de comparer les modèles en entrée.

Spatial Association between Suitability Values (Association spatiale entre les valeurs d’adéquation)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Spatial Association between Suitability Values (Association spatiale entre les valeurs d’adéquation).

Ce qu’il faut examiner :

• Notez que les catégories High to High (Élevée - Élevée) et Low to Low (Faible - Faible) correspondent aux localisations où les modèles sont similaires.
• Notez que les catégories Low to High (Faible à élevée) et High to Low (Élevée à faible) correspondent aux localisations où les modèles diffèrent. Low to High (Faible à élevée) indique que le Modèle 1 présente des valeurs d’adéquation plus faibles par rapport au Modèle 2. High to Low (Élevée à faible) indique que les modifications apportées au Modèle 2 ont réduit l’adéquation.
• Examinez les motifs spatiaux dans les catégories. Les catégories sont-elles agrégées ? Quelles sont les relations spatiales entre les catégories ?
• Lors des tests des scénarios, examinez directement les effets sur le Modèle 2 de la modification des pondérations, des transformations ou des critères en entrée dans le Modèle 1.
• Utilisez cette statistique avec la statistique Change in Suitability Values (Change Detection) (Évolution des valeurs d’adéquation [détection des changements]).

Change in Suitability Values (Change Detection) (Évolution des valeurs d’adéquation [détection des changements])

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Change in Suitability Values (Change Detection) (Évolution des valeurs d’adéquation [détection des changements]).

Ce qu’il faut examiner :

• Lors des tests des scénarios, examinez les effets sur le Modèle 2 de la modification des pondérations, des transformations ou des critères en entrée dans le Modèle 1.
• Analysez les motifs dans les changements que vous apportez au Modèle 1. Essayez d’expliquer comment les changements effectués dans le Modèle 1 sont réalisés dans le Modèle 2.

Examine Where Regions Overlap (Examiner la superposition des régions)

Le groupe fonctionnel Examine Where Regions Overlap (Examiner la superposition des régions) contient deux statistiques qui permettent de comparer les modèles en entrée.

Region Overlap (Superposition de régions)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Region Overlap (Superposition de régions).

Ce qu’il faut examiner :

• Un nombre élevé de superpositions dans les régions indique que, même si les critères, les pondérations et les transformations diffèrent, les modèles produisent des régions similaires.
• En la présence de plusieurs régions, déterminez s’il existe des motifs parmi les régions. Déterminez si certaines régions présentent des superpositions importantes et d’autres non. Pouvez-vous relier l’un de ces motifs aux critères et aux transformations d’origine ?
• Notez que l’absence de superposition dans les régions indique que les modèles sont indépendants l’un de l’autre.

Region Overlap in Suitability Levels (Superposition des régions avec niveaux d’adéquation)

Pour avoir une description de la statistique et connaître ses conditions d’utilisation ainsi que la formule générale sous-jacente associée, reportez-vous à la rubrique Region Overlap in Suitability Levels (Superposition des régions avec niveaux d’adéquation).

Ce qu’il faut examiner :

• Identifiez les localisations où les régions ne sont pas superposées. Ces localisations se situent-elles dans des zones avec une adéquation élevée ? Si tel est le cas, même si les régions ne sont pas exactement alignées, les régions obtenues sont toujours favorables puisqu’elles présentent une adéquation élevée.
• Identifiez les localisations, superposées ou non, qui présentent une faible adéquation. Il s’agit des localisations qui vous intéressent le plus. À ces localisations, les modèles diffèrent considérablement, ce qui réduit la moyenne de leurs valeurs d’adéquation.
• Pour plus de détails, reportez-vous aux éléments à examiner dans la description de la statistique Region Overlap (Superposition de régions) ci-dessus.