These Ariane Sakhy Tel

Îlots de chaleur et morphologie urbaine de
l’agglomération parisienne. Conséquences sur la

mortalité durant la canicule de 2003
Ariane Sakhy
To cite this version:

Ariane Sakhy. Îlots de chaleur et morphologie urbaine de l’agglomération parisienne. Conséquences
sur la mortalité durant la canicule de 2003. Sciences de l’Homme et Société. Université Paris Diderot
(Paris 7) Sorbonne Paris Cité, 2016. Français. �NNT : �. �tel-01405777�
HAL Id: tel-01405777

https://theses.hal.science/tel-01405777
Submitted on 5 Dec 2016
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
Copyright
Université SORBONNE PARIS CITÉ
École doctorale ED382 « Économies, Espaces, Sociétés, Civilisations »
Thèse de doctorat en Géographie - Spécialité Géographie de l’Environnement
Thèse de doctorat préparée au sein de l’UMR 8586 PRODIG
Ariane SAKHY
Îlots de chaleur et morphologie urbaine dE l’agglomération parisienne.

Conséquences sur la mortalité durant la canicule de 2003
Thèse soutenue publiquement le 28 juin 2016
Thèse dirigée par

Gérard BELTRANDO
Malika MADELIN
MEMBRES DU JURY :
Gilles ARNAUD-FASSETTA Professeur à l’Université Paris Diderot (Examinateur)

Sophie BAUDET-MICHEL Maître de conférences à l’Université Paris Diderot (Examinatrice)
Sylvain BIGOT Professeur à l’Université de Grenoble-Alpes (Rapporteur)
Vincent DUBREUIL Professeur à l’Université Rennes II (Président du jury)
Malika MADELIN Maître de conférences à l’Université Paris Diderot (Directrice)
Georges NAJJAR Maître de conférences (HDR) à l’Université de Strasbourg (Rapporteur)
Université SORBONNE PARIS CITÉ
école doctorale ED382 « Économies, Espaces, Sociétés, Civilisations »
Thèse de doctorat en Géographie - Géographie de l’Environnement
Thèse de doctorat préparée au sein de l’UMR 8586 PRODIG
Ariane SAKHY
Îlots de chaleur et morphologie urbaine dE l’agglomération parisienne.

Conséquences sur la mortalité durant la canicule de 2003
Thèse dirigée par

Gérard BELTRANDO
Malika MADELIN
MEMBRES DU JURY :
Gilles ARNAUD-FASSETTA Professeur à l’Université Paris Diderot (Examinateur)

Sophie BAUDET-MICHEL Maître de conférences à l’Université Paris Diderot (Examinatrice)
Sylvain BIGOT Professeur à l’Université Grenoble-Alpes (Rapporteur)
Vincent DUBREUIL Professeur à l’Université Rennes II (Président du jury)
Malika MADELIN Maître de conférences à l’Université Paris Diderot (Directrice)
Georges NAJJAR Maître de conférences (HDR) à l’Université de Strasbourg (Rapporteur)
à Gérard Beltrando,
« Quel pur travail de fins éclairs consume

Maint diamant d’imperceptibles écumes,
Et quelle paix semble se concevoir !
Quand sur l’abîme un soleil se repose,
Ouvrages purs d’une éternelle cause,
Le Temps scintille et le Songe est savoir »
Paul Valéry,
Le cimetière marin,
1920
Remerciements
C’est avec beaucoup d’émotions que je débute ces remerciements. Mes pensées vont à la mémoire de mon
directeur de thèse, Gérard Beltrando dont la soudaine disparition m’a profondément bouleversée.
L’exercice doctoral est difficile. Difficiles et contradictoires peuvent être également les relations que l’on construit
avec le Maître qui, parfois, peut se substituer à la figure paternelle. Je remercie mon directeur de thèse, Gérard
Beltrando, de tous ces instants qui ont su me faire grandir. Je lui suis reconnaissante d’avoir dirigé cette thèse,
pour ses conseils et pour ses encouragements. Je veux tout particulièrement témoigner ma gratitude envers la
liberté qu’il m’a accordée dans mes choix de réflexion, tout en me guidant avec beaucoup de justesse dans leurs
articulations. Je souhaite ainsi ici rendre hommage à son esprit scientifique, à son entendement et à l’authenticité
de sa personne.
J’adresse mes remerciements à Malika Madelin pour ses avis scientifiques et son regard critique tout au
long de cette thèse. Je la remercie pour ses nombreuses relectures qui ont été indispensables à l’aboutissement de
ce travail. Enfin, je la remercie d’avoir repris la fin de cette thèse et de m’avoir suivie jusqu’à la soutenance.
Je souhaite manifester ma sincère reconnaissance à Georges Najjar, en premier lieu, pour l’excellence
de ses cours qui ont su éveiller chez moi le goût de la climatologie. Ensuite, je le remercie de m’avoir initiée à la
recherche, pour l’ensemble de ses conseils scientifiques toujours très utiles à différentes étapes de mon parcours
universitaire, mais aussi pour son regard bienveillant et sa confiance à mon égard depuis le Master. Enfin, je le
remercie d’avoir évalué ma thèse et d’en être un des rapporteurs.
De même, je tiens à remercier Sylvain Bigot pour son évaluation au titre de rapporteur. Je remercie Vincent
Dubreuil de me faire l’honneur d’être le président du jury de ma thèse. Mes remerciements également à Sophie
Baudet-Michel pour son appréciation en qualité d’examinatrice. Enfin, je remercie Gilles Arnaud-Fassetta de sa
participation à mon jury.
Il me tient à cœur de remercier Jean-Luc Salagnac (CSTB - Centre Scientifique et Technique du

Bâtiment) que j’ai eu le plaisir de rencontrer au début de ma thèse, pour ses précieux conseils sur les questions de
morphométrie urbaine.
Je remercie Éric Jougla et Grégoire Rey (INSERM - Institut National de la Santé et de la Recherche Médicale) pour
la mise à disposition des données de mortalité indispensables à cette thèse.
Je tiens à exprimer toute ma sympathie à Sébastien Bridier pour ses conseils, sa disponibilité, les
échanges, les moments de discussion professionnels et amicaux.
J’ai eu la chance d’être allocatrice-monitrice à l’Université Paris Diderot pendant 3 ans et ATER à
l’Université de Franche-Comté durant quelques mois. Aussi, je souhaite remercier toutes les personnes qui ont
engagé leur confiance pour que je puisse bénéficier de ces différents postes et mener à bien mes recherches.
Dans le laboratoire PRODIG à Paris, tout comme dans celui de THEMA en Franche-Comté, je souhaiterais
également remercier tous les enseignants-chercheurs que j’ai rencontrés durant ces années de thèse. Chacun
d’entre-eux a contribué à l’évolution de ma pensée.
Je remercie l’ensemble des doctorants (Anne-Laure, Aurélien, Coura, élodie, Elsa, Florence, Laurent,
Louis, Lucile, Mélanie, Romain, Sako, Salman, Sarah, Véronika et Wahiba) pour les bons moments partagés, les
déjeuners, les discussions et les sympathiques after work. Un merci particulier à Élodie qui s’est régulièrement
souciée de moi, a souvent pris de mes nouvelles, malgré la distance et le temps, et m’a apaisée à divers moments
de cette thèse. Don’t Cry for me Argentina !
Un grand merci à mon cercle d’amis parisiens, les séparatistes du 20ème arrondissement, pour les
nombreuses soirées à refaire le monde en écoutant battre le cœur de Paris au rythme des chansons réalistes ! Merci
à la douceur des notes de l’accordéon de Michel et à la chaleur de la voie de Dom’ ! Merci pour ces musiques
jolies qui m’ont apporté d’authentiques moments d’évasion et de rêverie. Puis merci aussi à Zoub’ de la rue des
cascades d’avoir fait exister ce lieu, aussi sympathique que magique, qu’est la Fontaine d’Henri IV, un lieu propice
à la réflexion, mais aussi à une salvatrice flânerie... Merci à Annabel et Vanoff de la place des Fêtes pour tous les
moments « Punks » !
Merci à Jérémy, mon ami géographe (et vosgien bien entendu !) pour les campagnes de mesure (malheureusement
infructueuses) par ces nuits affreusement chaudes à crapahuter dans tout Paris ! Merci à Anne et à Olivia pour
les capteurs dans leurs apparts. Une très affectueuse pensée pour mon amie Anne et pour le poteau (!!) de son
appartement de la rue de Noisy-le-Sec, pour les mesures aux Lilas, cette fois réussies et exploitables ! Hasta siempre !
Mes remerciements également à mes amis de Strasbourg. Tout d’abord, je remercie très chaleureusement
Anna H. et Thomas V., mes amis de longue date pour leurs encouragements, leur fiabilité, les précieuses relectures
et, en définitive, pour cette amitié durable et enrichissante que nous entretenons depuis plus de 15 ans.
Merci aussi à mes amis docteurs, Nicolasss et Thomas, pour toutes ces soirées à discuter de MA thèse, à discuter
de LA THèse, à discuter de nos avenirs, de nos doutes, à partager en somme nos difficultés, nos inquiétudes, autour
d’une bonne vieille Météor !
merci également à Lorelei, Nico, Tlaloc, Dragan, Aymeric, Céline, Aurée, Anne-élise, à Julien et Joséphine, et à
tous mes autres amis dont je n’ai pas cité ici les noms, la liste serait bien trop longue... Par leur présence, leurs
mots, chacun a participé à rendre mon parcours de thèse plus heureux en me soutenant à différentes étapes et de
diverses manières. Un merci particulier à Antoine pour sa présence à chaque galère liée à l’ordi. Restera gravé dans
ma mémoire ce jour fameux où mon chat a allègrement uriné sur mon ordi et où nous avons ouvert l’antre de la
machine pour nettoyer tout ça ! Merci à Eddy pour tous les débats socio-philosophiques qui ont contribué à faire
mûrir ma pensée, merci aussi pour les nombreux ouvrages que tu m’as fait découvrir. Enfin, une tendre pensée pour
Jonathan et Laura, mes amis graphistes & Co avec les montes-escaliers Stanah ! Merci pour les parties de pétanque
qui ont contribué à une saine décompression durant la fin de ma rédaction. Surtout merci de m’avoir encouragée à
explorer Indesign (Aller, encore un ! Encore un logiciel à maîtriser !) car j’en suis super satisfaite au final ! Je vous
souhaite d’être très heureux en Savoie !
Je tiens à remercier vivement ma belle-sœur et mon beau-frère, Sandrine et Christophe, pour avoir géré ces
multiples et inoubliables aller-retour sur la N35 avec le camion 20 tonnes, puis pour avoir gravi les 384 marches
des fabuleux apparts parisiens, mais surtout pour ne pas avoir succombé à l’envie de décharger le dit-camion sur
une aire d’autoroute ;-) Bref merci d’avoir toujours été présents et de nous avoir soutenus. Je remercie également
chaleureusement mes beaux-parents pour leur soutien, leurs encouragements et leur gentillesse.
Cette thèse n’aurait évidemment jamais pu se faire sans l’aide permanente et incommensurable de mes
parents qui m’ont permis d’arriver où j’en suis aujourd’hui. Je les remercie infiniment de leur soutien infaillible
tant psychologique qu’économique dans cette longue voie, non sans obstacle, que j’ai choisie. Merci à ma maman
pour toute la douceur, la tendresse et la confiance qu’elle m’exprime au quotidien et merci à mon papa de m’avoir
transmis l’amour de la connaissance. Je dédie cette thèse à leur Histoire, à leur exil.
Enfin, je remercie ma sœur Diane de m’avoir toujours encouragée à vouloir le meilleur.
Un petit clin d’œil cocasse à mes deux adorables félidés, Tchoupi et Jojo pour tous leurs ronrons réconfortants.
Enfin, je ne saurais assez remercier mon compagnon, Yves, pour ses sacrifices et son amour dans toutes
les épreuves, trop de fois douloureuses et pénibles, durant ces longues années de thèse. Je te remercie infiniment
de ta sagesse et de ton intelligence dans les choses de la vie comme dans celles de l’esprit. In girum imus nocte et
consumimur igni. Le meilleur reste à venir.
Résumé
En milieu urbain, à l’échelle locale et dans un contexte estival, les conditions radiatives des périodes de fortes chaleurs
participent à la formation d’un îlot de chaleur urbain. Ce dernier se caractérise, entre autres, par des températures nocturnes
élevées en ville. Or, en période de vague de chaleur, ces températures ont des répercussions meurtrières sur l’organisme,
notamment pour les personnes les plus vulnérables. La canicule du mois d’août 2003 constitue à ce titre un exemple
éloquent. Cette recherche doctorale a pour objectif d’étudier les relations qui existent entre les extrêmes chauds de 2003,
la morphologie urbaine et, la mortalité et la surmortalité du mois d’août 2003 dans l’agglomération parisienne (Paris et sa
petite couronne).
Aussi, un premier aspect de cette thèse concerne l’étude des relations entre les températures de l’agglomération et sa
morphologie urbaine. La vague de chaleur de 2003 est d’abord contextualisée dans un ensemble plus vaste de périodes
de forte chaleur (les journées radiatives d’îlot de chaleur) afin d’en déterminer ses spécificités météorologiques. Puis, les
températures de surface du mois d’août 2003 sont mises en relation avec des variables morphométriques, des indices de
végétation et de bâti. Les résultats révèlent que les températures diurnes ont dans l’ensemble des relations faibles avec les
variables morphométriques et plutôt fortes avec la végétation. Les températures nocturnes ont, quant à elles, des relations
assez importantes avec l’ensemble des variables. En effet, la morphologie urbaine, mais aussi la proximité d’espaces verts
sont autant de facteurs qui jouent sur la variabilité des températures en ville.
Le second aspect de cette recherche s’intéresse à la répartition spatiale de la mortalité et de la surmortalité durant la vague
de chaleur de 2003. Le rôle spécifique des températures de surface sur ces variables est évalué. Nous démontrons que les
relations les plus fortes sont celles entre la mortalité, la surmortalité et les températures nocturnes de surface. Cependant
l’intensité de ces relations est globalement plutôt moyenne. Les seules températures ne peuvent suffire à expliquer la
mortalité et la surmortalité, une comparaison avec des indicateurs démographiques, sociaux et économiques au niveau
communal est par conséquent menée. Chaque variable apporte partiellement des éléments de réponse, mais aucune ne
fournit une part explicative déterminante. Aussi, une analyse en composantes principales (ACP) ainsi qu’une classification la
classification ascendante hiérarchique (CAH) sont envisagées afin de mieux appréhender la complexité des relations.
Quatre profils spatiaux sont mis en évidence, dont deux retiennent notre attention ici. Le premier profil comprend Paris et
deux communes de la proche banlieue ouest. Ces espaces sont plutôt favorisés en termes socio-économiques. La mortalité
y est importante. Le second profil comprend des communes situées principalement dans les banlieues nord et sud de
l’agglomération aux conditions sociales plus modestes et dans lesquelles la surmortalité a été très élevée. Les deux autres
profils spatiaux sont intermédiaires. Ces résultats suggèrent le rôle éventuel des inégalités sociales sur la mortalité et la
surmortalité en période d’extrême chaud.
MOTS CLÉS :
Îlot de chaleur urbain, vague de chaleur, morphologie urbaine, inégalités sociales, mortalité, surmortalité,
agglomération parisienne
Abstract
The radiative conditions of periods of strong heat in urban areas, at a local scale and during the summer, contribute to
constitute the urban heat island effect. The latter is characterised, among other elements, by high night-time temperatures.
Furthermore, these high temperatures have deadly consequences on the health during heat waves, particularly for the most
vulnerable people. The heat wave of August 2003 is as such a good example. This doctoral research aims at examining in
Paris agglomeration (that is to say in Paris and Paris’s inner suburbs) the relationships between the extreme heats of 2003,
the urban morphology, and, the mortality and the excess-mortality.
Bearing this in mind, a first aspect of this research deals about the relationship between the urban temperatures and the
urban morphology. In order to determine the meteorological characteristics of August 2003, this heat wave is first placed
on the global context of other periods of strong heat (like the days of urban heat island). The August 2003 land surface
temperatures are then correlated to the morphometric indicators, the vegetation index and the built index. Our results
show that day-time temperatures are generally weakly related to the indicators of urban morphology and high-related to
the vegetation. Night-time temperatures have stronger relations with all the temperature’s variables. Indeed, the urban
morphology and the presence of green areas have significant impacts on the variability of temperatures in urban areas.
The second aspect of this research concerns the spatial distribution of mortality and excess mortality during the 2003 heat
wave in the Paris agglomeration. The specific role of surface temperatures on these variables is assessed. We demonstrate
that the strongest relationships are between mortality, excess mortality and night-time surface temperatures. However, the
intensity of these relationships is globally quite average. So even if a linking between the land surface temperatures, mortality
and excess-mortality rate is necessary, it is not sufficient to understand all of the spatial distribution of mortality. This is why
a comparison with some demographic, social and economic indicators is led. Each variable brings a part of answers about
the spatial distribution of mortality and excess-mortality, but none provides a decisive explicative part. Taking these results
into account, a principal component analysis and a hierarchical clustering are considered for a better understanding of the
complexity of the relation between all these indicators.
We obtain four spatial clusters, but we distinguish particularly two of them. The first cluster includes Parisian districts and
some of its western suburbs. They are characterised by socio-economically advantaged populations. For this cluster, the
mortality is high. The second cluster contains districts of south and north suburbs. This cluster is characterised by more
socio-economically disadvantaged populations and an abnormally high excess-mortality rate. The other two spatial clusters
are intermediate. These results suggest the role of social disparities on mortality and excess mortality during periods of heat
waves.
KEY WORDS :
Urban Heat Island, Heat wave, Urban morphometry, Social disparity, Mortality, Excess-mortality,
Paris agglomeration
Sommaire
Remerciements.........................................................................................................7
Résumé..............................................................................................................9
Sommaire............................................................................................................13
Introduction générale...............................................................................................17
PARTIE I : Extrêmes thermiques, formes urbaines et population dans

l’agglomération parisienne....................................................................25
chapitre 1 - Les aspects climatiques de l’agglomération parisienne 29

chapitre 2 - Les formes urbaines et l’habitat dans l’agglomération parisienne 45
chapitre 3 - La population de l’agglomération : aspects démographiques,
socio-économiques, résidentiels et sanitaires 73
chapitre 4 - Les relations entre le climat et la santé 89
PARTIE II : Données et méthodes d’investigation...................................................103

chapitre 5 - Données thermiques 107
chapitre 6 - Occupation du sol, morphométrie urbaine
et données de population 127
chapitre 7 - La notion d’échelle et les méthodes statistiques 141
PARTIE III : Les interactions entre températures, morphométrie urbaine et végétation.

Analyses multi-niveaux dans l’agglomération parisienne...............................151
chapitre 8 - Vagues de chaleur et îlots de chaleur urbain

dans l’agglomération parisienne 155
chapitre 9 - Approche multi-niveau de la morphométrie urbaine à Paris
et dans la petite couronne 187
chapitre 10 - Quelles relations entre les variables morphométriques
et les températures de surface ? 199
PARTIE IV : Analyses de la mortalité et de la surmortalité dans

l’agglomération parisienne durant le mois d’août 2003..............213
chapitre 11 - Évaluation des relations entre les températures de surface, la mortalité
et la surmortalité en août 2003 dans l’agglomération parisienne 217
chapitre 12 - Le rôle des facteurs sociaux et démographiques
sur la mortalité et la surmortalité du mois d’août 2003 233
Conclusion générale et perspectives................................................................... 261

Références Bibliographiques.................................................................................271
Annexes ...................................................................................................................307
« Dans l’histoire,
comme dans la nature,
la pourriture est le laboratoire de la vie »

Karl Marx,
Le Capital - Livre 1,
1887.
Introduction générale
Le contexte
La probabilité d’une augmentation de la fréquence et de l’intensité des épisodes de forte chaleur

d’ici la fin du siècle est quasi certaine selon les derniers rapports du GIEC [2013a ; 2013b]. De
manière concomitante, en France, la question du vieillissement de la population est centrale.
Au croisement de ces constats majeurs se situent les conséquences de ces épisodes chauds
sur une population vulnérable parce que vieillissante. Dans ce contexte global, l’agglomération
parisienne présente un certain nombre de spécificités. Elle se caractérise, entre autres, par sa
forte concentration de population, sa densité de constructions, mais également par sa diversité
démographique et sociale et appelle par conséquent un examen tout particulier. Ainsi jalonnée,
si la problématique de cette recherche doit nécessairement sous-tendre une analyse de l’espace
considéré au regard des effets de la chaleur sur la santé des populations, elle n’en demande
pas moins une évaluation des conditions démographiques et sociales - celles-ci pouvant, en
effet, constituer d’importants préalables à une appréhension complémentaire des causes de la
mortalité et de la surmortalité survenues en août 2003.
Durant la vague de chaleur de 2003, il a été recensé en France un peu plus de 56 000 décès,
dont près de 15 000 sont survenus en excès [Hémon et Jougla, 2003 ; INVS, 2003]. En Île-de-
France, cette surmortalité a été particulièrement élevée puisque près de 5 000 décès en excès
ont été enregistrés du 1er au 20 août 2003, représentant plus de 30% de la surmortalité française.
Au niveau des causes de décès, ceux directement attribuables à la chaleur (hyperthermie,
déshydratation et coups de chaleur) présentent une progression de 23% de la mortalité en
2003 à l’échelle nationale [Hémon et Jougla, 2004]. Plus spécifiquement à Paris, ces mêmes
causes de mortalité imputables à la chaleur sont évaluées à près de 18% par Cadot et al. [2005].
Les relations entre la mortalité, la surmortalité et les pics de chaleur ou encore le nombre de
journées de forte chaleur ont été mises en évidence par différents travaux [Semenza et al,
1996 ; Rousseau, 2006 ; Tobias et al., 2012].
17
introduction générale
Lors de vagues de chaleur, l’apparition d’un autre phénomène est également favorisée : l’îlot
de chaleur urbain (ICU). Il consiste en une anomalie thermique qui se produit par temps
anticyclonique stable avec un vent faible [Oke, 1973 ; Landsberg, 1981 ; Rotach et al., 2004]. Sa
formation est liée à la présence d’espaces artificialisés par l’urbanisation et à la faible implantation
d’espaces végétalisés. En effet, l’occupation urbaine des sols ainsi que la morphologie des
constructions modifient le bilan d’énergie en ville. L’ICU se traduit alors par des températures
plus élevées durant la nuit dans le centre de l’agglomération comparativement à sa périphérie
(figure a). Or, le maintien de températures élevées la nuit peut être fortement dommageable
pour l’organisme, notamment en période de forte chaleur.
‘Peak’
‘Cliff’ ‘Plateau’
TEMPERATURES
∆Tu-r
AIR
Commercial
District
Park
Suburban Urban
Figure a. Vue transversale d’un îlot de chaleur [OKE, 1973].
Rousseau [2005] a montré, à ce titre, que les nuits les plus chaudes de la période caniculaire
de 2003 correspondaient aux nuits les plus meurtrières en recensant plus du quart de la
surmortalité francilienne. Ainsi, en août 2003, les nuits du 11, 12 et 13 sont caractérisées par
les températures minimales nocturnes les plus élevées de la période caniculaire avoisinant les
25°C à Paris-Montsouris (station Météo France).
D’un point de vue spatial, nous avons estimé, à partir des données de l’INSERM (tableau a),
que sur près de 9 000 décès survenus durant les 3 premières semaines du mois d’août 2003
en Île-de-France, plus des 2/3 ont eu lieu à Paris et dans la petite couronne (Hauts-de-Seine,
Seine-Saint-Denis et Val-de-Marne), du fait de la densité de population.
18
D’un point de vue temporel, le nombre de personnes décédées en août 2003 dans la région était
de plus de 2,3 fois supérieur aux décès survenus au mois d’août de l’année précédente. Enfin
au niveau démographique, les personnes de plus de 65 ans ont été particulièrement touchées.
Elles ont représenté près de 75% des décès de la région et près de 85% de ceux survenus à
Paris et dans la petite couronne [Hémon et Jougla, 2003 ; 2004].
En comparant l’année 2003 à l’année précédente, la distinction doit être faite entre la mortalité
et la surmortalité. La mortalité se définit comme un nombre de décès dans l’absolu. La
surmortalité se comprend comme un ratio entre un nombre de décès effectif et un nombre
attendu pour la même période. Dans l’agglomération parisienne, mortalité et surmortalité ont
été considérables durant la canicule de 2003 ; ce territoire constitue par conséquent une zone
à risque lors d’épisodes caniculaires semblables à celui du mois d’août 2003, notamment pour
les individus vulnérables tels que les personnes âgées.
Tableau a. Chiffres clés de la mortalité en Île-de-France du 1er au 21 août 2003. Comparaison entre 2003 et
2002 (Données, INSERM).
Nombre de décès entre PARIS

le 01/08/2002 et le 21/08/2002 IDF PARIS
PETITE COURONNE*
Total 3 782 2 193 808
65 ans et + 2 793 1 616 613
65 ans et + décédés à domicile 667 408 171
Nombre de décès entre PARIS

le 01/08/2003 et le 21/08/2003 IDF PARIS
PETITE COURONNE*
Total 8 942 5 813 2 107
65 ans et + 7 401 4 865 1 792
65 ans et + décédés à domicile 2 635 2 037 886
*Haut-de-Seine (92), Seine-Saint-Denis (93) et Val-de-Marne(94)
Néanmoins, le seul facteur température ne peut suffire à expliquer le caractère excessivement

meurtrier de cette canicule. En effet, la prise en compte de la vulnérabilité sociale et économique
des populations offre une compréhension complémentaire. à ce titre, l’analyse des facteurs
sociaux et économiques a permis d’apporter des éléments de réponse dans l’interprétation
des causes de mortalité de 2003 [Cadot et Spira, 2006 ; Canouï-Poitrine, 2005].
19
Ces travaux, portant uniquement sur Paris, ont pu mettre en évidence, par exemple, une
relation positive et croissante entre le revenu médian par ménage et la mortalité. En termes
de surmortalité, ils ont, de plus, montré qu’un environnement économique défavorisé pouvait
constituer un facteur aggravant.
Pour notre part, nous cherchons à approfondir ces relations en nous intéressant à un ensemble
plus large de variables, mais surtout en étendant notre étude à la petite couronne de Paris. Pour
ce faire, il s’agira d’abord de procéder à une analyse démographique du territoire concerné.
Mortalité et surmortalité n’ont-elles pas été plus élevées dans les communes qui comprenaient
un nombre plus important de personnes âgées ? Et si la répartition démographique de la
population atteste en partie des fortes mortalité et surmortalité, quels autres facteurs pourraient
également les expliquer ? Pour tenter de répondre à ces questions, nous nous intéresserons
aux revenus des populations, aux disparités économiques et à la précarité. à ce titre, de
nombreuses études faisant état des inégalités de mortalité [Salem et al., 2000 ; Trugeon et
al., 2010 ; Vigneron, 2013] et plus spécifiquement sur le territoire francilien [Rican, 2014] ont
montré le lien entre la fragilité sociale des populations et la mortalité. Ces différents travaux
ont fait émerger l’idée que les conditions sociales avaient des conséquences non négligeables
sur l’espérance de vie des individus.
Cette dernière considération nous conduit naturellement à nous interroger sur les conditions
sociales ainsi que sur les divisions socio-spatiales de l’espace étudié. L’apport bibliographique
en la matière est abondant. Nombre de chercheurs [Beckouche, 1993 ; François et al., 2003 ;
Berger, 2006 ; Préteceille, 2003 ; François et al., 2011] ont pu mettre en exergue la forte
polarisation sociale de Paris, et plus généralement de l’Île-de-France, démontrant que les
revenus les plus élevés coexistent avec les revenus les plus faibles et que les logiques socio-
ségrégatives ont une tendance à l’augmentation. Il s’agit pour nous d’étudier la répartition
spatiale de ces inégalités afin de pouvoir supposer leurs conséquences sur celles relatives à la
santé.
C’est dans le contexte transversal de ces différentes recherches que se construit la problématique
de cette thèse. L’ensemble de notre démarche s’inscrit dans un système dont les différents
éléments sont en relation. La figure b en propose une représentation.
20
VAGUES DE CHALEUR
Îlot de chaleur urbain
Morphologie
Bioclimatologie
urbaine
PROBLÉMATIQUE
Inégalités Mortalité
socio-résidentielles & surmortalité
Contexte
démographique
FRAGILITÉS SOCIALES CONSÉQUENCES

DES POPULATIONS ÉPIDÉMIOLOGIQUES
Figure b. Représentation des relations complexes entre les vagues de chaleur, les populations urbaines et les
conséquences sanitaires : mise en perspective de la problématique.
La problématique
L’intérêt de cette recherche repose par conséquent sur une analyse croisée de plusieurs
champs thématiques avec l’objectif de dégager des logiques spatiales, environnementales
et sociales pouvant apporter des éléments de réponse quant à la répartition spatiale de la
mortalité et de la surmortalité lors de la vague de chaleur de 2003. Pour ce faire, la lecture des
conséquences sanitaires de l’été 2003 appelle une double compréhension (figure c), celle du
contexte physique (vague de chaleur et îlot de chaleur) et celle du contexte démographique,
socio-économique et résidentiel de l’agglomération (âge, isolement, revenu, etc.). Aussi s’agira-
t-il plus spécifiquement de répondre aux questions suivantes :
Quels sont les espaces soumis à des températures élevées dans l’agglomération parisienne ?
Quels sont les facteurs explicatifs d’un tel phénomène ?
XX Ce premier aspect s’intéresse aux relations entre la chaleur et la ville, et plus particulièrement
entre la répartition spatiale des températures et celle de la morphologie urbaine.
21
Il est question d’identifier, de mesurer et d’analyser les relations qui existent entre ces deux
ensembles à différents niveaux d’observation.
Les zones aux caractéristiques thermiques extrêmes (centre urbain) correspondent-elles aux
zones de forte mortalité ? Aux zones de forte surmortalité ? Et dans ce contexte, comment
comprendre le rôle des facteurs démographiques, sociaux et résidentiels sur la mortalité et
la surmortalité en août 2003 ?
XX Le second volet de cette thèse concerne la répartition spatiale de la mortalité et de
la surmortalité à Paris et dans la petite couronne. Il s’agit ici d’observer et d’évaluer

leurs répartitions spatiales, puis de les comparer à celle des températures. Enfin, un
rapprochement est établi entre la mortalité, la surmortalité et les variables démographiques,
sociales et résidentielles afin d’apprécier le rôle du contexte social de l’agglomération sur les
conséquences sanitaires de 2003.
VAGUE DE CHALEUR DE 2003

À PARIS ET DANS LA PETITE COURONNE
Quelles conditions
météorologiques ?
Quelle répartion spatiale
des températures ?
ESPACES URBAINS, HABITATS ET POPULATIONS

EN AGGLOMÉRATION PARISIENNE
Quelles relations
avec les températures ?
Quel contexte
démographique ? PROBLÉMATIQUE
Quelle(s) population(s) ?
Quel(s) habitat(s) ?
Quelle(s) dynamiques
socio-spatiale(s) ?
CONSÉQUENCES SANITAIRES
DE 2003 DANS L’AGGLOMÉRATION
Quelle mortalité ?
Quelle surmortalité ?
Figure c. Approches environnementales et sociales des conséquences sanitaires de la vague de chaleur de 2003.
22
Organisation de la recherche
Le plan répondant à cette problématisation se construit en quatre parties. Les deux premières
sont consacrées respectivement à l’état de l’art, à la description des données et des méthodes
utilisées dans l’étude. La troisième partie a pour vocation l’identification des zones de forte
chaleur et leurs mises en relation avec la morphométrie urbaine et l’occupation du sol. Dans
la quatrième partie, il est question d’examiner les facteurs explicatifs de la mortalité et de la
surmortalité. Enfin, une dernière partie est destinée à la conclusion et aux perspectives. Plus
précisément, les parties se subdivisent en chapitres et aboutissent à l’organisation d’ensemble
suivante :
La première partie a pour finalité de dresser l’état de l’art en la matière. Pour ce faire, un
premier chapitre porte sur l’étude du contexte estival francilien. Le second chapitre a pour
objectif de décrire l’agglomération au regard des formes urbaines et de l’habitat. Puis, un
troisième chapitre aborde ses aspects démographiques, sociaux, résidentiels et sanitaires.
Après avoir posé, dans les précédents chapitres, d’une part le contexte météorologique et
d’autre part le contexte sanitaire de l’agglomération, dans le quatrième chapitre, nous pouvons
développer les relations spécifiques entre le climat et la santé.
La seconde partie présente les données utilisées ainsi que les méthodes déployées dans
cette recherche. Parallèlement à la multiplicité des champs thématiques développés dans les
précédentes parties, les méthodes d’analyse de cette recherche reposent sur une analyse multi-
niveau de l’agglomération. En effet, selon les phénomènes étudiés, le niveau spatial peut varier
de taille et de forme, allant de la résolution satellite (30 m, 250 m ou 1 000 m) au découpage
administratif (communal). Nous présentons respectivement dans le chapitre 5, les données
thermiques, et dans le chapitre 6, les données d’occupation du sol ainsi que celles relatives à
l’étude des populations. Enfin, le chapitre 7 précise notre positionnement méthodologique (et
en partie épistémologique) en abordant la notion d’échelle, et plus spécifiquement celle des
échelles d’observation, ainsi que les traitements statistiques mis en œuvre dans notre travail.
La troisième partie est consacrée d’une part à l’étude des températures dans l’agglomération
parisienne et d’autre part à la recherche des facteurs explicatifs quant à leur répartition
spatiale. Le chapitre 8 présente les résultats du suivi de la vague de chaleur de 2003 à partir
d’images satellites. Il s’agit également de s’intéresser à d’autres épisodes thermiques afin de
23
contextualiser la spécificité de l’été 2003. Puis, nous évaluerons l’intensité de l’îlot de chaleur
urbain estival en agglomération parisienne à partir des paramètres météorologiques (insolation,
vent et températures). Le chapitre 9 a pour objet de mesurer la morphologie urbaine par le
biais de variables telles que la hauteur des bâtiments ou leurs volumétries. Par ailleurs, des
indices de végétation et de bâti par différence normalisée (respectivement NDVI et NDBI) sont
calculés à différents niveaux d’observation. Enfin, le chapitre 10 traite des relations entre les
températures de surface, les variables morphométriques, le NDVI et le NDBI par corrélation
linéaire. Un modèle multivarié est dès lors proposé.
Dans la quatrième partie, l’objectif est d’expliquer par les variables thermiques, démographiques,
sociales et économiques, la répartition spatiale de la mortalité et de la surmortalité lors de la
canicule de 2003 dans l’agglomération parisienne. Le chapitre 11 fait état des relations entre
les températures nocturnes et diurnes de surface, d’une part, et, d’autre part, la mortalité et
surmortalité par régression linéaire et exponentielle. Le 12ème et dernier chapitre analyse la
mortalité et la surmortalité de 2003 à la lumière d’un ensemble de variables démographiques,
socio- économiques et résidentielles. Pour finir, une analyse en composantes principales et une
classification ascendante hiérarchique permettent de déterminer des groupes de communes
aux caractéristiques proches.
24
PARTIE 1 Extrêmes thermiques,
formes urbaines,
population et mortalité,
dans l’agglomération
parisienne
« Nous avons perdu le trône d’assurance

qui mettait notre esprit
au centre de l’univers :
nous avons appris que nous sommes,
nous autres citoyens de la planète Terre,
les banlieusards d’un Soleil de banlieue
lui-même éxilé à la périphérie
d’une galaxie périphérique
d’un univers mille fois plus mystérieux
que mil l’aurait encore imaginé
il y a encore un siècle »
Edgard Morin,
Science avec conscience,
1982.
PARTIE 1 - Introduction
Cette première partie a pour finalité de faire état des contributions bibliographiques utiles au
développement de cette recherche.
Pour ce faire, nous examinerons dans un premier chapitre le cadre physique de notre étude en
décrivant le climat de l’agglomération parisienne. Il s’agira plus spécifiquement de présenter le
contexte estival de l’agglomération. Puis, à l’intérieur de ce contexte, nous nous intéresserons au
phénomène d’îlot de chaleur urbain dont l’existence et l’extension sont tributaires de la présence de
la ville.
Suite à cela, dans le second chapitre, il sera question de définir, puis d’observer l’agglomération
parisienne dans ses formes urbaines et son habitat pour une meilleure appréhension de la morphologie
de la ville.
Cette description des formes urbaines de l’agglomération nous conduira dans un troisième chapitre à
nous interroger sur les populations. Nous aborderons alors successivement la répartition démographique
et sociale de la population de l’agglomération parisienne. Ces aspects démographiques et sociaux
soulèveront en retour la question des inégalités spatiales présentes dans notre zone d’étude. Seront
identifiés alors les grands traits de la division sociale et résidentielle de l’agglomération qui nous
amèneront à leur tour à constater de possibles conséquences sur les inégalités sanitaires du territoire.
Le cadre socio-sanitaire ainsi esquissé, nous focaliserons notre attention dans un quatrième chapitre
sur les relations spécifiques entre la santé et le climat. Nous détaillerons enfin les effets de la chaleur
sur l’organisme et identifierons plus spécifiquement les populations à risque.
Chapitre 1 :
Aspects climatiques de l’agglomération parisienne
1.1. Approche régionale : circulation atmosphérique et normales saisonnières
Dans cette première sous-partie, nous allons décrire le climat de l’agglomération parisienne sous
l’angle de la circulation atmosphérique (approche synthétique). Puis, à partir des données de la
station météorologique de Paris-Montsouris, il s’agit de procéder à l’observation des paramètres
météorologiques de la normale saisonnière de 1981-2010 (approche analytique). Mais préalablement,
une partie introductive est consacrée aux particularités de la situation géographique de l’agglomération
parisienne.
1.1.1. Situation de l’étude
L’agglomération parisienne se trouve au cœur du bassin parisien qui est entaillé par la Seine et ses
affluents, dont les principaux sont la Marne et la Bièvre. L’orientation du bassin parisien (NNW-SSE)
est l’empreinte de son histoire géologique. La situation de la région est dans un relief de plaines et
de collines dont le point le plus élevé se situe à environ 220 mètres dans le nord-ouest au niveau
du Vexin. Avec près de 70% du territoire de la région occupé par des espaces agricoles, son aspect
d’ensemble se présente sous la forme d'un plateau agricole et boisé, parsemé de buttes-témoins et
creusé de vallées, dont l’inclinaison est plutôt orientée vers la Seine.
Concernant plus spécifiquement Paris, la ville possède une superficie de 105 km² et est établie au
cœur de l’Île-de-France. Elle dispose également d’un relief de buttes. Elle est incisée en son centre
par la Seine qui sépare la ville en deux rives : gauche et droite. De part et d’autre de la Seine, on
observe un premier palier d’une hauteur moyenne d’une trentaine de mètres.
29
Chapitre 1 : ASPECTS CLIMATIQUES de l’agglomération parisienne
Ce palier comprend principalement les premiers arrondissements de la ville. Sur la rive gauche de
la ville se trouvent les hauteurs de Tolbiac (environ 50 mètres), de la Butte aux Cailles (environ 60
mètres) ainsi que de la Montagne Sainte-Geneviève (environ 65 mètres). La rive droite comprend
les plus hautes buttes de la ville qui sont celles de Belleville et de Montmartre avec une altitude
d’environ 130 mètres.
1.1.2. Le régime atmosphérique régional
Au niveau de la circulation atmosphérique, Pédelaborde [1960] situe le bassin parisien (et donc l’ag-
glomération parisienne) au carrefour d’influences de masses d’air océanique et de masses d’air conti-
nental. Et à ce titre, il ne semble pas former une unité climatique. L’auteur établit un rapprochement
entre unité géologique et unité climatique puisqu’il estime que le changement de climat se produit
lorsque l’on sort du bassin parisien, notamment au niveau des températures. Il fait état de quatre
zones à l’intérieur du bassin parisien dont le climat est défini par les régions voisines : la province
neustrienne (sous-régions picarde, cauchoise et bas-normande) au nord, la province orientale (sous-
régions champenoise, lorraine et bourguignonne) à l’est, la province ligérienne au sud (sous-régions
du Nivernais et du Val de Loire oriental) et enfin la province parisienne.
Plus globalement, selon la classification de Köppen, le climat francilien est de type océanique dégradé
et est dominé par une circulation atmosphérique d’ouest. Les vents synoptiques proviennent plus
particulièrement en grande majorité du sud-ouest [Escourrou, 1990]. À ces vents s’ajoutent les brises
de campagne et les brises thermiques, dont la formation dépend très largement de la présence de la
ville [Escourrou, 1991 ; Cantat, 2004]. En effet, l’impact de l’urbanisation se traduit localement, d’une
part, par un affaiblissement du vent, et d’autre part, par la présence de brises thermiques. Ces brises
sont particulièrement actives en périodes d’îlot de chaleur urbain, phénomène que nous étudierons
plus spécifiquement ultérieurement. Pour le moment, il convient d’apporter quelques précisions sur
le régime thermique et pluviométrique de l’agglomération.
1.1.3. Températures, ensoleillement et régime pluviométrique
Joly et al. [2010] définissent les zones climatiques françaises à partir des paramètres météorologiques.
Sont à cet égard prises en compte les données de températures (près de 600 de stations) et de
précipitations (plus de 2000 stations) sur la normale saisonnière de 1971-2000. Selon ces données, le
climat de l’agglomération se définit de la manière suivante. Les précipitations sont faibles en hiver
30
Partie 1 Extrêmes thermiques, formes urbaines, populations et mortalité dans l’agglomération parisienne
(inférieures à 700 mm de cumul annuel) et plus importantes en été. Le nombre de jours pluvieux est
plutôt modéré en période estivale. Les quantités de pluie sont également modérées avec un peu plus
de 65 mm de hauteur de précipitation (même si juillet est le mois le pluvieux de l’année).
Parallèlement à cela, ce mois est également le plus ensoleillé de l’année avec plus de 210 heures
d’ensoleillement (figure 1.1). En termes de moyennes saisonnières (1981-2010) de températures, la
station de Météo France de Paris-Montsouris1 recense pour le mois de juillet les valeurs les plus
chaudes de la saison estivale avec des maximales de 25,2°C et des valeurs minimales de 15,8°C.
Le mois d’août est sensiblement plus frais. Les mois pré- et post- estivaux (mai et septembre), sont
encore plus frais avec une moyenne des températures maximales autour des 20°C et des minimales
autour de 10°C.
Figure 1.1. Températures minimales, maximales, précipitations et durée d'ensoleillement à Paris Montsouris,
normales saisonnières 1981-2010. Données, Météo France.
Après avoir posé le cadre géographique, topographique et climatique de cette thèse, nous proposons
dans la sous-partie suivante d’aborder le contexte plus spécifique d’extrême chaud estival. Pour ce
faire, nous définirons respectivement la vague de chaleur en termes météorologiques. Puis dans ce
contexte estival, nous détaillerons le phénomène d’îlot de chaleur urbain.
1. La station Paris-Montsouris se situe dans le 14ème arrondissement au sud de la ville, plus spécifiquement dans le Parc Montsouris. Une
présentation plus exhaustive de la station sera développée dans la seconde partie de cette thèse.
31
1.2. De la vague de chaleur à l’îlot de chaleur urbain en période estivale
La période estivale s’accompagne de belles journées ensoleillées ; en termes météorologiques, il s’agit

d’un temps anticyclonique stable. En cas de forte élévation des températures durant plusieurs jours
consécutifs pendant ce type de temps, on parle alors de vague de chaleur. Dans cette sous-partie, il
s’agit de mieux appréhender cette notion de vague de chaleur.
En milieu urbain, une élévation plus conséquente de la température est constatée la nuit par rapport
à la périphérie plus rurale. En effet, d’importantes différences de température (12°C) ont été observées
entre la station météorologique de Paris-Montsouris et celle située en zone rurale à Melun [Dettwiller,
1970 ; Escourrou, 1991 ; Cantat, 1989 et 2004]. Cette anomalie thermique est connue sous le nom
d’îlot de chaleur urbain (ICU). Bien que le phénomène d’ICU puisse être présent en été comme hiver,
les conditions météorologiques estivales favorisent plus largement sa formation. Nous présenterons
dans une seconde sous-partie, ce phénomène ainsi que les particularités et les mécanismes qui sont
à l’origine de sa formation.
1.2.1. Qu’est-ce qu’une vague de chaleur ?
1.2.1.1. Définition météorologique
Il existe plusieurs termes pour définir un évènement météorologique avec des températures élevées :
vague de chaleur, épisode chaud ou encore canicule. Ces termes sont difficiles à distinguer car
aucune définition consensuelle n’a été proposée pour chacun d’entre eux à l’heure actuelle.
L’Organisation Mondiale de la Météorologie (OMM) définit la vague de chaleur comme un « réchauffement
important de l’air », ou une « période caractérisée par des températures anormalement élevées » ou
encore une « invasion d’air très chaud » [Besancenot, 2002]. Météo France [2014] appelle canicule,
« un épisode de températures élevées, de jour comme de nuit, sur une période prolongée ». Cependant
la vague de chaleur ne se définit pas uniquement à la lumière du contexte météorologique, puisqu’il
est aujourd’hui admis qu’une définition optimale doit nécessairement considérer les effets sur la santé
[Besancenot, 2002]. Ces aspects étant plus largement développés dans le chapitre 4, revenons pour
l’instant au point de vue strictement météorologique. à cet égard, une vague de chaleur se définit
comme l’installation durable d’une masse d’air chaud liée à la présence d’un temps anticyclonique
stable en période estivale. En Europe, l’intensité et la durabilité d’un tel type de temps sont liées,
entre autres, à l’activité et au positionnement des hautes pressions des Açores. En effet, lorsque ces
dernières sont durablement installées sur l’Europe de l’Ouest, une crête anticyclonique est alors en
place et la circulation d’ouest est affaiblie ; un temps sec et chaud est alors présent sur la France.
32
En France, jusqu’à la catastrophe sanitaire de 2003, on parlait de canicule lorsque les températures
étaient supérieures à 35°C pendant plus de 2 jours consécutifs. Par la suite (après 2003), des clas-
sifications avec des terminologies plus précises ont été attribuées : journées de chaleur (>25°C), de
forte chaleur (>30°C) ou de très forte chaleur (>35°C). À partir de 2003, l’alerte canicule est donnée
lorsque, pendant plus de 3 jours consécutifs, les températures maximales dépassent le seuil de 35°C
et les minimales celui des 18-20°C selon les villes.
Plus localement, ce type de temps, c’est-à-dire anticyclonique, chaud et sans nébulosité, favorise
l’apparition d’un phénomène thermique particulier : l’îlot de chaleur urbain. Nous en parlerons
plus spécifiquement ultérieurement, nous proposons au préalable de terminer cette sous-partie en
spécifiant l’événement météorologique d’extrême chaud de l’été 2003.
1.2.1.2. La vague de chaleur de 2003
L’été 2003 fut celui le plus chaud que la France ait connu depuis 1976 et particulièrement au niveau
des températures minimales avec une augmentation de 3,5°C par rapport à la normale saisonnière
mensuelle établie sur la période 1950-1980 [Météo France]. Parallèlement à ce contexte général de
l’été 2003, la vague de chaleur du mois d’août a été particulièrement importante dans l’ensemble de
la France par sa durée et son intensité [Neu et Thalmann, 2005].
L’origine météorologique de cette vague de chaleur fut l’installation d’une puissante dorsale d’altitude
entre le sud de la péninsule Ibérique et les Pays-Bas avec un renforcement de la pression sur la
France. Cette situation a permis l’arrivée d’une masse d’air chaud et sec en provenance du nord-
ouest de l’Afrique. Les hautes pressions ont empêché le passage de perturbations d’ouest, la masse
d’air s’est continentalisée et le temps a donc été très chaud et sec. Cette situation synoptique a,
de plus, favorisé la formation de l’îlot de chaleur urbain. Les journées d’ICU pendant la canicule du
mois d’août 2003 ont conséquemment contribué au maintien de températures nocturnes élevées dans
l’agglomération : supérieures à 22°C (données de Météo-France pour la station Paris-Montsouris) et
supérieures à 25°C pour les nuits du 12 et 13 août 2003 par exemple. Ces nuits particulièrement
chaudes ont gravement affecté les organismes [Hémon et Jougla, 2003 ; INVS, 2003 ; Ledrans et al.,
2004 ; Rey et al., 2009], et à plus forte raison, ceux des personnes plus fragiles. L’augmentation de
la mortalité pendant ces jours - et surtout pendant ces nuits - de très forte chaleur a été fulgurante
(figure 1.2). C’est pourquoi il apparaît pertinent de se focaliser plus précisément sur les températures
minimales. Dans cette recherche, une attention particulière est portée à l’étude des températures
nocturnes. Dans le contexte de 2003, tout comme plus généralement dans un contexte estival
anticyclonique, la contribution de l’îlot de chaleur urbain dans le maintien de températures nocturnes
élevées est importante et doit par conséquent faire l’objet d’une appréciation en conséquence.
33
Nombre de décès Températures (°C)

350 40
325
300 35
275
30
250
225 25
200
175 20
150
125 15
100
10
75
50 5
25
0 0
20/ 8
22/ 8
24/ 8
26/ 8
28/ 8
30/ 8
1/ 9
3/ 9
5/ 9
7/ 9
9/ 9
11/ 9
13/ 9
15/ 9
25/ 7
27/ 7
29/ 7
31/ 7
2/ 8
4/ 8
6/ 8
8/ 8
10/ 8
12/ 8
14/ 8
16/ 8
16/ 8
18/ 8
25/ 6
27/ 6
29/ 6
1/ 7
3/ 7
5/ 7
7/ 7
9/ 7
11/ 7
13/ 7
15/ 7
17/ 7
19/ 7
21/ 7
23/ 7
Décès 2003 Temp. max. 2003 Temp. min. 2003
Figure 1.2. Températures minimales et maximales de l’été 2003 enregistrées à la station Paris Montsouris
(zoom du 1er au 22 août) et nombre de décès à Paris (adapté de l’INVS 2003).
1.2.2. L’îlot de chaleur urbain
1.2.2.1. Le contexte général
L’îlot de chaleur urbain (ICU) est une anomalie thermique entraînant un excédent de chaleur en
faveur de la ville lors de situations synoptiques particulières [Oke, 1981 ; Landsberg, 1981 ; Oke,
1987 ; Eliasson, 1990]. Les conditions atmosphériques nécessaires à la formation du phénomène sont
identiques, le plus souvent, à celles existant lors d’une vague de chaleur : un temps anticyclonique
stable, une nébulosité et un vent faibles. La présence de la ville et de ses surfaces fortement
artificialisées influe sur le bilan d’énergie. L’ICU se définit alors comme une augmentation de la
température de l’air au-dessus des aires urbaines comparativement à leur périphérie. Il s’agit plus
spécifiquement d’un phénomène nocturne qui se forme à la tombée de la nuit, qui connaît son
maximum quelques heures après le coucher du soleil et qui disparaît progressivement le long de la
nuit.
Ce phénomène a été observé la première fois en 1820 à Londres par Luke Howard [1833 in Grimmond,
2011]. Ce dernier constatait qu’il existe une différence de 2,1°C la nuit et de 0,2°C le jour entre la ville
et la campagne avoisinante. Depuis 1960, l’étude du climat urbain a fait l’objet de nombreux travaux
[Bornstein, 1968 ; Oke, 1987 ; Voogt, 1998 ; Arnfield, 2003 ; Grimmond, 2006], tant du point de vue
temporel que spatial.
34
Du point de vue spatial, l’extension de l’ICU résulte de la combinaison de plusieurs facteurs en

particulier : la situation géographique de la ville, sa forme (morphologie urbaine), sa structure
(partitionnement entre surface minérale et végétale par exemple) et sa taille (superficie et population).
1.2.2.2. Le contexte estival à Paris
Durant les périodes estivales à Paris, l’occurrence et l’amplitude des écarts de température entre ville et
campagne sont les plus remarquables de l’année en moyenne [Cantat, 2004]. Cela tient en partie au fait que
les situations anticycloniques durables sont globalement davantage présentes durant la période estivale.
Mais plus que son occurrence, dans le cadre de cette thèse, nous nous interrogeons sur son intensité.
Si l’îlot de chaleur affecte les températures nocturnes, en période estivale et en zone urbaine, cette
anomalie concourt au maintien de températures très chaudes durant la nuit en ville ; et celles-ci
peuvent être sérieusement dommageables pour la santé. En effet, en hiver, une telle élévation des
températures n’a pas d’incidence directe sur l’organisme. Cependant, lors d’un pic de forte chaleur
en été, ce phénomène fait de la ville une zone qui présente un risque majeur pour les organismes -
les plus fragiles. Nous verrons cela plus amplement dans le quatrième chapitre de cette thèse. Mais
avant d’aborder la question de la santé, et afin d’approfondir l’étude de l’ICU, nous allons expliquer
dès à présent les influences de la ville sur le climat.
1.2.3. Les impacts de la ville sur le climat : le bilan d’énergie en ville
La surface de la terre absorbe majoritairement le rayonnement solaire en courtes longueurs d’onde.

En ville, les revêtements urbains (béton, macadam, asphalte), en raison de leurs couleurs (albédo de
surface) et de leurs matériaux, favorisent l’absorption d’une quantité importante des courtes longueurs
d’onde du rayonnement solaire. La nuit, le rayonnement ainsi accumulé dans les constructions
urbaines est émis en grandes longueurs d’onde. En ville, le rayonnement thermique terrestre est en
partie intercepté par l’atmosphère urbaine (et plus encore plus abondamment absorbé en période
de pollution en raison de la forte présence d’aérosols et autres particules), en partie renvoyé vers les
couches supérieures de l’atmosphère et en partie réémis vers la surface du sol.
Ce cycle radiatif n’est pas altéré dans son fonctionnement en milieu urbain, mais les flux d’énergie
constitutifs du rayonnement terrestre subissent des modifications en situation radiative d’îlot de
chaleur. En effet, les espaces urbanisés, caractérisés par leur forte artificialisation, mais également
par une importante hétérogénéité liée à la diversité des constructions urbaines engendrent une
modification de la réponse énergétique des surfaces [Oke, 1981 ; Cantat, 1989 ; Sakakibira, 1993 ;
Ringenbach, 2004 ; Najjar, 2005].
35
1.2.3.1. Le bilan d’énergie
Le bilan d’énergie terrestre est composé de différents flux énergétiques dont l’équation se note de la
manière suivante :
Rn + F = H + LE + S
Avec :
Rn Rayonnement net
F Flux de chaleur anthropique, énergie liée à la circulation, aux activités industrielles, au
chauffage et à l’éclairage
H Flux de chaleur sensible, énergie restituée par la surface par convection
LE Flux de chaleur latente, énergie absorbée pour l’évaporation ou l’évapo-transpiration
S Énergie transmise dans le sol par conduction
Le bilan d’énergie à la surface est en équilibre thermodynamique, cela signifie que l’énergie reçue
(gain) et l’énergie transmise (perte) s’intègrent dans un système en équilibre. Or en ville, en période
d’ICU, les termes du bilan d’énergie sont modifiés (figure 1.3). à la campagne, en journée, l’énergie du
rayonnement net est utilisée de trois manières. Une partie est utilisée en chaleur latente (évaporation
EN JOURNEE
RN F RAYONNEMENT NET (RN)

VENT
LE H LE H
s s s
RURAL URBAIN RURAL
LA NUIT
RN RAYONNEMENT NET (RN)

VENT LE H LE H F
s s s
RURAL URBAIN RURAL
Figure 1.3. Bilan d’énergie en journée et la nuit, comparaison entre la ville et la campagne adapté de Foggle et
Oke [1973] et Hufty [2001]. Les abréviations (LE, H, S, F et Rn) sont expliquées dans le texte ci-dessus.
36
et évapotranspiration). Une autre partie est transformée en chaleur sensible. Enfin, une dernière
partie est transmise dans le sol par conduction.
La nuit, la perte par rayonnement infrarouge entraîne par temps calme un refroidissement rapide
des surfaces. Les flux convectifs sensibles et latents participent au refroidissement des surfaces
rurales. Il se produit alors un phénomène d’inversion thermique. En ville, la rugosité urbaine fait
obstacle aux écoulements d’air qui permettent la dissipation de la chaleur stockée dans les surfaces
urbaines.
En ville, de journée comme de nuit, les phénomènes sont donc d’une autre ampleur et les différents
flux subissent des modifications. Les sous-parties suivantes ont pour vocation d’expliquer ces
phénomènes plus amplement.
1.2.3.2. Diminution de la chaleur latente : faible présence de végétation
Bien que composée majoritairement de surfaces minérales dans la plupart des cas, la ville comporte
également des parcs urbains et autres types d’espaces verts ; ces derniers ont localement une
influence sur le climat urbain. En effet, des études ont montré que la présence de la végétation
permet un refroidissement des températures de jour comme de nuit [Gallo, 1993 ; Lo et al., 1997 ;
Susca et al., 2011]. Toutefois, en ville, la végétation étant nettement moins présente qu’à la campagne,
l’énergie absorbée par l’évaporation et l’évapotranspiration (LE) y est moindre.
De plus, les surfaces minérales urbaines sont imperméables et favorisent le ruissellement, elles sont par
conséquent moins propices à l’évaporation ; à la campagne, l’eau s’infiltre dans le sol, puis s’évapore. Or
l’évaporation, qui demande de l’énergie, engendre un phénomène de refroidissement du sol. En ville,
l’énergie non utilisée par l’évaporation se rajoute sous forme convective au flux de chaleur sensible
(H) et peut se stocker entre et/ou dans les bâtiments engendrant un apport de chaleur supplémen-
taire [Escourrou, 1981 ; Guyot, 1997 ; Hufty, 2001].
1.2.3.3. Augmentation du flux de chaleur sensible : imperméabilité des surfaces, géométrie et

albédo
La ville comporte une importante hétérogénéité de surface liée à la présence des bâtiments. En
journée, ces surfaces, dont les matériaux sont de natures diverses, vont chauffer de manière inégale.
En effet, la tôle des toits ne chauffe pas de la même manière que la pierre, ou encore que le macadam.
La rugosité urbaine, qui constitue un des aspects de l’hétérogénéité de surface, et plus particulièrement
la morphologie urbaine jouent un rôle sur l’emmagasinement de la chaleur par le biais d’un piégeage
du rayonnement dans le canyon urbain [Oke, 1981 ; Sakakibira, 1993 ; Najjar et al., 2005 ; Kastendeutch
et al., 2006]. Cette morphologie est étudiée par le biais d’indicateurs tels que le rapport d’aspect
37
H/W - correspondant au ratio entre la hauteur des bâtiments (H) et la largeur de la chaussée (W) ou
encore la part de ciel visible (appelé Sky View Factor et noté SVF). L’étude plus exhaustive de ces
indicateurs et de leurs influences sur le climat sera menée dans le deuxième chapitre de cette thèse.
En plus des formes des canyons urbains, en ville, une importante quantité de chaleur est stockée
dans les constructions qui sont plus nombreuses et plus massives que dans les espaces ruraux.
Cette hétérogénéité de surface favorise un albédo2 qui est également très différent selon le substrat
rencontré et selon la couleur des constructions urbaines (végétation, macadam, toits en briques
claires ou foncées, etc.). Plus ce ratio se rapproche de la valeur de 1, plus la surface renvoie du
rayonnement. Ainsi cette rugosité urbaine influe sur la valeur de l’albédo. à ce titre, il a été constaté
[Aida, 1982 ; Aida et Gotoh, 1982 ; Soler et Ruiz, 1994 ; Fischer, 2005] qu’il existait une relation
inversement proportionnelle entre la rugosité et l’albédo. En zone urbaine, cet albédo varie entre 0,07
pour l’asphalte, 0,20 pour du béton brut ou encore 0,4 pour des tuiles [Valette et Cordeau, 2010]. à
Paris, par exemple, où la plupart des espaces sont artificialisés, le coefficient d’absorption solaire
(variable informative de l’énergie absorbée par les surfaces) est très élevé, il est de 0,93 [Giguère,
2009 in Valette et Cordeau, 2010].
L’hétérogénéité des surfaces traduite par les densités de bâti et par la multiplicité des structures,
des formes et des couleurs des constructions urbaines est une source d’obstacles à l’évacuation de
la chaleur emmagasinée durant la journée. L’ensemble de ces aspects, ajouté à la diminution du flux
de chaleur latente, a pour conséquence de favoriser l’augmentation du flux de chaleur sensible et de
la chaleur stockée dans le sol.
1.2.3.4. Le vent dans l’agglomération : cellules convectives d’air chaud, brises thermiques et
déplacements d’air dans les rues
En journée et en ville, le déficit en eau pour le flux de chaleur latente et l’excédent du flux de
chaleur sensible (transmise du sol à l’atmosphère) engendrent un réchauffement de l’air urbain à
partir du milieu de la journée. Cet air chaud urbain va générer des flux convectifs : l’air chaud de la
ville va s’élever (figure 1.4). Si le vent synoptique est relativement fort (> 3 m/s), cette couche d’air
chaud est entraînée (panache urbain) vers la campagne ; mais si le vent est faible (< 3 m/s), des
cellules convectives se forment (dôme urbain) dans la couche limite urbaine [Mestayer, 1998]. La
rugosité de la ville, associée aux conditions synoptiques estivales et au ralentissement de la vitesse
de vent favorise un maintien des températures élevées en milieu urbain. Parallèlement à l’existence
de ces cellules convectives d’air chaud, les températures urbaines génèrent d’autres phénomènes
2. On désigne par albédo le ratio entre la quantité de rayonnement reçu et la quantité de rayonnement émise par la surface
38
à l’échelle locale et à l’échelle micro-climatique.

à l’échelle locale, les différences de températures entre le centre urbain plus chaud et la campagne
avoisinante plus fraiche génèrent des vents locaux appelés brises thermiques [Escourrou, 1991 ;
Bridier, 2001].
Enfin, à l’échelle micro-climatique, le réchauffement inégal des surfaces lié à l’hétérogénéité du
substrat, entraînant une différence de pression, provoque des déplacements d’air à l’intérieur des
rues de l’agglomération [Chatelet et al., 1998]. Les directions, les vitesses et les effets (de type
venturi par exemple) de ces derniers sont conditionnés par les obstacles urbains rencontrés (formes
urbaines).
L’ensemble de ces phénomènes renvoie à la question des échelles d’analyse du climat urbain, la
partie suivante est consacrée à leur étude.
Vent synoptique
V>3m/s
Panache urbain
Couche limite
urbaine
Canopée
Courbe limite
urbaine
rurale
Zone Zone Zone Zone Zone

rurale périurbaine urbaine périurbaine rurale
Vent synoptique
Mouvements convectifs
V<3m/s
Dôme urbain
Zone Zone Zone Zone Zone

rurale périurbaine urbaine périurbaine rurale
Figure 1.4. Structure verticale de l'atmosphère pour des vitesses de vents supérieurs (en haut) et inférieurs (en
bas) à 3m/s [Mestayer et Anquetin, 1994].
39
1.3. Les échelles d’études de l’îlot de chaleur urbain
La notion d’échelle est essentielle dans la compréhension des interactions qui existent entre
l’atmosphère et les surfaces urbaines. L’acception générale de la notion d’échelle fera l’objet d’un
développement spécifique dans la partie consacrée à la méthodologie puisque la question des
échelles est transversale dans cette recherche. Mais pour ce qui est de cette sous-partie, nous nous
intéressons uniquement à son usage en climatologie urbaine.
Arnfield [2003] pose un état de l’art de la recherche en la matière durant les 20 années qui ont
précédé sa publication. Il soulève la question des échelles d’étude en abordant la complexité des
surfaces urbaines. En effet, s’il est certain que chaque surface dispose de son propre bilan d’énergie,
il est pertinent de prêter une attention particulière aux échelles d’études de l’îlot de chaleur afin de
considérer au mieux cette diversité.
De la complexité d’un bâtiment à celle d’une rue ou d’un quartier, la ville est constituée d’autant
d’entités qui obligent à l’étudier dans une « décomposition » des échelles. En effet, ce qui se passe
à l’échelle du bâtiment est différent de ce qui se passe à l’échelle de la rue ou du quartier. Yoshino
[1975] propose les valeurs horizontales et verticales des échelles d’étude du climat (tableau 1.1).
Il distingue 4 échelles en climatologie d’une extension spatiale qui va de l’immeuble à quelques
dizaines de kilomètres.
La prochaine sous-partie portera sur une description de l’atmosphère urbaine à ces différentes
échelles, puis dans une seconde sous-partie nous nous intéresserons à l’analyse spatiale (dans une
dimension horizontale) de l’îlot de chaleur urbain par le biais de la télédétection.
Tableau 1.1. Échelles spatiales d’étude du climat d’après Yoshino [1975].
ECHELLES Horizontales (en mètres) Verticales (en mètres)
Microclimat 10-2 à 102 10-2 à 101

Climat local 102 à 104 10-1 à 103
Mésoclimat 103 à 2*105 101 à 103
Macroclimat 2*105 à 5*105 101 à 105
En climatologie urbaine, une attention toute particulière est portée à ce qui se passe au niveau de
la troposphère, couche qui est en contact avec le manteau supérieur terrestre. La seule échelle qui
ne concerne pas, à proprement parlé, l’étude du climat urbain est la macro-échelle. Les phénomènes
climatiques urbains se produisent dans la partie inférieure de la troposphère et sont étudiés
essentiellement à trois échelles (figure 1.5). Nous allons présenter chacune d’entre elles.
40
1.3.1. La méso-échelle
La méso-échelle est celle de l’agglomération (figure 1.5.a). La troposphère dans sa partie inférieure
est en contact avec la surface du sol : cette partie de la troposphère se nomme la couche limite
atmosphérique (CLA) et subit directement l’influence des effets de surface.
Lorsque la couche limite atmosphérique est celle de l’agglomération, elle porte le nom de couche
limite urbaine (CLU). à l’intérieur de la CLU, il existe une couche de rugosité en contact avec la
hauteur moyenne des bâtiments de la ville que l’on appelle canopée urbaine. Les échanges d’énergie
ainsi que les processus d’écoulement y sont fortement perturbés car soumis à la nature et à la
structure des bâtiments de la ville. L’épaisseur de cette couche est plus conséquente en ville qu’au
niveau d’un sol moins rugueux (espace rural).
Arnfield [2003] mentionne un rapport de proportionnalité entre l’épaisseur de cette couche et celle
de la canopée urbaine qui atteint jusqu’à 5 fois la hauteur de la canopée. Son épaisseur connaît
par ailleurs une variation saisonnière. En effet, si en hiver elle ne dépasse pas quelques centaines
de mètres, elle peut atteindre 1 à 2 km en été. De plus, elle fait également l’objet d’une fluctuation
journalière, elle varie de quelques centaines de mètres en fonction du jour et de la nuit et du type de
temps. C’est par temps anticyclonique estival et en journée que cette couche est la plus épaisse. Sa
hauteur exacte par rapport au sol dépend ainsi de la taille de la ville, des paramètres de rugosité qui
s’y associent ainsi que des conditions atmosphériques. Elle est d’environ 1 200 m la journée et varie
entre 300 m et 400 m la nuit, pour les moyennes latitudes. Cette différence journalière d’amplitude
s’explique par la dilatation des gaz constitutifs de l’atmosphère sous l’effet du rayonnement solaire
durant la journée.
L’étude du climat à cette échelle a fait l’objet de nombreux travaux dans différentes villes françaises
[Cantat, 1998 ; Robin, 2000 ; Rigenbach, 2004 ; Fischer, 2005 ; Champiat, 2009 ; Foissard et al., 2013]
montrant la forte variabilité spatiale des températures liée à l’occupation du sol et à la présence de
végétation dans l’agglomération.
1.3.2. L’échelle locale
L’échelle locale correspond verticalement à celle de la canopée urbaine et s’associe horizontalement à

celle du quartier (figure 1.5.b). Dans l’agglomération, cette couche correspond à la hauteur moyenne
des bâtiments. Dans cette couche, marquée par une importante turbulence, se regroupe l’ensemble
des activités humaines. Son extension verticale va être relative à la hauteur moyenne des bâtiments
qui joue un rôle prépondérant sur la résistance à l’écoulement advectif. à cette échelle, l‘étude de
l’écoulement est particulièrement importante. En effet, les vents synoptiques peuvent être ralentis
41
dans les rues de l’agglomération sous l’effet de la rugosité urbaine. Par ailleurs, l’inégal réchauffement
des surfaces entraîne des différences de pression en surface à l’origine de brises thermiques dans la
ville [Bridier, 2001].
1.3.3. La micro-échelle
Enfin on distingue l’échelle de la rue ou canyon urbain (inférieure à 1 km) que l’on qualifie de
micro-échelle (figure 1.5.c). Cette échelle permet l’étude et la compréhension de la turbulence et du
rayonnement (échanges radiatifs et énergétiques) à échelle fine et a fait l’objet de nombreux travaux
dans une perspective de modélisation [Long, 2003 Najjar et al., 2004 ; Najjar et al., 2005 ; Bozonnet,
2005 ; Pigeon et al., 2008]. Rues et bâtiments peuvent être intégrés dans des modèles (en exemple,
TEB ou SOLENE) et une estimation du rayonnement est calculée en fonction de leur géométrie et
de leur orientation.
a) Mesoscale
Urban Outer Layer
PBL Urban Boundary Layer
near-surface layer
b)
Rural BL
rural suburban urban suburban rural
b) Local scale c) Microscale
SVF
inertial sublayer
UBL roughness sublayer

c)
UCL
Figure 1.5. Couche limite urbaine et sous-couches constituantes [Rotach et al. 2004 ; modifié d’après Oke,
1987].
42
1.4. Approche spatiale de l’îlot de chaleur urbain par télédétection
De nombreux travaux portent sur l’étude de l’ICU par le biais d’images satellites [Gallo et al., 1994 ;
Soler et Ruiz 1994 ; Zaitchik et al., 2006 ; Rigo et al., 2007] notamment avec la prise en compte
des valeurs de températures de surface [Voogt et al., 1997 ; Streutker, 2002 ; Rinner et Hussain,
2011]. L’îlot de chaleur de surface est caractérisé en télédétection par l’intermédiaire de l’infra-rouge
thermique [Basly, 2000 ; Khaikine et al., 2006 ; Hu et Jia, 2010 ; Sobrino et al., 2012]. Même si les
températures de l’air connaissent une variabilité plus forte que celles de surface ainsi que l’illustre
la figure 1.6.b [Voogt, 2002], leur utilisation offre un certain nombre d’avantages pour la mesure de
l’extension spatiale de l’îlot de chaleur urbain.
En effet, les températures de surface issues des images satellites présentent un intérêt majeur quant
à la possibilité de recouvrir une zone relativement large à différentes résolutions spatiales. Cela laisse
par conséquent un assez vaste choix en termes d’étendue et de précisions spatiales.
L’inconvénient de ce type de mesure réside toutefois dans le fait qu’il ne puisse prendre en compte
toute la complexité de la surface [Voogt et Oke, 1997 ; Streutker, 2002]. Il est, par exemple, difficile
d’estimer la variabilité des températures de l’air causée par un réchauffement inégal des surfaces.
Les températures de surface sont plus directement liées au substrat alors que celles de l’air sont
sujettes à l’influence des surfaces adjacentes / attenantes ainsi qu’aux phénomènes d’advection
[Eliasson, 1990 et 1996] notamment à échelle fine. De plus, elles révèlent des différences de variabilité
entre le jour et la nuit (figure 1.6).
Night
UHI(air)
T
UHI(sfc)
(a) Wind
UCL
Rural Suburban pond Warehouse Urban Downtown Park Rural
or residential
Industrial
Day
UHI(sfc)
T
UHI(air)
(b)
Figure 1.6. Courbes des températures de l’air et des températures de surface, variabilité nocturne (a) et diurne
(b) [Voogt, 2002].
43
En effet, les températures de surface sont proches de celles des températures de l’air durant la nuit,
mais cette correspondance doit être nuancée car elles demeurent tributaires du site, notamment en
temps anticyclonique [Arnfield, 2003]. D’autres études [Dousset et Gourmelon, 2003 ; Vandetorren
et al., 2006 ; Dousset et al., 2010] ont mis en évidence l’îlot de chaleur de surface de l’agglomération
parisienne plus spécifiquement. L’approche par télédétection est donc fréquente et permet des
résultats intéressants. Toutefois, elle doit être acceptée comme complémentaire à l’analyse des
températures mesurées par des réseaux de mesures ou par des campagnes mobiles.
Conclusion du chapitre 1
Dans ce chapitre, nous avons analysé les aspects climatiques de notre zone d’étude.
Le climat local de l’agglomération parisienne a été défini dans le contexte estival en général et
aussi dans celui plus particulier de vague de chaleur. Les impacts des températures extrêmes sur la
mortalité en période de vague de chaleur et d’îlot de chaleur estival ont été développés.
Suite à cela, nous avons présenté plus spécifiquement le phénomène d’îlot de chaleur urbain, décrit
ses principes météorologiques de formation et expliqué les facteurs tributaires de son extension
spatiale.
Dans le prochain chapitre, il s’agit de s’intéresser plus particulièrement aux formes urbaines et à
l’habitat de l’agglomération dont les conséquences sur l’îlot de chaleur seront plus longuement expli-
citées.
44
Chapitre 2 :
Formes urbaines et habitats
dans l’agglomération parisienne
La mortalité survenue à domicile a été très importante lors de la canicule de 2003 au sein de
l’agglomération parisienne [Hémon et Jougla, 2003]. Nous choisissons par conséquent de porter une
attention particulière à l’habitat et aux conditions d’habitation des populations. Pour ce faire, nous
les développerons autour de deux idées principales.
D’abord, il s’agit d’observer les formes urbaines au regard de leurs conséquences sur les températures
en milieu urbain. Ces aspects ont été évoqués dans le précédent chapitre, nous souhaitons ici les
approfondir : fait-il plus chaud dans les rues haussmanniennes que dans les rues d’un parc HLM ?
Quel rôle joue la morphologie urbaine sur la répartition spatiale des températures de l’agglomération
en période d’ICU ?
Ensuite, nous nous intéressons aux relations qui existent entre l’habitat, le type d’architecture et les
populations résidentes pour tenter de répondre à la question suivante : quelles catégories sociales
habitent dans quels types d’habitat3 ? Puisque beaucoup sont décédés à leur domicile, il apparaît
nécessaire de présenter les différentes architectures urbaines présentes dans l’agglomération,
auxquelles sont souvent associées un certain type d’habitat, pour réfléchir au rôle de celui-ci sur la
mortalité et/ou la surmortalité. De plus, l’habitat peut apporter un certain éclairage sur les catégories
sociales. Ce nouvel éclairage présente l’avantage de délivrer une synthèse de l’information entre le
niveau socio-économique, les conditions et les modes d’habitation des populations résidentes.
Cette démarche nous permettra in fine d’esquisser les liens éventuels entre la mortalité, la surmortalité,
les conditions d’habitation et le niveau socio-économiques des populations à un niveau communal.
3. Nous favoriserons plutôt l’usage du terme d’habitat qui renvoie à la présence humaine, alors que celui du logement est plus technique [Fijalkow,
2011 ; Bugeja-Bloch, 2013].
45
Chapitre 2 : Formes urbaines et habitats dans l’agglomération parisienne
Mais avant d’envisager ces aspects, il est nécessaire de délimiter l’agglomération parisienne. Nous
le ferons à travers la définition et la compréhension de son caractère urbain. Ainsi, dans ce chapitre,
le premier questionnement sera relatif aux limites de l’agglomération, limites spatiales et limites
structurelles. Puis, nous aborderons les notions de forme, de morphologie et de morphométrie de
l’espace urbain. Suite à cela, il s’agira de décrire les principaux types d’habitats de l’agglomération
parisienne. La finalité étant d’une part de mieux comprendre les relations entre les températures en
ville et la morphologie urbaine et d’autre part de tisser celles qui existent entre les types d’habitat
et les populations qui y résident.
2.1. De l’agglomération à la forme urbaine
2.1.1. Définir et délimiter l’agglomération parisienne
L’agglomération se comprend communément comme la ville et sa proche banlieue. L’INSEE (Institut

National de la Statistiques et des études économiques) rapproche ce terme de celui d’aire urbaine.
Cette dernière recense 93% des franciliens qui vivent et qui travaillent sur 31% de la superficie de la
région [APUR, 2012]. Elle se dessine comme une zone de bâti continu avec une séparation inférieure
à 200 m [INSEE, 2012]. En ce sens, il s’agit d’un ensemble de bâtiments contigus et habités. Selon
cette même définition, l’unité urbaine parisienne compte plus de 396 communes (arrêté du 4 mai
2011) avec une population d’environ 10,5 millions d’habitants [INSEE, 2012].
« Sont considérées comme rurales les communes qui ne rentrent pas dans la constitution d’une
unité urbaine : les communes sans zone de bâti continu de 2 000 habitants et celles dont moins de
la moitié de la population municipale est dans une zone de bâti continu », selon l’INSEE [2012].
En Île-de-France, les espaces urbanisés sont prépondérants, mais également regroupés sur un petit
territoire : près de 70% de l’espace francilien est occupé par des zones agricoles [annexe 1].
Les classifications de l’Institut d’Aménagement et d’Urbanisme de l’Île-de-France (IAU-IDF) délimitent,
pour leur part, l’agglomération par l’occupation du sol. Elle se définit alors à travers la présence de
zones de bâti dense et très dense. Dans cette thèse, cette approche est favorisée : nous entendons
l’agglomération parisienne (figure 2.1) comme intégrant Paris et sa petite couronne (Val-de-Marne,
Hauts-de-Seine et Seine-Saint-Denis). Nous considérons uniquement les espaces urbains et péri-
urbains de l’espace francilien qui constituent respectivement, en termes d’occupation du sol, de
l’urbain très dense et de l’urbain dense.
L’agglomération parisienne constitue un espace d’une superficie de plus de 750 km² et est urbanisée
à plus de 90%. Mais qu’est-ce que l’espace urbain ? Comment se structure-t-il dans ce territoire ?
46
SEINE-SAINT-DENIS
HAUTS
DE PARIS
SEINE
VAL-DE-MARNE
PRINCIPAUX TYPES D’OCCUPATION DU SOL

Urbain dense Urbain Végétation Zones agricoles
10 km
Figure 2.1. Limites de l’agglomération parisienne (Paris et petite couronne). Carte de l’occupation du sol établie
à partir d’une image satellite multi-spectrale Landsat TM5 du 9 août 2003.
L’espace urbain peut être appréhendé de multiples manières et a fait l’objet de pléthore de travaux.
Il parait peu judicieux d’en faire un inventaire étant donné la diversité et la complexité de cet
objet d’étude, seulement nous présenterons quelques approches, justifiées essentiellement par leur
pertinence par rapport aux questionnements soulevés au sein de cette thèse.
2.1.2. Urbain et péri-urbain
La délimitation entre l’urbain, le péri-urbain et le rural s’impose principalement pour deux raisons
dans notre travail. La première est liée à l’étude du climat urbain. En effet, l’îlot de chaleur est un
phénomène qui est intégralement tributaire de la présence de la ville. La seconde raison s’inscrit
dans la continuité de la première : ce sont dans les zones fortement urbanisées que la mortalité
enregistrée en août 2003 a été la plus forte. Par conséquent, nous développerons ces deux dimensions
en deux temps.
Dans un premier temps, nous détaillerons l’approche climatologique des espaces urbains ; celle-ci
est aux fondements de notre travail. En effet, comme il en a été fait état dans le premier chapitre de
47
cette thèse, l’influence des espaces urbains sur le climat est considérable, aussi nous détaillerons sa
compréhension.
Dans un second temps, nous introduirons une acception sociologique en formulant une synthèse
de plusieurs compréhensions de l’espace urbain. Cette synthèse permettra de montrer que la
polysémie de l’urbain s’inscrit de manière transversale dans notre recherche qui aborde les notions
de morphologie urbaine, d’habitat et de conditions sociales d’habitation.
2.1.2.1. Approche climatologique
Les travaux de Lévy et Lussault [2013 et 2014] proposent un gradient d’urbanité dans lequel la
dissociation entre les termes d’urbain, péri-urbain et rural se construit autour de l’idée de densité
et de diversité. Ainsi, plus un espace est dense et diversifié en termes de bâti, plus son degré
d’urbanité est élevé.
Dans notre travail, la question de la densité est centrale ; on l’analyse essentiellement par le prisme
de l’occupation du sol. En effet, l’urbain s’associe à un mode d’occupation qu’il s’agira pour nous de
qualifier quantitativement. On parle d’urbain très dense, dense ou encore dispersé. Ces qualificatifs
sont à mettre en parallèle avec les termes spécifiques à l’habitat (regroupé, collectif, individuel,
etc.).
Nous avons vu dans le premier chapitre que cette densité urbaine avait une influence sur les
températures. Si l’on accepte le gradient d’urbanité au sens de Lévy et Lussault [2014], il peut être
également transposé et développé au regard de la réponse thermique des espaces puisque celle-ci
est également liée à l’idée de densité urbaine.
Oke [1987], pour sa part, distingue trois types d’environnements aux réponses climatiques bien
différenciées (figure 2.2). En effet, une conséquente élévation des températures est observée aux
zones urbaines et à leur immédiate proximité en période d’ICU. à ces zones urbaines s’opposent les
zones rurales dont la caractéristique thermique est d’être plus fraîche que les précédentes. Enfin, il
y a un troisième type d’espace, il s’agit des zones péri-urbaines ou suburbaines selon la terminologie
de Oke [1973], qui peuvent être qualifiées d’intermédiaire en termes de températures. à mesure
que celles-ci sont à proximité du centre urbain, elles sont marquées par une augmentation des
températures.
Mais il est entendu que les distinctions entre ces différents types d’espace ne peuvent être uniquement
envisagées dans une compréhension climatologique, l’acception sociologique est complémentaire
pour une plus juste qualification des différences entre ces types d’espace.
48
URBAIN À URBAIN URBAIN À

PÉRI-URBAIN PÉRI-URBAIN
17ème PARIS 13ème
PÉRI-URBAIN À Levallois Ivry-sur-Seine PÉRI-URBAIN À
RURAL RURAL
Argenteuil Yerres
Figure 2.2. Désignation des espaces périphériques à la ville du centre de Paris au rural en Île-de-France.
Représentation d’un gradient d’urbanité.
2.1.2.2. Approche sociologique de l’espace urbain de l’agglomération parisienne
Une approche sensible de l’espace urbain, entendu alors au sens de paysage urbain, serait de parler
d’un urbain « sans borne, ni lieu », expression empruntée à l’urbaniste américain Melvin Webber
[1996] qui aborde la ville comme un espace de plus en plus exempt de frontière notamment avec le
développement des modes de transports et de communication. Cette idée est également celle de
Paquot [2011] : « l’urbain, à la différence d’un champ cultivé, n’est pas borné, il se faufile ici, s’étale-là
en prenant ses aises et partout semble à sa place ». Il est entendu que, dans cette conception, une
délimitation apparait peu pertinente. L’agglomération parisienne constitue un véritable continuum de
constructions dans lequel il peut être complexe de distinguer l’urbain du rural.
Mais toute chose égale par ailleurs, l’espace ne se limite pas à une typologie binaire, qui serait
urbaine ou rurale. En effet, d’autres catégories telles que le péri-urbain et le suburbain coexistent
dans l’espace. Très complexes à qualifier univoquement, ils correspondent stricto sensu à ces espaces
interstitiels entre l’urbain et le rural. Leurs définitions sémantiques renvoient souvent à celle de ban-
lieue [Brunet et al., 1993]. Le terme de péri-urbain désignerait alors « tout ce qui est autour de la
ville, et en réalité fait partie de la ville par les activités et les modes de vie des habitants […] avec
ou sans les plus anciennes banlieues intermédiaires ». Selon la définition Baud et al. [2003], l’espace
péri-urbain est « un espace situé autour de la ville […] connaissant du fait de l’extension urbaine
d’importantes mutations sociales, économiques et culturelles ». Quant à la terminologie anglaise, elle
utilise un mot unique pour banlieue et espace péri-urbain qui est celui de suburb (latin : suburbanus
qui signifie sous, avant jusqu’à - la cité). Ce même terme est décliné pour parler de la proche banlieue
49
(ou petite couronne) en innersuburb ou de la grande banlieue (ou grande couronne) en outersuburb.
Peut-être que cette terminologie conviendrait au mieux à notre étude, mais le terme mérite de plus
amples développements pour approfondir sa compréhension.
De manière plus connotée, on peut entendre les espaces péri-urbains comme trouvant résonance
dans les concepts d’étalement urbain [Dumont et Hellier, 2010], alors qu’un glissement sémiologique
permettrait de disposer d’une approche plus fine. En effet, le terme de périphérisation, plus que celui
de péri-urbain, apporte un éclairage social particulier et pertinent. Dans les travaux de Dumont et
Hellier [2010], qui eux-mêmes réinterrogent en partie ceux de Lefebvre [1968], la périphérisation est
entendue comme des espaces urbains « d’autonomie inférieure, sous condition et sous domination
urbaine ». Cette périphérisation est concomitante à une modification structurelle des catégories
sociales (dualisation) de la société dont les choix de résidences deviendraient une des expressions
de leur condition sociale [Sassen, 1996 ; Sassen, 2009]. Cette acception présente l’avantage majeur
et essentiel d’observer la périphérie non pas comme un simple gradient de spatialité (d’occupation
du sol, de densité, etc.), mais plutôt comme un système mettant en place des inégalités [Grataloup,
2004]. L’espace urbain peut être alors entendu plus largement comme « un langage spatial par lequel
s’exprime un système social » [Allain, 2005]. Et l’opposition entre embourgeoisement et paupérisation
se matérialise au niveau spatial respectivement dans l’idée de gentrification et dans celles de
relégation et de péri-urbanisation [Donzelot, 2004].
Au regard de ces développements, si l’on considère la petite couronne de Paris comme sa proche
périphérie urbaine, cela doit induire une réflexion sur les conditions matérielles et sanitaires d’existence
des populations dans cette proche périphérie. Quelles différences doit-on relever avec Paris ?
Nous avons ici apporté certaines précisions sur la compréhension sociologique de l’espace urbain
telle qu’elle sera développée dans cette thèse. Après avoir observé et délimité l’espace urbain à
l’échelle de l’agglomération, nous proposons dans la prochaine sous partie de nous intéresser plus
spécifiquement aux formes urbaines.
2.2. Formes urbaines et morphologie urbaine
Dans cette sous-partie, où l’attention est fixée sur les formes urbaines présentes dans les espaces
urbains et péri-urbains de l’agglomération, notre étude est par conséquent celle de la morphologie.
Elle est conduite dans la même démarche dichotomique que pour la précédente sous-partie : nous
développerons dans un premier axe sa dimension environnementale, puis nous en proposerons une
compréhension sociale dans un second axe.
50
2.2.1. L’importance de la forme urbaine en climatologie
Des phalanstères de Fourier à la Cité Radieuse de Corbusier en passant par l’agencement de Paris par
les grands principes d’urbanisme haussmannien (que nous verrons ultérieurement), l’architecture, et
par extension, un de ces objets privilégiés d’étude, la forme urbaine, ont toujours présidé au souci de
rendre les conditions d’habitation des hommes meilleures, d’abord salubres, puis, au fur et à mesure
de l’histoire, confortables, agréables, etc.
L’approche climatologique de la forme urbaine s’inscrit dans une dimension environnementale.
Celle-ci intègre simultanément les notions d’architecture durable, celles d’écologie urbaine [Endlicher,
2011] de bioclimatologie et de confort thermique [Mayer et Höppe, 1987 ; Matzarakis et al., 1999 ;
Matzarakis et al., 2009], de bien-être [Bourdeau-Lepage et Tovar, 2013] ou encore de qualité de vie
[Albouy et al., 2010]. Autant de notions qui mériteraient chacune un temps long de réflexion. Mais
dans l’analyse impartie à cette thèse, nous n’en choisirons qu’une.
Un intérêt particulier est porté à l’approche climatologique. On entend par cette dernière une
évaluation des différences thermiques de l’agglomération à un niveau principalement spatial, l’objectif
étant pour ce travail de comprendre leurs effets sur la mortalité en période de forte chaleur.
Précédemment ainsi que dans le chapitre 1, nous avons évoqué l’influence de la morphologie urbaine
sur les températures. Nous proposons ici d’y revenir. Plusieurs indicateurs peuvent être utiles à
l’analyse de ce qu’il convient d’appeler la morphométrie urbaine (ou la mesure de la morphologie
urbaine) : la densité au sol du bâti, la hauteur
des bâtiments ou encore leur volumétrie. Une
description plus exhaustive de leurs utilisations
spécifiques dans notre travail sera faite dans la
seconde partie de cette thèse qui a pour objet
de développer les méthodes d’analyse que nous
avons appliquées.
Ici, il convient de mentionner parmi l’ensemble
de ces indicateurs deux d’entre eux qui ont retenu
notre attention car il en a été abondamment fait
usage en climatologie urbaine. Il s’agit du ratio
H/W (figure 2.3) et de la part de ciel visible (Sky
View Factor en anglais, noté SVF).
Concernant le rapport d’aspect (noté H/W, ratio
entre la hauteur moyenne des bâtiments H et
Figure 2.3. Schématisation des rapports d’aspect
H/W [Bougiatioti, 2006]. la largeur de la chaussée W), il a fait l’objet de
51
nombreuses études [Oke, 1981 ; Bärring et Mattsson., 1985 ; Goh et Chang, 1999]. Cet indicateur est
fondamental en climatologie urbaine car il permet de rendre compte du rayonnement entrant et du
piégeage du rayonnement dans le canyon urbain en fonction des dimensions verticales et horizontales
du canyon considéré. Plus ce rapport est proche de 0, moins la situation est favorable à la formation
de l’îlot de chaleur urbain (figure 2.2).
Les travaux récents [Bougliatioti, 2006 ; Benett et Ewenz, 2013 ; Theeuwes et al., 2014 ; Bakarman
et Chang, 2015] n’ont de cesse de corroborer les hypothèses de Oke mettant en évidence le rôle
prépondérant de la valeur du ratio H/W sur le climat urbain. Ces travaux montrent également le rôle
de l’orientation du canyon dans la détermination de la quantité de rayonnement solaire incident
reçu par les surfaces horizontales et verticales ainsi que dans l’évaluation de leurs répercussions
sur les températures de l’air et de surface. à Paris, la spécificité du rapport d’aspect haussmannien
est qu’il est souvent supérieur à 1 et engendre un gain de chaleur de 70 % par rapport à une
surface sans bâtiment [Tiraoui, 2000]. Ce pourcentage met en évidence que la morphologie de la rue
haussmannienne favorise la formation de l’ICU.
à côté de ce premier indicateur, il en existe un autre dont l’intérêt n’est pas moins négligeable pour
la mesure de l’ICU, il s’agit de la part de ciel visible (SVF). Il correspond à l’ouverture du ciel à partir
du sol [Grimmond et al., 2001] et offre des possibilités similaires quant à l’étude des conséquences
du rayonnement dans le canyon. En effet, dans son étude sur plusieurs villes en situation radiative
d’ICU, Oke [1981] démontre qu’il existe une relation positive et forte entre l’intensité maximale de
l’ICU et le SVF. D’autres études [Oke et al., 1991 ; Yamashita, 1993 ; Hamdi et Shayes , 2007] ont
précisé que cette relation est quasi linéaire. Ainsi, il est aujourd’hui admis que plus une rue est
étroite et bordée de bâtiments en hauteur, moins le ciel est visible, et plus la température y est élevée
la nuit, en conditions radiatives d’ICU.
L’utilisation du SVF est favorisée dans notre travail, il existe plusieurs méthodes pour sa détermina-
tion [Johnson et Watson, 1984 ; Watson and Johnson, 1987] que nous aborderons plus spécifiquement
dans la seconde partie de cette thèse.
Mais pour le moment, nous allons développer la compréhension sociologique des formes urbaines.
2.2.2. De l’acception sociologique des formes urbaines
Les formes urbaines sont des objets complexes de l’espace urbain. La morphologie urbaine consiste
en l’étude de ces formes dans une dimension complexe que nous choisissons d’illustrer sur la figure
2.4 et dont les développements sont les suivants. Nous avons fait la distinction entre la morphologie
de la morphométrie urbaine qui renvoie à la mesure des formes urbaines et à leurs représentations.
52
ÉPISTÉMOLOGIE
ESTHÉTIQUE
PHILOSOPHIE GÉNÉRALE
HISTOIRE URBANISME - ARCHITECTURE
MORPHOLOGIE URBAINE
GÉOGRAPHIE SOCIALE ET SANITAIRE CLIMATOLOGIE URBAINE

SOCIOLOGIE - ÉCONOMIE BIOCLIMATOLOGIE
EPIDEMIOLOGIE ÉCOLOGIE URBAINE
Approche sociale et sanitaire Approche environnementale
CARTOGRAPHIE
SYSTÈMES D'INFORMATIONS GÉOGRAPHIQUES
STATISTIQUES
Approches utilisées dans cette recherche
Approches partiellement abordées
Figure 2.4. Approche systémique de la morphologie urbaine.
La cartographie tout comme la statistique en seront les outils privilégiés dans notre recherche. Mais
l’étude plus exhaustive de cette approche est reléguée à la seconde partie de cette thèse.
Dans une définition donnée par Athamena [2012] et empruntée au CERTU (Centre d’Études sur
les Réseaux, les Transports, l’Urbanisme et les constructions publiques), la morphologie urbaine
est désignée comme étant « le résultat des conditions historiques, politiques, culturelles et plus
particulièrement architecturales dans lesquelles la ville a été créée et s’est agrandie. Elle est le
fruit d’une évolution spontanée ou planifiée par la volonté des pouvoirs publics. » Cette définition
pose toute la complexité d’une approche consensuelle et univoque des formes et de la morphologie
urbaines. Cette complexité tient, entre autres, à l’évolution des formes urbaines dans l’histoire d’une
part, et d’autre part à leur inscription dans divers champs d’analyse. Lévy [2005] dit qu’une juste
compréhension des formes urbaines appelle nécessairement une appréhension pluridisciplinaire de la
notion. Toutefois, dans cette pluridisciplinarité, pour notre part, nous distinguons un champ matériel
d’un champ conceptuel.
Le champ matériel de la morphologie concerne des approches principalement fonctionnelles. Parmi
elles, nous citons celle qui s’oriente vers une étude du tissu urbain dans une dimension systémique
des différentes composantes de la ville. Il s’agit dans ce cas de mettre en relation la forme de la
53
ville avec son utilisation, comme par exemple la mobilité [Panerai et Langé, 2001 ; Appert, 2004 ;
Hamaina., 2009 ; Le Néchet, 2011]. Puis, il existe l’approche des urbanistes [Pinon, 1998 ; Panerai
et al., 1999 ; Drevon, 2009]. L’urbain est étudié au regard de ses formes et ses structures dans
une visée fonctionnaliste et le plus souvent institutionnelle, même s’ils se préoccupent également
« du rythme des masses et des espaces » [Rimbert, 1973]. Ces deux premières approches ne font
pas partie de notre étude.
Ce même champ matériel des formes urbaines comprend l’approche climatologique dont la finalité
est d’observer la morphologie urbaine au regard de ses conséquences sur l’environnement, nous
l’avons détaillé dans la précédente sous-partie.
à côté de ce premier champ, il en existe un second que nous qualifions de conceptuel, nous
intégrons là les approches sociales et épistémologiques. Une approche philosophique aborderait la
forme urbaine au sens esthétique, au sens de sa matérialité plastique (texture, couleur, matériau,
style, volume), mais également dans une recherche d’une signification de la forme. Les volutes
néo-baroques de Gaudi ne signifient pas des mêmes choses que les lignes géométriques de la Tour
Eiffel : l’un rompt avec le rationalisme, l’autre en célèbre le triomphe. De plus, les formes urbaines
peuvent également être étudiées au regard de la variation des perceptions individuelles. On intègre
alors simultanément les notions de paysage urbain et de subjectivisation [Lynch, 1959 ; Rimbert,
1973 ; Michel, 2007].
Mais dans notre recherche, nous nous rapprochons davantage de l’idée d’une objectivisation de la
forme urbaine [Pinçon et Pinçon Charlot, 2004]. Les formes urbaines sont observées à la lumière de
leurs interactions avec les conditions socio-matérielles des populations qui en ont l’usage. Et pour
reprendre la formule de Stébé et Marchal [2007], « la question sociale déborde la question urbaine ».
La morphologie urbaine devient de ce point de vue éminemment social. Le social doit être ici
compris comme objectivé dans les formes matérielles urbaines à différentes échelles (les bâtiments,
les limites administratives, etc.). Entendue ainsi, la morphologie urbaine est donc analysée sous
l’angle économique et social : les formes urbaines y sont observées par le prisme des niveaux de
richesse (revenus), des inégalités socio-spatiales et, plus généralement, des modes de vie.
Parmi différentes approches sociales, nous portons un intérêt particulier à celles des urbanistes-
géographes H. Lefèvre [1968], E Castells [1973] et D. Harvey [2010] pour qui les formes urbaines
ne sont pas simplement logements et habitats, mais sont envisagées conjointement aux modes et
styles de vie qui les accompagnent. En ce sens, elles se dotent chacune d’une identité sociale, qui
dépend des politiques urbaines d’habitation, puis qui devient celle des populations qui y résident. Ce
prisme social est nécessaire pour une meilleure appréhension des relations qui existent entre lieux
d’habitation et catégories de population.
54
2.3. Des formes urbaines à l’habitat
Identifier les formes urbaines et architecturales de la capitale et de sa périphérie ouvre la possibilité

d’entamer une réflexion sur les relations qui existent entre certains types de constructions et les
facteurs climatiques, d’une part, et les facteurs sociaux et sanitaires, d’autre part. Peut-on ainsi
affirmer qu’il fait plus chaud dans certaines zones car tel ou tel style d’architecture domine ? C’est à
ce type de question que nous essayerons de répondre dans un premier temps.
Puis, dans un second temps, il s’agit d’observer les populations qui résident dans les différents types
d’habitat de l’agglomération. Dans quelle mesure un type d’habitat (et plus généralement un style
d’urbanisme) peut-être associé aux conditions sociales et sanitaires d’existence de ses résidents ?
Ce questionnement permet d’envisager la perspective d’une mise en relation de l’habitat avec le
niveau de richesse (revenu) des populations.
Cette démarche rend enfin possible un rapprochement entre la ville, son climat et les conditions socio-
économiques pouvant alors dans leur ensemble apporter de nouvelles hypothèses à la compréhension
de notre problématique.
Mais en amont de ces approfondissements, il convient de rappeler que l’architecture urbaine est
l’empreinte des évènements historiques et sociaux qui l’ont forgée. Les discerner pour en proposer
une qualification sociale amène préalablement à situer ces dernières dans leur contexte historique -
qui parfois, nous le verrons, peut converger avec le contexte présent. Aussi, dans les prochaines
sous-parties, conjointement à une description des formes urbaines et à un rapprochement avec leurs
conséquences sur le climat urbain, nous initierons également une lecture historico-sociale de ses
formes. Précisons que cette dernière approche n’est nullement exhaustive, elle a principalement pour
vocation d’asseoir une compréhension sociale des articulations entre la forme urbaine et l’habitat.
2.3.1. Les anciens immeubles d’habitation (1850-1950)
Le point de départ de notre étude est l’architecture d’Haussmann puisque ce dernier procéda à de
massives destructions, tel qu’y fait référence W. Benjamin [1939] : « on disait de la Cité, berceau de
la ville, qu’il n’en restait plus qu’une église, un hôpital, un bâtiment public et une caserne ».
En ce sens, Haussmann opère un tournant dans l’urbanisme en modelant les traits urbains du
nouveau visage de la capitale : celui de la modernité [Harvey, 2012]. De ce même type d’inspiration,
d’autres architectures coexistent dans la capitale. Il s’agit de l’habitat à bon marché (HBM) qui se
situe principalement au niveau des portes de la capitale dans le nord, l’est et le sud de la ville. Ce
dernier possède des particularités morphologiques, mais également sociales qu’il importe de spécifier.
55
2.3.1.1. L’habitat haussmannien et néo-haussmannien
Étudier le style architectural haussmannien demande un examen minutieux qui est plutôt celui
de l’architecte et de l’historien des arts. Même s’il n’en est pas directement question dans cette
recherche, il convient néanmoins de décrire brièvement les caractéristiques morphologiques et
sociales de l’habitat haussmannien (1850-1890) et néo-haussmannien (1890-1920) pour construire des
hypothèses, d’une part, quant à leurs éventuelles relations avec les températures, et d’autre part,
quant à une ultérieure approche socio-résidentielle.
Pour ce faire, le paysage urbain laissé par Haussmann peut être envisagé sous trois aspects. Le premier
concerne la disposition urbaine des constructions et plus globalement leurs répartitions spatiales
dans la ville autour de grands axes de communication. Le second aspect porte sur les structures
des bâtiments ; on parlera de leur constitution (matériaux et formes) et de leurs façades. Enfin, le
dernier aspect s’intéresse aux résidents des bâtiments haussmanniens. Il s’agira d’une introduction à
l’approche socio-résidentielle qui sera plus amplement conduite dans notre troisième chapitre.
Le tracé haussmannien
Les immeubles de type haussmannien se localisent principalement dans les premiers arrondissements
de Paris, mais on les retrouve également dans l’ouest et le long des grandes artères de la ville. En effet,
le paysage urbain est modifié très spécifiquement dans ses artères et ses axes de communication (plus
larges développements des principes haussmanniens en annexe 2) pour favoriser la circulation dans
la ville. à cela s’ajoute la présence de très grandes places comme par exemple la place Saint-Michel
qui constitue un carrefour contenant 5 voies relativement larges. Après les percées faites dans la ville,
et surtout dans les arrondissements périphériques de l’époque napoléonienne (comme l’actuel 11ème
arrondissement), un certain nombre de voies de communication fut créé pour achever les travaux de
Haussmann notamment durant la période des différentes expositions universelles (1855-1900). Ce fut
le cas du réaménagement des arrondissements périphériques tels que les 13ème, 14ème ou encore 20ème
arrondissements. Ce tracé est ponctué par d’imposants bâtiments publics. Le champ de Mars et les
jardins du Trocadéro sont pour leur part la trace d’un urbanisme plutôt néo-haussmannien créé à
l’occasion de l’exposition universelle de 1900.
Nous évoquons ces quelques exemples de la nouvelle structuration de la capitale afin de montrer
l’organisation urbaine en axes et en bâtiments de pouvoir du Paris haussmannien dont la finalité est
principalement la circulation de la marchandise [Harvey, 2012].
Mais en plus du tracé des voies, l’urbanisme de Haussmann se compose structurellement de bâtiments
d’habitation très spécifiques, en voici quelques développements.
56
Façades urbaines, alignement et régularité des bâtiments d’habitation haussmanniens
L’architecture haussmannienne d’habitation se caractérise par des façades plates, des gabarits
uniformes, des alignements de balcons et un décor gréco-romain [Rouleau, 1997]. Les immeubles font
5 à 7 étages en général. Ils se distribuent souvent en deux ailes comprenant des logements variant
de 50 à 120 m² (à l’exception de chambres de service situées aux derniers étages qui ont à l’inverse
de très petites superficies (et reconnus pour être vétustes et insalubres).
Les habitations sont en pierres de taille avec des balcons, souvent traversants, aux rambardes en
fer forgé, donnant sur rue. Ces bâtiments sont marqués par une grande régularité des traits des
constructions (photos 2.1). Haussmann impose un alignement absolu qui marque une uniformisation
du paysage urbain. En effet, cet urbanisme, qui diffère fortement des antérieures constructions
médiévales, est très normé et obéit à des dimensions géométriques particulières. Par exemple, le
rapport entre la hauteur des bâtiments et la largeur des voies (rapport d’aspect H/W) est normalisé
par décret du 27 juillet 1859 [Rouleau, 1967]. Le tableau 2.1 présente les normes de cette architecture
haussmannienne très réglementées et encore appliquées à ce jour [Chadych et Leborgne, 2007]. Ces
dimensions mettent en évidence un ratio H/W systématiquement supérieur à 1, confirmant pour
notre étude que les rues haussmanniennes sont plutôt favorables à la formation de l’îlot de chaleur
urbain.
Tableau 2.1. Hauteur des rues et largeur des voies de circulation pour l’urbanisme de type haussmannien
d’après Chadych et Leborgne [2007].
HAUTEUR DES BâtimentS (H) LARGEUR DES VOIES (W)

11.70 m Inférieure ou égale à 7.85 m
14.60 m Entre 7.85 et 9.75 m
17.55 m Supérieure à 9.75 m
Supérieure à 20 m 20 m
Du point de vue environnemental, ce type de morphologie urbaine favorise donc un gain de chaleur
dans le canyon urbain. Il s’agit dans notre recherche d’observer ce principe et de comprendre
dans quelle mesure les zones majoritairement haussmanniennes se distinguent des autres zones de
l’agglomération.
Après ces aspects structurels de l’immeuble haussmannien, envisageons désormais la lecture sociale
des formes urbaines haussmanniennes.
57
Photos 2.1. Photographies des façades haussmanniennes et des détails des façades à gauche à Arts et Métiers
(Paris 3) et à droite à Saint-Germain (Paris 6).
L’habitat haussmannien : quelle population résidente ?
L’approche socio-résidentielle sera amplement développée dans le troisième chapitre de cette thèse.
Pour l’instant, nous allons seulement engager quelques réflexions utiles à la compréhension de
l’habitat haussmannien dans sa dimension sociologique.
La politique urbaine menée par Haussmann avait pour finalité de forger une ville à l’image et au
service des intérêts du pouvoir institutionnel : l’aménagement des voies témoigne des liaisons voulues
entre les différentes instances de ce pouvoir et l’extérieur de la ville (liaisons par de grandes artères
entre les administrations et les gares). La ville fut embellie et assainie, il est certain ; mais seulement
au profit de certaines catégories sociales, puisque les classes populaires furent chassées de plus en
plus loin du centre de la capitale [Benjamin, 1939], au fur et à mesure des vagues d’urbanisation
haussmannienne et néo-haussmannienne.
Une fois repoussés hors des murs de la ville, les habitants des communes péri-urbaines étaient
considérés par le baron comme « de véritables parasites qui vivent de la vie des villes, sans en
58
supporter les charges […], obstruant les avenues par des barrières faites sans plan » [Rouleau, 1967].
Dans ce contexte, il est attendu que les populations qui résidaient dans les nouvelles constructions
haussmanniennes appartenaient le plus souvent à une catégorie sociale plutôt aisée. Cet habitat est
donc originellement celui de la bourgeoisie du Second Empire et de la IIIème République. à l’aune
de la modernité, les ébauches d’un clivage socio-résidentiel à Paris se sont nettement esquissées
[Harvey, 2012].
Aujourd’hui les réflexions sur la question de la répartition sociale des populations en fonction de l’habitat
à Paris et dans sa périphérie redoublent de complexité. Peut-on dire que l’habitat haussmannien est
celui des classes sociales aisées ?
Cette question, tout en demeurant complexe, se structure autour d’une certaine résilience sociale que
nous allons expliciter. Il n’est pas exclu que cet habitat soit peuplé aujourd’hui par des catégories de
population assez diverses. En effet, selon le mode d’occupation (propriétaires, locataires, colocataires,
bailleurs de la loi de 1948, etc.) et le statut socio-économique des populations, il existe un grand
nombre de combinaisons possibles de « types » de résidents de l’habitat haussmannien témoignant
d’une certaine diversité sociale et économique [Lepoutre, 2010]. Cependant, il est pertinent de
relever que ces combinaisons mélangent essentiellement des populations globalement aisées
ou potentiellement en phase de le devenir1. Aussi, il est important de distinguer cette première
catégorie de celle résidant dans les logements de service des derniers étages haussmanniens aux
conditions d’habitation particulièrement défavorables (pièces exiguës et mansardées de moins de
10 m² sans chauffage central, ni sanitaire à l’intérieur du logement, vétustes, mal isolées - car froides
en hiver et chaudes en été). Les origines sociales et culturelles de ces populations sont beaucoup
plus hétérogènes et surtout moins connues que la précédente (travailleurs étrangers, immigrés en
situation irrégulière, étudiants, précaires ou marginaux autochtones). Mais globalement, retenons
que leurs conditions d’existence s’opposent fortement à la première catégorie de population.
Aussi, d’un point de vue sociologique, s’il est prudent de nuancer toute catégorisation selon laquelle
dans l’habitat haussmannien résiderait exclusivement une population aisée, il est également assez
discutable d’affirmer que ce type d’habitat serait un lieu propice à la mixité sociale et/ou culturelle.
Mixité encore moins possible avec la forte spéculation immobilière contemporaine présente à Paris.
à titre d’exemple, pour le 17ème arrondissement où l’habitat haussmannien est fortement représenté,
le prix au m² fluctue entre 7 000 et plus de 9 000 euros (selon la chambre des notaires de Paris au
3ème trimestre de 2015).
1 « 700 euros pour 17m² ? Mais à qui vous allez louer ça ?

- Surtout à des stagiaires de passage quelques mois à Paris, s’ils sont aidés par leurs parents », répond la propriétaire d’un appartement à Paris visité par
Jeudi Noir. [Collectif Jeudi Noir, 2009, p. 65]
59
Au niveau de la location, la situation n’est guère plus avantageuse avec un prix au m² entre 25 et 35
euros selon l’Observatoire des Loyers [OLAP, 2014]. Le 17ème arrondissement est un exemple, dira-t-on,
mais les quartiers à dominante haussmannienne du 20ème arrondissement, certes traditionnellement
plus populaires, n’échappent pas à la règle avec un loyer médian de 25 euros au m².
De plus, les bailleurs de 1948 ou les anciens propriétaires des années de prospérité de l’achat
immobilier (1965-1985) - appartenant à des catégories sociales intermédiaires - tendent à s’éteindre. Et
aujourd’hui la population qui les remplace se constitue de propriétaires nettement plus fortunés (que
le capital provienne du patrimoine ou du travail) ainsi qu’en témoignent les prix sus-indiqués. Aussi,
peut-on raisonnablement évoquer une possible mixité sociale dans un contexte où les inégalités ne
font que se renforcer ? Pour notre part, nous préférons utiliser les termes d’embourgeoisement et de
paupérisation. Car, plus que de la mixité, il convient de parler d’hétérogénéité tant les clivages sont
aujourd’hui renforcés dans ce type d’habitat. Mais hétérogénéité qui doit être fortement nuancée
étant donné que la présence des populations précaires des derniers étages haussmanniens va en
se raréfiant. Ces étages sont, en effet, de plus en plus rachetés par les plus riches pour en faire des
duplex [Lepoutre, 2010, Bugeja-Bloch, 2013] engendrant de facto une certaine uniformisation sociale
de l’habitat haussmannien.
Pour clore cette question, nous retiendrons de ces développements que l’habitat haussmannien était
ces dernières décennies celui d’une opposition entre une population socialement très vulnérable et
une population de plus en plus gentrifiée, socialement aisée [Clerval et Fleury, 2009]. Opposition qui
tend de facto à s’atténuer aujourd’hui.
En 2003, une population socialement intermédiaire et plus âgée pouvait être résidente, mais elle va
en se raréfiant aujourd’hui. C’est pourquoi, il paraît judicieux d’envisager à l’avenir la mortalité dans
ce nouveau contexte social qu’est celui de la ville gentrifiée.
2.3.1.2. Les constructions modernes des années 1920 : l’Habitat Bon Marché et l’Office Public
d’Habitation à Loyer Modéré de la Ville de Paris
Paris comptait déjà 2 888 000 habitants en 1911 [Chadych et Leborgne, 2007]. Pour répondre à ces
nouvelles contraintes démographiques de la ville industrielle, un nouveau type habitat fit de plus
en plus apparition : l’habitat bon marché (HBM). Ce dernier dont l’aspiration venait de courants
hygiénistes et paternalistes post-haussmanniens avait pour fonction d’accueillir des ouvriers de
catégorie sociale supérieure, des salariés et des familles nombreuses [Rouleau, 1997 ; Stébé et
Marchal, 2007]. Les HBM sont essentiellement regroupés dans les quartiers comprenant les boulevards
périphériques de la ville (où se situaient les anciennes fortifications), mais on peut également les
retrouver ponctuellement en îlot dans les arrondissements extérieurs et en périphérie (photos 2.2).
60
Ménilmontant (Paris 20) Porte de Clignancourt (Paris 18)
Porte des Lilas (Paris 20) Porte d’Ivry (Paris 13)
Photos 2.2. Photographies de l’habitat bon marché (HBM) dans plusieurs arrondissements de Paris.
Ils sont constitués de briques rouges ou ocre et atteignent sept à huit étages. Ces immeubles sont
souvent construits en bord de rue avec plusieurs entrées possibles. Les îlots d’immeubles disposent
par ailleurs d’une ouverture sur une cour intérieure qui peut être aménagée en jardins, squares
ou espaces de jeu pour enfants. Aujourd’hui, ce type d’habitat appartient au parc locatif social de
l’agglomération. La population résidente est le plus souvent non-propriétaire et plutôt modeste.
Du point de vue de la morphologie urbaine, l’inspiration haussmannienne est très présente dans
ce type d’architecture avec toutefois des matériaux de construction moins nobles et des intérieurs
moins cossus. La brique remplace la pierre de taille, les logements sont plus petits et moins hauts
sous-plafond [Rouleau, 1997]. Ces nouvelles générations de logements comportent des variantes telles
que l’immeuble à loyer moyen (ILM) et l’habitation à bon marché améliorée (HBMA).
Du point de vue climatologique, ce type d’habitat présente des caractéristiques proches de
l’haussmannien eu égard à ses dimensions (rapport d’aspect H/W). Il convient d’ajouter une nuance
61
relative à la couleur de la brique (plus foncée que la pierre de taille) qui peut jouer en faveur d’un
albédo plus faible et engendrer un gain de chaleur.
Au niveau de leur localisation, ces habitations se situent principalement aux limites de la ville de Paris
marquant d’une certaine manière, une rupture urbaine entre Paris et la proche périphérie - rupture
qui sera de plus en effective dans les années 60 avec l’isolement généré par le boulevard périphérique
(cf. Chapitre 3). Comme nous en avons précédemment fait état, ces logements font partie du parc
locatif social au même titre que les HLM (Habitations à Loyer Modéré) que nous allons étudier dans
le prochain paragraphe.
2.3.2. L’habitat de 1950 à nos jours
2.3.2.1. Les logements sociaux de tours et de barres
Durant le dernier demi-siècle, le paysage urbain est marqué par l’apparition d’un nouveau type
d’habitat marqué tantôt par une forte verticalité, tantôt par une forte horizontalité. On parle plus
communément de tours et de barres (photos 2.3).
Cet habitat, qui s’inscrit dans une démarche de constructions de logements sociaux, connait son
apogée à partir des années 1960. Un important plan de rénovation fut alors mis en place comprenant
1500 hectares, soit près de 20% de la superficie de Paris.
Alors que les précédentes architectures étaient soucieuses de la ligne, de la rue et du tracé, cette
nouvelle architecture s’engageait en rupture avec la précédente et avait pour idées directrices des
principes fonctionnalistes. Le plan d’urbanisme de 1959 considérait que la trame urbaine n’était pas
définie par les rues, mais par l’ordonnance des constructions. De nombreux îlots insalubres, voire
des parcellaires entiers furent démolis pour faire place à une architecture en hauteur. Il en est ainsi
surtout pour les 13ème, 15ème, 19ème et 20ème arrondissements [Castells et al., 1973]. à titre d’exemple, cela
correspond à l’architecture de Tolbiac / Porte de Choisy dans le 13ème arrondissement ou encore de la
place des fêtes dans le 20ème arrondissement. Ils peuvent parfois faire figure d’enclave comme la cité
des Couronnes (20ème arrondissement) qui est entourée du parc de Belleville au nord et d’un habitat
plus ancien de part et d’autre de la cité. On retrouve également abondamment ce type d’architecture
dans la périphérie de Paris, souvent en alternance avec un habitat plutôt pavillonnaire.
Du point de vue environnemental, plusieurs hypothèses peuvent être envisagées. Les hauteurs
élevées des constructions, lorsqu’elles sont associées à une étroitesse de la chaussée, peuvent être
particulièrement dommageables au niveau thermique en favorisant le piégeage du rayonnement dans
les canyons urbains (Cf. 2.2.2). à l’inverse, si les bâtiments sont des barres à bordure de chaussées
62
Romainville (Seine-Saint-Denis)
Porte de Choisy - Tolbiac (Paris 13) Place des Fêtes (Paris 20)
Photos 2.3. Photographies des constructions verticales en tours à Paris et en banlieue parisienne.
plus larges, une telle configuration de canyon est plus confortable thermiquement avec un rapport
d’aspect plus faible. Cela signifie que d’un endroit à l’autre, une forte variabilité peut être relevée.
Toutefois, précisons également qu’à Paris et dans la petite couronne, il est rare d’observer des rues
étroites longées de bâtiments très élevés et surtout implantés dans une contiguïté. En effet, cette
architecture n’est pas mitoyenne, elle se constitue d’un ensemble d’immeubles dispersés dans un
quartier avec un plan d’occupation des sols (POS) soit en damier ou soit en une autre structure
géométrique.
D’un point de vue social, ces logements sont à l’origine destinés à des catégories sociales plutôt
intermédiaires à aisés [Castells, 1973], comme pour les HBM précédemment étudiés. Ainsi que
le souligne Stébé et Marchal [2007], ces types d’habitat disposaient d’une certaine mixité sociale
initialement. Mais aujourd’hui, cela n’est plus tellement d’actualité : les populations résidentes sont
très majoritairement socialement modestes et culturellement plutôt mélangées. Le parc locatif social
est particulièrement important en région parisienne avec 46% des ménages du parc locatif francilien
63
qui vivraient en HLM en 2003 [Omalek, 2003]. Quant à la question de la structure sociale des
populations résidentes, outre le fait culturel induisant la présence de ménages issus de l’immigration,
une autre étude de l’INSEE [Trévien, 2013] atteste de l’importante présence des personnes sans
emploi et des familles mono-parentales parmi les occupants de ces logements. Cette étude révèle
ainsi les difficultés socio-économiques de ces populations qu’il semble pour nous pertinent d’opposer
aux conditions plus confortables des résidents des habitats haussmanniens.
Aussi, bien que garant de la mixité aux échelles du quartier, de la commune et l’agglomération, on
peut dire que pour ce qui concerne l’échelle du HLM, elle est marquée d’une homogénéité sociale
des populations résidentes dont le dénominateur commun est la fragilité sociale [Pinçon et Pinçon
Charlot, 2004 ; Stébé et Marchal, 2007]. Aussi, il convient de noter l’existence d’une importante
homogénéisation à certains endroits de l’agglomération ; par exemple, en périphérie de Paris (et
plus particulièrement en banlieue nord et nord-est) où l’habitat HLM est dominant. Cette question
sera plus largement étudiée dans le chapitre suivant où il s’agira d’envisager les logiques socio-
résidentielles ainsi que les caractéristiques ségrégatives à l’échelle de l’agglomération.
2.3.2.2. Les autres types de constructions récentes
Il est entendu que l’habitat ultérieur aux années 1950 ne se limite pas à la construction de logements
sociaux. Des immeubles plus modernes (photos 2.4) sont implantés dans la ville au rythme des
différentes rénovations urbaines. Éparpillés dans l’ensemble de la ville de Paris, il est difficile d’en
faire un inventaire exhaustif.
Cependant, de manière générale, on peut opposer Paris qui se caractérise par un habitat plutôt ancien,
notamment dans ses arrondissements centraux et dans ceux de l’ouest, au reste de l’agglomération
dont l’architecture est plus moderne (figure 2.5). Ce type d’habitat peut également se recenser dans
les centres historiques des communes à proximité directe de Paris. En effet, leur part de résidences
anciennes est plus importante que dans les communes plus lointaines. En périphérie lointaine de
Paris (aux limites de la grande couronne), l’architecture moderne est très présente, qu’elle soit de type
sociale ou privative ; elle est l’empreinte d’une péri-urbanisation dont le départ date des années 1960.
Ce type d’architecture s’accroît progressivement à mesure que l’on s’éloigne de Paris. Les communes
situées à l’est de l’agglomération en sont l’exemple avec un pourcentage de résidences récentes assez
élevé (plus de 80%). Ainsi des villes entières, dites nouvelles, sont construites de plus en plus loin
de Paris, comme par exemple Marne-la-Vallée à une trentaine de kilomètres à l’est de la capitale.
Mais l’étude plus exhaustive de ce type d’urbanisme n’entre pas dans le cadre de cette recherche
puisqu’elle se situe hors de l’agglomération parisienne telle que définie précédemment.
64
Photos 2.4. Photographies d’immeubles des années 1970-1980 à gauche à proximité de Maison Blanche (Pa-
ris 13) et à droite à Ménilmontant (Paris 20).
RÉSIDENCES DONT LA DATE DE CONSTRUCTION RÉSIDENCES DONT LA DATE DE CONSTRUCTION

EST ANTÉRIEURE À 1950 EST ULTÉRIEURE À 1990
Pourcentage de résidences par rapport Pourcentage de résidences par rapport

au nombre total de résidences principales au nombre total de résidences principales
3 20 40 60 80 91 2 10 20 30 40 45
Bois de Boulogne
et de Vincennes
5 km
Figure 2.5. Pourcentage de résidences principales dont la date de construction est antérieure à 1950 (à droite)
et ultérieure à 1990 (à gauche) à Paris et dans la petite couronne. Données, INSEE 2006.
65
Encore plus récemment, dans les années 1990, des habitations contemporaines, dont l’aménagement
s‘étend sur l’ensemble d’un quartier, se sont développées. Il s’agit du nouveau quartier Bibliothèque
François Mitterrand dans le 13ème arrondissement (qui se situe entre la Gare d’Austerlitz et le
périphérique sud) construit selon les plans d’aménagement urbain de l’architecte Portzamparc (photos
2.5). Cet urbanisme géométrique, industriel et plutôt en hauteur se différencie fortement des autres
quartiers du même arrondissement qui sont tantôt haussmanniens pour les Gobelins, tantôt des
années 1950 (tours) pour Tolbiac ou encore un habitat historiquement ouvrier se composant de petites
maisons familiales pour la Cité Florale non loin du quartier Maison Blanche. Le 13ème arrondissement
de Paris est, par conséquent, marqué par une très grande hétérogénéité des formes urbaines.
Du point de vue socio-résidentiel et spatial, il est difficile d’établir un constat tranché, ces types tant
ces habitats peuvent différer d’une architecture à l’autre (photos 2.4 et 2.5), en termes de qualité
de construction, de date de constructions (valeur historique), etc. Leur accessibilité en termes de
prix peut donc également être très variable. Les populations résidentes peuvent par conséquent
également être d’origine sociale très diverse en fonction de la localisation de ce type d’habitat à
l’échelle de l’agglomération (Paris ou périphérie), mais aussi en fonction du quartier, voire de la rue.
Photos 2.5. Les immeubles du quartier Bibliothèque François Mitterrand (Paris 13).
66
2.3.2.3. L’habitat individuel
L’habitat individuel se définit comme un habitat mono-familial. Il s’oppose aux immeubles d’habitation,
présentés dans le paragraphe précédent, et à l’habitat collectif (qui consiste en un ensemble
d’immeubles d’habitation).
à Paris intramuros, l’habitat individuel (maisons et villas) existe, toutefois il ne représente qu’une
infime partie des logements de la capitale. en effet, en 2006 [INSEE], il constituait moins de 1% des
logements. Ce type d’habitat est plutôt occupé par des propriétaires socialement assez aisés, il s’agit
de villas (photos 2.6). Parfois aux portes de Paris, un habitat individuel, traditionnellement ouvrier, est
encore présent comme par exemple dans la Cité Florale du 13ème arrondissement ou encore les maisons
en briques jaunes du quartier Saint-Fargeau, réputer pour être « la campagne en ville » (photos 2.6).
Globalement cet habitat se diversifie fortement socialement et spatialement selon les communes dans
lesquelles il est implanté. Sa proportion varie en fonction de la distance à Paris. Lorsque l’on s’éloigne
de la capitale, il se fait plus fréquent et plus accessible en termes économiques. Apparaissent
alors des quartiers résidentiels à habitats individuels. Pour l’exemple du département de la Seine-
Saint-Denis, qui est le plus pavillonnaire de la petite couronne, cet habitat recouvre environ le tiers
de sa superficie [Garcia et Vacquerel, 2013], il est autant variable quantitativement que diversifié
qualitativement. Au Lilas, il représente près de 10% des logements, à Romainville, près de 30% et à
Aulnay-sous-Bois, plus de 45% (figure 2.6). Ce type d’habitat individuel peut se subdiviser en deux
grands ensembles. On retrouve des maisons aux dates de constructions antérieures aux années 1950
et d’autres plus récentes.
Pour les plus anciennes, ces maisons peuvent correspondre à un habitat tantôt ouvrier, tantôt
bourgeois. La distinction se fait par leur taille et leur forme. L’habitat historiquement ouvrier est
souvent plus petit (une à trois pièces), construit en briques ocre ou rouges (donc quasi identiques à
l’habitat de type HBM au niveau du matériau de construction). On le retrouve ainsi que nous l’avions
évoqué précédemment non loin des portes de Paris ou dans les communes attenantes dans l’est et
le sud de la ville. Les villas bourgeoises sont, quant à elles, davantage en pierres de taille, avec des
intérieurs plus spacieux disposant de deux à trois étages. Elles sont invariablement disséminées dans
l’agglomération, avec une certaine prépondérance dans l’ouest, toutefois il est difficile ici d’en faire
un état exhaustif.
Mais aujourd’hui, cette représentation de la richesse s’appuyant sur l’antagonisme entre des maisons
ouvrières et des maisons bourgeoises est inopérante. Si le peuplement en périphérie demeure
principalement le fait d’une population plus modeste, il se structure plutôt autour d’une opposition
entre un habitat individuel plus ancien et plus proche de la capitale à un habitat pavillonnaire plus
récent et plus loin en périphérie.
67
Montmartre (Paris 18) Saint-Fargeau (Paris 20)
Butte-aux-Cailles (Paris 13) Les Lilas (Seine-Saint-Denis)
Photos 2.6. Photographies d’habitats individuels à Paris et dans une commune de la petite couronne, Les Lilas.
Trois types d’habitat : villa bourgeoise en haut à droite à Montmartre, habitats ouvriers du début du XXème siècle
en haut à gauche et en bas à droite respectivement dans le quartier Saint-Fargeau et à la Butte-aux-Cailles et
enfin en bas à gauche, habitat individuel ultérieur aux années 1950 dans la commune des Lilas, attenante au 20ème
arrondissement.
Pour les maisons récentes à contemporaines, elles apparaissent au gré des différentes vagues de
péri-urbanisation avec des architectures souvent regroupées en lotissements pavillonnaires qui se
situent de plus en plus loin de la capitale dans des quartiers consacrés à leur implantation.
Jacquot [2003] évoque à ce titre une densification des maisons individuelles dans les périphéries
urbaines. Il convient ici de distinguer les proches périphéries des plus lointaines aux limites de
l’agglomération où l’habitat individuel se massifie.
68
Pourcentage de maisons
(par rapport au nombre total
de logements) 3
0,3
1
2
10 1
20
50
80
95
Bois de Boulogne
et de Vincennes
1. Les Lilas
5 km 2. Romainville
3. Aulnay-sous-Bois
Figure 2.6. Pourcentage de maisons par rapport au nombre total de logements dans la commune. Comparaison
entre Les Lilas, Romainville et Aulnay-sous-Bois. Données, INSEE 2006.
D’un point de vue environnemental, la géométrie

urbaine des quartiers de type pavillonnaire apporte
une réponse plutôt satisfaisante aux questions
relatives à la formation de l’îlot de chaleur urbain.
En effet, leurs spécificités morphométriques
favorisent un ratio H/W souvent inférieur à 1.
En plus de leur morphologie urbaine, ils sont
notablement plus végétalisés que les quartiers
urbains comme le montre la vue satellite ci-contre
de la commune de Tremblay dans le nord-est
de la petite couronne (figure 2.7). Cette vue met
en évidence des maisons individuelles avec des
jardins arborés. Cette plus importante présence de
végétation contribue au maintien de températures
plus fraîches - et plus spécifiquement en période
Figure 2.7. Vue satellite (Google Earth) de d’îlot de chaleur.
l’habitat pavillonnaire du quartier pavillonnaire
Cottage de la commune de Tremblay. Rue de
type pavillonnaire avec un rapport d’aspect
souvent inférieur à 1.
69
Même si dans ces quartiers, les canyons plus larges et la pus forte présence d’espaces verts (sans
évoquer la proximité d’espaces ruraux ou de zones forestières) favoriseraient un gain de chaleur
moindre que dans les rues étroites aux constructions plus hautes des centres urbains, d’autres
interrogations pourraient en ressortir comme celle de l’étalement urbain ou encore celle d’une
utilisation plus intense de l’automobile dont les impacts sur l’effet de serre résiduel sont sans
appel.
Ce chapitre avait pour finalité d’envisager l’agglomération au regard de ses formes urbaines et de son
habitat afin d’échafauder les possibles relations entre l’habitat, les températures et la mortalité. Nous
en retiendrons principalement les idées suivantes.
Nous avons construit un lieu théorique de convergence entre la forme urbaine et l’habitat. Ce lieu
se situe au croisement d’un abord environnemental et d’une considération sociale. Il est entendu
que derrière ces deux acceptions se cache une infinie complexité dont nous avons essayé d’extraire
seulement quelques axes par une approche essentiellement heuristique.
Du point de vue environnemental, nous avons précisé les effets de l’agglomération sur le climat local
par l’étude des grands types d’architectures présents dans l’agglomération. En effet, nous avons
dessiné les principales formes urbaines de l’agglomération parisienne et leurs spécificités en termes
de morphologie urbaine, notamment à travers la prise en compte d’indices prenant la mesure de la
géométrie de la ville comme le rapport d’aspect (H/W) ou la part de ciel visible (SVF). Nous avons vu
que, selon les travaux de Oke [1991] ou encore de Hamdi et Schayes [2007], pour ne citer que ceux-là,
la morphologie de la ville, les formes urbaines et leurs distributions spatiales ont des répercussions
sur l’intensité de l’ICU. Dans les quartiers où l’on trouve des immeubles d’habitation densément bâtis,
c’est à dire au cœur de Paris, il y fait plus chaud la nuit en période d’îlot de chaleur. A contrario, les
espaces péri-urbains, constitués de petites villes, sont moins fortement marqués par le phénomène.
L’agglomération est donc inégale face à la chaleur.
Qu’en est-il du point de vue social ? Pour y répondre, nous avons étudié l’habitat. L’évocation
historique de l’édification des différents types d’architecture a été utile à la compréhension sociale
de leur occupation actuelle, mais elle nous a, avant tout, permis de mettre en avant la rémanence
d’un certain clivage résidentiel. L’habitat haussmannien continue à être peuplé par une population
aisée. Les habitats HBMA et HLM accueillent une population plus fragile. Et le phénomène de
périphérisation des plus modestes se double d’une densification de l’habitat individuel aux limites de
70
l’agglomération. à cette forme de division sociale et résidentielle s’ajoutent cependant de nouvelles

dynamiques telles que celle de la gentrification qui simultanément accuse les disparités à l’échelle
de l’agglomération et renforce l’uniformisation sociale à l’échelle de l’habitat.
Toutes ces inégalités ne doivent en aucun cas être écartées de notre expertise dans la mesure
où l’approche sociologique de la mortalité de 2003 est tout autant fondatrice que celle de nature
environnementale.
Pour approfondir ces aspects, nous allons aborder dans le chapitre suivant la répartition spatiale des
populations résidentes à l’échelle de l’agglomération.
L’ensemble de ces analyses servira de socle pour la compréhension des relations que nous construirons
par la suite (partie 3 et partie 4) entre la répartition spatiale de la mortalité, de la surmortalité, les
niveaux socio-économique des populations et les variables relatives aux conditions de résidence des
populations.
71
Chapitre 3 :
La population de l’agglomération parisienne :
aspects démographiques, socio-économiques,
résidentiels et sanitaires
Décrire l’agglomération parisienne au regard de la répartition spatiale, sociale et sanitaire de sa

population fait partie de l’exercice de ce chapitre. Pour commencer, nous présenterons Paris et sa
petite couronne relativement à sa densité de population ; car en première instance, la forte mortalité
qui a eu lieu durant le mois d’août 2003 est liée à la forte densité de population, notamment à
Paris. Dans la continuité de la question de la densité, nous nous interrogerons sur la démographie
du territoire : la capitale est-elle un territoire qui comporte beaucoup de personnes âgées en son
sein ? Qu’en est-il de la petite couronne ? Quelles sont les logiques spatio-démographiques de
l’agglomération ? Puis, dans une seconde sous-partie, nous montrerons l’existence de fortes inégalités
sociales et résidentielles dans le territoire étudié. Enfin, une dernière sous-partie aura pour objectif
d’évoquer la question des inégalités sanitaires. Suivent-elles les mêmes logiques spatiales que les
inégalités sociales ?
3.1. Approche démographique de l’agglomération
3.1.1. Une densité fortement décroissante de Paris à la petite couronne
Plus de la moitié de la population francilienne réside à Paris et dans les départements de la petite
couronne. Les densités moyennes de populations avoisinent les 6 500 hab./km² pour l’ensemble de
l’agglomération et les 20 000 hab./km² pour Paris. Certains arrondissements parisiens connaissent des
densités exceptionnelles - près de 40 000 hab./km² pour le 11ème arrondissement par exemple. Ces
taux notablement élevés placent Paris parmi les villes les plus densément peuplées au monde.
73
Chapitre 3 : lA POPULATION DE L’agglomération parisienne, aspects démographiques, socio-économiques, résidentiels et sanitaires
La densité de la capitale est alors comparable aux villes asiatiques et Paris occupe la place de la
ville la plus densément peuplée d’Europe. Elle compte ainsi près de 2,2 millions d’habitants vivant
sur une superficie d’environ 105 km² (seulement 85 km² sans les bois de Boulogne et Vincennes,
qui se trouvent respectivement à l’ouest et à l’est de la ville). Les arrondissements de la rive droite
(situés au nord de la Seine) sont ceux dont les taux de peuplement sont les plus élevés avec près de
30 000 habitants au km² (figure 3.1). Concernant l’ensemble de l’agglomération, la densité décroît de
manière concentrique autour de Paris. En effet, les communes directement frontalières à la capitale
demeurent très densément peuplées avec des valeurs supérieures à 8 000 habitants au km². Dans le
reste du territoire, notamment dans les communes de l’extrême est de l’agglomération, le peuplement
s’amoindrit considérablement ; ces dernières correspondent principalement aux communes avec une
forte proportion d’habitats individuels et se trouvent à proximité des zones rurales.
Densité de population
(Habitants par km²)
Moins 2500
De 2500 à 5000
De 5001 à 10000
De 10001 à 15000
De 15001 à 20000
De 20001 à 25000
De 25001 - 30000
Plus de 30000
Bois de Boulogne
et de Vincennes
5 km
Figure 3.1. Densité de population à Paris et dans la petite couronne. Données, INSEE RGP99.
Ces développements ont pour finalité de poser le contexte général du peuplement de l’aggloméra-
tion. Cependant, pour notre part, nous cherchons à approfondir la question démographique en nous
intéressant plus spécifiquement à la tranche d’âge qui a été majoritairement touchée par la mortalité
et la surmortalité durant l’été 2003, c’est-à-dire celle des plus de 65 ans [Hémon et Jougla, 2003 et
2004]. C’est pourquoi nous allons porter une attention particulière à l’étude de cette tranche d’âge
dans la prochaine sous-partie.
74
3.1.2. Vieillissement de la population et répartition spatiale de la population âgée

de plus de 60 ans dans l’agglomération
3.1.2.1. Le contexte du vieillissement de la population
Il est difficile de poser un constat sur le vieillissement limité à l’agglomération parisienne sans
évoquer la région francilienne dans son ensemble et la capitale en particulier. En effet, les études
relatives aux questions démographiques, au vieillissement et au recensement des personnes âgées
concernent le plus souvent l’ensemble de la région ou la ville de Paris uniquement.
Une étude prospective de l’INSEE [De Biasi, 2010] sur les départements de l’Île-de-France d’ici
l’horizon 2030-2040 a montré que le territoire résisterait au vieillissement avec une part de population
de plus de 60 ans de 24% pour la région francilienne contre 31% pour la moyenne des autres régions
françaises - et contre 20% en moyenne nationale en 2005 [Robert-Bobée, 2006]. Cette spécificité
francilienne serait le résultat de la convergence de deux conjectures : d’une part, il y aurait un
excédent des naissances par rapport au décès et d’autre part le solde migratoire francilien serait plus
élevé que pour le reste du territoire français [De Biasi, 2010]. Dans une étude encore plus récente à
l’échelle de la région [De Biasi et Louchart, 2012], Paris se distingue avec un vieillissement moindre
que les autres départements et notamment que ceux de la grande couronne (Essonne, Seine-et-
Marne, Val d’Oise et Yvelines). Ce frein au vieillissement serait, pour le cas spécifique de Paris,
principalement lié à un solde migratoire plus élevé que dans le reste du territoire francilien.
Toutefois, bien que ces scénarios puissent révéler des perspectives plus optimistes pour l’agglomération
parisienne comparativement aux moyennes nationales, l’augmentation de la part des personnes
âgées est inéluctable. Dans ce contexte, il est essentiel de s’intéresser à leur actuelle répartition
spatiale et de se questionner quant à l’évolution possible de leur implantation dans l’agglomération
dans les prochaines décennies.
3.1.2.2. La répartition spatiale des plus de 60 ans
Concernant la situation actuelle, des études menées conjointement par l’APUR et l’INSEE (Virot
et al., 2011a ; 2011b) ont mis en évidence des clivages démographiques prononcés entre les
arrondissements parisiens, qui se prolongent par ailleurs dans les communes limitrophes à Paris.
Même si globalement la capitale est sensiblement plus jeune que les autres grandes villes françaises
(comme Marseille par exemple), de fortes disparités apparaissent entre les arrondissements [Pinol
et Garden, 2009].
75
En effet, une nette distinction existe entre le sud-ouest et le nord-est parisien où la proportion de
personnes âgées peut varier quasiment du simple au double avec moins de 15% de personnes de plus
de 60 ans dans le 10ème arrondissement et plus de 25% dans les 8ème et 16ème arrondissements ; dis-
tinction qui se poursuit par ailleurs en partie en proche banlieue, ainsi qu’en fait état la cartographie
de la population âgée (de plus de 60 ans) issue des travaux de Virot et al. [2011 b] - figure 3.2. Ces
différences s’expliquent par un certain nombre de facteurs. D’une part, les Parisiens vivent davantage
seuls avec une perte d’autonomie moins rapide, ils sont de facto moins nombreux à être placés dans
des établissements spécialisés. Ce qui explique en partie la proportion plus importante des parisiens
qui vivent chez eux (par opposition à ceux qui vivraient dans un établissement pour personnes
âgées). D’autre part, l’offre d’hébergement dans ce type d’établissement est moins importante dans la
capitale : 36 places pour 1 000 parisiens contre 84 pour l’Île-de-France [Virot et al., 2011 b].
Ajoutés à ces facteurs, on peut en associer d’autres, d’origine sociale et/ou économique. Par exemple,
Paris et plus globalement l’ouest de l’agglomération comportent une part plus conséquente de
retraités cadres dont l’espérance de vie est plus longue [Tonnelier et Vigneron, 1999] ; il en résulte
une présence plus massive des personnes âgées dans ces arrondissements ou ces communes. Les
multiples travaux collaboratifs de l’INED (Institut National d’études Démographiques) et de l’INSERM
sur les inégalités d’espérance de vie des territoires de l’agglomération ont mis en évidence de fortes
inégalités spatiales [Cambois et Robine, 2001 et 2011] que nous développerons plus largement dans
la dernière partie de ce chapitre. Mais afin de mieux appréhender ces hypothèses, il convient au
préalable d’aborder la question plus générale des inégalités socio-spatiales de l’agglomération
Moyenne à Paris : 19%
Part des personnes âgées de plus 60 ans

par rapport à la population totale
résidant dans la commune (ou dans
l’arrondissement municipal) en 2007
Moins de 15%
De 15% à 20%
De 20% à 25%
Plus de 25%
Données : INSEE 2007
Figure 3.2. Part de la population de plus de 60 ans à Paris et en proche banlieue en 2007 d'après Virot et al.
[2011 b].
76
3.2. Approche socio-spatiale de la répartition des populations à Paris

et dans la petite couronne
« Toute grande ville a un ou plusieurs mauvais quartiers » disait Engels [1845] dans son ouvrage
consacré aux classes laborieuses. Il y explique que les populations ouvrières de Londres, les plus
pauvres de l’époque en question, vivaient dans des quartiers insalubres consacrés à les accueillir.
Ainsi disait-il, « il est fréquent que la pauvreté réside dans des venelles cachées tout près des palais
des riches, mais en général, on lui a assigné un terrain à part ».
De toute évidence, les conditions de vie ont considérablement changé au courant des deux derniers
siècles et cet aspect de la localisation des populations pauvres paraît lointain et obsolète. Pourtant
elle n’est pas absente de l’espace urbain, d’une part puisqu’il existe toujours des espaces destinés à
accueillir principalement des populations modestes, et d’autre part parce que d’autres espaces, qui
feraient plutôt figures de quartiers aisés, peuvent cacher une pauvreté extrême. Cela ouvre la question
de la persistance d’importants clivages sociaux dans l’agglomération parisienne et sans doute plus
spécifiquement encore dans Paris intramuros où une forte polarisation sociale entre populations aisées
et populations pauvres est observable. En effet, Paris concentre les plus virulentes inégalités sociales
du territoire français et fait coexister dans un même espace l’extrême pauvreté avec les plus grandes
fortunes [Pech, 2011]. De ce fait, émerge une logique spatiale dans l’implantation de deux types de
population dans l’agglomération. Résider dans le 6ème arrondissement ne signifie pas la même chose que
de vivre dans le 18ème. Et à une échelle plus fine, celle du quartier par exemple, les conditions d’habitation
à Saint-Germain peuvent fortement différer de celles du quartier de la Goutte d’Or (photos 3.1).
Photos 3.1. Photographies d’immeubles d’habitation à la Goutte d'Or (Paris 18) à gauche et à Saint-Germain
(Paris 6) à droite.
77
Il s’agit ainsi de s’intéresser dans cette partie aux particularités sociales de l’espace parisien. Par
particularités sociales, une attention toute particulière est portée ici au niveau de richesse des
populations que nous développerons par l’intermédiaire de l’examen de leur revenu fiscal.
3.2.1. La polarisation sociale dans l’agglomération parisienne : quel paradigme ?
Il est reconnu qu’il existe un fort clivage socio-économique dans l’agglomération parisienne : les
quartiers de l’ouest de la capitale sont les plus favorisés et ceux du nord-est et de l’est, les plus
fragiles [Pinçon et Pinçon-Charlot, 1992]. Mais au delà de ce clivage notoire, les inégalités sont plus
nombreuses, plus complexes et peuvent révéler des différences lorsque l’on passe d’une échelle
d’observation à une autre [François et al., 2011].
S’appuyant sur les travaux de l’INSEE [Labrador, 2013] portant sur le revenu fiscal en Île-de-France à
l’échelle départementale, Le Monde [2014] dévoilait que 10% des parisiens les plus riches déclaraient
en 2011 disposer d’un revenu de plus de 5 815 euros mensuel par personne, constituant ainsi les plus
élevés de France - juste avant ceux des Hauts-de-Seine avec 5 116 euros de revenu mensuel. Parallè-
lement à cela, le niveau de revenu déclaré des 10% les plus démunis était de 551 euros en moyenne,
juste avant ceux de la Seine-Saint-Denis, département le plus pauvre de France avec des revenus
inférieurs à 330 euros par mois pour les plus défavorisés. Cet écart s’est renforcé durant cette dernière
décennie. Les parisiens les plus riches, ceux du premier décile, disposaient en moyenne d’un revenu
7,5 fois supérieur en 2011, alors qu’il était de 7,2 fois supérieur à celui des plus pauvres en 2004 (selon
les données de l’INSEE en 2012). En termes de catégories socio-professionnelles, l’existence d’un
ouest parisien dans lequel les cadres supérieurs et les professions libérales sont davantage implantés
est un fait connu [Beckouche, 1993 ; Pinçon et Pinçon Charlot, 2004]. Ce dernier constat est essentiel
puisque les inégalités de santé peuvent être le fait d’une différence des conditions professionnelles.
Nous développerons cet aspect plus amplement dans la dernière partie de ce chapitre.
Toujours concernant les différences de niveau de richesse, précisons que la mesure des inégali-
tés porte sur le revenu par personne, le ménage, l’unité de consommation ou encore la catégorie
socio-professionnelle, l’existence d’une polarisation est le plus souvent d’à-propos. Mais comment se
structurent-elles démographiquement et spatialement ?
De nombreux géographes [Beckouche, 1993 ; François et al., 2003 ; Préteceille, 2006] ont pu mettre en
exergue la forte polarisation sociale de Paris - et plus généralement celle de l’agglomération montrant
que les ménages aux revenus les plus élevés coexistent avec ceux les plus faibles sur un même
territoire. Cette polarisation sociale peut être transposée à toutes les classes d’âge de la population. En
termes de revenus des personnes des classes d’âge de 60 à 75 ans et des plus de 75 ans, les travaux de
Virot et al. [2011, b] mettent en évidence toujours la même logique d’opposition : un sud ouest peuplé
78
par une population disposant d’importants revenus alors que dans le nord-est réside une population
âgée plus modeste. Les cartes de la figure 3.3 permettent de distinguer les grands traits de la division
sociale pour les personnes âgées de plus de 60 ans, mais ne délivrent pas d’information sur les classes
très précaires, telles que celles vivant sous le seuil de pauvreté4. Alors même qu’il serait souhaitable
de les localiser pour identifier les territoires enclins à une plus forte vulnérabilité sociale. Pour ce faire,
dans notre travail, nous aurons recours à un autre indicateur : le nombre de personnes de plus de 60
ans bénéficiaires de la couverture maladie universelle (CMU) au niveau communal.
MÉNAGES DONT LE RÉFÉRENT A ENTRE 60 A 75 ANS Moyenne Paris : 2005 € MÉNAGES DONT LE RÉFÉRENT A PLUS DE 75 ANS Moyenne Paris : 2086 €

Revenu médian mensuel des ménages (en €)
Moins de 1500 € De 1500 € à 2000 € De 2000 € à 2500 € De 2500 € à 3000 € Plus de 3000 €
Figure 3.3. Revenu médian mensuel des ménages pour les populations de 60 à 75 ans à gauche et de 75 et
plus à droite en 2007 à Paris et en proche banlieue d'après Virot et al. [2011 a].
à ces aspects de tradition historique de la division sociale de l’agglomération parisienne viennent

s’ajouter d’autres dynamiques qu’il importe de prendre en compte dès lors que l’on souhaite
approfondir les phénomènes de répartition socio-démographique dans la ville.
En effet, la question qui fait l’objet d’études plus contemporaines est celle de l’embourgeoisement
du centre de l’agglomération parisienne. Nombreux sont ceux qui ont mis en exergue le caractère
croissant du phénomène de gentrification [Fijalkow et Oberti, 2001 ; Clerval et Fleury, 2009 ; Clerval,
2010]. Il apparaît donc comme un vecteur de compréhension des répartitions des populations au
sein de l’agglomération dont on ne peut pas faire l’économie. La gentrification ou déprolétarisation,
qui consiste en l’exclusion des classes populaires du centre de la ville, conduit nécessairement à
4. Le seuil de pauvreté correspond à 60% du revenu mensuel brut médian, soit environ 987 euros (INSEE, 2012).
79
une certaine homogénéisation sociale du territoire du fait du déplacement de ces populations vers
la périphérie.
à Paris intramuros par exemple, il est certain que l’intensification du phénomène de gentrification
accompagnée de la forte spéculation immobilière et de la pression foncière, entraîne la dépossession
et l’expropriation des classes populaires et génère un déplacement de ces populations vers les
périphéries. Même si cette logique fait simultanément apparaître une population socialement très
vulnérable dans les murs de la capitale avec des conditions d’habitation qui sont particulièrement
inquiétantes ainsi que nous l’avons en partie évoqué dans le chapitre 2 de cette thèse. Cette
logique d’expulsion est protéiforme et récurrente. Déjà dans les années 70, suite aux plans de
rénovations urbaines de la capitale qui amorcèrent la construction de logements HLM, nombreux
étaient les Parisiens dont les revenus étaient insuffisants pour vivre dans ces nouveaux logements ;
ces derniers étaient par conséquent rejetés hors de murs de la capitale [Castells et al., 1973]. Encore
un siècle auparavant, Haussmann avait largement entrepris cette politique d’expulsion [Benjamin,
1939]. Concernant ces populations résidant hors des murs de la capitale, force est de revenir à la
notion de périphérisation mentionnée dans la partie consacrée à la distinction des espaces urbains et
péri-urbains. Plus qu’une polarisation, l’idée d’une dualisation de l’agglomération demeure pertinente
[Sassen, 1996 ; Sassen, 2009] avec une population qualifiée, plutôt diplômée et/ou aisée qui s’oppose
à une population précaire aux conditions de travail peu encadrées voire informelles (photos 3.2).
S’il est certain que cette lecture duelle de la société urbaine s’inscrit dans une vision principalement
économique et peut laisser parfois peu d’alternatives à la complexité d’une observation multi-scalaire
et principalement géographique [Préteceille, 1995], elle présente toutefois l’avantage majeur de poser
les fondements d’un constat socialement difficilement contestable et s’inscrivant, de plus, dans une
logique globale forte. En effet, dans le contexte global de chômage de masse et d’externalisation du
travail, les phénomènes spatio-ségrégatifs de la ville-monde peuvent s’interpréter comme l’empreinte
spatiale des logiques de classe, et la gentrification en constitue une de ses expressions.
Aussi, cette question relative au phénomène de gentrification mérite quelques développements dans
la mesure où elle permet de comprendre les nouvelles logiques socio-spatiales et socio-ségrégatives
de l’agglomération. Ces dernières peuvent s’avérer d’une aide précieuse à la compréhension des
causes sociales de la mortalité lors d’un nouvel épisode chaud comme celui de 2003. Car la question
est ici de savoir dans quelle mesure les conditions sociales ont présenté et présenteront un facteur
aggravant dans un contexte de vague de chaleur. Et, de manière prospective, puisque l’accroissement
des inégalités est aujourd’hui indéniable et que le train ségrégatif de la gentrification est en marche,
qu’en sera-t-il demain dans les nouveaux territoires de l’agglomération où les populations aisées
vivront dans des espaces centraux et de facto privilégiés et les plus pauvres seront relégués de
80
plus en plus loin de la ville et peut-être de ses services ? Qu’en sera-t-il, à plus forte raison, dans le
contexte du vieillissement de la population ?
Localiser plus particulièrement cette population âgée et socialement vulnérable ouvrirait de nouvelles
perspectives sur la compréhension des causes actuelles de la mortalité en période d’extrême
thermique.
Dans ce contexte social complexe et évolutif, il s’agit pour nous de participer à l’évaluation des
relations qui existent entre la précarité, la mortalité et la surmortalité dans le cadre de l’événement
météorologique exceptionnel de la canicule de 2003.
Photos 3.2. Photographies illustrant des travailleurs informels (Clignancourt) à gauche et d’un jeune cadre
(Esplanade de la Défense) à droite.
3.2.2. Logiques socio-résidentielles et division sociale de l’espace urbain
L’objectif de cette sous-partie est d’approfondir les relations entre l’habitat de l’agglomération
parisienne et la population qui y réside. Nous avions amorcé ces interrogations dans le chapitre 2 en
raisonnant à l’échelle de l’immeuble d’habitation. Nous proposons ici de changer de focale et de nous
intéresser à l’échelle de l’agglomération. Il s’agit d’identifier les grands traits d’une éventuelle relation
entre l’habitat et l’origine sociale des populations à travers, d’une part, une réflexion sur la fracture
81
socio-spatiale de l’agglomération et, d’autre part, par l’examen de cartes aux niveaux du quartier et/
ou de la commune. Dans quelle mesure peut-on dire qu’il existe un type de population pour un type
d’habitat dans l’agglomération ? Des rapprochements peuvent-ils être faits avec le revenu ?
Les contributions bibliographiques sur la question de la division sociale de l’espace urbain et des
phénomènes ségrégatifs associés sont nombreuses [Castells, 1973 ; Roncaloyo, 1994 ; Préteceille,
2003] et les récents travaux de Bourdeau-Lepage et Tovar [2011] mettent en avant l’accentuation
des disparités socio-économiques sur le territoire francilien. Parmi ces études, il s’agit pour nous de
retenir celles qui pourraient faire écho aux logiques socio-résidentielles présentes dans la capitale et
sa proche périphérie.
Une étude sur la division sociale de l’agglomération parisienne pour la période de 1954 à 1975 a été
menée par Catherine Rhein [1994]. Elle a mis en évidence la complexité méthodologique de l’étude
des interactions entre les structures sociales et les dynamiques résidentielles de l’agglomération, et
notamment l’importance de l’interprétation dans les logiques mises en œuvre. Mais au-delà de ces
aspects, elle a montré la division ouest/est de l’agglomération en s’appuyant sur un ensemble de
travaux.
Plus récemment, concernant les relations de proximité entre profil social et type d’habitat occupé, les
recherches de Clerval [2008] ont mis en évidence, entre autres, que le profil bourgeois des populations
de l’ouest parisien se superpose en partie à un type d’habitat ancien de type plutôt haussmannien
et néo-haussmannien (figure 3.4). Ses travaux corroborent les hypothèses d’une certaine sociologie
de l’habitat.
L’ouvrage de Madoré [2004] propose une analyse riche et exhaustive des relations socio-spatiales. Il
recense un certain nombre d’études qui ont apporté différents éclairages sur la question des relations
entre lieu de résidence, type d’habitation et conditions sociales des populations. En effet, des travaux
portant sur l’agglomération nantaise ont montré d’une part la complexité d’une mise en relation,
mais d’autre part, en dépit de cette complexité avérée, il apparaissait qu’à un certain type d’habitat
correspondait un type de population [Bonvalet et Dureau, 2000].
Eu égard à l’ensemble de ces travaux, nous retenons qu’une détermination catégorique de liens entre
habitat(s) et niveau(x) de vie est impossible à démontrer et demeure par conséquent discutable. En
revanche, la tendance à résider à certains endroits plutôt qu’à d’autres en fonction du niveau social
et économique des populations résidentes est un constat certain.
Il est indéniable que l’habitat s’est beaucoup transformé au courant du dernier siècle et la notion de
confort a évolué en conséquence. à titre d’exemple, la surface habitable des logements (en m² par
habitant) entre 1973 et 2000 a augmenté ; elle est passée à Paris, selon des estimations de l’APUR,
de 22 à 32 m², soit une progression de 50% en un quart de siècle [Pinol et Garden, 2009].
82
1/ Profil social des ménages
Très bourgeois
Bourgeois
Cadres et ingénieurs
Professions culturelles
Professions intermédiaires
Populaire
IRIS contenant
moins de 100 ménages Source : INSEE, RGP99
1 km
2/ Caractéristiques des résidences principales

selon les catégories sociales des ménages
Beaux quartiers
Habitat ancien
Classes supérieures
Habitat récent
Classes moyennes et supérieures
Habitat ancien
Classes populaires
Logements sociaux
IRIS contenant Source : INSEE, RGP99

moins de 100 ménages 1 km
Figure 3.4. Comparaison entre le profil social des ménages (1) et le type l’habitat (2) à l’échelle de l’IRIS en
1999. Source [Clerval, 2008].
Toutefois, relativement aux conditions matérielles de notre époque, la relation entre inégalités sociales
et conditions d’habitation continue à perdurer et confirme même parfois la notion de « mauvais
quartier » chère à Engels. En effet, avec l’augmentation de la demande des populations modestes
pour le parc locatif social et l’insuffisance de ces logements par rapport à la demande, un grand
nombre de personnes socialement vulnérables sont obligées à résider dans le parc locatif privé.
à l’intérieur de ce parc privé, dont les prix sont démesurément élevés dans la capitale, l’existence
d’une ségrégation sociale a été mise en évidence par une enquête de l’ADIL5 [2006]. Ainsi l’accès à un
habitat disposant d’une surface habitable de 32 m² par habitant est loin d’être le cas pour un nombre
important de parisiens. De plus, les situations d’habitabilité négatives sont multiples : insalubrité,
indécence, inconfort, exiguïté et vétusté sont celles qui sont les plus évoquées par la population ; les
habitats qui comportent au moins une de ces situations d’inhabitabilité représentent encore près de
5. L’ADIL est l’Agence Départementale d’Information pour le Logement
83
17% des logements de la capitale en 1999 [Pinol et Garden, 2009] alors qu’ils ne constituent que 7%
de ceux de la France d’après les données de l’INSEE en 2006 [Collectif Jeudi Noir, 2009].
Dans le détail, les situations sont très diverses, l’enquête de l’ADIL évoque l’absence de sanitaire,
de chauffage, l’humidité des murs et/ou le défaut de ventilation, la présence de nuisibles (cafards et
souris), etc. Toujours selon cette même enquête, une personne interrogée sur deux est une personne
isolée et 15% sont des personnes âgées. Au vu de ces constats, il apparaît par conséquent pertinent
de s’interroger sur la convergence des effets de la précarité et de l’isolement sur la mortalité.
Concernant les conditions de résidence des populations de plus de 60 ans, Paris et le sud-ouest
de l’agglomération se distinguent des autres communes. En effet, un très large secteur ouest de la
capitale se caractérise par la présence d’une population aisée souvent de propriétaires. Alors que
dans le nord de l’agglomération, une grande partie de la population de plus de 60 ans (souvent plus
de 40%) réside dans des logements HLM (figure 3.5) et peut souffrir d’une grande pauvreté.
Pouvoir localiser ces habitats (même à des niveaux agrégés) et identifier socialement les populations
qui y résident n’est pas sans intérêt. En effet, cette appréciation pourrait participer à la compréhension
sociologique de la répartition spatiale de la mortalité de l’été 2003. Une étude sur les facteurs sociaux
explicatifs de la mortalité de 2003 à Paris [Cadot et Spira, 2006] a déjà mis en évidence que, durant
cet épisode chaud, la mortalité avait des relations significatives avec des facteurs sociaux comme
l’isolement ou le revenu. Pour notre part, nous cherchons à mieux saisir les relations qui existent entre
le revenu (mais aussi la précarité) et la mortalité dans l’ensemble de l’agglomération parisienne.
LOCATAIRES HLM DE PLUS DE 60 ANS Moyenne Paris : 19,2% PROPRIETAIRES DE PLUS DE 60 ANS Moyenne Paris : 51,9%
Part de locataires de logement HLM dans la population de plus de 60 ans Part de propriétaire de logement dans la population de plus de 60 ans
Moins de 10% De 10 à 20% De 20 à 30% Moins de 40% De 40 à 50% De 50 à 60%
De 30 à 40% Plus de 40% De 60 à 70% Plus de70%
Figure 3.5. Part des plus de 60 ans de locataires de HLM à gauche et de propriétaires à droite à Paris et en
proche banlieue en 2007 d’après Virot et al. [2011, a].
84
3.3. Les inégalités sociales de santé de l’agglomération
3.3.1. Répartition spatiale des inégalités socio-sanitaires
Les relations entre la richesse et l’état de santé des populations ont fait l’objet de nombreux travaux
dès le XVIIIème siècle. Parmi ces derniers, l’étude historique de Blum et al. [1990] est à retenir ; elle
a mis en évidence une sous-mortalité des classes aisées de l’ordre 20 à 30% inférieure à celle de
l’ensemble des populations au XIXème siècle dans l’agglomération parisienne.
Bien évidement les progrès en matière de santé depuis le XIXème siècle sont indiscutables et
garantissent désormais une espérance de vie de plus en plus longue pour beaucoup d’individus,
de presque 79 ans en moyenne pour un homme et de 85 ans pour une femme (INSEE, 2013]. Mais
est-elle identique pour chaque individu en chaque lieu de l’agglomération ?
Malgré ces progrès, l’antagonisme entre les populations bénéficiant d’une situation sociale aisée et
celles subissant un contexte social et économique défavorisé reste d’actualité. Clivage qui serait
encore plus accusé depuis la fin des années 80 [Rican et al., 2014 ; Salem et al., 2000 ; Leclerc et
al., 2000]. L’agglomération parisienne apparaît comme un des espaces français où les inégalités de
santé sont les plus prégnantes. En effet, elle porte en son sein le département de la Seine-Saint-
Denis qui est celui dont les revenus par ménage sont les plus faibles de France et qui constitue par
ailleurs également celui dont le taux de pauvreté1 est le plus important avec plus d’une personne sur
quatre vivant sous le seuil de pauvreté (26,9% de la population). Parallèlement à cela, dans la même
agglomération, le département des Hauts-de-Seine a un taux de pauvreté de 11,8%, faisant de facto
partie des départements les plus riches de France [INSEE, 2012] et comptabilisant les revenus les plus
élevés en France. En termes de santé, ces inégalités se traduisent par une différence d’espérance de
vie entre ces deux départements de 7 ans, différence identique à celle entre les ouvriers et les cadres
[Tonnelier et Vigneron, 1999].
S’il est évident qu’il serait inopportun d’établir un lien de causalité direct entre ces deux éléments en
raison du caractère complexe et multiple des situations individuelles (médicales et sociales), toutefois
en termes de tendance, force est de constater que le rapprochement entre des conditions sociales
défavorables incluant des conditions professionnelles difficiles, une morbidité et une mortalité plus
forte reste une interprétation plausible et pertinente.
Leclerc et al. [2011] ont pu mettre en lumière les relations spécifiques entre l’emploi – plus
spécifiquement entre les conditions de travail - et l’espérance de vie. Il a été montré dans cette étude,
entre autres, que l’exposition à des produits nocifs ou encore la répétition de gestes mécaniques
avaient une conséquente incidence sur la santé des populations concernées. L’impact de l’absence
d’activité professionnelle sur la santé mentale a également été mis en exergue.
85
Les résultats de cette étude nous conduisent nécessairement à nous interroger en amont sur
l’appartenance de ces populations à des catégories sociales modestes. D’autant plus qu’au niveau
des conséquences à long terme, la mortalité précoce des ouvriers par rapport aux cadres s’expliquait
à 72% par les conditions de travail (exposition biomécanique, chimique, anxiété, contrat précaire,
etc.). Les influences des conditions négatives d’emploi sur le long terme, c’est-à-dire sur la morbidité
et la mortalité développées ultérieurement à l’âge de la retraite, a fait l’objet d’une étude approfondie
par Cambois et al. [2004]. Il en ressort des dispositions plutôt néfastes pour les catégories ouvrières.
Dans le cadre de cette thèse, la surmortalité importante du mois d’août 2003 pourrait être expliquée
pour certaines communes – les plus riches – par la part plus importante de personnes atteignant
un âge très avancé (> 80 ans). Mais pour les autres, qu’en est-il ? La surmortalité de communes
démographiquement plus jeunes n’est-elle pas révélatrice d’une vulnérabilité préexistante de nature
plutôt sociale ?
Dans ce faisceau d’hypothèses, il paraît peu concluant de nourrir l’idée que les plus riches seraient
davantage touchés par la surmortalité sans évoquer préalablement l’argument d’une sous-mortalité
des classes aisées. Leur espérance de vie plus longue en constitue une mesure indirecte.
3.3.2. Santé et richesse, prolongements épistémologiques
S’il est pertinent de concevoir la santé et la richesse comme deux capitaux dont chaque individu
dispose à la naissance, mais qui fluctuent d’une part tout le long de l’existence et qui d’autre part
seraient soumis à un épuisement selon l’usage que l’on en fait [Bourdieu et Kesztenbaum, 2004], alors
il convient d’interroger précisément le rôle du patrimoine initial de l’individu6 dans cette dichotomie.
Bourdieu et Kesztenbaum [2004] le font en s’intéressant à l’héritage en tant que patrimoine accumulé
au courant de la vie ; ils mettent en évidence le rôle protecteur de celui-ci, mais également celui de
l’origine sociale sur la mortalité des individus.
Pour notre recherche, ne disposant pas d’informations de ce type sur le patrimoine - dont la collecte
serait le fait d’une enquête, nous avons choisi de nous intéresser à la part de résidents HLM (cf. 3.2.2)
qui peut être mise en opposition à ceux qui disposeraient d’un patrimoine - immobilier du moins.
Nous considérons cette variable comme une mesure inversée et indirecte du patrimoine (immobilier)
d’une classe d’âge.
6. En effet, la mesure du patrimoine initial (à la naissance) d’un individu serait un indicateur plus juste que le revenu pour deux raisons au moins. D’une
part, car il est moins fluctuant au courant d’une vie que le salaire perçu, d’autre part car il se substituerait à une mesure de l’inégalité : tout le monde ne
disposant pas du même patrimoine à sa naissance - même s’il n’est pas exclu qu’il puisse le perdre au courant de sa vie.
Ces indicateurs seraient d’autant plus intéressants à étudier étant donné l’importance du patrimoine dans les classes sociales les plus fortunées d’une
part, mais également par rapport à l’augmentation de la part patrimoniale dans les richesses que dispose aujourd’hui un individu pour, à son tour, acquérir
du patrimoine [Pech, 2011]
86
Nous avons saisi que le patrimoine est un des éléments constitutifs de la richesse, mais il va sans
dire qu’il n’est pas l’unique. Comment approfondir cette notion de richesse ? Comment définir la
richesse d’un individu, d’une population, d’une classe d’âge ?
Pour nous, elle est surtout à entendre au sens d’un rapport social [Lefebvre, 2010 et 2013]. Au niveau
de l’individu, la richesse se rapproche de la notion de capital et correspond à ce que produit un homme
tout au long de sa vie en termes de valeur (monétaire) contre l’échange de son temps (travail) - valeur
à laquelle peut s’ajouter l’héritage. à un niveau agrégé (c’est-à-dire aux échelles d’un territoire, d’un
quartier, d’un arrondissement, d’une commune, etc.), elle devient un paramètre statistique (moyenne,
médiane, etc.) de la valeur monétaire perçue par une population donnée, ramenée à l’échelle considérée.
Mais pour ne pas l’envisager uniquement comme tel, il semble judicieux d’initier l’idée que la richesse
est, conceptuellement, quelle que soit l’échelle considérée, le fait d’un rapport social. Ce rapport
social est un système dans lequel s’entremêlent plusieurs conditions matérielles (revenu, conditions
d’habitation, accès au soin, environnement physique, etc.) avec comme antagonisme structurant la
subsistance pour les uns (les plus défavorisés) et l’existence pour les autres. Telle se construit notre
définition de la richesse, si tant est que l’on accepte le postulat qu’elle soit principalement une
objectivation des conditions matérielles d’un individu, d’une société ou d’un territoire.
D’autres auteurs établissent la proximité entre la richesse et le bien-être [Bailly, 2014 ; Bourdeau-
Lepage et Tovar, 2013] qu’ils définissent comme le résultat d’un ensemble plus vaste de conditions -
qui seraient tant d’ordre matériel que psychologique. Inspirée à la fois du comportementalisme
[Skinner, 1953], du capabilisme [Sen, 2000 ; Rawls, 1971] et de la géographie radicale [Harvey, 1973,
2008 et 2010], la dimension perceptive (et de facto individuelle) est fondamentale - voire primordiale
dans cette compréhension de la richesse. Elle diffère de la pensée sociale de Harvey sur un point
essentiel : celle-ci est davantage soucieuse d’une hiérarchisation des conditions d’accès au bien-être
en insistant plus spécifiquement sur le rôle majeur du rapport social dans toute évaluation du bien-
être (et nous nous inscrivons davantage dans cette continuité) ; alors que les perspectives issues du
comportementalisme et du capabilisme sont principalement centrées sur l’individu.
Dans ce travail, nous nous intéressons spécifiquement aux conditions démographiques, sociales
et résidentielles des populations. En effet, la mesure des inégalités est établie par la combinaison
d’un ensemble de variables (que nous présenterons plus exhaustivement dans la seconde partie de
cette thèse) qui nous permet d’envisager la mortalité et la surmortalité sous l’angle du rapport social
précédemment explicité. Observées au niveau communal à l’échelle de l’agglomération parisienne,
ces variables seront mises en relation avec les décès survenus dans l’agglomération. Nous cherchons
à travers cette opération à mieux saisir les causes sociologiques et économiques de la mortalité et
de la surmortalité dans le contexte caniculaire de 2003.
87
Ce chapitre avait pour finalité de présenter l’agglomération parisienne sous l’angle de sa population
et de leur implantation résidentielle dans une dimension principalement sociale.
Nous avons pu mettre en évidence la forte hétérogénéité de l’agglomération. Il en ressort une forme
de division entre Paris, à l’habitat globalement ancien et souvent plutôt bourgeois, et la périphérie,
marquée par la présence d’un habitat collectif plus contemporain, mais aussi par celle de maisons
individuelles. Il est possible d’associer une certaine catégorie de population à chaque type d’habitats,
de quartiers, de communes, faisant écho tantôt à la division sociale historique de l’agglomération
(est/ouest), tantôt à la nouvelle division issue des processus de gentrification.
Dans la configuration historique et au niveau de Paris, l’ouest est doté d’un habitat principalement
haussmannien, peuplé de catégories sociales globalement fortunées et sa proche périphérie apparaît
comme une extension de résidence de cette même catégorie sociale de population. Dans l’est de
l’agglomération, la configuration est plus complexe. En effet, même si les populations dans les
arrondissements du nord-est de Paris sont plus modestes que dans le reste de la capitale, elles
demeurent à l’échelle de l’agglomération plus riches que dans les communes périphériques du même
secteur.
Plus globalement, les causes de la cherté de la capitale sont multiples : une demande en logements
nettement plus importante que l’offre, une exceptionnelle densité démographique, le monocéphalisme
du territoire français qui concentre une grande part des activités professionnelles et économiques
en région parisienne et qui rend la capitale plus attractive. Cependant, plus localement, à l’échelle
de l’agglomération et concernant l’accentuation des processus de périphérisation, le phénomène de
gentrification constitue un facteur explicatif déterminant.
L’intensification de cette nouvelle dynamique socio-spatiale n’est pas sans conséquence sur les
inégalités sanitaires de l’agglomération parisienne. Si d’importantes différences existent au niveau
de l’espérance de vie entre certaines catégories professionnelles et sociales de la population, quelles
sont-elles au niveau de la mortalité et la surmortalité lors d’un phénomène d’extrême thermique
comme celui que l’agglomération parisienne a connu au mois d’août 2003 ?
88
Chapitre 4 :
Les relations entre le climat et la santé
La question des effets du climat sur la santé n’est pas une problématique contemporaine, ni même
moderne. Toutefois, aujourd’hui, avec le réchauffement global, un intérêt grandissant est porté à
cette question. En août 2003, la mortalité liée à la chaleur a été conséquente avec près de 20% des
décès survenus en France lui étant directement imputable [Hémon et Jougla, 2003]. Ce chapitre a
pour finalité d’expliciter les relations entre les températures et le risque de mortalité. Pour ce faire, il
se subdivisera en trois sous-parties. Dans une première sous partie, il s’agira d’approfondir la notion
de risque de vague de chaleur. Puis, nous en décrirons les effets sur l’organisme. Enfin, dans une
troisième sous-partie, nous présenterons le contexte sanitaire de 2003.
Nous proposons d’introduire le sujet par une brève synthèse des relations entre le climat et la santé
dans l’histoire avant de nous intéresser plus spécifiquement au risque de vague de chaleur et à ses
conséquences sur la santé aujourd’hui.
Approche introductive
Dans la médecine de la Grèce Antique, Hippocrate (vers -460 à -370 av. J.C.) faisait le constat des
relations qui existaient entre le climat, la société et plus particulièrement l’état de santé des Hommes.
Dans son œuvre traduite en 1800 intitulée Traité des Airs, des Eaux et des Lieux, il classait déjà
les villes en fonction de leur climat et observait les conséquences sanitaires qui en découlaient.
Il annonçait que le climat influait considérablement sur la présence de telle ou telle épidémie [De
Félice, 2006].
moins de deux siècles après Hippocrate, les théories de Ptolémée (vers -90 à 168 av. J.C) assoient
l’étude du climat dans sa position latitudinale et posent, par ailleurs, celui-ci comme un facteur
explicatif de différences culturelles et politiques [Glacken 1967 in Fressoz 2010]. Acceptations qui
feront l’objet de dérives raciales au courant des XVIIIème, XIXème et XXème siècles.
89
Chapitre 4 : les relations entre le climat et la santé
Sur la question spécifique du climat et de la santé, bien plus tard, le médecin écossais Jean
Arbuthnot [1742] faisait état des actions de la température sur les corps vivants. Il affirmait ainsi que
les maladies populaires aiguës (rhino-pharyngite, angines, etc.) de l’être humain sont les effets de la
température.
Montesquieu [1748] réaffirma plus tard dans l’ouvrage De l’esprit des lois, ce qu’il convient d’appeler
un déterminisme physique dont le climat est une des composantes. Ainsi, tout en admettant que
le climat n’est pas le seul facteur explicatif, il mettra en exergue que certaines épidémies – à titre
d’exemple, celle de 1728 - trouvent leur origine dans le climat qui opère, dit-il, sur le corps humain
« une altération ».
Plus tard, Charles Fourrier, dans la Théorie des quatre mouvements et des destinées générales en
1808 évoquera l’éventualité de la modification du climat (figure 4.1). Dans un texte plus spécifique
publié en 1847, intitulé De la détérioration matérielle de la planète, il fait état du fonctionnement des
saisons et des différences latitudinales pour conclure sur une altération de la planète par les effets de
l’homme sur son environnement.
Figure 4.1. Extrait de l’œuvre de Charles Fourrier

[1808], Théorie des quatre mouvements et des destinées
générales : prospectus et annonce de la découverte
Karl Ritter, puis Elisée Reclus, poseront les fondements d’une étude systémique de la géographie en
mettant en avant les interactions qui existent entre les hommes, leur environnement et la terre sur
laquelle ils vivent. à la fin du 19ème siècle, l’école de Géographie Allemande, dont l’un des représentants
est Ratzel confère une vision darwinienne et fait le lien net entre la géographie et l’environnement.
Dans cette continuité, le géographe Maximilien Sorre attribue une place fondamentale au climat
en affirmant qu’« on ne peut poser correctement les problèmes d'écologie […] si l’on ne donne
au préalable une juste idée du climat » [Sorre, 1943 in Paquot, 2011]. C’est dans cette évolution
de la géographie que des relations de plus en plus précises, car désormais mesurables et mieux
quantifiables entre le climat et la santé, font leur apparition.
90
4.1. Risque de vague de chaleur et seuils d’alerte
Le risque de vague de chaleur s’inscrit thématiquement dans le champ plus vaste du risque climatique
[Lamarre, 2009 ; Dauphiné et Provitolo, 2014]. Les conséquences des modifications du climat et le
risque encouru en termes de santé sont aujourd’hui largement étudiées [Amat-Roze, 1999 ; Fournet
et al., 2006 ; Michael et al., 2006]. Dans cette partie, nous allons définir dans un premier temps la
notion de risque pour dans un second temps, nous inscrire plus spécifiquement dans celui de vague
de chaleur. En un dernier point, nous examinerons les seuils à partir desquels la situation de risque
est déclarée.
4.1.1. De la notion générale du risque à celle du risque de vague de chaleur
4.1.1.1. La notion de risque
La notion de risque est complexe. Il n’est pas question dans cette thèse d’en faire état de manière
exhaustive. Cependant, il est nécessaire d’apporter quelques éléments de définition afin de comprendre
plus spécifiquement le risque de vague de chaleur.
Dans une vision classique, la notion de risque se construit autour de la combinaison d’un aléa et
d’une vulnérabilité. L’aléa s’entend comme un évènement exceptionnel présentant un danger potentiel
et dont la prévision reste approximative. La vulnérabilité se définit principalement par rapport aux
conséquences générées (en termes de dommages) sur les sociétés humaines et sur les milieux naturels
par l’avènement de cet aléa [Reghezza, 2006].
Plus récemment, les notions d’aléa et de vulnérabilité ont fait l’objet de divers développements [Debia
et Zayed, 2003 ; Veyret et Reghezza, 2006 ; D’Ercole et Metzger, 2009 ; Dauphiné, 2013]. La notion
d’aléa s’est complétée par celle d’exposition et le concept de vulnérabilité a interrogé celui d’enjeu. On
parle alors du degré d’exposition à l’aléa et de la vulnérabilité en tant qu’intrinsèquement liée à ses
enjeux. Il est désormais admis par ailleurs qu’une société peut présenter un ensemble de vulnérabilités
indépendantes à l’aléa. Lorsque celui-ci advient, il se pose alors comme facteur aggravant. Aussi, la
conception du risque s’inscrit dans une vision systémique dans laquelle aléa, exposition, vulnérabilité
et enjeux doivent être pris en compte dans leurs interrelations.
Dans cette thèse, où il s’agit de caractériser le risque de vague de chaleur pour mieux en saisir ses
impacts sur la mortalité des populations, la première étape, préalable et essentielle, consiste en une
identification du danger encouru : celle-ci passe nécessairement par une analyse, aussi fine que
possible, de la répartition des facteurs météorologiques (aléa) qui se fera par l’étude temporelle et
spatiale des températures dans l’agglomération.
91
Ce n’est qu’à cette condition que la vulnérabilité (dans le cas de cette recherche, il s’agit quasi
exclusivement de dommages humains) pourra être estimée et reliée au risque. Les enjeux, entendus
au sens du coût économique de la catastrophe sanitaire de 2003, ne seront pas étudiés ici.
Ainsi, au sein de la présente recherche, nous nous intéressons tout particulièrement au couple aléa-
exposition dans un premier temps, puis dans un second temps, nous analyserons la vulnérabilité au
regard des dommages humains causés par la vague de chaleur de 2003.
4.1.1.2. Le risque spécifique de vague de chaleur
L’événement du mois d’août 2003, tel qu’il a été défini, autant par les spécialistes de la météorologie
[Bessemoulin et al., 2004 ; Rousseau, 2005 ; Masson, 2006], que par ceux de la santé, INSERM [Hémon
et Jougla, 2003] et INVS [2006], est caractérisé essentiellement par l’impact sanitaire en termes de
pertes humaines qu’a généré le caractère exceptionnel (dans la durée et dans l’intensité) de cet aléa
climatique.
Toutefois, cet impact sanitaire n’est pas exclusivement tributaire des températures extrêmes. En
effet, la question sociale reste sous-jacente, le risque climatique peut aussi apparaître comme un fac-
teur aggravant d’une situation de vulnérabilité préexistante. à ce titre, il est certain que les inégalités
sociales ainsi que les ségrégations spatio-sociales s’intensifient avec les changements climatiques
[Paquot, 2011].
Au-delà d’une approche univoquement météorologique, l’événement d’extrême chaud est aujourd’hui
fortement associé à ses effets sur la santé. Besancenot [2002] a écrit à ce sujet qu’une « vague de
chaleur se définit moins météorologiquement que médicalement : ce serait un paroxysme thermique
positif de basse fréquence entraînant une surmortalité ». Mais les effets d’une vague de chaleur
n’étant pas uniformes sur la santé, une définition universelle est toujours difficile à proposer [Meehl et
al., 2004] car elle devrait faire appel à l’adaptabilité d’une population face à l’épisode de forte chaleur.
Cela signifie qu’elle devrait nécessairement renvoyer au contexte climatique du lieu où se produit
la canicule, à son climat zonal. De plus, elle devrait également prendre en considération l’état de
santé (ou la possibilité de se soigner) d’une population en faisant référence à des facteurs exogènes
(période de vacances, proximité d’un centre médical, conditions sociales, etc.) et endogènes (âge de
l’individu, antécédents médicaux, etc.).
Si l’ensemble de ces éléments demeure complexe à déterminer, les effets des épisodes de fortes
chaleurs sur la santé sont sans équivoque aujourd’hui et font l’objet de multiples analyses croisées
[Klinenberg, 2004 ; Cadot et al., 2005 ; Champiat, 2009 ; Rey, 2009]. C’est dans cette continuité que
s’inscrit la présente recherche.
92
4.1.2. Les systèmes d’alerte
Bessemoulin et al. [2004] indiquent que le seuil, selon lequel une canicule est définie, varie en fonction
des pays. Par exemple en Angleterre, on parle de canicule lorsque la température journalière dépasse
de 4°C la normale saisonnière. En Espagne, il est déterminé en fonction des minimales et des maxi-
males, ce seuil connaît une forte variabilité en fonction des villes ibériques : une étude espagnole [Diaz
et al., 2005] a montré que le seuil des maxima pour déclarer une alerte à la canicule différait d’une
dizaine de degrés dans la péninsule Ibérique : 30,3°C pour Barcelone, 33,5°C pour Lisbonne, 36,5°C
pour Madrid et 41°C pour Séville. Qu’en est-il en France ? Comment définit-on une vague de chaleur ?
Quels sont les seuils ?
4.1.2.1. Le système d’alerte national
En France, le système d’alerte à la canicule est déclaré par l’INVS (Institut National de Veille Sani-
taire). Il définit plusieurs types d’alerte (figure 4.2) pour prévenir d’un évènement météorologique avec
des températures élevées [INVS, 2003, 2006 et 2009] et a précisé les actions correspondantes.
Le système d’alerte de canicule a été établi avec des indicateurs et des seuils météorologiques à
partir de 14 villes françaises [INVS, 2009] avec la période de 1973 à 2003 comme période de référence.
Plusieurs indicateurs biométéorologiques potentiels ont été expérimentés [INVS, 2003 et 2006].
APPLICATION DU PLAN CANICULE

LE PLAN CANICULE S’APPUIE SUR 5 ACTIONS ET COMPORTE 3 NIVEAUX
► Les mesures de protection des ► Le premier niveau est celui de la veille

personnes à risque, hébergées en institu- saisonnière. Il correspond notamment à
tions (personnes âgées, personnes handi- l’installation du dispositif de veille biométéo-
capées) ou hospitalisées en établissements rologique, assuré par Météo-France et par
de santé. l’Institut de veille sanitaire (InVS), afin de
détecter au mieux la survenue d’une éven-
► Le repérage individuel des personnes à tuelle canicule.
risque, grâce au registre des personnes
âgées et des personnes handicapées ► Le second niveau est celui de la de
isolées tenu par les communes. mise en garde et actions, déclenché par les
préfets des départements concernés
► Les alertes, sur la base de l’évaluation lorsque les conditions météorologiques
biométéorologique. l’exigent.
► La solidarité vis-à-vis des personnes à ► Et enfin le troisième niveau est celui-là

risque, grâce au recensement et aux de mobilisation maximale, déclenché au
dispositifs de permanence estivale des niveau national sur instruction du Premier
services de soins et d’aide à domicile et ministre dans le cas où la canicule est
des associations de bénévoles. aggravée par d’autres facteurs (rupture de
l’alimentation électrique, pénurie d’eau
► Le dispositif d’information et de commu- potable, saturation des établissements de
nication, à destination du grand public, des santé...).
professionnels et des établissements de
santé.
Figure 4.2. Les alertes canicules déclenchées par le ministère de la santé.Source :

http://www.service-public.fr consulté en 2013.
93
Certains de ces indicateurs ciblent davantage les températures (prise en compte des températures
minimales, maximales, moyennes ou des écarts à la moyenne ou encore des indicateurs mixtes
associant températures minimales et maximales), d’autres associent l’humidité de l’air aux températures
(température du point de rosée ou indice thermohygrométrique combinant températures et humidité
relative).
Parmi ces derniers, le plus probant est la combinaison des températures minimales et maximales
moyennées sur trois jours [INVS, 2009]. Ces indicateurs ont été individualisés pour chacune des 14
villes françaises. à Paris, le seuil retenu est 21°C pour les températures minimales et 31°C pour les
maximales. Ce couple varie en fonction des villes, on note ainsi 19 et 34°C pour Strasbourg ou encore
23 et 35°C pour Marseille.
4.1.2.2. Le système d’alerte européen
L’outil européen d’alerte à la canicule propose un système qui permet de connaître la probabilité
selon laquelle un évènement caniculaire surviendrait (figure 4.3).
Ce système ne se substitue pas au système national, mais le complète. Chaque jour, une prévision
est délivrée pour les 9 jours qui suivent, la marge d’incertitude augmente pour le moyen terme par
rapport au court terme (3 jours).
Heat-wave
Probability (%)
0%
0,01 - 9,99%
10,0 - 19,99%
20,0 - 29,99%
30,0 - 39,99%
40,0 - 49,99%
50,0 - 59,99%
60,0 - 69,99%
70,0 - 79,99%
80,0 - 89,99%
90,0 - 99,99%
Figure 4.3. Probabilité de situation de vague de chaleur en Europe pour la période du 18 au 25 août 2012
- seuil des températures estimé à partir des modèles de prévision des services allemands de météorologie
(Deutscher Wetter Dienst) selon l’Organisation Mondiale de la Météorologie (OMM). Source : site de l’OMM,
consulté en 2011.
94
Puisqu’il n’existe pas de définition universelle, ni de seuil(s) précis, le climat local et régional dépendant
de chaque lieu, le seuil déterminé par le système d’alerte européen est établi à partir d’un paramètre
météorologique qui est la température enregistrée localement à 2 mètres du sol au courant des 30
jours précédant l’hypothétique évènement caniculaire.
4.2. Les impacts de la chaleur sur l’organisme
4.2.1. Les effets de la chaleur sur l’organisme
L’institut National de Prévention et d’éducation pour la santé (INPES) précise que l’organisme de
chaque individu peut être mis en danger par des épisodes de fortes chaleurs lorsque 3 conditions
sont réunies : une forte chaleur, un maintien de températures élevées durant la nuit et de plusieurs
jours consécutifs de forte chaleur.
Pour mieux appréhender les effets de la chaleur sur l’organisme, nous nous appuyons sur les travaux
de Besancenot [2001] qui définit le corps humain comme un système ouvert en équilibre dynamique
avec le climat (figure 4.4). En effet, sa régulation thermique dépend de la production de chaleur
endogène, c’est-à-dire de chaleur propre au métabolisme basal, et de l’environnement extérieur qui
est fortement tributaire de facteurs météorologiques. à ce titre, Besancenot [1990] affirme que la
constance thermique du corps est définie par 3 processus « la production de chaleur par l’organisme,
les échanges passifs entre l’organisme et l’extérieur et la thermorégulation, c’est-à-dire la lutte
physiologique contre la chaleur ». Ces processus peuvent être amplifiés ou diminués en fonction de
la température ambiante de l’air, de la présence du vent et de l’humidité relative.
Lorsque la température extérieure est élevée, l’organisme humain se régule par le biais d’un
refroidissement mis en oeuvre par les mécanismes de transpiration et d’évaporation. Cette sudation est
mise en difficulté lorsque l’humidité de l’air augmente, générant alors un certain nombre de symptômes
comme des malaises [Besancenot, 2002 ; Lavallart et al., 2004 ; Besancenot et Cohen, 2007].
4.2.2. Impact des facteurs météorologiques sur la mortalité et sur les pathologies
associées aux vagues de chaleur
Ces conséquences des températures ainsi que des facteurs météorologiques aggravants (humidité
et vent) sur l’organisme humain en termes de mortalité sont mises en évidence à de nombreuses
reprises au sein de recherches menées durant les dernières décennies [Schuman, 1972 ; Hémon et
Jougla, 2003 ; Diaz et al., 2005].
95
Schuman [1972] montre par exemple que la vague de chaleur de 1966 aux états-Unis a augmenté la
mortalité des personnes de plus de 65 ans de 36% à New York et de 56% à Saint Louis. à Chicago
en 1995, la vague de chaleur a généré près de 700 décès en excès [Semenza et al., 1996 ; Klinenberg,
2003] parmi lesquels les personnes âgées de plus de 65 ans représentaient près de 73% des cas
[Whitman et al., 1997]. La mortalité liée à la chaleur dans les grandes métropoles a fait l’objet de
différentes publications : à Berlin [Gabriel et al., 2002], à Londres [Hajat et al., 2002], à Madrid [Diaz et
al., 2002], à Séville [Diaz et al., 2005], à Barcelone [Tobias et al., 2010]. En France, Vandetorren [2004]
montre dans une étude portant sur la surmortalité survenue en 2003 dans 13 villes françaises qu’une
valeur de 20°C en température minimale associée à une valeur de 35°C en maximale journalière
entraînait une surmortalité avec de fortes disparités au niveau national (seulement 4% à Lille et
142% à Paris). Le milieu urbain est reconnu comme une zone à risque en cas de forte chaleur,
essentiellement en raison de l’îlot de chaleur urbain [Buechley et al., 1972], mais aussi en raison de
la pollution atmosphérique.
En effet, les vagues de chaleur s’accompagnent fréquemment d’épisodes de pollution. La pollution à
l’ozone et aux particules ou encore l’humidité de l’air peuvent avoir de sérieuses répercussions sur
l’état de santé. Concernant la pollution, elle détériore fortement les fonctions respiratoires et augmente
le risque de maladie cardiovasculaire [Zeghnoun et al., 1999 ; Cassadou et al., 2003 ; Pascal, 2011].
Métabolisme basal Rayonnement Températures Vent État hygrométrique
Alimentation RADIATION CONVECTION ÉVAPORATION
Travail Échanges de chaleur sensible Perte de chaleur latente
PRODUCTION DE CHALEUR ENDOGÈNE INFLUENCES EXTÉRIEURES
CENTRES THERMORÉGULATEURS
Réactions vasomotrices
Vasoconstrictions Vasodilatation Thermogénèse Sudation
BILAN CALORIQUE
Figure 4.4. Bilan calorique de l’organisme [Besancenot, 2001].
96
Elle peut ainsi être autant à l’origine de maladies à court terme (aggravation de l’asthme, pneumonie)
qu’à long terme (cancer du poumon, maladies cardio-vasculaires). D’importants risques de mortalité
et de morbidité liés spécifiquement à la pollution ont été répertoriés dans différents travaux [Pascal
et al., 2014 ; Dab et al., 2011 ; Havard, 2008 ; Annesi et Dab, 2006 ; INVS, 2004]. Toutefois, notre
attention sera ici exclusivement portée sur les effets des températures dont l’impact sur la mortalité
était plus important que celui de la pollution dans le cas spécifique de l’agglomération parisienne
durant le mois d’août 2003.
Un certain nombre de pathologies est recensé lorsque le corps rencontre des difficultés pour réguler
sa température. Parmi les symptômes les plus courants sont mentionnés, les crampes (à l’état de
repos mais surtout à l’issue d’efforts physiques), l’épuisement, l’insolation et le coup de chaleur [INVS,
2003 ; Besancenot et al., 2004].
Si les effets des facteurs météorologiques sur l’organisme sont considérables, s’ajoutent à ceux-ci
d’autres facteurs d’ordre personnel ou liés aux conditions de vie. C’est que nous allons aborder dans
la prochaine sous-partie.
4.3. Facteurs de risque et populations à risque
La chaleur touche tout le monde. Cependant certaines populations sont plus vulnérables que d’autres
et certains facteurs aggravent les effets de la chaleur (tableau 4.1). Les nourrissons et les personnes
âgées comptent parmi les personnes les plus sensibles aux effets néfastes de la chaleur. D’autres
catégories de population peuvent également être sujettes à la déshydratation en période de forte
chaleur, comme les sportifs dont l’activité physique augmente la température corporelle.
Tableau 4.1. Facteurs de risque en période de vague de chaleur d’après le site de la Direction Générale de la
Santé [consulté en 2014].
Facteurs liés à des conditions de vie

Facteurs personnels
ou des conditions particulières de travail
Les personnes âgées Isolement social
Les nourrissons et les enfants (moins de 4 ans) Absence de climatisation dans l’habitat
Les personnes ayant des troubles de la mémoire, Habitat difficile à rafraîchir ou vétuste (dernier étage, logements
des troubles mentaux et du comportement mansardés, mauvaises isolations)
Les personnes à autonomie réduite Absence d’habitat
Les personnes ayant une méconnaissance du danger Pratique sportive intensive
Les personnes suivant un traitement médicamenteux Travail physique exigeant
Les personnes ayant une maladie chronique
97
Enfin, les personnes vulnérables incluent celles atteintes d’un certain nombre de pathologies,
notamment les maladies cardio-vasculaires, respiratoires et neuro-dégénératives [site de la Direction
Générale de la Santé consulté en 2014]. Dans le cas spécifique de la vague de chaleur de 2003
dans l’agglomération parisienne, ce sont les personnes âgées qui ont été particulièrement affectées,
constituant près de 85% de la population décédée entre le 1er et le 21 août 2003 alors que pour la
même période en 2002, elle ne représentait que 73% de la mortalité (pourcentage établi à partir des
données de l’INSERM des années correspondantes).
Cette partie de la population fragilisée par des maladies liées à l’âge et par une perte d’autonomie se
révèle très vulnérable. En effet, le vieillissement réduit considérablement la perception de la chaleur.
Alors que l’individu jeune ressent le besoin de se protéger avec 0,5°C d’élévation de sa température
cutanée, les personnes âgées ont cette même
perception avec une élévation de 3 à 5°C
[Levallart et al., 2004]. De ce fait, la perception de
la soif est également diminuée. Parallèlement,
la même étude fait état d’une diminution de la
capacité de sudation chez les personnes âgées,
la sudation permettant un refroidissement de la
température cutanée par évaporation. Ces trois
facteurs combinés augmentent le risque de
mortalité par hyperthermie chez l’adulte âgé.
Ces risques identifiés et reconnus, la prévention
destinée à cette population en période de forte
chaleur s’est considérablement renforcée à Paris
(photo 4.1) depuis le désastre de l’été 2003.
Autre élément notable en 2003, près de 35% des
Photo 4.1. Prévention à la canicule sur les
décès survenus ont eu lieu à domicile. panneaux d’information de la Mairie de Paris
durant l’été 2015.
Ce chiffre suscite plusieurs interrogations.
Quel est le lien entre le lieu de décès et la mortalité ? Fait-il significativement plus chaud dans
certains endroits de l’agglomération ? Peut-on relier les zones de forte chaleur aux zones de forte
mortalité ?
Pour répondre à ces questions, nous porterons une attention particulière aux personnes âgées décédées
à domicile. Ce choix permettra de mieux rendre compte de leur répartition spatiale (comparativement
à l’étude des décès survenus dans les maisons de retraite ou dans les hôpitaux).
98
PARTIE 1 - conclusion
Les relations entre les épisodes de forte chaleur (vagues de chaleur et îlots de chaleur) et leurs
impacts sur les sociétés humaines ont pu être développées à travers plusieurs prismes dans
la recherche. La figure 4.5 met en évidence les publications dont l’apport a été fondateur dans
ce travail. Cette figure propose de préciser notre positionnement : la problématique de cette
recherche se situe à la confluence de plusieurs approches dont nous avons détaillé les aspects
majeurs tout au long de cet état de l’art.
FACTEURS
ENVIRONNEMENTAUX
Pigeon et al, 2005

Rousseau, 2005
Bessemoulin et al., 2004
Oke et al., 1991

Najjar et al., 2005
Hamdi et Schayes, 2007
Panerai et al., 1999 Mayer et Höppe, 1987

Madoré, 2010 Besancenot, 2004
Paquot, 2011 Matzarakis et al., 2009
PROBLÉMATIQUE
Préteceille, 1993 Vandentorren, 2006

Fijalkow et Oberti, 2001 Dousset et al., 2010
Clerval, 2008 Laidi et al., 2012
Cambois et Robine, 2004
Cadot et Spira, 2006
Vigneron, 2013
FACTEURS Harvey, 2010

Pinçon et Pinçon-Charlot, 2004
Hémon et Jougla, 2003
Canoui-Poitrine et al., 2006
CONSÉQUENCES
SOCIAUX Sassen, 2009 SANITAIRES
Météorologie Climatologie Bioclimatologie Épidémiologie Santé Démographie Sociologie Géographie Urbanisme

publique urbaine urbaine Architecture
Figure de synthèse de la partie 1. Apports bibliographiques issus des différents champs thématiques utilisés
dans cette recherche.
99
CONCLUSION DE LA PARTIE 1
En effet, dans cette partie, nous avons abordé les relations qui existent entre la chaleur, les formes
urbaines, les populations et la santé. Les extrêmes chauds de températures affectent particulièrement
les personnes âgées qui constituent une population à risque. Conjointement à cela, l’agglomération
comporte de nombreuses inégalités sociales dont les conséquences sur la santé et notamment en
termes d’espérance de vie ne sont pas négligeables.
Si la répartition démographique des populations peut apporter des réponses quant à la forte mortalité
de 2003 (reposant sur l’hypothèse selon laquelle les espaces les plus peuplés par des personnes âgées
seraient également les plus touchés par la mortalité), il est certain que d’autres facteurs doivent
également être intégrés afin d’accéder à une compréhension plus fine du phénomène. Il apparaît
par conséquent pertinent de se tourner vers une approche socio-environnementale pour apporter de
nouvelles réponses.
D’un point de vue météorologique et bioclimatologique, les relations positives et croissantes entre les
températures extrêmes, le nombre de journées de forte chaleur et la surmortalité ont été mises en
évidence par de nombreux auteurs [Bessemoulin et al., 2004 ; Rousseau, 2005]. Les effets directs de
la hausse des températures durant le mois d’août 2003 ont été soulignés dans les travaux de l’INVS
[2004 et 2006]. Et d’autres études se sont intéressées aux relations entre la surmortalité estivale du
mois d’août 2003, les facteurs démographiques [Hémon et Jougla, 2003] et les facteurs sociaux et
économiques [Cadot et al., 2005 ; Cadot et Spira, 2006 ; Poudamère et al., 2006 ; Rey et al., 2009].
Ces travaux ont montré l’importance de l’âge, du sexe, mais également de l’isolement ou du revenu
(plus généralement les conséquences des conditions démographiques et socio-économiques) sur la
mortalité et la surmortalité durant cette vague de chaleur.
Toutefois, les travaux alliant une approche sociologique et environnementale des conséquences sani-
taires de l’épisode caniculaire de 2003 restent encore peu abondants, spécifiquement lorsqu’il s’agit
de construire un système complexe dans lequel l’habitat, le niveau social d’existence et les tempé-
ratures en milieu urbain constitueraient autant de causes de mortalité et pourraient aider à mieux
mesurer les tenants de la surmortalité de 2003 en agglomération parisienne.
Nous retenons en la matière l’étude de Cadot et Spira [2006] que nous avons précédemment évoquée
et dont la finalité a été de proposer une mesure du poids du revenu médian et de l’isolement sur la
mortalité et la surmortalité. L’étude a démontré le rôle de ces facteurs sur une augmentation de la
surmortalité. Mais elle porte uniquement sur la ville de Paris. Par ailleurs, les relations spatiales avec
la chaleur y sont peu développées car elles reposent exclusivement sur une interpolation des données
de Météo France.
Les travaux de Vandentorren et al. [2006] proposent une étude plus exhaustive des relations entre
la chaleur, les conditions d’habitation et les populations résidentes. Elles intègrent également les
100
comportements individuels face à la chaleur (hydratation, douches, visites d’un tiers). à partir de
données issues d’une enquête portant sur un échantillon d’environ 300 individus domiciliés à Paris,
dans le Val-de-Marne, à Tours et à Orléans.
Les résultats de cette étude apportent un éclairage socio-comportemental intéressant. Ils montrent
par exemple l’incidence des visites de tiers, d’habitudes de vie (comme par exemple aérer son
logement) sur la mortalité.
Les températures sont, de plus, étudiées par l’intermédiaire d’une image satellite et offrent plus de
précisions dans l’identification des zones de forte chaleur, mais il s’agit de valeurs diurnes de surface.
Parmi les variables à risque au niveau de l’habitat, il ressortait que les derniers étages des logements,
le manque d’isolation thermique ou encore le degré de confort avaient une incidence sur le risque
de mortalité.
Cette étude est par conséquent très riche dans sa dimension multi-risque, mais également pour
une compréhension des différences intra-individuelles des causes de mortalité. Toutefois, portant
sur un échantillon trop petit pour une zone géographique aussi vaste (intégrant en partie la région
Île-de-France et la région Centre), elle n’a pu relever les spécificités plus locales de l’agglomération
parisienne.
Pour notre part, c’est à l’échelle de l’agglomération parisienne et à un niveau communal que nous
développerons les relations entre la mortalité et la surmortalité de 2003, les températures nocturnes
et diurnes, des facteurs démographiques, économiques, sociaux et résidentiels.
101
PARTIE 2 Données et méthodes
d’investigation
« Car à tout moment

tu dois choisir,
et à tout moment
[tu dois] exclure. »
Henri Bergson,
Energie spirituelle,
1919.
Dans cette partie, nous présenterons les données utilisées dans notre recherche, puis nous
décrirons nos méthodes d’analyse.
Les données thermiques qui ont permis d’étudier les aspects relatifs au climat de l’agglomération
en période estivale seront décrites dans le chapitre 5.
Le chapitre 6 sera celui qui détaillera les données relatives à la ville et aux populations ;
nous exposerons successivement les données investies pour la mesure de la morphologie
urbaine et celles destinées à l’étude des dimensions démographiques, sociales et sanitaires de
l’agglomération.
Enfin, le chapitre 7 aura pour vocation de discuter des choix méthodologiques. Il est apparu
nécessaire de développer la question des échelles car elles sont utilisées de manière transversale
dans l’ensemble de cette recherche doctorale. Enfin, nous terminerons sur la description des
méthodes et traitements statistiques que nous avons appliqués.
105
Chapitre 5 :
Les données thermiques
Nous travaillons à partir de 3 types de données pour l’évaluation du climat de l’agglomération pari-
sienne lors d’extrêmes thermiques chauds.
En premier lieu, dans ce chapitre, nous exposerons les données issues des images satellites à partir
desquelles nous avons extrait des températures de surface pour la période de la vague de chaleur
de 2003.
Puis, nous nous intéresserons aux températures de l’air afin dévaluer le contexte météorologique de
l’été 2003. Nous comparerons alors ce contexte à une autre été considéré comme très chaud dans la
décennie, celui de 2006. Puis, nous présenterons les données de températures et de vent enregistrées
dans la station Paris-Montsouris et dans celle de Melun afin de déterminer les écarts de températures
entre ces deux stations météorologiques. La finalité étant d’établir plusieurs profils d’îlots de chaleur
urbain estival. Un premier profil pour les journées en situation radiative d’îlot de chaleur, un second
pour l’été 2003 et un dernier pour les étés des années 2001 à 2008.
Enfin, dans le but d’observer les températures à l’échelle de la rue, une dernière sous-partie sera
consacrée à la présentation des données de la campagne de mesure du 22 et 23 juillet 2013.
107
Chapitre 5 : les données thermiques
5.1. Les données thermiques issues des images satellites
Cette sous-partie a pour fonction de décrire les données satellites utilisées pour la détermination des
températures de surfaces. Pour ce faire, nous exploitons d’une part des images MODIS à 1 000 m et
250 m de résolution et nous disposons, d’autre part, d’une image multi-spectrale du 9 août 2003 du
satellite Landsat à 30 m de résolution.
5.1.1. Choix, acquisition et traitements des données de températures de surfaces

à la résolution de MODIS
5.1.1.1. Propriétés des images MODIS
Les images MODIS (Moderate Resolution Imaging Spectroradiometer) sont disponibles au format
raster et téléchargeables en accès libre à partir du site de la NASA (http://modis.gsfc.nasa.gov/).
Différents types d’images mesurant divers paramètres sont disponibles (les températures, la glace,
la végétation, etc.). Pour notre cas, nous nous intéressons aux images relatives aux températures
de surface. Ces dernières sont mesurées initialement à partir de la réflectance dans l’infrarouge
thermique.
MODIS met à disposition les données de deux satellites : Terra et Aqua. Leurs différences s’ex-
pliquent par l’heure et le sens de passage du satellite.
Les images MODIS Terra (MOD11A1) sont issues d’un balayage nord-sud du satellite en passant
par l’équateur dans la matinée. Les MODIS Aqua (MYD11A1) sont le résultat d’un balayage sud-
nord par l’équateur dans l’après-midi. De ce fait, les horaires de passage du satellite sont variables
en fonction de la saison et de la latitude. Pour les images MOD11A1, l’heure de passage est estimée
vers 11h (UTC) de jour et vers 22h (UTC) de nuit (heure locale = UTC+2) pour la période estivale
en région parisienne. Pour les images MYD11A1, les horaires de passage du satellite se situent
aux environs de 13h (UTC) de jour et 02h (UTC) de nuit (figure 5.1). Ces images sont utilisables
sans correction atmosphérique, puisqu’elles concernent uniquement des journées anticycloniques
[Dousset et al., 2010]. Les données de températures sont des valeurs stockées sous forme infor-
matique auxquelles il est nécessaire d’appliquer un facteur d’échelle de 0,02 avant de procéder à
toute forme de traitement. Dans un second temps, les valeurs obtenues sont converties en degré
Celsius - celles-ci sont initialement en Kelvin (°C = K - 273,15).
Les pixels de températures de surface ont une résolution originelle de 926 m qui correspond à la
résolution la plus fine disponible. Cependant, l’application MRTWEB, qui permet le téléchargement
des données, laisse la possibilité de choisir un rééchantillonnage de l’image.
108
Partie 2 Données et méthodes d’investigation
Pour notre étude, nous choisissons un rééchantillonnage à 1 000 m et 250 m. Cette calibration de
la résolution en multiple de 1 000 permet d’appréhender la variabilité des phénomènes d’une résolu-
tion à l’autre avec une prise en compte de paramètres centraux des points de grille à 250 m. Nous
développerons plus amplement ces aspects dans les sous-parties qui suivent.
TYPES DE PRODUITS MODIS
MOD11A1 MYD11A1 MOD11A1 MYD11A1

11h (UTC) 13h (UTC) 22h (UTC) 02h (UTC)
RESOLUTION : 1000 m RESOLUTION : 250 m rééchantilloné
DATES : DATES :
01/08/2003 au 21/08/2003 01/08/2003 au 21/08/2003
22/07/2013
Suivi de la canicule de 2003 Comparaison entre températures de

surface et températures de l’air lors des
mesures itinérantes du 22 juillet 2013
Mise en relation des températures Mise en relation des températures

de surface à 1000 m de 2003 avec de surface à 250 m en 2003 avec
les variables morphométriques les variables morphométriques
Agrégation des données de températures

de surface au niveau communal
Figure 1.1. Présentation et contextualisation des données MODIS de températures.
5.1.1.2. Les images à 1 000 m de résolution
Les images à 1 000 m sont utilisées pour le suivi de la canicule de 2003 avec une observation date
par date de l’évolution des températures dans le temps. La série d’images à 1 000 m couvre la période
du 1er au 21 août 2003. La zone d’étude comprend l’agglomération parisienne (Paris et sa petite cou-
ronne). Le principal avantage de ces images est de permettre un suivi quotidien et diachronique de
l’événement caniculaire en termes de températures diurnes et nocturnes de surface.
109
Les valeurs quotidiennes de ces images permettent d’établir une moyenne des températures de la
période pour chaque horaire (11h, 13h, 22h et 02h – UTC). Ces moyennes sont exploitées par la suite
pour la mise en relation avec les variables morphométriques urbaines. Ces aspects seront abordés
plus longuement dans le chapitre 6 de cette thèse.
5.1.1.3. Les images à 250 m
Les images à 250 m disposent des mêmes propriétés que les images à 1 000 m. Nous favorisons
l’utilisation de cette résolution principalement pour deux raisons.
D’abord les données de température de surface font l’objet d’une mise en relation avec les variables
morphométriques dans la perspective d’établir les liens entre les températures et les variables mor-
phométriques (que nous aborderons dans le 6ème chapitre de cette thèse). Ce niveau d’observation
présente l’avantage d’être intermédiaire entre la résolution à 1 000 m et la résolution de Landsat
(30 m).
Puis, les valeurs à 250 m feront l’objet d’une agrégation à l’échelon communal pour une mise en
relation, cette fois, avec les indicateurs de mortalité et de surmortalité qui sont, pour leur part, uni-
quement disponible à ce niveau. Cette résolution à 250 m présente l’intérêt majeur de pouvoir dispo-
ser au niveau communal d’un nombre relativement important de points de grille (comparativement
à la résolution de 1 000 m) pour les températures nocturnes (l’image Landsat à 30 m étant diurne).
La variabilité des températures à ce nouveau niveau d’observation sera analysée avec une prise en
compte de différents paramètres (moyennes et quartiles).
5.1.1.4. Les dates manquantes
Parmi ces images couvrant les 3 premières semaines du mois d’août 2003, un certain nombre de
dates ne pourront être exploitées en raison de l’indisponibilité des données satellites. En effet, les
dates du 13, 17 et 18 août sont exclues de l’analyse. Les données du 9 août 2003 ne peuvent éga-
lement pas être exploitées car les valeurs de températures présentent des imprécisions (figure 5.2).
L’absence de données ou les défauts de mesure peuvent être le fait de différents facteurs. Il peut
s’agir d’un dysfonctionnement radiométrique (captage de l’information), de problèmes spécifiques liés
au capteur (dérèglement de l’appareil de mesure) ou encore des effets atmosphériques. Cependant,
la cause exacte de leur défaillance ne peut être davantage explicitée ici puisque cette information
n’est pas délivrée sur le site de la NASA d’où proviennent les images MODIS.
110
8 août 2003, 11h (UTC) 9 août 2003, 11h (UTC)
5000 m
Températures de surface (°C)
33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
Figure 1.2. Comparaison de la qualité des images du 08 et 09 août 2003. Exemple d’imprécisions sur l’image
du 09 août. Données, MODIS.
5.1.1.5. La moyenne des températures du 1er au 21 août 2003 à 250 m et à 1 000 m
Pour chaque horaire (11h, 13h, 22h et 02h – UTC) des journées du 1er au 21 août 2003 (exclusion faite
des dates manquantes ou présentant des imperfections), nous calculons les valeurs moyennes de
la période. Cette opération est renouvelée pour chaque résolution (250 m et 1 000 m). On retient la
moyenne des températures comme indicateur central principalement en raison de la taille de l’échan-
tillon. En effet, l’échantillon de 17 jours étant relativement petit, nous avons estimé que la médiane
était un moins bon indicateur que la moyenne. C’est cette dernière qui est par conséquent calculée
pour chaque horaire (figure 5.3).
5.1.1.6. L’agrégation des données MODIS au niveau de la commune
À partir de cette moyenne établie quotidiennement à 250 m, il s’agit de procéder à une agrégation
des données au niveau de la commune (figure 5.3).
L’objectif de cette agrégation est de mettre en relation ces valeurs de températures avec les indi-
cateurs de mortalité et de surmortalité. Pour ce faire, nous déterminons, pour chaque commune, la
moyenne, la médiane et les quartiles des valeurs de températures de surface. Nous disposons ainsi
de 3 indicateurs de températures pour les 4 horaires de passage du satellite.
L’intérêt de la prise en compte des quartiles est de pouvoir se rapprocher des valeurs minimales et
maximales par commune. Cet indicateur présente un intérêt majeur plus précisément au niveau du
troisième quartile. Ce sont, en effet, ces températures extrêmes qui ont affecté le plus les populations.
C’est pourquoi nous prêterons ultérieurement une attention particulière à l’analyse du troisième quartile.
111
TYPES DE PRODUITS MODIS
MOD11A1 MYD11A1 MOD11A1 MYD11A1

11h00 (UTC) 13h00 (UTC) 22h00 (UTC) 02h00 (UTC)
1000 m 01/08/2003 au 21/08/2003 250 m
MOYENNE ..... ..... ..... MOYENNE ..... .....

..... ..... ..... ..... ..... ..... ..... ..... .....
MOYENNE
AGRÉGATION AU NIVEAU DE LA COMMUNE

(Exemple des images MYD11A1)
MODIS 250m
Barycentre
Limites communales MODIS 250
1ER QUARTILE (Q1) MEDIANE (Q2) 3EME QUARTILE (Q3)
Figure 1.3. Agrégation des données de températures de surface de l’agglomération parisienne pour la période
du 01.08.2003 au 21.08.2003 au niveau de la commune. Données, MODIS.
112
5.1.2. Détermination des températures de surface pour l’image Landsat du 9 août 2003
5.1.2.1. L’image Landsat TM5 du 9 août 2003 : caractéristiques et choix du produit
Les métadonnées
Les satellites Landsat constituent un ensemble de satellites développé par la NASA à des fins civiles.
Il en existe plusieurs générations depuis sa création. Ce sont les produits de Landsat TM5 (Thematic
Mapper), dont la mise en service était effective de 1984 à 2011, qui sont utilisés dans cette recherche.
Le site de l’UGSG (U.S. Geological Survey) propose ces produits en libre accès.
Landsat est un satellite de type héliosynchrone : cela signifie qu’il conserve la même heure de pas-
sage à chaque prise de vue ; celle-ci est toujours diurne. Le satellite se situe à une altitude de 705
km du sol avec une inclinaison de 98,2°. Le cycle de passage est de 16 jours. Il couvre à chaque prise
de vue des territoires de 185 km * 170 km. La résolution des images est de 30 m. En fonction du ter-
ritoire couvert, l’heure de passage varie très sensiblement, elle se situe aux environs de 9h45 (+/- 15
minutes) à l’équateur. Et le satellite met moins de 2h pour parcourir le tour longitudinal de la terre.
L’image qui est utilisée dans notre étude est celle du 9 août 2003 : elle correspond à la seule date
disponible pour la période caniculaire de l’été 2003. L’heure exacte du passage du satellite est 10h17
(heure locale) pour l’Île-de-France à la date choisie.
Les caractéristiques multi-spectrales
Landsat TM5 dispose de plusieurs bandes spectrales dont les caractéristiques sont les suivantes
(figure 5.4). Les images fournissent comme données des valeurs digitales sur une échelle 0 à 255
(noté DN - Digital Number). Cette codification correspond aux valeurs spectrales (en µm) renvoyées
dans chaque longueur d’onde.
Bandes spectrales Landsat Longueur d’onde Résolution
Les traitements que nous
Bande 1 (bleu) 0.45 - 0.52 µm 30 m
effectuons sur l’image Landsat
Visible
Bande 2 (vert) 0.52 - 0.60 µm 30 m
Bande 3 (rouge) 0.63 - 0.69 µm 30 m

ont deux objectifs principaux.
Bande 4 (proche infrarouge - PIR) 0.76 - 0.90 µm 30 m
Le premier consiste en la
détermination des températures
Infrarouge
Bande 5 (infrarouge - IR) 1.55 - 1.75 µm 30 m
Bande 6 (infrarouge thermique) 10.40 - 12.50 µm 120 m de surface à partir de l’infrarouge

Bande 7 (moyen infrarouge) 2.08 - 2.35 µm 30 m thermique (bande 6). Cela
Bandes utiles aux traitements
nous permet de disposer des
Figure 1.4. Bandes spectrales de Landsat TM5 utilisées pour la températures diurnes à 30 m de
détermination des indices de végétation, de bâti et des températures
de surfaces.
résolution.
113
Le second aspect concerne la détermination d’indice de végétation et bâti, mais il sera approfondi
dans le chapitre 6 relatif à la ville et à son occupation du sol.
5.1.2.2. La question de la correction atmosphérique.
La qualité de l’information délivrée par les images satellites Landsat dépend des conditions atmos-
phériques. Les conditions optimales pour la télédétection utilisant les longueurs d'onde visibles
seraient lors une journée ensoleillée et sans nuage. L’heure de la prise de vue devrait idéalement
se situer aux environs de midi où le soleil est à son zénith (donc directement au-dessus de la cible
photographiée), ce qui aurait pour effet de diminuer les effets de la diffusion d’une part et les effets
d’ombrage d’autre part.
Dans le cas de l’image sélectionnée, il s’agit d’une journée anticyclonique, les informations issues des
métadonnées nous indiquent à ce titre une absence de couverture nuageuse. De ce fait, la correc-
tion atmosphérique ne semble pas essentielle dans ces traitements. Toutefois, il est d’usage dans la
littérature que les images Landsat (davantage que les images MODIS) fassent l’objet d’une correction
atmosphérique pour disposer d’une estimation plus précise des températures de surface [Kergomard,
2000], c’est pourquoi nous avons procédé à une correction atmosphérique.
5.1.2.3. La conversion de valeurs digitales en températures de surface
Malaret et al. [1985] proposent plusieurs méthodes pour convertir les valeurs digitales (DN) en tem-
pérature de surface (de rayonnement), parmi ces dernières nous retenons celle utilisée à plusieurs
reprises dans la littérature [Malaret et al., 1985 ; Amiri et al., 2009].
Il s’agit d’une calibration qui se construit à partir de la radiance minimale et maximale de la bande
thermique (bande 6), de la constante de Planck et de la loi de Boltzmann. Sa version succincte est
la suivante :
T(K) = 209.831 + (0.834 * DN) - (0.00133 * DN)²
Avec :
T(K) est la température en Kelvin
DN (Digital Number) correspond à la valeur numérique du pixel enregistrée dans la bande 6 de
l’image
114
5.1.2.4. Les températures de surface avec correction atmosphérique
La correction atmosphérique s’opère toujours sur la bande thermique de l’image Landsat (bande 6).
Nous avons choisi la méthode appropriée à Landsat TM5 indiquée sur le site de l’USGS [Chander
et Markham, 2003 ; Chander et al., 2007]. Cette correction prend en compte la radiance, les valeurs
digitales minimales et maximales ainsi que les valeurs minimales et maximales de luminance de la
bande 6. La procédure se déroule en 4 étapes qui vont être présentées ci-dessous..
a) Convertir les valeurs digitales en radiance :
Vradiance = 1.18243 * (B6) + 1.2378
Avec :
B6 = bande 6 de l’image
1,18243 = valeur radiométrique mise à échelle (radiométric rescaling) de la scène choisie (Paris, IDF)
1,2378 = valeur minimale de la bande 6
b) Normaliser les valeurs à partir de la valeur minimale et maximale de la radiance de la bande 6 :
Vradiance1 = ((15.303 -1.238)/254) * (Vradiance - 1) + 1.2378
c) Procéder à la correction atmosphérique :
Vradiance2 = ((Vradiance1 - 0.50)/(0.95 * 0.93))- (0.05263 * 0.84)
d) Convertir en Kelvin :
Tkelvin = 1260.56 / alog ((607.76 / B1) + 1)
La figure 5.5 met en évidence les différences de valeurs de températures obtenues à partir des 2
méthodes de conversion de valeurs digitales en températures de surface. On observe une franche
différence entre la méthode de Malaret selon laquelle l’étendue des températures de surface se situe
entre 24 et 48°C et celle de Chander avec des valeurs comprises entre 38°C et 66°C.
115
a
Zoom sur l’Est de Paris
Etendue des valeurs de températures (méthode de Malaret)
24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66
Etendue des valeurs de températures (méthode de Chander)
b c
Sans correction atmosphérique Avec correction atmosphérique
Figure 1.5. Estimation des températures de surfaces à partir de la bande 6 de l’image Landsat du 09.08.2003
dans l’agglomération parisienne. a) températures de surface à partir de la formule de Malaret. b) et c) températures
de surface respectivement sans et avec correction à partir de la méthode de Chander.
Le modèle de Chander surestime conséquemment les valeurs réelles des températures. Il est en effet
quasi exclu qu’à 10h du matin des températures de surface excédant les 60°C puissent être atteintes
dans l’agglomération parisienne. Le soleil n’étant pas au zénith et la durée d’ensoleillement étant à
ce moment de la journée que de quelques heures (4 à 5 heures au maximum en journée radiative),
des températures de surface aussi élevées et à cette résolution (30*30) est inenvisageable pour l’ag-
glomération parisienne. Il est également peu probable que des températures de surface évaluées à
38°C puissent être atteintes en zone végétale alors que la température de l’air en ville dans le parc
Montsouris à cette même heure était de 25°C [Météo France].
La correction atmosphérique de Chander permet d’affiner les valeurs. Toutefois, étant donnée l’er-
reur de surestimation, ces valeurs demeurent inexploitables. En définitive, l’étendue des valeurs de
températures de surface obtenue par la formule de Malaret apporte des résultats davantage en adé-
quation avec la réalité. Nous allons à présent vérifier cela en comparant les résultats obtenus avec
une image MODIS.
116
5.1.2.5. Comparaison avec l’image MODIS du 8 août 2003
Ainsi après ces opérations selon les méthodes indiquées, nous procédons à une validation des
résultats par comparaison avec une image MODIS de la même date. L’image MODIS du 9 août 2003
présente des imperfections de mesure (voir 5.1.1.3 et figure 5.2). Par conséquent, nous sommes dans
l’obligation de sélectionner l’image de la journée précédente, celle du 8 août dont les caractéristiques
radiatives sont similaires.
On représente l’étendue des valeurs de températures de surface MODIS au 8 août 2003 (figure
5.6.a). Nous établissons une moyenne des températures de surface de Landsat par cellule MODIS
de 1 000 m selon les méthodes,
MODIS - 13h Malaret (5.6.b) et Chander (5.6 c et
T °C a
EMPÉRATURES DE SURFACE EN
34 46
d). Les valeurs ainsi obtenues pour
chaque méthode sont comparées à
l’image de référence MODIS. Les
28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 boîtes à dispersion sont également
LANDSAT TM5 - 10h15
représentées pour chaque calcul.
T °C (
EMPÉRATURES DE SURFACE EN M
MÉTHODE DE ) ALARET b Le premier graphique, mettant en
28 40
évidence les températures de surface
de MODIS à 13h (11h UTC), montre
que la médiane des valeurs de tem-
28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 pérature avoisine les 40°C. L’étendue
LANDSAT TM5 - 10h15 se situe entre un minimum de 34°C
T °C (
EMPÉRATURES DE SURFACE EN C
MÉTHODE DE ) HANDER
Sans correction atmosphérique c

et un maximum de 46°C.
40 54 Comparativement aux températures
obtenues à partir de la formule de
Malaret, dont les 1er et 3ème quartiles
Avec correction atmosphérique d se situent entre 33 et 37°C et dont
41 58
la médiane est d’environ 34°C, on
peut considérer que celles-ci sont
cohérentes avec celles de MODIS
28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58
étant donné l’heure de la prise de
Figure 1.6. Mesures de l’étendue et de la dispersion des
vue. En effet, les températures sont
températures de surface à la résolution de MODIS terra nécessairement plus chaudes à 13h
(1 000m) pour le 08.08.2003 à 13h (a), de Landsat TM5 (30m)
du 09.08.2003 à 10h15 à partir de la méthode de Malaret (b) et qu’à 10h15.
à partir de la méthode de Chander sans correction (c) et avec
correction atmosphérique.(d).
117
Les valeurs obtenues par la méthode Chander surestiment fortement la réalité physique. En effet, la
médiane des températures de surface est d’environ 47°C sans correction (figure 5.6.c) et de 48,5 avec
la correction atmosphérique (figure 5.6.d).
Cette comparaison permet de choisir les valeurs de températures de surface à la résolution de
Landsat répondant le plus à la réalité physique : il s’agit de celles obtenues par la formule de Malaret.
Nous utiliserons de facto ces valeurs pour la mise en relation avec la morphométrie urbaine dans les
parties suivantes.
5.1.3. Intérêts et limites de la mesure par télédétection
La difficulté à estimer des températures de l’air en ville à une échelle fine à partir d’un réseau de
stations de mesure a été évoquée dans différentes études [Vandetorren et al., 2006, Laaidi et al., 2012].
L’exemple de Paris est assez éloquent à ce titre avec un nombre de stations de mesure relativement
faible pour un territoire de près de 100 km². Opérer une modélisation spatiale des températures de
l’air à partir de stations sur l’ensemble de la ville à échelle fine – voire même moyenne (1 000 m*
1 000 m) fournit des résultats assez incertains. En effet, la faible implantation des stations dans
l’agglomération parisienne présente un frein majeur à la possibilité de mesurer les variations spatiales
des températures urbaines.
Ajouté à cela, on peut relever, pour le cas de Paris, la non-représentativité de l’emplacement de cer-
taines stations par rapport au caractère urbain de la ville. L’exemple de la station de Montsouris ou
encore de celle de Belleville illustre bien la situation : elles se trouvent toutes les deux dans des parcs
générant un biais dans les valeurs mesurées, comparativement au reste de la ville qui est fortement
artificialisée.
L’acquisition des données par télédétection présente des avantages certains pour un suivi spatial
plus précis des températures - et dans notre cas pour celui de la canicule. Cet outil favorise en outre
la surveillance de plusieurs aspects d’un même territoire : il permet dans notre recherche d’étudier
simultanément les températures de surface et l’indice de végétation par différence normalisée.
Mais avant toute chose, ce type de données offre la possibilité de disposer d’une couverture spatiale
importante. En effet, celle-ci est souvent utile à la prise en compte des phénomènes à l’échelle
régionale, mais également à différents niveaux d’analyse correspondant aux résolutions spatiales des
images utilisées (30 m, 250 m et 1 000 m). Par ailleurs, selon le satellite et selon le cycle temporel
de la prise de vue, les mesures issues de la télédétection ont l’avantage de permettre un suivi avec
une certaine régularité dans le temps. Ainsi, il a été possible pour nous d’avoir plusieurs prises de
vues par jour pendant la canicule de 2003.
118
Les données issues de l’imagerie satellite sont, lorsqu’elles sont disponibles pour les dates voulues,
plutôt homogènes car l’instrument exploité pour les mesures est le même en chaque point de grille -
comparativement à des données issues de stations de mesures homologuées et/ou autres, où parfois
certaines variations peuvent intervenir selon le site ou selon le type de station.
Les images satellites possèdent un certain nombre d’avantages par rapport aux mesures de terrain,
même si elles ne sont pas exemptes de toute défaillance ainsi que nous l’avons évoqué en 5.1.1.4.
Néanmoins, la télédétection doit nécessairement être envisagée comme une approche complémentaire
aux mesures de terrain. Car l’inconvénient majeur de ce type de mesure réside dans l’absence
de prise en considération de la température de l’air. D’autant plus qu’une importante variabilité
des températures de l’air existe aux différentes échelles d’observation de l’atmosphère urbaine (cf.
Chapitre 1) dont les images satellites ne peuvent en rendre compte. En effet, seules des mesures
provenant de capteurs de température peuvent nous fournir une telle information. Il est cependant
particulièrement complexe de définir cette variabilité à l’échelle locale (celle de la rue) et à micro-
échelle (celle d’un bâtiment) car cela supposerait la mise en place d’un important dispositif de mesure
comme à Strasbourg [Najjar et al., 2004] lors de la campagne RECLUS (Rayonnement et bilan et
d’énergie en climatologie urbaine à Strasbourg) sur un temps long.
Toutefois, une manière plus modeste de disposer de températures à l’échelle de la rue peut être
envisagée par le biais de campagne(s) de mesures itinérantes. Nous avons favorisé cet abord dans
notre recherche, elle sera explicitée dans la partie 5.4 du présent chapitre.
Mais au préalable, nous allons présenter les données de Météo France.
5.2. Les données de Météo France : les températures de l’air et le vent
5.2.1. Les sites de mesure et les mesures des paramètres météorologiques
Pour notre étude, les données de Météo France sont utilisées d’une part pour décrire le contexte
météorologique de l’été 2003 (minima et maxima quotidien, vitesse et direction du vent) d’une part
et, après avoir désigné la station urbaine et la station rurale de référence, d’autre part pour mesurer
les écarts de températures entre ces deux stations pour différentes périodes. Nous allons présenter
de ce fait les données utiles à l’étude des conditions météorologiques des étés 2003 et 2006. Nous
ferons également état des données utilisées pour la détermination des écarts de températures entre
la ville (Paris) et la campagne (Melun) lors des canicules de 2003, de 2006 et des épisodes d’îlot de
chaleur urbain estival pour les étés de 2001 à 2008.
Paris et la petite couronne comptent une vingtaine de stations de mesure. Toutefois ces stations ne
119
sont pas toutes identiques et ne diffusent donc pas des données de même nature et/ou de même
précision. En effet, Météo France dispose de plusieurs types de stations subdivisées en stations
professionnelles d’observation, en stations automatiques et en station manuelles. Celles dont les
données sont susceptibles d’être exploitées dans notre recherche se situent dans les 7ème, 14ème 16ème
et 20ème arrondissements de Paris et sont professionnelles et/ou automatiques. En effet, les stations
manuelles n’assurent pas une régularité suffisante en termes de disponibilité des données.
Les différences entre ces principaux types de stations tiennent alors essentiellement à l’automatisa-
tion des enregistrements et de leur transmission avec une présence de professionnels pour la mesure.
Ces stations assurent ainsi une
continuité de la mesure, mais pré-
sentent cependant un inconvé-
nient lié au site de mesure. Elles
se trouvent en effet à proximité
ou à l’intérieur de parcs comme
nous l’avons précédemment évo-
qué - à l’exception de celle du 7ème
arrondissement qui est à côté de TYPES DE STATIONS MÉTÉO FRANCE :
la Tour Eiffel, mais dont les don- Stations professionnelles avec observation humaine,
transmission quotidienne des données horaires
nées ne sont pas disponibles pour Stations automatiques, transmission quotidienne des données
les dates choisies. horaires
Stations manuelles, indisponibilité des données horaires

Notre station urbaine de référence
est celle de Paris-Montsouris
située dans le 14ème arrondissement Figure 1.7. Localisation des stations de mesure Météo France,
exemple de Paris (source : Météo France)
(figure 5.7 et 5.8). Elle se trouve à
l’intérieur du Parc Montsouris à une altitude de 75 m. Bien que l’environnement autour de cette
station soit très urbain, plus localement le site dans lequel elle est implantée est marqué par la
présence de la végétation.
Concernant la station rurale de référence, il s’agit de celle située à proximité de Melun, ville de Seine-
et-Marne située à environ 60 km au sud-est de Paris. La station est sur un site d’une altitude de 91
m. Melun est ville d’environ 40 000 habitants. Autour de la ville, la ruralité est importante. Outre la
présence de l’activité agricole, le site se caractérise également par un certain nombre de forêts aux
alentours. Cette station a par ailleurs été utilisée dans de précédents travaux portant sur l’îlot de
chaleur urbain en agglomération parisienne [Cantat, 2004].
Concernant la mesure des paramètres météorologiques, Météo France met à disposition les
120
Station urbaine de référence - Paris Parc Montsouris (Paris 14) Station rurale de référence à Melun (Seine-et-Marne)
PARIS MONTSOURIS
Environnement urbain autour du parc Montsouris Environnement rural autour de la station de Melun
MELUN
Figure 1.8. Localisation des stations urbaine (à gauche) et rurale (à droite) de référence et de leurs
environnements respectifs
enregistrements des températures, du vent (vitesse et direction) et de l’humidité. Pour notre recherche,
nous utilisons seulement les deux premiers. La mesure de la température est faite par l’intermédiaire
d’une sonde thermométrique sous abri à une hauteur de 1,5 mètre du sol. Les girouettes et les
anémomètres utiles à la mesure du vent sont implantés à une hauteur d’une dizaine de mètres,
libres de tout obstacle. L’anémomètre à moulinet est le modèle le plus fréquemment utilisé par Météo
France.
5.2.2. Les périodes étudiées et le pas de temps des données
Nous utilisons les données tri-horaires (un enregistrement toutes les trois heures) qui s’échelonnent
de la fin de la journée à la fin de la nuit (18h, 21h, 00h, 03h, 06h, UTC) pour les stations de Melun et
de Paris-Montsouris des étés de 2001 à 2008. Des données préférablement nocturnes ont été choisies
étant donné les écarts thermiques plus élevés entre la ville et la campagne au courant de la nuit (cf.
Chapitre 1).
Nous disposons par ailleurs pour ces mêmes stations des valeurs minimales et maximales
quotidiennes de températures. Toujours au pas de temps de la journée, nous calculons également la
durée d’insolation à partir des éphémérides des années correspondantes et nous avons des données
relatives à la pression atmosphérique. Pour chaque station, les variables qui sont étudiées sont la
température sous abri, la vitesse et la direction du vent.
121
L’ensemble de ces données est exploité à plusieurs fins.

En premier lieu, il s’agit de définir précisément le contexte météorologique de la canicule de 2003 ;
nous observons les minima et les maxima de la période, suite à quoi nous procédons à une compa-
raison avec l’été 2006 - qui constitue l’autre été considéré comme caniculaire de la décennie étudiée.
Cette comparaison nous permet de relever les spécificités de l’été 2003.
En second lieu, il s’agit de déterminer les écarts de températures entre Paris et Melun durant les
vagues de chaleur du mois d’août de 2003 et de juillet de 2006.
Dans la continuité de cette compréhension des spécificités de 2003, nous étudions les épisodes d’îlot
de chaleur urbain durant les étés de 2001 à 2008. Pour ce faire, ces journées sont identifiées à partir
de leur fraction d’ensoleillement7 qui doit être supérieure à 80% et de la vitesse moyenne journalière
du vent qui doit être inférieure à 2 m/s. Ce seuil est de 3m/s dans la littérature [Anquetin et Mes-
tayer, 1994], nous choisissons, pour notre part de fixer celui-ci à 2 m/s car il s’agit de la moyenne
quotidienne établie à partir des valeur tri-horaires. Enfin, les écarts de températures seront estimés
au pas de temps tri-horaires pour chacune des journées ainsi sélectionnées. Parallèlement à cela,
nous nous intéressons également aux profils des vitesses et directions des vents instantanés tri-ho-
raires. L’objectif étant de déterminer un profil temporel de l’îlot de chaleur estival.
5.3. Les données au pas de temps horaire d’Infoclimat
Infoclimat est une association qui met en ligne librement des données météorologiques. Dans notre
recherche, nous avons eu recours aux données horaires issues de ce site pour les même sta-
tions météorologiques. Plus spécifiquement, nous avons utilisé ces données pour calculer des écarts
horaires de température pour la période caniculaire du mois d’août 2003. En effet, il s’est avéré utile
de changer de pas de temps pour une approche plus fine de l’îlot de chaleur de la période caniculaire
de l’été 2003. Cela nous a permis de mieux observer les écarts, notamment en termes de valeurs
extrêmes. En effet, les données tri-horaires ne permettaient pas une approche temporelle fine.
5.4. La campagne de mesure mobile du 22 juillet 2013
Une campagne de mesure a été menée durant la période de forte de chaleur de juillet 2013 à Paris
et dans sa proche périphérie. En effet, des températures particulièrement élevées ont été enregis-
trées du 19 au 24 juillet 2013 dans l’agglomération. Durant cette période, les températures maximales
7. La fraction d’ensoleillement correspond au ratio entre la durée d’insolation observée et la durée maximale théorique d’insolation établie à partir
des éphémérides
122
étaient supérieures à 30°C et les minimales supérieures à 19°C. Le pic de la vague de chaleur a été
atteint les 21, 22 et 23 juillet. Ainsi durant les nuits des 22 et 23 juillet 2013, les températures minimales
dépassaient des 23°C et les maximales atteignaient en journée les 35°C. Cette période, analogue à la
vague de chaleur de 2003, nous offre la possibilité de mesurer la variabilité spatiale des températures
dans les rues de Paris, mais également en proche périphérie (commune des Lilas) durant un épisode
de forte chaleur.
Les mesures ont été menées dans la nuit du 22 au 23 juillet 2013 et ont pour objectif d’apporter une
lecture complémentaire aux températures nocturnes de surface en période de forte chaleur. Nous
allons examiner le matériel utilisé pour ces mesures mobiles dans la prochaine sous-partie.
5.4.1. Description du matériel : les capteurs Tinytag
Les températures de l’air durant cette vague de chaleur sont mesurées par l’intermédiaire de cap-
teur de marque Tinytag (figure 5.9). Ces capteurs de petite taille sont comparables à une boîte de
pellicule photographique de 35 mm. D’un point de vue pratique, ce type de
dispositif présente l’avantage de pouvoir être aisément transportable. Pour
nos mesures mobiles, ils ont été fixés le long d’un manche afin de mesurer
les températures à environ 2 m du sol. Le fait d’être ainsi placé a permis de
faire en sorte que ces capteurs ne soient pas à proximité du sol pour éviter
l’influence de la chaleur de surface ou de la main qui pourrait représenter une
Figure 1.9. Capteur
de température
autre source de chaleur.
Tiny Tag (Source : D’un point de vue technique, ils disposent d’une précision relativement impor-
http://www.
geminidataloggers. tante qui est de l’ordre du millième de degré Celsius. De plus, ils ont égale-
com/data-loggers)
ment une conséquente capacité d’enregistrement (16 000 enregistrements) et
permettent d’avoir un meilleur choix quant au pas de temps de la mesure. Le pas de temps choisi
pour ces campagnes de mesure est celui de la minute. 150 points de mesure seront ainsi enregistrés
puisque chacun des transects débute à 22h30 et s’achève à 01h.
5.4.2. Les campagnes itinérantes : trajets empruntés
Dans la nuit du 22 au 23 juillet 2013, les campagnes itinérantes ont débuté à 22h30 et se sont
achevées à 01h00 sur deux transects différents. Un premier transect parcourt Paris du cimetière du
Père Lachaise (Paris 20) à son hyper-centre, c’est-à-dire jusqu’au Faubourg Saint-Antoine dans le
Marais (Paris 4). Il s’agit d’un environnement urbain très dense avec des immeubles généralement de
plus de 6 étages. Passer par des environnements végétaux et le long des berges de la Seine (figure
123
5.10) résulte d’un choix délibéré qui a

PARIS
pour finalité d’observer la variabilité à e
Ru in Ve
rt Boulevard
e
pl
em de Ménilmontant
m
h
du e
l’échelle de la rue pour différents types PARIS 3 uC
te
lle Ru
d
te
uet
Roq
ei
e la
Vi
DEPART
d’environnements. Rue d
ollin
Le second transect mesure les tempé-
u-R
ARRIVEE PLACE
r
Led
Ru DE LA BASTILLE
ed
ratures dans le même créneau horaire Sai u Fau
PARIS 11
nue
nt A bou
nto rg
Ave
lle
ine
ti
(22-23 juillet de 22h30 à 01h00) en fai-
Bas
PARIS 4
de la
sant un parcours quasi circulaire allant
vard
PARIS 12
le
des Lilas vers Pantin/Romainville pour Sens du trajet
Bou
250 m
revenir finir le parcours aux Lilas vers LES LILAS

PANTIN Parc
les portes de Paris à Saint-Fargeau (Paris Henri Barbusse
Boulevard
20). L’objectif est ici de constater une Jean Jaurès
éventuelle baisse des températures en PARIS 19

ROMAINVILLE
proche banlieue parisienne. Square de la

Butte Rouge
LES LILAS
ed
eP
aris
Ru
L’environnement urbain rencontré lors Avenue
de ce transect est sensiblement diffé- François Mittérand
rent du précédent. En effet, bien que DEPART

PARIS 20 Avenue Pasteur
la commune des Lilas soit limitrophe ARRIVEE

arg
eau
BAGNOLET
nt-F
Sai
au 20ème arrondissement, des distinc- 250 m
Rue
Sens du trajet
tions au niveau de la structure et de

la densité surfacique de l’habitat sont Figure 1.10. Trajectoires des transects du 22.07.2013 à Paris
observables. (à gauche) et aux Lilas (à droite). Fonds de carte, IGN [2014].
Tout d’abord, cette commune est relativement diversifiée au niveau de ses formes urbaines et de
son habitat ; ce dernier est globalement moins resserré. On peut y voir des immeubles de 4 à 5
étages en moyenne. Mais il s’y trouve également un habitat dispersé de type plutôt pavillonnaire
accompagné de parcelles de jardins. Enfin, une zone d’habitat collectif avec des immeubles de plus
de 12 étages est également présente. On note ainsi à partir de ces informations que cette trajectoire
est globalement plus hétérogène en termes de morphologie urbaine que la précédente.
5.4.3. Le réajustement des températures
Avant de démarrer la campagne, un étalonnage par comparaison a été fait pour les appareils utilisés
pour les deux transects afin d’assurer le minimum d’imprécision de mesure liée aux instruments.
Les températures subissent une baisse naturelle au fur et à mesure de la nuit. L’objectif est de
« neutraliser » cette baisse avant la mise en relation de ces températures avec les variables
124
morphométriques. Pour prendre en

Températures à Paris-Montsouris (22/07/2013)
compte cette baisse nocturne, un
réajustement des températures a été
26,5
effectué à partir des valeurs relevées
26
à Paris-Montsouris entre 22h et 01h.
25,5
- 1°C
La méthode mise en place consiste en
25 un réajustement linéaire en calculant
- 0,7°C
24,5
+ 0,1°C la différence de températures entre
plusieurs plages horaires (de 22h à 23h,
22:00 23:00 00:00 01:00
de 23h à 00h et de 00h à 01h) à partir
des données de la station de mesure de
Figure 1.11. Baisse des températures nocturnes au pas de
Météo France située à Paris-Montsouris
temps horaire à Paris-Montsouris dans la nuit du 22/07/2013 (figure 5.11).
au 23/07/2013
Le réajustement des températures est
effectué en plusieurs étapes (figure 5.12).
TEMPÉRATURES HORAIRES Dans un premier temps, on relève les
A PARIS MONTSOURIS BAISSE LINÉAIRE ESTIMÉE PAR MINUTE
22H00 22H00
températures horaires à Paris-Montsouris
T1
ΔT’ =
T1-T2
60
(5.12.a). Puis, dans une seconde étape,
23H00
T2
23H00
T2-T3
on détermine la baisse des températures
ΔT’’ =
00H00 00H00
60
nocturnes par minute pour chaque
tranche horaire (figure 5.12.b). Enfin, il
T3
T3-T4
ΔT’’’ =
60
a
01H00
T4
01H00
s’agit d’additionner les valeurs obtenues
b
aux températures mesurées lors du
RÉAJUSTEMENT DES VALEURS MESURÉES PAR LE CAPTEUR transect (5.12.c et 5.12.d). Le réajustement
Début
des mesures
Fin
des mesures
ainsi effectué permet d’estimer les
températures de l’air en tenant compte
22H30 23H00 00H00 01H00 d’une hypothétique baisse linéaire d’une
part, et d’autre part, en supposant cette
baisse identique à celle de la station de
TM00H01 + 01ΔT’’’
TM00H02 + 02ΔT’’’
TM23H01 + 01ΔT’’
TM23H02 + 02ΔT’’
TM22H30 + 30ΔT’
TM22H31 + 31ΔT’
Paris-Montsouris. Même si la différence

de températures est très faible entre le
TM = Températures enregistrées par le capteur
c au pas de temps de la minute
début et la fin des mesures, on utilise
ces températures réajustées pour la
mise en relation avec les variables
Figure 1.12. Méthode de réajustement des températures
morphométriques à l’échelle de la rue.
125
Dans ce 5ème chapitre, nous avons présenté les données utiles à l’évaluation et au suivi des températures
(de l’air et de surface) de la canicule du mois d’août 2003. Nous avons également spécifié l’ensemble
des données et des traitements à venir pour la mesure de l’îlot de chaleur urbain.
Dans le chapitre suivant, nous allons présenter les données de morphométrie urbaine et d’occupation
du sol ainsi que celles relatives aux populations en agglomération parisienne. Celles-ci feront l’objet
d’une mise en relation par corrélation avec les données de températures de surface présentement
abordées.
Les méthodes statistiques seront détaillées dans le chapitre 7.
126
Chapitre 6 :
Occupation du sol, morphométrie urbaine et
données de population
Ce chapitre se décline en deux sous-parties. Une première sous-partie concerne la présentation des
données utiles à l’identification et à la mesure de la morphologie urbaine de l’agglomération pari-
sienne. Nous utilisons pour ce faire la BD Topo de l’IGN (Institut National de Géographie) pour l’en-
semble des traitements à venir. L’occupation du sol, entendue ici comme la présence de végétation
et le degré d’artificialisation (ou le degré d’urbanisation) des surfaces, est étudiée par l’intermédiaire
d’images satellites qui permettront l’estimation d’indices (par différence normalisée) de végétation
(NDVI) et de bâti (NDBI).
La seconde sous-partie a pour vocation d’exposer les données relatives aux populations. Il s’agit des
données de mortalité, des données démographiques, sociales et résidentielles.
6.1. La morphométrie urbaine
6.1.1. Les données de l’IGN
La BD Topo date de 2014. Elle contient plusieurs bases de données qui permettent de recenser l’em-
placement et les dimensions des espaces construits ainsi que les modes d’occupation du sol. La BD
Topo est en format vectoriel et dispose d’une précision métrique. Cette base ne fait l’objet d’aucun
traitement spécifique et est utilisée dans sa forme originelle. L’IGN met à disposition un ensemble
de données relatives aux bâtiments, aux routes, à la végétation, etc. La totalité de cette base de
données n’est néanmoins pas exploitée. En effet, nous n’utilisons ici que les informations relatives
aux bâtiments et plus spécifiquement à leur volumétrie. Quant à la végétation, elle est prise en
compte par le biais de l’indice de végétation par différence normalisée (NDVI) que nous présenterons
ultérieurement.
127
Chapitre 6 : Occupation du sol, morphométrie urbaine et données de population
6.1.1.1. La BD Topo
Sous le terme de bâti, la base de données de l’IGN regroupe plusieurs types de constructions.
Parmi ces dernières sont compris les bâtiments, les installations industrielles et commerciales, mais
également les terrains de sport ou encore les cimetières. Nous choisissons ici de nous intéresser
uniquement aux bâtiments, aux constructions industrielles et commerciales ainsi qu’aux bâtiments
nommés « remarquables » qui correspondent aux églises ou autres constructions historiques dans
la base de données.
Les autres types de bâti de la BD Topo n’ont pas été sélectionnés pour deux motifs : soit ils ne dis-
posaient pas d’éléments d’information sur leur hauteur, soit parce qu’ils ne rentraient pas dans une
définition stricte du bâti au sens
propre. Ils ne répondaient pas
Boulevard
en effet au critère selon lequel il de Belleville
s’agirait à proprement parler d’un

bâtiment - comme par exemple Rue
de Ménimontant
un cimetière ou un terrain de
sport qui comprennent des élé-
ments de nature végétale.
Les éléments de bâti ainsi choisis Boulevard
de Ménilmontant
par nos soins sont des objets
surfaciques et sont représentés
Bâtiments
sous forme de polygones (figure 100 m
6.1). Chaque polygone dispose par

Figure 1.1. Extrait de la BD Topo [IGN, 2014] de Paris.
conséquent d’un certain nombre
d’attributs d’ordre quantitatif et qualitatif. Quantitativement, ces attributs concernent les hauteurs et
les surfaces des bâtiments. Qualitativement, ils sont relatifs à leur usage, par exemple lorsqu’il s’agit
de bâtiments commerciaux ou religieux, etc. Pour notre part, nous nous intéresserons uniquement à
leur dimension quantitative.
6.1.1.2. La BD Alti
à partir du modèle numérique de terrain (MNT), nous disposons d’une information horizontale à une
résolution de 50 mètres et verticale à une résolution d’environ 2 mètres. Cette base de données est
utile à la détermination de la part de ciel visible (Sky View Factor) avec une intégration de l’altitude,
variable sera spécifiée ultérieurement.
Nous disposons des BD Alti de Paris, des Hauts-de-Seine, de la Seine-Saint-Denis et du Val-de-Marne
128
Partie 2 données et méthodes d’investigation
21 Altitude (IGN, 2014) sous forme de MNT en

en m
format raster. Les 4 BD Alti sont
combinées pour obtenir un raster
unique couvrant Paris ainsi que
l’ensemble de la petite couronne
(figure 6.2). Cette base de données
fournit ainsi les données relatives
à la topographie de l’agglomération
parisienne.
195 5000m
Figure 1.2. MNT combiné de Paris et des départements de la

petite couronne. BD Alti [IGN, 2014].
6.1.2. La détermination des variables morphométriques
6.1.2.1. L’emprise au sol et densité surfacique des bâtiments
L’emprise au sol des bâtiments correspond en architecture à « la projection verticale du volume

de la construction, débords et surplombs inclus » [R.420-1 du code de l’urbanisme]. Il s’agit en
d’autres termes de la superficie au sol d’un bâtiment. À partir de cette superficie, il est possible
de calculer l’emprise au sol des bâtiments à différents échelons (cellule de 30 m, 250 m et de
1 000 m). Nous favorisons le terme de densité surfacique des bâtiments dans notre travail.
Cette densité surfacique
36.3% de la cellule
de l’urbain correspond
occupée par des
bâtiments
au rapport entre la part
Boulevard en m² occupée par de
30m
de Belleville
Rue l’urbain et l’ensemble
de Ménimontant
de la superficie de la
cellule sur laquelle porte
Boulevard
30m
le calcul. Nous obtenons
de Ménilmontant
un pourcentage d’urbain
Bâtiments
par cellule (figure 6.3).
Figure 1.3. Exemple de résultat du calcul de la densité surfacique des bâtiments
pour une cellule de 30 m.
129
6.1.2.2. La hauteur des bâtiments
La hauteur des bâtiments ne fait l’objet d’aucun traitement particulier. Cette valeur figure dans la
BD Topo et elle est utilisée en l’état. Cette variable permet de donner une première indication sur
la volumétrie de la ville. Elle sera ensuite utile à la détermination du volume des bâtiments et de la
part de ciel visible.
6.1.2.3. Le volume des bâtiments et la volumétrie par cellule
Nous calculons le volume occupé par une construction en prenant en compte sa dimension horizon-
tale grâce à la densité surfacique et sa dimension verticale grâce à la hauteur.
Pour attribuer une valeur volumétrique pour chaque cellule à chaque échelon d’analyse (30 m, 250 m
et 1 000 m), il s’agit de procéder au calcul suivant par cellule :
Volumétrie = densité surfacique * hauteur
Pour chaque cellule de chaque échelon, nous obtenons ainsi une valeur volumétrique.
6.1.2.4. La part de ciel visible
La part de ciel visible (Sky View Factor) se définit comme la partie du ciel qui est visible lorsque l’on
regarde de la surface du sol vers le ciel. En d’autres termes, il s’agit de l’ouverture du ciel à partir du
sol. Cette variable est, ainsi que nous l’avons expliqué dans le chapitre 2, proche du rapport d’aspect
(H/W = hauteur des bâtiments / largeur de la chaussée). Grâce à elle, on dispose d’une estimation de
la part de rayonnement qui entre dans la rue. Il existe plusieurs manières de calculer la part de ciel
visible (graphiques ou mathématiques) et à partir de multiples supports (photographies aériennes,
images satellites haute résolution, base de données spatiales).
De précédents travaux ont montré que plus cette part de ciel visible était grande, plus la tempéra-
ture avait tendance à baisser [Unger, 2006 ; Chen et al., 2012]. Le SVF a par conséquent une relation
linéaire et négative avec l’ICU. Cette linéarité de la relation a été développée dans plusieurs études
par Yamashita [1986], par Oke [1991], par Atkinson [2003] et enfin dans les travaux de Hamdi et
Schayes en 2008.
Selon les méthodes et les supports [Grimmond et al., 2001], la part de ciel visible peut être obtenue
soit à partir de l’appareil de mesure (ex : appareil photographique fish-eyes), soit à partir des infor-
mations issues d’une base de données topographiques.
Pour cette recherche, la méthode sur laquelle repose sa détermination est une modélisation géomé-
trique à partir des données de la BD Topo. La surface (superficie) ainsi que la hauteur des bâtiments
130
sont utilisées pour déterminer la part de ciel visible. La part de ciel visible se calcule en plusieurs
étapes. La première étape consiste en l’intégration de la BD Alti et de la BD topo dans d’un système
d’information géographique (SIG). On calcule, à la résolution la plus fine possible permise par le
logiciel (ici, 2 mètres de résolution), une valeur moyenne de l’altitude (à partir de la BD Alti) et une
hauteur moyenne des bâtiments (à partir de la BD Topo) par cellule. Puis, on procède à la somme de
l’altitude et de la hauteur des bâtiments pour obtenir une valeur absolue de la hauteur des bâtiments
(figure 6.4).
Hauteur moyenne des bâtiments + MNT Part de ciel visible
MNT
BD TOPO
2m
Part de ciel visible (en %) par cellule de 2m

30m
Bâtiments
5% 100%
Figure 1.4. Méthode de calcul de la part de ciel visible.
Dans une dernière étape, il s’agit de procéder au rééchantillonage afin de calculer une valeur moyenne
de part de ciel visible selon les grilles de résolution des images satellites, c’est-à-dire 30, 250 et 1 000
mètres. On obtient ainsi une valeur moyenne de part de ciel aux différents échelons (figure 6.5).
Part de ciel visible à 2m Part de ciel visible moyenne 30m

30m
Part de ciel visible (en %) par cellule de 2m Part de ciel visible (en %) moyenne à 30m 30m
5% 99% 33% 99%
Figure 1.5. Part de ciel visible calculée à 2 m et à 30 m de résolution.
131
6.2. Indice de végétation et indice de bâti par télédétection
Pour détecter la présence de végétation sur une surface, il existe un certain nombre d’indices asso-
ciés [Bannari et al., 1997], construits à partir des différentes longueurs d’onde de l’image satellite
étudiée. Parmi eux, nous choisissons de présenter l’EVI (Enhanced Vegetation Index), GVI (Global
Environmental Index) et le NDVI (Normalized Difference Vegetation Index).
Des images MODIS de l’EVI sont mises à disposition sur le site de l’USGS. La particularité de cet
indice tient à l’intégration de la bande bleue (bande 1) dans son calcul dans le but d’offrir une meil-
leure prise en compte des effets des aérosols présents dans l’atmosphère [Huete et al., 2002]. Il reste
cependant calibré pour MODIS. Ne pouvant être utilisé pour Landsat, nous choisissons d’en écarter
l’étude. Concernant le GVI, qui permet également une diminution des effets des aérosols, nous avons
calculé ce dernier pour l’image Landsat du 9 août 2003). Toutefois les résultats n’étant pas concluants,
nous nous sommes par conséquent plus spécifiquement intéressés au NDVI. Il n’est par ailleurs pas
disponible pour MODIS.
Le NDVI présente l’avantage de pouvoir être disponible pour les images MODIS et d’être calculé pour
l’image Landsat. Cet indice permet d’estimer la croissance chlorophyllienne à partir du rouge et du
proche infrarouge [Rouse et al., 1972 ; Tucker, 1980 ; Gallo et al., 1993]. Nous présenterons dans les
prochaines sous-parties le NDVI à la résolution de Landsat, mais également le NDBI (Normalized
Difference Builded Index) qui s’apparente à une mesure du degré d’urbanisation de l’agglomération.
Enfin nous procéderons à une description des images du NDVI aux résolutions de MODIS.
6.2.1. À la résolution de Landsat
6.2.1.1. L’indice de végétation par différence normalisée
Comme nous l’avons mentionné dans le chapitre 5 (cf. figure 5.5, p. 113), Landsat enregistre par bande
les diverses longueurs d’onde du spectre lumineux. Lorsque le soleil atteint la surface de la terre,
certaines longueurs d’onde sont absorbées, d’autres sont réfléchies. La chlorophylle absorbe la lumière
visible nécessaire à la photosynthèse dans des longueurs d’onde de 0,4 à 0,7 µm, correspondant à
la lumière rouge (bande 3 de Landsat). Par ailleurs, la végétation chlorophyllienne émet une forte
réflexion dans le proche infrarouge dont les longueurs d’onde s’échelonnent entre 0,7 à 1,1 um (bande
4 de Landsat) [Guyot, 1997]. Ces deux canaux comportent la plus importante quantité d’information
sur le couvert végétal, représentant plus de 90% de l’information [Cosentino, 1990 in Kermadi, 1994].
Ainsi, plus la végétation présente une importante activité chlorophyllienne, plus ces longueurs d’onde
en seront affectées.
132
Les valeurs du NDVI sont comprises entre -1 et 1. Les valeurs négatives sont associées à une
occupation du sol autre que le végétal (comme l’eau, la neige ou des éléments minéraux divers).
Cela s’explique par le fait que la réflectance de ces éléments se révèle supérieure dans le rouge que
dans l’infrarouge ; les valeurs deviennent donc négatives. Pour les sols nus, les valeurs du NDVI
s’approchent de 0. Plus l’activité chlorophyllienne est intense, plus la valeur du NDVI est élevée.
Le NDVI s’obtient à partir de la formule suivante [Girard et Girard, 1999] :
NDVI = (PIR-R)/(PIR+R)
Avec :
NDVI : Normalized Difference Vegetation Index
PIR : Proche Infrarouge
R : Rouge
6.2.1.2. L’indice de bâti normalisé (NDBI ou Normalized Difference Batiment Index)
L’indice de bâti par différence normalisée (NDBI) permet de déterminer la présence d’éléments bâtis
à partir des valeurs spectrales des bandes du proche Infrarouge (bande 4) et de l’infrarouge (bande 5).
Sa formule est la suivante :
NDBI = (IR-PIR)/( IR-PIR)
Avec :
NBVI : Normalized Difference Builded Index
IR : Infrarouge
PIR : Proche Infrarouge
Il fonctionne sur un principe analogue à celui du NDVI : l’étude de Zha et al. [2003] montre que les
zones bâties ont une très forte réflectance dans le proche infrarouge (bande 4) et dans l’infrarouge
(bande 5), alors que la végétation fluctue très faiblement sur ces deux bandes spectrales. Lorsque l’on
procède à la différence standardisée de ces deux bandes, les valeurs de l’indice se distribuent entre
0 et 1 pour le bâti, elles sont de 0 pour la végétation et négatives pour l’eau.
Nous obtenons ainsi un indice qui permet de distinguer les surfaces urbanisées du reste de l’occu-
pation du sol.
133
6.2.2. L’indice de végétation par différence normalisée à la résolution de MODIS
Le site de l’USGS met à disposition des images MODIS de l’indice de végétation par différence nor-
malisée (NDVI). Ces images sont de type MOD13A1 et disponibles tous les 16 jours.
La résolution la plus fine disponible est de 463 m, mais elle existe également pour 250 m, 500 m et
1 000 m de résolution. Pour notre étude, nous utilisons une image à 250 m ainsi qu’une autre à 1 000
m de résolution.
Les images choisies datent du 13 août 2003. Elles sont en en accès libre et sont délivrées en format
raster (tiff). De la même manière que pour les températures de surface, on doit y appliquer un fac-
teur d’échelle qui dans ce cas est de 0,0001. Les valeurs ainsi obtenues sont d’ordre indiciaire. Cela
signifie que plus l’indice tant vers la valeur de 1, plus l’activité chlorophyllienne est intense dans la
maille associée.
6.3. L’occupation du sol par les données de l’Atlas Européen

de l’Environnement
Ces données sont employées dans une approche de type exploratoire. Par exemple, lorsqu’il s’agit
d’identifier les différences de températures sur une zone donnée, nous utilisons la base de données
de l’EEA (European Environment Atlas) pour déterminer l’occupation du sol, qui devient une aide à
la compréhension du phénomène. Nous exploitons pour ce faire uniquement les données relatives à
l’urbain ainsi que celles de la végétation.
Nous allons présenter succinctement les différentes catégories d’occupation du sol que nous avons
utilisées dans notre étude. L’ensemble des descriptions ont été développées à partir des informations
disponibles sur le site de l’EEA.
6.3.1. Les données relatives à l’urbain : bâtiments, industries et réseaux de transport
En ce qui concerne l’urbain, l’EEA distingue 5 classes d’occupation du sol à une résolution horizontale de
25 ares (50 m * 50 m). Chaque maille de 25 ares se différencie par la proportion de type d’occupation du
sol qu’elle contient. L’urbain ainsi classifié se démarque essentiellement par son degré d’imperméabilité
de surface.
L’urbain continu comprend des mailles qui sont occupées à plus de 80% par des surfaces bâties. Ces
surfaces sont caractérisées par un important degré d’imperméabilité des sols. Elles sont majoritaire-
ment occupées par des bâtiments et des routes (surfaces goudronnées ou bétonnées). La végétation
y est très peu présente.
134
L’urbain discontinu dense comprend les mailles occupées entre 50% et 80% par du bâti. Ce type
d’occupation du sol comporte une part plus importante de surfaces végétalisées (comme des jardins
individuels ou des parcs urbains) par rapport à la classe précédente. Dans ces mailles, près de 20%
des surfaces déterminées comme non urbaines sont occupées par de la végétation.
L’urbain discontinu de densité moyenne concerne des mailles occupées entre 30 et 50% par du bâti.
Les surfaces sont ici moyennement imperméabilisées : la végétation urbaine occupe une part plus
importante des espaces comparativement à la classe précédente, sans toutefois intégrer les zones
forestières et agricoles.
Pour l’urbain discontinu de densité faible, le bâti ne représente que 10 à 30% de la surface de la
maille. La végétation urbaine occupe une part importante des espaces, toutefois ne sont encore pas
intégrées les zones forestières et agricoles. Cette classe peut être caractéristique, par exemple, des
zones pavillonnaires.
Enfin, nous retenons l’urbain discontinu de densité très faible. Pour cette classe, moins de 10%
des mailles sont déterminées par du bâti. La végétation urbaine occupe donc une part importante
des espaces. On entend par végétation urbaine, les parcs, les jardins et les couvertures végétales
urbaines diverses (pelouses, arbustes, etc.). Ne sont toujours pas intégrées dans ce type de maille
les zones forestières et agricoles.
Associée également à l’urbain, une dernière classe d’occupation du sol est celle des surfaces indus-
trielles ou commerciales. Ce type d’occupation du sol se définit par l’occupation de plus de 50% des
surfaces par des zones non résidentielles destinées alors à des activités industrielles, commerciales
ou militaires. Les routes et autres voies à proximité de ces zones font aussi partie de cette classe
d’occupation du sol. Ces zones correspondent aux activités de production, aux sites nucléaires, aux
gares de triage, aux industries agricoles ou encore aux stations d’épuration.
6.3.2. L’occupation du sol de type végétal
Il existe également dans la base de données de l’EEA plusieurs catégories de végétation. Nous
choisissons d’en retenir seulement 4. Il s’agit des catégories présentes à Paris et dans la petite
couronne.
Tout d’abord, nous évoquons les zones forestières qui correspondent à des surfaces occupées à plus
de 30% par des arbres et constituent au minimum une zone d’un hectare. La détermination de ce
type d’occupation du sol dépend aussi de la hauteur des arbres qui doit être supérieure à 5 m.
La seconde catégorie d’espace vert est constituée la végétation urbaine. Elle comprend essentielle-
ment les espaces verts publics. Il s’agit des parcs et jardins urbains, de l’ensemble des espaces verts
135
à usage récréatifs, des zoos, etc. Les jardins privatifs ainsi que les cimetières ne sont pas compris
dans cette catégorie d’occupation sol.
Les espaces sportifs et de loisirs constituent la troisième catégorie d’espaces verts. Il s’agit des
zones essentiellement consacrées aux loisirs sportifs (terrains de golf, de tennis, de foot, etc.). Sont
également assimilés dans cette classe d’occupation du sol les hippodromes et les parcs d’attraction.
Enfin, plus rares dans l’agglomération parisienne, nous retenons les zones agricoles. Il s’agit des
espaces consacrés à l’agriculture (champs, vignes, pâtures, etc.). Il s’ajoute à ce type d’occupation du
sol la végétation rase comme les arbustes.
6.4. Les limites administratives
Les limites administratives de Paris et de sa petite couronne proviennent des données en libre accès
mises à disposition par l’IGN, il s’agit plus spécifiquement des données GeoFla. Nous disposons des
limites départementales et communales. Ces limites administratives servent à deux types de traite-
ments.
D’une part, elles sont utilisées comme maillage (grille) pour déterminer les températures au niveau
de la commune à partir des valeurs des images satellites. Cela permet de disposer d’une valeur de
températures par commune dont l’objectif final est une comparaison avec les données de mortalité –
aspects que nous avions plus largement abordés dans le chapitre 5. D’autre part, ces communes
sont associées aux données de l’INSEE - qui sont délivrées sous forme de tableaux. Il s’agira alors de
joindre les attributs spatiaux aux variables tabulaires.
6.5. Les données relatives aux populations
6.5.1. Les données de mortalité et de surmortalité
La procédure d’enregistrement des décès
Les données de mortalité proviennent de l’Institut National de la Santé et de la Recherche Médicale

(INSERM). Il s’agit d’une base de données qui recense quotidiennement le nombre de personnes
décédées notamment pour les étés 2002 et 2003 dans l’agglomération parisienne. Les données de
cette base concernent l’âge, le sexe, le lieu de résidence et le lieu de décès de la personne. Le plus
fin niveau d’observation est celui de l’arrondissement municipal (pour Paris) et celui de la commune
(pour la petite couronne). Le recensement de la mortalité suit une procédure complexe dont le but est
essentiellement de garantir la confidentialité aux individus et à leurs proches. Cette procédure est prise
136
en charge par plusieurs

organismes et de manière
DECÈS
indépendante.
L’Agence Régionale de
Certificat de décès
rédigé par le medecin
Partie supérieure nominative
Santé (ARS), le Centre
Partie inférieure anonyme
d’épidémiologie sur les
causes médicales de décès
Bulletin 7 et Avis 7 bis
rempli par l’officier d’état civil (CépiDc) et l’INSEE sont
les principaux organismes
Bulletin 7 Avis 7 bis
Certificat de la cause médicale INSEE qui assurent la diffusion
de décès (CMCD) destiné à l’INSERM (nominatif)
(anonyme) des données et permettent
INSEE l’élaboration de statistiques
Médecin de la DDASS
(Direction départementale concernant les causes de
des affaires sanitaires et sociales) Données socio-démographiques
décès, mais également le
taux de mortalité, l’espé-
INSERM
rance de vie, etc. La pro-
cédure d’enregistrement du
Codification des causes de décès
décès est la suivante. Suite
à l’établissement du certifi-
Figure 1.6. Circuit de l’information lors de l’enregistrement d’un décès cat de décès par le méde-
(d’après Péquignot et Jougla, 1999).
cin, celui-ci est transmis à
la mairie du lieu de décès. La mairie rédige alors deux documents : l'avis 7 bis et le bulletin 7 (annexe
3). L’avis 7 bis comporte l’identité de la personne décédée (nom et état civil) et est transmis à l’IN-
SEE. Le bulletin 7 contient les mêmes informations à l’exception du nom et est transmis à l’INSEE,
puis il est envoyé à l’INSERM dans un dernier temps. En définitive, on retiendra que l’INSEE connait
l’identité de la personne décédée alors que l’INSERM connait les causes du décès. Mais chaque
organisme garde les deux types d’information séparément afin d’assurer au mieux la confidentialité
de la personne décédée.
La distinction entre la mortalité et la surmortalité
On distingue essentiellement deux types d’indicateurs pour évaluer le nombre de décès de la canicule
de 2003. On parle de mortalité et de surmortalité. La mortalité est assez simple à saisir : il s’agit d’un
nombre de décès survenus dans un lieu spécifique, que l’on peut normaliser de différentes manières
si nécessaire. La surmortalité se définit comme un nombre de décès en excès par rapport aux décès
137
attendus pour une période donnée. Selon l’INSERM [Hémon et Jougla, 2003 et 2004], sur 14 800 décès,
près de 60% d’entre eux sont survenus en excès par rapport aux années précédentes (2001 et 2002)
en France. Dans ce contexte, les décès à domicile des personnes de plus de 65 ans, qui constituent
près de la moitié des personnes décédées en Île-de-France durant la première quinzaine d’août
2003, ont connu une augmentation de plus de 4,5 fois supérieure à la moyenne du nombre de décès
durant la première quinzaine des mois d’août 2001 et 2002 (soit 2297 décès en août 2003, 497 décès
en 2001 et 473 décès en 2002). Par ailleurs, les individus décédés à domicile de plus de 65 ans dans
l’agglomération (Paris, Val-de-Marne, Seine-Saint-Denis et Hauts-de-Seine) représentent plus de 77%
des décès survenus en Île-de-France.
Nous présenterons plus exhaustivement les calculs qui ont permis d’établir nos indicateurs de
mortalité et de surmortalité avec nos résultats dans le chapitre 11 de notre recherche.
6.5.2. Les données démographiques, économiques et sociales
Afin d’évaluer les rapports qui existent entre la mortalité et la surmortalité d’une part, et les conditions
démographiques, sociales et économiques des populations d’autre part, nous disposons de données
qui proviennent de l’INSEE. Le niveau d’observation est celui de l’arrondissement municipal pour
Paris et de la commune pour la petite couronne.
Nous avons également des données relatives aux conditions de résidence des populations comme le
nombre de logements HLM par commune ou encore une estimation indirecte de la vétusté et/ou de
la salubrité des logements par l’intermédiaire du nombre de résidences sans sanitaires. L’ensemble
de ces données sont en libre accès.
Nous allons expliquer les différentes variables que nous utiliserons dans notre étude ainsi que les
choix qui ont motivé leur sélection.
L’âge
Nous disposons d’une base donnée sur l’âge des populations à l’échelle communale pour Paris ainsi
que pour sa petite couronne qui date du recensement de 1999. Ce tableau de données indique un
nombre de personnes par tranches d’âge. Nous choisissons de sélectionner uniquement les individus
de plus de 65 ans. Afin de rendre possible une comparaison entre les communes, une normalisation
est effectuée : il s’agit de calculer le pourcentage des personnes de plus de 65 ans par rapport à la
population totale.
Cette variable nous permet de déterminer si la forte mortalité est liée à la présence d’une part plus
importante de population âgée. Peut-on, en d’autres termes, dire que la mortalité survenue et la
surmortalité sont proportionnelles à la part de personnes âgées résidant dans la commune ?
138
Les personnes vivant seules
Nous souhaitons prendre en compte ici de l’isolement des populations. L’INSEE propose plusieurs
variables : des données recensant le nombre de ménages composés d’une personne seule ou encore
la population (nombre de personnes) vivant seule par arrondissement municipal ou par commune. Ces
données sont disponibles par tranche d’âge. Pour notre part, nous sélectionnons ici aussi uniquement
les personnes de plus de 65 ans.
Nous déterminons dans un second temps le pourcentage des personnes vivant seules de cette
classe d’âge par rapport à l’ensemble de la population de plus de 65 ans. Cet indicateur nous permet
d’évaluer l’impact de l’isolement sur la mortalité et la surmortalité survenues en 2003.
Le revenu fiscal
L’INSEE met à disposition des données concernant le revenu fiscal par personne, par ménage ou
par unité de consommation pour différentes années et par tranche d’âge. Nous choisissons de
sélectionner le revenu fiscal des personnes de plus de 60 ans pour l’année 2002.
Le revenu fiscal correspond à la somme des ressources déclarées par les contribuables sur la
« déclaration des revenus », avant tout abattement [INSEE, 2007].
Même si cet indicateur ne permet pas une estimation complète du niveau de vie puisque le revenu
fiscal est un montant brut avant redistribution (duquel n’est pas déduit le montant d’imposition des
ménages les plus fortunés, ni ne sont ajoutées les prestations sociales des ménages les plus fragiles),
il présente l’avantage de fournir une indication sur le revenu tout en offrant une importante « capacité
synthétique » puisqu’il permet de contenir, entre autres, en son sein une part d’information sur les
catégories socio-professionnelles [Fleury, 2012].
Nous en choisissons d’étudier la médiane qui tient mieux compte de la réalité sociale (relativement
à la moyenne qui est fortement influencée par les valeurs extrêmes de la distribution). Nous portons
également une attention aux premiers et derniers déciles de la distribution afin de mieux identifier
les différences de revenus.
Afin d’avoir une mesure des inégalités présentes sur le territoire, nous intégrons également dans notre
analyse le rapport interdécile des revenus ainsi que l’indice de Gini que nous allons successivement
définir.
La définition donnée par l’INSEE pour le rapport interdécile des revenus est la suivante, il s’agit du
« rapport entre les revenus par personne les plus élevés et les revenus par personne les plus faibles, en
ôtant de chaque côté les 10 % de personnes aux revenus les plus extrêmes. Cet indicateur mesure la
disparité relative entre les plus hauts et les plus bas revenus fiscaux, sans être déformé par les revenus les
plus extrêmes » selon le site insee.fr consulté en juin 2014. Il permet pour ce qui nous concerne d’étudier
139
les disparités des revenus par personne au sein d’une commune, mais aussi entre les communes.
L’indice de Gini est défini quant à lui comme « un indicateur synthétique d’inégalités de salaires (de
revenus, de niveaux de vie...). Il varie entre 0 et 1. Il est égal à 0 dans une situation d’égalité parfaite
où tous les salaires, les revenus, les niveaux de vie seraient égaux. à l’autre extrême, il est égal à 1
dans une situation la plus inégalitaire possible, celle où tous les salaires (les revenus, les niveaux de
vie...) sauf un seraient nuls. Entre 0 et 1, l’inégalité est d’autant plus forte que l’indice de Gini est
élevé » toujours selon le site insee.fr consulté en juin 2014. Cet indice constitue dans notre étude
une variable supplémentaire informative des disparités sociales du territoire au niveau communal.
Les bénéficiaires de la couverture maladie universelle
Afin d’approfondir la connaissance du niveau de vie au sein des territoires, nous choisissons de
présenter une variable rendant plus spécifiquement compte de la pauvreté des populations. Il s’agit
de la population bénéficiant de la couverture mutuelle universelle (CMU) ; ces données datent de
2009. Cette variable est représentée en pourcentage. Il s’agit de calculer le pourcentage de personnes
de plus de 60 ans percevant la CMU par rapport à la population totale de plus de 60 ans résidant
dans la commune.
Ces variables, relatives au revenu, des disparités socio-économiques et de la précarité, nous
permettent de mesurer les relations qui existent entre la répartition spatiale des niveaux de vie des
populations dans l’agglomération, la mortalité et la surmortalité du mois d’août 2003.
6.5.3. Les données résidentielles : types de résidences et présence de sanitaires
Enfin, nous avons une base de données de l’INSEE relative à l’habitat, celle-ci date de 2006.
Une première variable informe de la présence d’un habitat social (nombre de résidences HLM par
commune) au niveau communal. Cette variable nous renseigne indirectement sur le niveau de
richesse des populations résidentes de la commune : une forte présence de logements sociaux peut
être indicative de l’implantation d’une population au revenu plutôt modeste.
Une seconde variable permet de disposer d’une estimation de l’état de vétusté / salubrité de l’habitat.
Il s’agit du nombre de résidences sans sanitaires.
140
Chapitre 7 :
Les échelles, les échelons d’étude
et méthodes statistiques utilisés
7.1. Réflexions sur la notion d’échelle
La diversité des variables et des niveaux d’observation de cette recherche amène nécessairement
à s’interroger sur la question des échelles. Ici, nous étudions plusieurs phénomènes qui obéissent
tantôt à des lois physiques (îlot de chaleur urbain), tantôt à des logiques humaines (répartitions des
variables de populations) ; et ce, à des résolutions et des niveaux d’observation différents. Il apparait
ainsi, préalablement à la présentation de nos résultats, indispensable de définir la notion d’échelle.
Nous expliquerons enfin nos méthodes d’analyse.
7.1.1. Approche épistémologique
Proportion, représentation et espace : vision absolue et vision relativiste
La notion d’échelle renvoie simultanément à deux idées importantes, d’une part à celle de la
représentation et d’autre part à celle de la proportion. Ce point de départ posé essentiellement à partir
de Malte-Brun (1816-1889) conduit à s’interroger sur la complexité que ces acceptions engendrent.
Et particulièrement dans la démarche d’opérer un rapprochement entre ces deux postures. En effet,
Dauphiné [1984] parle de « deux réalités différentes ». Il évoque d’une part que toute portion de
l’espace terrestre peut être observée et étudiée avec une vision plus ou moins réductrice. Cela pose
la question de la recherche d’une échelle fondamentale. D’autre part, il précise que « toute valeur
en un point donné […] est fonction du processus agissant à différents niveaux ». Cela appelle une
nécessaire prise en compte de l’espace de manière complexe et plurielle, espace dans lequel il s’agit
d’observer les processus qui s’y trouvent en (inter)action. Cette double considération soulève l’idée
sous-jacente de l’existence d’un espace absolu et d’un espace relatif. De Malte-Brun à aujourd’hui, la
véritable transformation qui s’est opérée est celle d’un passage d’une vision classique et absolue de
l’espace à une conception essentiellement relativiste.
141
Chapitre 7 : échelles, échelons D’études et méthodes statistiques
La vision classique consiste à considérer l’espace comme une forme de contenant. Cet espace est
absolu en ce sens qu’il existe indépendamment de toute autre chose. L’espace euclidien est unique-
ment alors pris en considération. Cette vision est favorisée dans la cartographie et la télédétection.
La ville est considérée comme un objet géographique contenant plusieurs arrondissements, plusieurs
quartiers (découpages administratifs) ou une multitude de cellules-pixels (résolutions des images
satellites) - [Meentemeyer, 1989 ; Marceau et Hay, 1999]. Il s’agit en définitive de l’espace entendu à
la manière de Descartes et de Newton.
L’espace relatif est celui de la fin de la modernité. Il s’agit de l’espace d’Einstein (1879-1955) qui opère
un véritable changement de paradigme dans sa compréhension, comme dans sa représentation. Pour
les géographes, cette vision relativiste conduit à concevoir l’espace comme lié à ses objets d’étude
et à leur processus de fonctionnement. Il est doublement relatif ainsi que l’explique Harvey [2010] car
d’une part il dispose de plusieurs géométries parmi lesquelles on peut choisir et, d’autre part, le cadre
spatio-temporel dépend étroitement de ce qui est relativisé et par qui. Cet espace peut être celui
des modèles, des flux, des fonctions, etc. De ce point de vue, l’espace est défini par les processus
spatiaux comme, par exemple, la dispersion des polluants, la diffusion des idées ou des informations.
Cet espace n’est donc pas nécessairement euclidien. Même la distance peut y être pensée comme
relative. Deux zones séparées par une barrière peuvent en effet être à proximité dans l'espace absolu
et très lointaines au regard des interactions qu’elles peuvent entretenir.
À ces deux acceptions de l’espace, Harvey [1969, 2010] en ajoute une troisième : l’espace relationnel.
Il se rapproche d’une considération psychogéographique dans laquelle l’espace vécu est intégré en
tant qu’espace perceptif, cognitif [Cauvin, 1984] et abstrait, mais demeurant en profonde interaction
avec les deux premières catégories, l’espace absolu et relatif. Comme le souligne Harvey dans son
ouvrage [2010], on ne peut restreindre l’espace à aucune de ces trois dimensions : elles sont en
permanente et complexe interaction.
Échelles, approche cartographique et approche géographique
Eu égard à ces différences de conception et pour s’inscrire dans la problématique particulière de cette
recherche, il s’agit pour nous de mieux appréhender la distinction plus spécifique entre l’acception
cartographique et l’acception géographique de la notion d’échelle. Cao et Lam [1996] proposent
d’étudier cette dernière selon différents angles. L’échelle peut renvoyer à l’extension de la zone
(échelle de la région, de la commune ou encore de la rue), tout comme elle peut s’apparenter au niveau
d’observation (ou à la résolution). Ils distinguent ces différences sémantiques selon 4 catégories.En
cartographie, l’échelle renvoie davantage à l’idée de proportion, une grande échelle couvre ainsi une
petite surface. Loin d’être réductrice, cette approche cartographique conduit « autant à construire
142
l’espace qu’à le visualiser » [Cauvin, 1999], répondant ainsi à la dialectique existant entre proportion
et représentation. Une autre acception de l’échelle est technique. Il s’agit de l’échelle de mesure :
on parle de résolution spatiale [Whoodcoke and Strahler, 1987]. La résolution est alors une unité
géométrique en deçà de laquelle l’information n’est plus disponible.
En géographie, l’échelle est davantage associée à l’étendue ou à la zone d’étude [Cao et Lam, 1996].
Ainsi, par exemple, une étude sur la répartition des villes en France est considérée comme une étude
à grande échelle, alors que la variabilité des températures au niveau de la rue est considérée comme
une étude à petite échelle.
Enfin, à cette approche géographique s’ajoute l’échelle opérationnelle qui est celle des processus. Il
s’agit d’une variante de l’échelle géographique dans laquelle l’on observe les phénomènes et leurs
interactions. Un phénomène se manifestant à une certaine échelle n’existera pas nécessairement
sous la même forme à une autre. L’information issue d’une carte mettant en évidence le pourcentage
de personnes percevant la CMU à Paris par arrondissement n’est pas nécessairement identique à la
même variable étudiée à l’échelle de l’agglomération, ni encore à celle du quartier.
La distinction étant faite entre la conception cartographique et la conception géographique, nous
préférons utiliser le terme de niveau d’observation lorsque nous parlons de résolution, de maillage ou
de cellules. Nous favoriserons celui d’échelle pour évoquer la zone d’étude.
Indépendamment de l’ambiguïté sémiologique, la question des échelles soulève un certain nombre
de problèmes quant aux informations délivrées en fonction de la taille de la zone étudiée et/ou des
niveaux d’observation. Robert Ferras [1995] évoque la diversité de l’information possible selon l’échelle
d’étude. Il parle ainsi d’une indifférenciation de l’espace à trop petite échelle et d’une information
approximative à trop grande échelle. Cette idée fait écho aux problèmes du MAUP dont l’étude est
l’objet du paragraphe suivant.
MAUP et emboîtement d’échelle
Il est fréquent d’observer des phénomènes différents en fonction du niveau d’observation et en

fonction de l’échelle d’étude. Cette variabilité des phénomènes dans leur manifestation spatiale
s’appelle le MAUP (Modifiable Areal Unit Problem). Le MAUP, tel qu’il a été explicité par Openshaw
[1984], pose deux problèmes spécifiques. L’un est lié à la pertinence des zones d’étude ; l’autre à
la méthode d’agrégation spatiale la plus appropriée à l’étude d’un phénomène. Il est courant que le
MAUP conduise à des résultats qui ne correspondent pas à la réalité d’un phénomène puisque les
mesures spatiales sont regroupées sur des entités dont les limites n’ont souvent pas d’explication
propre. En effet, il existe peu de normes dans le processus d’agrégation des objets spatiaux, elles
sont établies en fonction de la problématique de l’étude. Ainsi défini, le MAUP peut donc conduire à
143
des interprétations parfois erronées des phénomènes spatiaux. Dans ce contexte, une approche pou-
vant contribuer à une juste appréhension des phénomènes spatiaux reposerait sur la détermination
d’une échelle pertinente de l’objet étudié [Openshaw, 1984] à partir de la pluralité même de celui-ci.
En d’autres termes, il s’agirait de déterminer l’échelle en fonction de la problématique sous-jacente
à l’étude et de toute la complexité qui lui est associée. Les problèmes liés à l’échelle d’étude ainsi
que ceux plus spécifiques à l’agrégation spatiale ont été développés en géographie humaine et en
télédétection [Marceau, 1999 ; Marceau et Hay, 1999 ; Quattrochi et Goodchild, 1999 ; Mathian et
Piron in Sanders, 2001 ; Madelin et al, 2009]. Chacune de ces études convient du fait que plus que
d’être un simple problème qu’il s’agirait de contourner, le MAUP est révélateur de la complexité de
l’analyse spatiale. Cependant, il est possible de ne pas percevoir le MAUP comme un problème : il
s’agit alors de discuter de la taille et de l’agrégation des unités spatiales en amont afin de pouvoir en
aval intégrer les informations différenciées du MAUP dans une analyse spatiale.
Une des méthodes pour transformer le MAUP en outil d’analyse consiste à comparer les échelles et
à synthétiser les informations qui en découlent. Puisqu’une seule échelle ne suffit pas à questionner
un phénomène, qui est de manière inhérente, hiérarchisé dans l’espace, et puisqu’il n'existe pas de
niveau privilégié d'analyse, alors aucune échelle n'est suffisante en soi [Marceau, 1999].
In fine, le MAUP offre davantage de possibilités qu’il ne pose de problèmes. Il laisse en ce sens
la liberté au géographe d’envisager spécifiquement la réagrégation des unités géographiques en
fonction d’une problématique propre – non déterminée – ou du moins seulement déterminée par
l’accès aux données à l’échelon considéré.
Dans une idée proche, Yves Lacoste [1976, édition augmentée de 2012] introduit la notion d’emboîtement
d’échelle : il dira que l’analyse d’espaces différenciés se fait à des échelles différenciées également.
On comprend que des phénomènes obéissant à des spatialités différentes doivent être étudiés à
des échelles différentes. Ainsi affirme-t-il que « les différents ensembles spatiaux dont il faut tenir
compte pour appréhender convenablement la situation géographique d’un espace ne peuvent pas
être représentés à une seule échelle. Certains n’ont de sens qu’à très grande échelle, alors que
d’autres n’ont de signification qu’à très petite échelle ». De plus, il ajoute que « le changement
d’échelle correspond à un changement de niveau d’analyse et devrait correspondre à un changement
au niveau de la conceptualisation » [Lacoste, 2012]. Cette conception rejoint celle du MAUP car l’idée
est celle d’envisager l’espace une nouvelle fois comme pluriel.
144
7.1.2. Importance spécifique de l’unité spatiale et des échelles d’étude dans cette thèse
Dans cette thèse, il est question d’observer un certain nombre de phénomènes à différents niveaux
d’observation, sur une même zone géographique, l’agglomération parisienne. Une des difficultés
méthodologiques de ce travail réside par conséquent dans l’articulation de ces niveaux d’observation
pour apporter une lecture des relations qui existent entre trois éléments : la chaleur, la ville et la
mortalité.
La taille de l’unité spatiale est importante : celle-ci joue un rôle non négligeable sur l’observation,
l’analyse et l’interprétation des phénomènes. Nous travaillons avec 5 échelons allant du ponctuel
(station de mesure et mesures mobiles) à des niveaux de 30 m, 250 m, 1 000 m et communal. De plus,
des variables de nature très différente sont comparées, puis mises en relation ; ainsi pour chaque
niveau d’observation, une problématique spécifique est quasi systématiquement sous-jacente. Dans
ce contexte, le choix qui est opéré pour la compréhension des relations entre chaleur, ville et
mortalité est fortement soumis à l’interprétation des phénomènes observés aux différents niveaux
d’observation.
L’îlot de chaleur urbain et la répartition spatiale des températures de surface sont analysés aux
résolutions des images satellites, mais également par des données mesurées sur différents sites (cf.
Chapitre 5). En fonction de ses niveaux, il est possible d’analyser le phénomène d’ICU à l’échelle
quasi-régionale (agglomération parisienne), à celle de la ville de Paris ou encore à des niveaux
plus locaux, celui du quartier (250 m), de la rue (30 m). Chaque échelle, chaque niveau offrent par
conséquent différentes lectures des phénomènes thermiques.
Les variables étudiées pour la compréhension de la répartition spatiale des températures appelleront
souvent un changement d’échelle pour disposer d’une information plus exhaustive sur le phénomène
étudié. On peut ainsi affirmer que dans telle cellule, les températures sont plus fraîches car elle
est occupée par un jardin. Alors que le même phénomène « moyenné » au niveau communal ne
délivrera pas la même information.
L’observation de l’occupation du sol en milieu urbain ne déroge pas à la règle de la complexité et
au choix des échelles d’étude. En effet, ce qui est constaté au niveau d’un bâtiment comme par
exemple, sa hauteur, est très différent à ce qui est constaté un à niveau réagrégé comme une cellule
de 1 km, un quartier ou un arrondissement. Tantôt on y observera des caractéristiques propres,
élémentaires, voire individuelles, tantôt on observera des tendances à tel ou tel type d’habitat. La
question du sens est alors en permanence interrogée.
Pour d’autres variables, certains niveaux d’observation n’ont aucun sens : une part de ciel visible
au niveau de la cellule de 250 m présente un intérêt, mais calculer des statistiques sur la même
variable au niveau de la commune est un non-sens.
145
En définitive, il faut retenir que le changement d’échelle est avant tout un changement de point de
vue [Lévy, 2013] et que tout changement d’échelle modifie les perceptions et les représentations,
et parfois la nature même des phénomènes [Brunet et al., 1993].
Dans notre étude, nous aurons recours de nombreuses fois à des changements de niveau
d’observation, mais aussi à des changements d’échelle pour mieux interpréter la variabilité des
phénomènes : qu’observe-t-on à l’échelle de l’arrondissement ? Au niveau de la cellule de 30 m ?
Le niveau d’observation de 250 m apporte-t-il une information qui pourrait compléter celle de
l’arrondissement ? Ce que l’on observe à l’échelle de Paris se structure t-il de la même manière à
celle de l’agglomération ?
7.2. Les traitements statistiques
Cette recherche appelle un certain nombre d’analyses statistiques. Les relations entre les variables
seront étudiées dans un premier temps par corrélation linéaire. Dans certains cas, un modèle multivarié
sera proposé, dans d’autres l’analyse en composantes principales apparaîtra plus pertinente. Nous
allons dès à présent détailler les différents types de traitements qui ont été menés dans ce travail
.
7.2.1. Coefficients de corrélation, régressions linéaires simples et multivariées pour
l’évaluation des relations entre les températures et la morphométrie urbaine
Préalablement à d’autres développements, évoquons succinctement la différence qui existe entre le
coefficient de corrélation linéaire et la mise en place d’une régression linéaire simple. Dans la cor-
rélation linéaire, les variables mises en relation sont quantitatives (et le plus souvent continues). De
plus, le rôle de ces variables est interchangeable. Dans la régression linéaire, il s’agit de distinguer
la variable explicative de la variable à expliquer. La régression linéaire a pour objectif de déterminer
un modèle.
Dans le cas de cette thèse, les variables mises en relation ne sont pas interchangeables. Il s’agit
systématiquement de mesurer la relation statistique entre deux phénomènes dont l’un est de nature
« dépendante » (au sens statistique) et le(s) autre(s) de nature explicative. En d’autres termes, il
s’agit de mesurer le rôle qu’une variable quantitative peut avoir sur une autre (par exemple le rôle de
la hauteur des bâtiments sur la variabilité des températures en ville).
Pour la corrélation linéaire, la valeur du coefficient n’a pas de signification propre, en ce sens qu’il
s’agit du rapport arithmétique entre la covariance de X,Y avec les variances de X et de Y. Il mesure
la linéarité d’une relation et l’analyse du coefficient repose sur l’interprétation. Dans ce travail, nous
146
présenterons à plusieurs reprises les matrices de corrélation ; puis nous discuterons du rôle d’une
variable sur l’autre au regard des matrices obtenues.
Si la relation est linéaire, on peut envisager de procéder à une régression. Mais une relation peut
également être non linéaire, exponentielle par exemple, logarithmique ou encore logistique et donc
impliquer les régressions correspondantes.
Afin d’envisager au mieux ces diverses possibilités, nous calculons en plus des valeurs r de Pearson,
les coefficients ρ du rang de Spearman. Enfin, après avoir déterminé et analysé la matrice de
corrélation, il sera question d’envisager une régression multiple. Pour ce faire, dans une dernière
étape, en fonction des résultats obtenus, nous choisirons un certain nombre de variables pour la
construction du modèle.
7.2.2. L’analyse en composantes principales et la classification ascendante

hiérarchique pour l’étude des interrelations entre mortalité, surmortalité, températures
et facteurs socio-démographiques
L’étude des relations entre deux variables conduit vers la prise en compte de relations plus com-
plexes et plurielles, donc multidimensionnelles. La régression multivariée en est un exemple, l’analyse
en composantes principales (ACP) en constitue un autre.
L'ACP consiste en une analyse statistique dont l’objectif est de permettre la description d’un jeu de
données, de le résumer et de réduire sa dimensionnalité [Mathian et Piron in Sanders, 2001]. Elle
présente le principal avantage de pouvoir étudier simultanément les relations entre les variables et
les éventuelles ressemblances entre les individus. Les individus d’un tableau de données spatiales
sont les unités spatiales mises en jeu. L’ACP va permettre ainsi de s’intéresser d’une part aux entités
spatiales et d’autre part aux variables.
Nous analyserons un ensemble de variables sociales, démographiques et économiques. Il s’agit alors
d’observer les liaisons linéaires entre ces variables. Les objectifs sont de résumer la matrice des
corrélations et de chercher des variables synthétiques. On pourra alors observer les différences de
mortalité entre les communes par l’intermédiaire d’un petit nombre de variables.
Les unités spatiales étudiées sont les communes de l’agglomération, on s’intéressera à la variabilité
des résultats statistiques de ces unités. Y a-t-il des similarités entre les communes pour toutes les
variables ? Peut-on établir des profils de communes ? Peut-on opposer un groupe de communes à
un autre ?
Après avoir établi l’ACP, nous procéderons à une classification ascendante hiérarchique (CAH), utile
à la détermination de profils de communes. Nous caractériserons ainsi des groupes de communes
par un ensemble de variables (températures, niveau socio-économique, mortalité et la surmortalité).
147
La CAH est une méthode statistique qui permet de classifier un ensemble d’individus (dans notre
cas, les communes de l’agglomération parisienne) en fonction d’un certain nombre de caractéris-
tiques – qui sont les variables susnommées. Le principe d’agrégation repose sur une proximité des
individus deux à deux en termes de distance. Le processus d’agrégation se poursuit de manière
itérative jusqu’à la détermination d’une classe.
Un des avantages de la CAH est la représentation sous forme de dendrogramme qui permet d’une
part la visualisation des groupes, d’autre part, celle de la dispersion entre les groupes et aussi entre
les individus.
La principale limite de la CAH est relative au nombre d’individus ; lorsque l’échantillon est trop grand
(> 1 000 individus), la lecture ainsi que l’interprétation de la classification peut devenir laborieuse et
peu intéressante - étant donné que le principe de la classification repose, comme nous l’avons pré-
cédemment précisé, sur un calcul de distance entre deux individus. Mais pour notre cas, cette limite
ne se présente pas puisque notre échantillon comporte environ 130 individus (communes).
148
Cette partie avait pour objectif de présenter les données ainsi que les méthodes mises en place pour
la détermination des relations entre les températures de surface du mois d’août 2003, les formes
urbaines, les facteurs socio-démographiques, la mortalité et la surmortalité. Le schéma de synthèse
ci-dessous résume les différentes démarches mises en place pour en traiter.
VARIABLES MORPHOMÉTRIQUES DONNÉES MÉTÉOROLOGIQUES

ET OCCUPATION DU SOL
MÉTÉOFRANCE
BD TOPO (IGN) INFOCLIMAT
Variables morphométriques & MESURES MOBILES
Données tri-horaires estivales
NIVEAU Vent (direction et vitesse)
Variable : données vectorielles et températures
30 m, 250 m et 1000 m des stations Paris-Montsouris et Melun
Transects du 22-07-2013
BD ALTI (IGN) NIVEAU
Topographie de l’agglomération FACTEURS Ponctuel
NIVEAU ENVIRONNEMENTAUX
Résolution horizontale de 50 m
MODIS TERRA ET MODIS AQUA
Températures diurnes et nocturnes
MODIS NDVI VAGUES DE CHALEUR de surface
NDVI Du 01-08-2003 au 21-08-2003
13-08-2003 Ilôt de chaleur NIVEAU
NIVEAU urbain Résolutions
Résolution de 250 m et de 1000 m de 1000 m et de 250 m
Occupation du sol
Morphologie Bioclimatologie LANDSAT TM5
urbaine
LANDSAT TM5 Températures diurnes
NDVI et NDBI de surface
09-08-2003 09-08-2003
PROBLÉMATIQUE
Inégalités Mortalité
NIVEAU NIVEAU
socio-résidentielles & surmortalité
Résolution de 30 m Résolution de 30 m
Contexte
démographique
FRAGILITÉS SOCIALES CONSÉQUENCES
DES POPULATIONS ÉPIDÉMIOLOGIQUES
VARIABLES FACTEURS CONSÉQUENCES
SOCIALES SOCIAUX SANITAIRES
ET SOCIO-RESIDENTIELLES
INSEE (2002)
Revenu (des plus de 60 ans) par personne
INSEE (2006)
Nombre de HLM
Nombre de logements sans sanitaire
VARIABLES SANITAIRES
INSEE (1999)
Structure démographique de la population INSERM (2002 et 2003)
Mortalité quotidienne à domicile
INSEE (2009) des plus de 65 ans
Nombre de personnes bénéficiant durant les mois d'août 2002 et 2003
de laCouverture Maladie Univserselle (CMU) Surmortalité
des plus de 60 ans enregistée pour les mêmes années
NIVEAU NIVEAU
Commune pour les départements Commune pour les départements
de la petite couronne de la petite couronne
et arrondissement municipal et arrondissement municipal
pour Paris pour Paris
Figure de synthèse de la partie 2. Récapitulatif des données utilisées dans la recherche
149
PARTIE 3 Les interactions
entre températures,
morphométrie urbaine et végétation.
Analyses multi-niveaux
en l’agglomération parisienne
« La nature des observations

que l'on peut effectuer,
la problématique que l'on peut établir,
les raisonnements que l'on peut construire
sont fonction de la taille des espaces pris en considération
et des critères de leur sélection »
Yves Lacoste,
La géographie, ça sert d'abord à faire la guerre,
1976.
Dans cette partie, il s’agit d’analyser les spécificités de l’été 2003 et de replacer celui-ci dans
le cadre plus global des étés de 2001 à 2008. Puis, nous chercherons à quantifier les liens qui
existent entre les températures de surface et la morphométrie de l’agglomération parisienne.
Cette partie se subdivisera donc en 3 chapitres.
Nous détaillerons dans le chapitre 8 les spécificités météorologiques de la canicule du mois
d’août 2003. Dans une première sous-partie, une comparaison sera établie avec l’été 2006 qui
se caractérise également par l’avènement d’une période caniculaire au courant du mois de
juillet. Suite à cela, nous procéderons dans ce même chapitre à la représentation du profil
de l’îlot de chaleur urbain pour les étés de 2001 à 2008. L’objectif étant de définir un profil
pour l’ICU estival. Dans une seconde sous-partie, il s’agira d’étudier la répartition spatiale
des températures en période de forte chaleur. à cette fin, nous observerons les spécificités
thermiques de la canicule durant les trois premières semaines du mois d’août 2003 à l’échelle
de l’agglomération à différents niveaux d’observation (30 m, 250 m et 1 000 m) correspondant
à la résolution des images satellites. Enfin, nous présenterons le résultat de notre compagne
de mesures mobiles.
Dans le chapitre 9, nous rechercherons les facteurs explicatifs de la variabilité spatiale des
températures en période de forte chaleur. Aussi, nous évaluerons la morphométrie urbaine
ainsi que des indices de végétation et de bâti. Des cartes mettant en évidence ces différentes
variables (hauteur moyenne des bâtiments, volumétrie, le NDVI et le NDBI) seront présentées.
Enfin, nous procéderons à des mises en relation par corrélation linéaire avec les indicateurs
morphométriques, le NDVI et le NDBI dans le chapitre 10. Celles-ci nous permettront de
quantifier les relations statistiques entre ces différentes variables et de conclure sur l’in-
fluence de la morphologie urbaine et de l’occupation du sol sur les températures en période
d’extrême chaud.
Chapitre 8 :
Vagues de chaleur et îlots de chaleur urbain
Ce chapitre a pour objectif d’observer les paramètres météorologiques ainsi que la variabilité spatiale
des températures dans l’agglomération en période d’extrême chaud. À cette fin, il se découpera en 4
sous-parties. Une première sous-partie est consacrée à une approche comparative entre les étés 2003
et 2006. Puis, il s’agira d’identifier les journées d’îlot de chaleur pour les étés des années 2001 à 2008 ;
nous voulons analyser ces journées radiatives au regard du contexte météorologique spécifique du
mois d’août 2003. Suite à cela, nous étudierons la répartition spatiale des températures de surface au
niveau de l’agglomération par l’intermédiaire d’images satellites. Enfin, la dernière sous-partie a pour
objectif de changer d’échelle d’analyse (celle de la rue) et de mesurer la variabilité des températures
nocturnes lors d’un épisode de forte chaleur. Nous y présenterons par conséquent les résultats de la
campagne de mesure que nous avons menée à Paris et dans sa proche périphérie dans la nuit du
22 au 23 juillet 2013.
8.1. Températures, vents et ensoleillement à Paris : approche comparative

entre les étés 2003 et 2006
Les étés 2003 et 2006 se sont nettement dissociés des autres étés de la décennie (2000-2010) avec
des températures de 1 à 2°C plus chaudes que les valeurs moyennes des autres étés. Mais l’été 2003
a été nettement plus meurtrier que celui de 2006. Nous cherchons dans cette sous-partie à montrer
les différences météorologiques de l’agglomération en 2003 pour apporter des éléments explicatifs à la
forte mortalité de 2003. Aussi, il s’agit de mettre en évidence le caractère extrême de l’été 2003. Pour
ce faire, nous distinguons deux types d’épisodes chauds dont les différences tiennent à la nature de
la vague de chaleur. Par la nature de la vague de chaleur, on entend l’intensité et la durée de celle-ci.
155
Chapitre 8 : vagues de chaleur et îlots de chaleur urbain dans l’agglomération parisienne
L’été 2006 a été moins agressif. En effet, d’une part les températures minimales et maximales de
l’ensemble de l’été étaient moins élevées qu’en 2003 et d’autre part, l’intensité de la vague de chaleur
de 2006 a été moins forte et sa durée plus courte. Dans cette sous-partie, nous allons aborder dans un
premier temps les spécificités thermiques de chacun de ces étés pour toute la durée de la période estivale
(juin, juillet, août, septembre), puis dans un second temps nous nous intéresserons plus particulièrement
aux différences météorologiques entre les mois caniculaires d’août 2003 et de juillet 2006.
8.1.1. L’été 2003, approche comparative avec l’été 2006
Le tableau 8.1 permet d’observer les températures en termes de minimales et de maximales durant
toute la saison estivale. Les seuils de températures maximales sont ceux de Météo France pour la
qualification des journées de chaleur (> 25°C), forte chaleur (> 30°) et très forte chaleur (> 35°C). Les
seuils retenus pour les températures minimales sont ceux de l’INVS : ainsi les nuits de forte chaleur
sont celles durant lesquelles les températures se situent entre 18 et 22°C. Au-delà de 22°C, on parle
de nuits de très forte chaleur.
Durant l’été 2003, un premier épisode estival de forte chaleur est relevé le 21 juin, une alerte à la
chaleur est alors annoncée [INA - Institut National de l’Audiovisuel, 21 juin 2003]. Les températures
maximales excédent les 30°C (tableau 8.1). Le temps anticyclonique ainsi que la chaleur associée se
poursuivront au courant du mois de juillet. Aux alentours du 13 juillet 2003, on observe plusieurs jour-
nées de forte et très forte chaleur. Les températures minimales sont élevées, l’îlot de chaleur urbain
est durablement installé dans l’agglomération parisienne. Durant cette première vague de chaud,
d’autres villes en France, comme Bordeaux par exemple, ont connu des températures maximales très
élevées atteignant 41°C. Près de 15 jours après cette première vague de chaleur, un nouvel épisode
encore plus chaud et encore plus long que le précédent se produit, il s’agit de la vague de chaleur
meurtrière du mois d’août 2003. A compter du 1er août, les températures minimales et maximales ne
cessent d’augmenter pour atteindre des valeurs records.
Maintenant comparons avec l’été 2006. D’abord celui-ci est moins ensoleillé. Le mois d’août 2006
par exemple, présente des conditions très moyennes d’ensoleillement avec uniquement une journée
d’une fraction d’ensoleillement à peine supérieure à 75%. De plus, durant tout l’été 2006, une seule
nuit de très forte chaleur est recensée, il s’agit de celle du 26 juillet. Et plus globalement, comme
le montre la figure 8.1, les températures minimales nocturnes sont largement inférieures à celles de
2003 tout le long de l’été.
Cette moindre fréquence des épisodes de forte chaleur en 2006 constitue une explication fortement
probable de son caractère nettement moins meurtrier que 2003. Voyons maintenant plus spécifiquement
les vagues de chaleur de juillet 2006 et d’août 2003.
156
Partie 3 Les interactions entre températures, morphométrie urbaine et végétation. Analyses multi-niveaux
Tableau 1.1. Températures minimales, maximales et périodes d'îlot de chaleur. Comparaison entre l’été 2003 et
l’été 2006. Données, Météo France, Station Paris-Montsouris.
juin-03 juil-03 août-03 sept-03 juin-06 juil-06 août-06 sept-06

Tmin Tmax Tmin Tmax Tmin Tmax Tmin Tmax Tmin Tmax Tmin Tmax Tmin Tmax Tmin Tmax
1 19,7 29,4 13,9 20,9 16,5 30 14 20,3 1 6,5 15,7 18,2 31,1 16,6 22,8 13,3 27,8
2 17,5 22,9 14,2 23,7 18,3 31,4 11,3 19,8 2 7,1 18,1 19,7 31,1 14,3 23,8 17,5 23,6
3 16,5 25 14,2 21,4 19,8 34,8 11,1 22,3 3 10,1 21,1 19,8 32,9 14,3 21,6 19,7 26,6
4 16,4 26,1 15 19,8 21,5 36,4 12,3 25,4 4 10,6 20,6 21,8 31,1 15,9 22,8 19,8 25,1
5 14,1 23,9 13,1 22,6 22,4 37,9 13,5 19,4 5 14,2 23,7 17,8 26,8 15,3 24,2 16,7 27,2
6 15,8 26,9 14,4 24,2 23,7 39,4 15,9 22,4 6 9,1 20,5 17,9 27,3 15,6 26,4 17,6 29,9
7 17,5 28,6 16 26 23,6 38,2 12,5 20,5 7 11,3 23,4 17,6 25,5 17,9 26,6 17,4 23,8
8 19,8 24,4 15,4 26,5 22,6 36,3 11,4 22,3 8 13,6 25,4 16,5 26,9 17 23,2 12,1 21,3
9 14 25,3 16,5 28,5 22,6 37,3 14,3 21,6 9 15,1 26,4 18,7 26,5 16,2 21,8 12,1 23,8
10 18,2 25,2 18,7 30,6 23,3 38,7 14,4 20 10 15,2 29,8 17,8 30,3 14,3 21 14,6 27,6
11 16,3 27,7 20,9 30,3 25,5 39,5 15 20,3 11 17 31,2 19,9 26,3 15,1 19 15,4 30
12 18,6 28,8 15,7 28,1 25,5 39,4 15,2 23,2 12 18,1 32,9 15,4 29,6 13,1 18,2 17,2 29,8
13 16,5 27,6 16,5 30,9 22,7 33 13,2 22,2 13 20,5 33,5 15,6 29,1 13,7 16,1 16,7 28,5
14 18,8 26,7 20,3 34,1 21,6 28,8 12,6 22,8 14 19,4 25,6 16,6 27,7 12,9 21,1 19,8 23,9
15 17,3 26,6 20,7 35,6 16,7 27 13,6 24 15 15,4 21,1 17 30,5 14,7 22,8 16,7 20,7
16 16,2 28,4 19,7 26,1 17,5 29,4 13,2 25,8 16 13,1 24,4 17,9 32,5 14,3 22,2 16,8 22
17 18,1 26,8 15 23,5 19,4 29,3 14 27,1 17 15,2 27,2 19,9 33,2 15,9 24,2 17,4 18,9
18 13,4 23,9 16,2 29,7 17,8 24,7 13,1 29,5 18 17,9 30,5 20,1 35 14,7 23,5 15,5 22
19 18,5 26,4 18,7 33,8 18,6 24,5 13,7 30,4 19 18,8 24,7 21,8 37,4 13,7 22,1 14,5 21
20 17,1 25,2 20,2 27 14,9 24 13,7 28,8 20 17,3 24 19,7 31,4 14,7 22 11 23,2
21 13,7 26,7 19,5 28,3 14,2 25 14,9 30,2 21 15,1 21,7 21,8 35,4 13,7 21,1 13,6 27,6
22 15,9 31,9 17,3 27,7 15,2 25,9 16,2 21,5 22 13,2 19,3 20,3 32,1 12,9 23,4 16,7 22,5
23 21,8 25,5 17,6 26,9 16,9 25,6 10,9 17,1 23 12,9 24,4 19,7 29,5 14,5 24,1 16 23,7
24 15 27,1 17,3 23,1 17,9 26,6 7,7 17 24 14,8 27,5 19,4 32,2 14,8 20,5 15,8 21,2
25 17,5 29 16,2 23,2 14,8 27 8,6 19,5 25 17 18,7 21,6 34,1 12,5 22,5 14,7 21,3
26 19,3 27,2 17,6 20,6 15,1 26,8 7,8 21,1 26 16,1 24,3 23,5 36,3 14,1 21 13,9 20,8
27 17,6 22,8 17,7 22,7 17 26,7 11 20,7 27 16,7 23,7 20,2 27,4 14,2 21,6 12,4 21,7
28 16,1 26,5 15,6 24,8 17,8 25 12,6 17,9 28 14,9 25 20,7 29,1 14,3 18,9 12,8 22,6
29 17,2 30,4 15 26,2 16 20 8,4 19 29 15,4 26,9 17,8 29,6 13,1 14,8 14,3 24
30 18,1 23,6 18,5 23,8 13,5 19,3 8,1 20,2 30 17,3 29,5 19,4 25,2 10,9 20,9 11,7 22,9
31 15,6 24,2 10,7 19,4 31 16,7 25,8 11,9 24,3
Journées de chaleur (>25°C) Nuits de forte chaleur (>18°C)
Journées de forte chaleur (>30°C) Nuits de très forte chaleur (>22°C)
Journées de très forte chaleur (>35°C) Conditions radiatives d’ICU

Fraction d’insolation > 75%
Vitesse du vent < 3m/s
8.1.2. Août 2003, quelles différences avec juillet 2006 ?
Les différences de fréquence des épisodes de forte chaleur ne peuvent suffire à justifier la forte
mortalité de 2003 ; en effet, l’intensité de la vague de chaleur de 2003 constitue également un
important facteur explicatif, comme nous l’avons montré dans l’état de l’art de cette recherche. Une
comparaison plus précise des conditions atmosphériques entre août 2003 et juillet 2006 s’impose pour
analyser ces deux évènements thermiques chauds.
En premier lieu, nous proposons de nous intéresser au contexte atmosphérique qui permet d’identifier
les différences spatiales au niveau du positionnement des champs de pression en altitude pour les
deux vagues de chaleur.
En juillet 2006, au début de la vague de chaleur (10 juillet 2006), l’altitude géopotentielle est plus élevée
(5960 m) qu’en 2003, mais elle a une influence spatiale plus localisée, centrée sur le sud de l’Europe
157
(figure 8.1). Ces hauts géopotentiels baissent sensiblement dès le 11 juillet et se maintiennent à 5880
m pour toute la durée de vague de chaleur (annexe 4). Le temps est globalement plus instable durant
la canicule de juillet, il s’accompagne de températures moins extrêmes que le mois d’août 2003.
H 5920
5920
5960
H
Analyse à 500 hPa du 04/08/2003 12UTC Analyse 500 hPa du 10/07/2006 12UTC
Figure 1.1. Comparaison des champs de hautes pressions en France au 4 août 2003 à gauche et au 10 juillet
2006 à droite Données, Météo France.
Concernant 2003, à partir du 4 août, une dorsale d’altitude est centrée sur la France avec un
géopotentiel élevé pour toute la durée de la canicule ; elle a pour effet de maintenir l’anticyclone
thermique avec un air stable, très chaud et sec en surface. Cette crête anticyclonique perdure
jusqu’aux alentours du 15 août (annexe 5 et 6) avec des températures particulièrement élevées.
Du point de vue des températures et du vent, la situation de 2003 se distingue également de celle
de 2006. En effet, sur la figure 8.2, nous observons la constance des températures élevées en août
2003. Selon les données Météo France de la station Paris-Montsouris, des températures maximales
Vitesse
T°C du vent (m/s)
40 6
35 5
30 4
25 3
20 2
15 1
10 0
11/07/2006
12/07/2006
13/07/2006
14/07/2006
15/07/2006
16/07/2006
17/07/2006
18/07/2006
19/07/2006
20/07/2006
21/07/2006
22/07/2006
23/07/2006
24/07/2006
25/07/2006
26/07/2006
27/07/2006
28/07/2006
29/07/2006
30/07/2006
31/07/2006
01/08/2003
02/08/2003
03/08/2003
04/08/2003
05/08/2003
06/08/2003
07/08/2003
08/08/2003
09/08/2003
10/08/2003
11/08/2003
12/08/2003
13/08/2003
14/08/2003
15/08/2003
16/08/2003
17/08/2003
18/08/2003
19/08/2003
20/08/2003
21/08/2003
Août 2003 Juillet 2006

Pics de très forte chaleur VENT MOYEN T MIN T MAX
Figure 1.2. Comparaison entre août 2003 et juillet 2006 pour les températures et les vitesses de vent pour la
station Paris-Montsouris. Données, Météo France.
158
journalières supérieures à 35°C ont été enregistrées pendant plus de 8 jours consécutifs - dont la
moitié excédait les 38°C. En effet, hormis une légère baisse aux alentours du 8 août, les températures
minimales et maximales demeurent très élevées jusqu’au 13 août dépassant les 22°C en minimales
et les 35°C en maximales. Deux maxima de 39°C sont atteints une première fois vers le 6 août, puis
une seconde fois le 12 août. De manière concomitante, la vitesse moyenne du vent est très faible,
moins de 2 m/s.
En 2006, le contexte météorologique diffère en cela que les températures élevées se manifestent
en 3 vagues avec une augmentation progressive de la chaleur jusqu’au 19 juillet où les maximales
avoisinent les 37°C alors que les minimales sont de 22°C. Les températures sont supérieures à 35°C
seulement 3 journées, et de plus, non consécutives. La moyenne de la vitesse du vent durant ces
3 journées est de 3 m/s. Le 21 juillet, on constate une première baisse des températures. Le 23,
une nouvelle baisse et enfin une dernière le 27 juillet. De plus, globalement, les maxima diurnes et
nocturnes en 2006 sont moins élevés qu’en 2003. Cette progressive baisse de la chaleur a permis à
l'organisme de limiter l’hyperthermie en 2006 ; contrairement à 2003 où le contexte météorologique
extrême n’a laissé aucun répit.
En définitive, des températures plus basses associées à un vent plus fort en 2006 qu’en 2003 ont très
probablement constitué les causes d’une chaleur moins intense, et par conséquent d’une mortalité
également moindre.
8.2. Distribution des écarts de températures à Paris et Melun : comparaison

entre la vague de chaleur de 2003 et les journées estivales d’îlot de chaleur de
2001 à 2008
Paris, avec plus de 1 000 décès en excès, a été nettement plus affecté en termes de mortalité que
les zones rurales franciliennes durant la vague de chaleur de 2003. D’importantes différences de
températures existent entre la campagne et la périphérie de la ville en conditions radiatives d’îlot
de chaleur, il s’agit dans cette partie de déterminer ces écarts de températures Δ(T) entre Paris-
Montsouris et la station rurale de référence Melun. Dans un premier temps, nous les observerons
pour les journées caniculaires de 2003, puis il s’agira de les étudier pour les journées d’îlot de chaleur
des étés 2001 à 2008.
159
8.2.1. Août 2003
À partir de données météorologiques recueillies sur le site d’Infoclimat, dans la mesure de leur dis-
ponibilité, les écarts de températures Δ(T) entre Paris-Montsouris et la station rurale de référence
Melun ont été établis au pas de temps horaire pour la période caniculaire de 2003 (1er au 21 août
2003). Ce pas de temps offre une meilleure appréhension des températures en termes de minimum
et de maximum.
Les données tri-horaires de Météo France ont permis quant à elles d’établir la moyenne, l’écart-type, la
médiane et les quartiles pour les tranches horaires suivantes : 18h, 21h, 00h, 03h et 06h - UTC (figure 8.3.b)
qui seront ultérieurement comparés aux journées radiatives en situation d’îlot de chaleur (figure 8.4).
a Écarts horaires (heure locale) de température entre Paris-Montouris et Melun (ΔT) en °C du 1er au 21 août 2003
7 °C
6 Absence de données
5
4
3
2
1
0
-1
-2
-3 00h
-4
01/08
02/08
03/08
04/08
05/08
06/08
07/08
08/08
09/08
10/08
11/08
12/08
13/08
14/08
15/08
16/08
17/08
18/08
19/08
20/08
21/08
Températures instantanées par tranche horaire Cycles quotidiens de l'îlot de chaleur urbain
à Paris-Montsouris (données recueillies du site d'Infoclimat)
b Écarts tri-horaires nocturnes de température entre Paris-Montouris et Melun (ΔT) en °C du 1er au 21 août -
moyennes, écart-types et boites à dispersion par tranche tri-horaire (18h, 21h, 00h, 03h et 06h - UTC)
°C
3
2,85 2,95
2,75
2,35
2
1,34 1,31 1,21

1 1,06
0,95
0,31 0,35
0 -0,15
-0,05
-0,35
-0,5
18H00 21H00 00H00 03H00 06H00
Moyennes et écart-types Boites à dispersion
Figure 1.3. a) Écarts horaires des températures de l’air sous abri entre Paris-Montsouris et Melun du 1er au 21
août 2003. Données Infoclimat. b) Écarts tri-horaires des températures de l’air sous abri entre Paris-Montsouris
et Melun : moyennes, écarts-types, quartiles et boites à dispersion par tranche horaire nocturne entre le 1er et le
21 août 2003. Données, Météo France.
160
Au niveau du cycle quotidien de l’ICU, on remarque que les écarts de températures sont plus
importants en termes d’amplitude la nuit que la journée. Le graphique horaire (figure 8.3.a) met en
évidence un cycle des écarts de températures dont les valeurs nocturnes les plus élevées sont de 4
à 6°C. Quant au graphique tri-horaire, il corrobore les observations horaires avec les écarts les plus
faibles à 18h (UTC). En effet, les valeurs observées au pas de temps tri-horaire permettent de relever
une différence de plus de 1°C en moyenne la nuit entre Paris-Montsouris et Melun, alors qu’à 18h,
cette différence est quasi nulle – et plus occasionnellement négative au vu de l’écart-type et du 3ème
quartile. On observe également que les différences nocturnes de températures commencent dès 21h
et se maintiennent jusqu’à 6h du matin. Les valeurs maximales de ces écarts approchent les 3°C au
pas de temps tri-horaire.
Au pas de temps horaire, l'information offre une meilleure appréciation des écarts maximaux,
notamment avec plus de précisions. Pendant les nuits du 10, 11 et 12 août, une différence de 5 à
6°C est observée entre Paris et Melun. Plus particulièrement dans la nuit du 11 au 12 août 2003, de
22h à 06h du matin une différence de plus de 5°C était quasi constante. Alors qu’il faisait 22°C à 4h
du matin à Melun, à Paris la température était de 27°C. Ce caractère thermique propre au centre
de l’agglomération a très probablement fortement influé sur la mortalité durant ces nuits où il a été
relevé que la chaleur a causé une forte mortalité dans la capitale. Le caractère extrême de l’été 2003
est notoire, il apparaît cependant nécessaire de le rapprocher de situations radiatives similaires
telles que les épisodes estivaux d’îlot de chaleur afin de disposer d’une meilleure appréhension des
vagues de chaleur en général.
8.2.2. Les journées estivales en condition radiative d’îlot de chaleur urbain
Les journées d’ICU sont caractérisées par un fort ensoleillement et un vent faible (fraction d’insolation
> 80% et un vent quotidien moyen < 2 m/s). Elles ont été ainsi sélectionnées et constituent un
échantillon de 76 journées sur la période des étés de 2001 à 2008.
La figure 8.4 illustre les moyennes des écarts de températures Δ(T) entre 21h et 06h du matin.
On y observe une constance du Δ(T) entre Paris-Montsouris et Melun la nuit – notamment entre 00h
et 6h du matin : un écart de plus de 1,5°C en moyenne est à relever durant les périodes d’ICU. Ces
valeurs sont globalement plus élevées que celles observées lors du mois d’août 2003.
Mais en 2003, on attire l’attention sur le fait que la dispersion est moins importante en fin de journée
(18h) et qu’elle est plus forte tout au long de la nuit. Ainsi que nous l’avons observé à partir des
données d’Infoclimat (figure 8.3), d’importants écarts horaires existent entre ces stations, apportant
des éléments de réponse à la forte dispersion des valeurs.
161
Écarts tri-horaires nocturnes de température entre Paris-Montouris et Melun (ΔT) en °C du 1er au 21 août -
moyennes, écart-types et boites à dispersion par tranche tri-horaire (18h, 21h, 00h, 03h et 06h - UTC)
°C
3
2,85 2,95
2,75
2,35
2
1,34 1,31 1,21

1 1,06
0,95
0,31 0,35
0 -0,15
-0,05
-0,35
-0,5
18H00 21H00 00H00 03H00 06H00
Moyennes et écart-types Boites à dispersion
Figure 1.4. Écarts de température de l’air sous abri entre Paris-Montsouris et Melun : moyennes, écart-types et
boites à dispersion pour les journées estivales de 2001 à 2008 en conditions radiatives d’îlot de chaleur urbain.
Données, Météo France.
8.2.3. Différences et similitudes au niveau de la vitesse et de la direction du vent entre

le mois d’août 2003 et les périodes d’îlot de chaleur estival
En tout premier lieu, il convient de prêter attention au contexte estival général. Nous allons étudier
la vitesse instantanée des vents en fonction de leur direction et en fonction des températures pour
la période estivale de 2001 à 2008 (figure 8.5.a). Ensuite, il s’agit d’établir une comparaison avec les
journées en situation radiative d’ICU et les journées caniculaires de 2003 (respectivement figures
8.5.b et 8.5.c).
Pour le contexte général, les vents synoptiques sont en provenance du nord et plus majoritairement
du sud-ouest. Au niveau de la vitesse, on observe que les plus vents forts (ici > 5 m/s) proviennent
essentiellement de ces directions nord (N) et sud-ouest (SSO). Au niveau des températures, lorsque les
vents appartiennent aux directions sus-évoquées, celles-ci sont plutôt fraîches, impliquant, notamment,
à titre d’exemple, des températures inférieures à 22°C pour près de 20% des enregistrements du mois
d’août 2003 (figure 8.5.c).
La canicule de 2003 et les périodes d’îlot de chaleur (figure 8.5.c) présentent chacun des profils de
vents différents par rapport au contexte estival général (figure 8.5.a).
Pour aborder le cas spécifique de la canicule de 2003, les vents de secteur nord (N) sont très
largement présents (comparativement à ceux du sud). Mais en plus de ces derniers, on relève la
prédominance de ceux d’est (E) dont l’origine pourrait être thermique eu égard au contexte estival
d’extrême chaud. Donc, les vents du nord (N) et ceux de secteur nord-est (NNE) sont très présents
et représentent à eux deux plus de 50% des observations.
162
a) Vents instantanés tri-horaires (18h, 21h, 00h, 03h et 06h) pour les étés de 2001 à 2008
N = 4880
N N
N
15% 15%
10% 10%
5% 5%
O E O E
S S
Vitesses et directions du vent (en m/s) Températures (en °C) en fonction de la direction du vent
0 1 2 3 4 5 7 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36
Vents nuls (non représentés) < 1%
b) Vents instantanés tri-horaires (18h, 21h, 00h, 03h et 06h) pour les journées d’îlot de chaleur
N = 371
N 20% N 20%
15% 15%
10% 10%
5% 5%
O E O E
S S
0 1 2 3 4 10 15 20 25 30 36
c) Vents instantanés tri-horaires (18h, 21h, 00h, 03h et 06h) du 1er au 21 août 2003
N = 105
NN
40% 40%
30% 30%
20% 20%
10% 10%
O E O E
S S
0 1 2 3 4 5 14 16 18 20 22 24 26 28 30 32 34 36
Figure 1.5. Températures, vitesses instantanées et directions des vents établies à partir de valeurs tri-horaires
à la station Paris-Montsouris a) pour les journées estivales de 2001 à 2008, b) pour les journées en situation
radiative d’ICU c) et pour la période caniculaire du mois d’août 2003. Données, Météo France.
163
On observe qu’ils sont par ailleurs les plus forts (supérieurs à 3 m/s) lorsqu’ils proviennent de ces
directions. Concernant les températures, la rose des vents mettant en relation la direction des vents
avec les températures indique une certaine fraîcheur (T < 22°C) lorsque les vents sont de secteur
nord (N) ; nous parlons ici de fraîcheur relativement au contexte caniculaire du mois d’août où les
températures nocturnes étaient supérieures à 25°C plusieurs nuits consécutives.
Pour le contexte des journées d’îlot de chaleur (figure 8.5.b), les vents instantanés de 3 à 4 m/s
(c’est-à-dire les plus forts par rapport au contexte de l’échantillon de journée d’ICU : vent instantané
inférieur à 3 m/s ou vent moyen quotidien inférieur à 2 m/s) proviennent généralement du secteur est
(E), plus précisément du nord-est (NNO) ainsi que du sud-est (SEE). Précisons qu’il est peu probable
que ces vents faibles soient d’origine synoptique ; l’hypothèse des brises thermiques doit être à
nouveau envisagée - étant donné leur fréquence en période d’îlot de chaleur.
En effet, pendant les périodes d’îlot de chaleur, les brises thermiques sont souvent présentes dans
l’agglomération. L’inégal réchauffement de surfaces voisines, mais hétérogènes en termes d’occupation
du sol (ville = surface artificialisée à forte dominante minérale / campagne = plus abondante présence
de surface végétalisée), entraînent des déplacements d’air le plus souvent de la périphérie vers le
centre de l’agglomération. Ces vents sont appelés brises de campagne. Les brises de campagne de
type thermique peuvent avoir des directions différentes des vents synoptiques.
La figure 8.6 illustre les profils les vitesses et les directions des vents (moyennes par tranche tri-
horaire) pour les étés de 2001 à 2008 (figure 8.6.a), les journées en situation radiatives d’ICU (8.6.b)
et la canicule de 2003 (8.6.c).
Le profil estival général montre une constance de la direction du vent (S0) au courant de la nuit -
(moyenne tri-horaire) avec une baisse de la vitesse. En début de matinée (6h UTC), la vitesse du vent
est inférieure à 2,5 m/s en moyenne.
Le contexte d’ICU met en évidence des vents dont la direction est en moyenne est (E) du sud-est
(SE) et dont la constance est également établie tout au long de la nuit. On observe cependant une
sensible augmentation de la vitesse entre 0h00 et 3h00.
L’été 2003 présente le profil le plus atypique des trois contextes. Les vents ont, en moyenne, une
vitesse de presque 3 m/s et sont de direction plutôt sud-est (SE) en fin de journée et en fin de nuit.
Ces derniers changent de direction au milieu de la nuit à 00h, ils proviennent du sud-ouest (SO),
même si sa vitesse moyenne est sensiblement plus faible. Ces changements de direction peuvent
être la manifestation de brises thermiques particulièrement au courant de la de nuit où le vent
sensiblement plus frais (eu égard au contexte de 2003) de la campagne se dirige vers la ville alors
que l’air chaud urbain s’élève en altitude.
164
Moyennes des vitesses et directions du vent par tranche horaire (UTC)

pour les étés de 2001 à 2008
3,5 270
OUEST
Vitesse Direction
en m/s en ° 250
230
3 210
190
SUD
170
2,5 150
130
110
EST
2 90
18H00 21H00 00H00 03H00 06H00

pour les journées en situation radiative d’îlot de chaleur urbain
2,5 270
Vitesse Direction
OUEST
en m/s en ° 250
230
2 210
190
SUD
170
1,5 150
130
110
EST
1 90
18H00 21H00 00H00 03H00 06H00

pour le mois d’août 2003
3,5 270
Vitesse Direction
OUEST
en m/s en ° 250
230
3 210
190
SUD
170
2,5 150
130
110
EST
2 90
18H00 21H00 00H00 03H00 06H00
Vitesses moyennes du vent Directions moyennes du vent
Heures de lever et de coucher du soleil

(moyennes de juin à septembre établies à partir des éphémérides)
Heure de coucher : en moyenne à 19h10 UTC
Heure de lever : en moyenne à 04h30 UTC
Figure 1.6. Vitesses et directions du vent établies par tranche horaire à la station Paris-Montsouris a) pour
les journées estivales de 2001 à 2008, b) pour les journées en situation radiative d’ICU et c) pour la période
caniculaire du mois d’août 2003. Données, Météo France.
165
8.3. Estimation de l’îlot de chaleur urbain de surface de la vague de chaleur

de 2003
Dans la précédente sous-partie, nous avons abordé la canicule de 2003 au regard des paramètres
météorologiques (températures de l’air sous abri, vitesses et directions du vent) pour une comparaison
avec des périodes estivales caniculaires ou favorables à leur avènement. Cette approche a permis de
qualifier et quantifier les écarts thermiques entre Paris-Montsouris et Melun pour différents types de
périodes estivales.
Dans cette nouvelle sous-partie, l’objectif est d’analyser la vague de chaleur de 2003 dans une
perspective plus spécifiquement spatiale. Les températures de surface du mois d’août 2003 à différents
niveaux grâce aux images satellites Landsat et MODIS nous permettent de mener à bien cet objectif.
8.3.1. Les températures de surface à moyenne résolution à partir de l’image Landsat

TM5 du 9 août 2003
Les résultats obtenus à partir du traitement de la bande 6 de l’image Landsat du 9 août 2003
permettent d’observer les températures de surface à moyenne résolution. Nous proposons de laisser
à disposition deux cartes des températures de surface afin d’optimiser la représentation. En effet, à la
résolution de 30 m, une classification des températures à intervalle fixe de 2°C est la plus pertinente
pour en observer la continuité (figure 8.7.a). Cependant une cartographie des températures à partir
de la classification de Jenks (par seuil naturel) est également représentée (figure 8.8.a) car on y peut
distinguer les ruptures de la distribution, mais aussi les valeurs extrêmes avec une meilleure lisibilité.
Sur ces deux cartes, nous discernons qu’en journée, les températures les plus chaudes se situent au
nord de la petite couronne. Une comparaison avec l’occupation du sol nous montre que ces zones
correspondent à l’emplacement des aérodromes ou de manière plus générale à des zones imper-
méables souvent goudronnées (figure 8.8.b). Il peut également être question, plus rarement, dans
ce même secteur, de zones rurales. Les plaines agricoles connaissent, en effet, des températures de
surface élevées en journée, comme nous pouvons ponctuellement l’observer à l’extrême nord-est de
la petite couronne (figure 8.8.a). Les zones les plus fraîches correspondent aux espaces végétalisés
(forêts) ou aux zones occupées par de l’eau (tracés de la Seine et de la Marne). On délimite les zones
forestières qui se situent aux limites de la petite couronne : à l’ouest, la forêt de Meudon et à l’est la
forêt de Notre-Dame à proximité de Créteil.
Paris n’apparaît pas comme la zone la plus chaude de l’agglomération en journée. La capitale est
en moyenne plus fraîche que le reste de l’agglomération (figure 8.7.b) et plus spécifiquement que
certaines zones artificialisées de la Seine-Saint-Denis (aéroport du Bourget) ou du Val-de-Marne
(Aéroport d’Orly) qui sont souvent fortement goudronnées (figure 8.8.b).
166
a) Carte des températures de surface à 10H15 (heure locale)

le 09-08-2003
Seine-Saint-Denis (93)
Paris (75)
Hauts-de-Seine (92)
Val-de-Marne (94)
5000 m
Températures de surface (en °C)
23 24 26 28 30 32 34 36 38 40 42 44 46 48 49
b) Paramètres statistiques par département pour les valeurs de températures diurnes (en °C)
Départements de l’agglomération 75 92 93 94
Moyenne 33,46 33,13 34,95 33,91
Médiane 33,56 33,57 34,83 34,00

3ème quartile 34,42 34,13 36,07 35,25
Maximum 41,90 44,06 48,10 43,71
Figure 1.7. a) Cartes des températures de surface dans l’agglomération parisienne du 09.08.2003 à 30 m de
résolution par discrétisation continue à intervalle de 2°C. b) Tableau des paramètres statistiques des valeurs
de températures par département. Données, Landsat 09.08.2003.
167
1
a) Températures de surface à 10H15 (heure locale)
2
ZONES DE CHALEUR OU DE FRAICHEUR

DANS L’AGGLOMÉRATION :
1/ Aéroport du Bourget
& Parc d’exposition de 3
Villepinte
2/ Zones rurales
3/ ZAC de la Montjoie
(Saint-Denis) a
4/ Aéoroport d’Orly
5/ Bonneuil-sur-Marne
a/ Forêt de Meudon
b/ Forêt de Créteil 5
4 b
5000m
Températures de surface (en °C) Classification : Jenks
23 31 33 35 36 37 39 42 48 49
b) Classes d’occupation du sol
Zones industrielles,
commerciales ou militaires
Voies ferrées, gares
ports et aéroports
Routes
et autoroutes
Urbain continu
Urbain discontinu
dense
Urbain discontinu
moyennement dense
Urbain discontinu
peu dense
Urbain discontinu
très peu dense
Cours d’eau
et étendus d’eau
Zones agricoles
Espaces sportifs
ou de loisirs
Végétation urbaine
Forêts
Figure 1.8. a) Températures de surface du 09.08.2003 à 30 m de résolution. Données, Landsat. b)

Comparaison avec l'occupation du sol de l’agglomération parisienne. Données, EEA.
168
Plus généralement, le nord-est de la petite couronne, et plus particulièrement le département de

la Seine-Saint-Denis, présentent des températures diurnes de surface les plus élevées du territoire
(figure 8.7.b). Dans ces secteurs, différents types d’espace coexistent. Certains d’entre eux, qui sont
caractérisés par des températures élevées liées à une forte artificialisation des surfaces, correspondent
à des zones industrielles avec la présence de larges avenues, de parts et d’autres desquelles sont
implantés des entrepôts ou encore des bureaux, comme dans la commune de Bonneuil-sur-Marne.
D’autres espaces sont des zones d’habitation, mais ils possèdent également un aspect très minéral.
Ils ont alors de fortes ressemblances thermiques avec les précédentes zones industrielles. Le tissu
urbain de ces zones d’habitation est marqué par une très faible présence de la végétation comme le
souligne la DRIEE (Direction Régionale et Interdépartementale de l’Environnement et l’Énergie d’Île-
de-France) en 2012 pour la ZAC (Zone d'Aménagement Concerté) de la Montjoie à Saint-Denis par
exemple. L’habitat est souvent de type barre et/ou tours. L’association de ce caractère très minéral et
de la faible présence de végétation explique les températures plus chaudes de ces espaces.
L’image Landsat du 9 août 2003 nous a permis de déterminer la répartition spatiale des températures
de surface et de procéder à une comparaison visuelle avec l’occupation du sol. Elle présente l’intérêt
de pouvoir disposer d’une information thermique à moyenne résolution (30 m), mais seulement
ponctuellement (environ une date par mois) et de plus uniquement pour un horaire diurne. Afin de
disposer d’une information sur les températures nocturnes de surface, nous allons étudier dans la
prochaine sous-partie les températures issues des images MODIS.
8.3.2. Répartition spatiale de l’îlot de chaleur de surface durant la canicule de 2003
8.3.2.1. Les températures diurnes et nocturnes de surface aux résolutions de MODIS
Observation de l’évolution de la canicule du mois d’août 2003
Les images quotidiennes MODIS permettent de suivre la canicule de 2003 à quatre moments de
la journée. Les dates retenues représentent les journées les plus chaudes de la canicule (dans la
mesure des images offrant la possibilité de recouvrir celles-ci sans données manquantes). Elles
concernent les 3, 5, 6, 8 et 12 août 2003. La première série d’images (figure 8.9) est informative des
températures de surface en journée à 11h et 13h (UTC). La seconde série (figure 8.10) présente les
images nocturnes à 22h et 02h (UTC) dans l’agglomération parisienne.
Les images diurnes des 6 et 12 août 2003 mettent en évidence les deux pics de très forte chaleur de
la période caniculaire : des températures de surface atteignant les 50°C à 13h (UTC), et notamment
en périphérie de Paris. Le premier pic observé le 6 août révèle l’installation de l’air très chaud dans
169
l’agglomération. Ce pic de chaleur est suivi d’un rafraîchissement des températures les jours suivants.
On retient ainsi que les températures diurnes de surface sont sensiblement plus fraîches en milieu
de canicule (09-08-2003) qu’à son début (03-08-2003). En revanche, soyons attentifs au fait que les
températures nocturnes de surface (à 22h et à 02h, UTC) demeurent continuellement élevées :
celles-ci sont de 25 et 30°C, et ce même en milieu de canicule (figure 8.10).
Toujours concernant les images diurnes, d’un point de vue spatial, ainsi que nous l’avons observé sur
l’image Landsat, sont identifiables des températures sensiblement plus élevées en périphérie qu’à
l’intérieur de la ville. Dans la précédente sous-partie, nous avons montré qu’une plus forte présence
de zone goudronnée avec des quartiers aménagés avec de larges avenues ou d’espaces industriels,
mais également plus rarement (dans notre étude) une occupation du sol agricole favorisaient une
plus forte chaleur de surface en périphérie. Relativement à ces zones de banlieues péri-urbaines et
plus occasionnellement rurales, on peut évoquer l’existence d’un îlot de fraîcheur urbain à Paris -
qui se caractérise par des températures sensiblement plus fraîches que sa périphérie en journée. A
contrario, le phénomène est inversé la nuit (figure 8.10).
En effet, les images températures nocturnes de surface révèlent pour leur part une chaleur fortement
localisée à Paris. On observe plus spécifiquement des différences de températures entre le nord et
le sud de la ville. Le sud de Paris connaît des températures particulièrement chaudes à 02h00 (UTC)
les 5 et 6 août 2003. On observe ainsi une différence de température de surface de 1 à 2°C entre le
18ème arrondissement (nord) et le 13ème (sud). Cette différence nord/sud a une tendance à se prolonger
03/08/2003 05/08/2003 06/08/2003 08/08/2003 12/08/2003

T°C 11H00 (UTC)
T°C 13H00 (UTC)
Températures diurnes de surface (MODIS, 1 km)
30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
Valeurs manquantes
10 km
Figure 1.9. Répartition spatiale des températures diurnes de surface (≈11h00 et 13h00, UTC) entre le 3 et le 12
août 2003 à Paris et dans sa région. Données, MODIS.
170
dans le sud de l’agglomération plus généralement.

D’un point de vue temporel, les images nocturnes mettent en évidence assez nettement l’intensifi-
cation du phénomène d’îlot de chaleur. Alors même que la journée du 8 août se caractérise par des
températures moins élevées (relativement à la série d’images diurnes) que la journée précédente, la
nuit du 8 août est marquée par une forte chaleur nocturne en termes de température de surface. Une
nette augmentation de la chaleur nocturne est ainsi observée en quelques jours : la nuit du 8 au 9
août 2003 est d’environ 7°C plus chaude que celle du 3 au 4 août. Cela peut s’expliquer en partie
par un phénomène d’inertie thermique liée à une accumulation d’énergie dans les matériaux urbains
suite à plusieurs journées de forte chaleur, mais aussi par la continentalisation de la masse d’air
chaud accompagnée d’une quasi absence de vent entraînant des extrêmes thermiques nocturnes.
Les nuits les plus chaudes, celles du 5, 6 et 12 août 2003 présentent des îlots de surface très
marqués quelle que soit l’heure de la nuit.
Ces images nocturnes mettent en évidence en définitive que Paris et sa très proche banlieue
gardent des températures de surface très élevées atteignant les 30°C en moyenne à 22h (UTC).
Une décroissance des températures est observable à mesure que l’on s’éloigne de Paris. Cet écart
de température entre la ville et la périphérie, liée à une différence des propriétés de surface
(morphométrie urbaine) et de l’occupation du sol (végétation), va faire l’objet de plus amples
développements dans la prochaine sous-partie et aussi plus largement dans les prochains chapitres.
03/08/2003 05/08/2003 06/08/2003 08/08/2003 12/08/2003

T°C 22H00 (UTC)
04/08/2003 06/08/2003 07/08/2003 09/08/2003 13/08/2003

T°C 02H00 (UTC)
Températures nocturnes de surface (MODIS, 1 km)
14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Valeurs manquantes
10 km
Figure 1.10. Répartition spatiale des températures nocturnes de surface (≈ 22h00 et 2h00, UTC) entre le 3 et le
13 août 2003 à Paris et dans sa région. Données, MODIS.
171
Approche exploratoire des relations entre températures de surfaces et occupation du sol
Afin d’observer les écarts de températures entre Paris et sa périphérie, nous choisissons de représenter
un profil de températures NO/SE (figure 8.11). Le choix particulier de cette orientation repose sur
le gradient de mortalité du mois d’août 2003. En effet, nous le verrons, le sud de l’agglomération (et
plus spécifiquement le sud de Paris) a été plus affecté que le nord en termes de la mortalité et de
la surmortalité.
TEMPERATURES NOCTURNES DE SURFACE (°C)

06 août 2003 - 02H00 (TU)
26
25
24
23
22
21
20
A B
Paris hypercentre
URBAIN DENSE
8ème 5ème
URBAIN A URBAIN A
PERI-URBAIN PERI-URBAIN
17ème 13ème
PERI-URBAIN Levallois Ivry-sur-Seine PERI-URBAIN
A RURAL Colombes Vitry-sur-Seine A RURAL
Argenteuil Yerres
A: direction PONTOISE
A B : direction MELUN
B
≈ 45 km
TEMPERATURES NOCTURNES DE SURFACE (°C)
06 août 2003 - 02H00 (UTC) OCCUPATION DU SOL
Zones industrielles,
commerciales
A A ou militaires
Voies ferrées, gares,
ports et aéroports
Routes et autoroutes
Urbain continu
Urbain discontinu dense
Urbain discontinu
moyennement dense
Urbain discontinu
peu dense
Urbain discontinu
très peu dense
Cours d’eau
et étendues d’eau
Zones agricoles
Espaces sportifs
ou de loisirs
B B Végétation urbaine
Forêts
16 17 18 19 20 21 22 23 24 25 26 10 km
DONNÉES
Températures de surface : MODIS
Occupation du sol : EEA
Figure 1.11. Profil transversal des températures de surface pour la nuit du 6 août 2003 à 2h00 UTC. Données,
MODIS. Comparaison avec l’occupation du sol. Données, EEA.
172
Cette figure 8.11 présente un exemple de profil pour le 6 août 2003 durant la nuit à 2h (UTC).
Sur celui-ci, on voit très nettement une différence de température entre l’hyper-centre de Paris
(comprenant les premiers arrondissements) et sa proche périphérie. En effet, celle-ci est d’environ
3 à 4°C entre Paris hyper-centre (4 premiers arrondissements de ville) et Vitry-sur-Seine (qui se
situe en banlieue sud à une quinzaine de kilomètres de Paris). D’autres profils de température ont
été élaborés afin d’approfondir l’étude de la variabilité
03/08/2003
46
TS en °C
spatiale durant les journées les plus chaudes de la
42
38 canicule du mois d’août 2003. Nous représentons
34
30 ces transects sous forme de graphiques sur la figure
26
22 ci-contre, numérotée 8.12.
18
0 10 20
Les transects débutent sur une zone végétalisée (parc
30 40
Transect en km
46 urbain) à Saint-Ouen-l’Aumône, petite commune fron-

05/08/2003
42
38 talière à celle de Pontoise. On notera par conséquent
34
30 des températures sensiblement plus fraîches dans le
26
22 parc comparativement à l’intérieur de la commune où
18
0 10 20 l’on gagne 2°C.
30 40
06/08/2003
46
42
La précédente carte d’occupation du sol (figure 8.11)
38
34
permet d’associer visuellement la variabilité des tem-
30
26
pératures à celle de l’occupation du sol. Une baisse
22
18
de températures de surface est observable selon la
0 10 20
densité urbaine, notamment de nuit. Mais également
30 40
08/08/2003
46
42 végétations et forêts s’accompagnent de températures
38
34 plus basses sur le transect, comme au croisement de
30
26 la forêt de Sénart à proximité d’Yerres (limite sud de
22
18
0 10 20
l’agglomération), de jour comme de nuit.
30 40
46
Les profils transversaux mettent en évidence d’autres
12/08/2003
42
38
phénomènes que se distinguent selon que l’on étudie
34
30
les températures en journée ou de nuit.
26
22
En journée, par exemple, les températures de surface
18
0 10 20 sont plus sensibles à l’occupation du sol que la nuit ;
30 40
ce résultat corrobore les travaux de Voogt [2002]. En

Températures de surface à 11H00 (UTC)
13H00
22H00
02H00
effet, lorsque le transect rencontre une zone arborée

Figure 1.12. Profils transversaux des
températures nocturnes de surface pour les
(comme au nord d’Argenteuil au niveau de la com-
5 journées les plus chaudes du mois d'août
2003. Données, MODIS.
mune de Cormeilles-en-Parisis – à moins de 5 km
173
environ du début du transect), une baisse d’environ 2 à 3°C des températures est constatée sur les
profils nocturnes. Cette baisse est plus accusée en journée avec une différence de 6°C à la traversée
de ce même espace végétalisé. Retenons par conséquent qu’une plus forte variabilité diurne en zone
urbaine est identifiable avec des différences de plusieurs degrés alors que la nuit elle est nettement
moins franche.
Globalement, tous les profils nocturnes mettent en évidence l’opposition centre-ville (de Paris) et
périphérie avec une baisse des températures à mesure que la trajectoire s’éloigne en banlieue.
Les transects montrent par ailleurs une plus importante variabilité des températures en journée
(fluctuation de 2 à 3°C). La nuit, le phénomène mis en évidence est une baisse systématique de 3 à
6°C à mesure que le transect s’éloigne de l’hyper-centre.
Pour les deux journées les plus chaudes de la période (6 et 12 août 2003), cette différence est particu-
lièrement accusée : en effet elle atteint plus de 5°C pour le 6 août 2003. La baisse est plus prononcée
à 2h qu’à 22h (UTC) et montre la lente évacuation de la chaleur urbaine qui survient en fin de nuit
en période d’extrême thermique.
Par ailleurs, cette baisse observée est très probablement plus faible que ce qu’elle serait si le transect
avait traversé une zone rurale (comme à proximité de Melun par exemple). Néanmoins, même en
zone péri-urbaine, elle illustre assez bien les écarts de températures entre Paris et ses banlieues.
8.3.2.2. Réagrégation des données de températures de surface à l’échelon communal
Nous avons observé l’agglomération par les images MODIS à 1 000 m de résolution. Ici, nous nous
intéressons au niveau communal. La résolution originelle est trop grande pour une réagrégation au
niveau de la commune ; d’autant plus que certaines communes de l’agglomération parisienne (et/ou
des arrondissements parisiens) ont une superficie inférieure au km² (exemples : le 2ème arrondissement
de la capitale ou encore la commune du Pré-Saint-Gervais). C’est pourquoi nous avons choisi ici de
prendre des images rééchantillonnées à 250 m qui nous permettent de disposer d’un nombre plus
important de points de grille pour chaque commune et arrondissement municipal.
Pour chaque heure de prise de vue MODIS, nous avons calculé la moyenne de la période caniculaire
(annexe 7). Tel que nous l’avons développé dans le chapitre 5 de cette recherche, ce calcul a pour
objectif d’obtenir des données de températures de surface au niveau de la commune dans le but de
les mettre en relation avec la mortalité et la surmortalité du mois d’août 2003. La figure 8.12 montre
ces températures moyennées pour les quatre horaires de passage.
Par rapport aux cartes précédentes des températures aux niveaux de Landsat et de MODIS, une perte
d’information liée au passage à un niveau plus grossier était inévitable.
174
TEMPÉRATURES DIURNES DE SURFACE (MÉDIANES)
11h00 (UTC) 13h00 (UTC)
5000 m
Températures de surface en °C
32 33 34 35 36 37 38 39 40 41 42 43
TEMPÉRATURES NOCTURNES DE SURFACE (MÉDIANES)
22h00 (UTC) 02h00 (UTC)
17 18 19 20 21 22 23 24 25 26
Figure 1.13. Valeurs médianes des températures de surface (°C) de l’agglomération parisienne au niveau
communal pour 4 horaires de la journée (11h, 13h, 22h et 02h, UTC) pour la période du 01.08.2003 au
21.08.2003. Données, MODIS.
175
Toutefois ces cartes rendent assez bien compte des principales caractéristiques thermiques de
l’agglomération aux différents horaires. En journée, Paris présente des températures sensiblement
moins chaudes que la périphérie. La nuit, les arrondissements parisiens du sud de la Seine sont les
plus chauds de l’ensemble d’agglomération.
8.4. La campagne de mesure mobile de juillet 2013 : pour une approche de

la variabilité des températures à l’échelle de la rue
Nous avons déterminé les températures de surface pour différents niveaux spatiaux allant du quartier
(correspondant à des points de grille à la résolution Landsat) à la commune (par agrégation des
données MODIS à 250 m).
Toutefois, nous ne disposons pas d’observation au niveau de la rue. Par conséquent, afin d’y remédier,
nous avons mis en place une campagne de mesure mobile dont l’objectif est de mesurer la variabilité
des températures dans les rues de Paris d’une part et d’autre part dans celles de la proche banlieue
(la commune des Lilas). Quelles sont les différences thermiques entre Paris-centre et sa proche
périphérie à l’échelle de la rue ?
8.4.1. Le contexte météorologique du 22 juillet 2013
À partir du 21 juillet 2013, des cellules de hautes pressions sont positionnées sur la France. De très
fortes valeurs de températures (supérieures à 33°C la journée et à 20°C la nuit) sont alors enregistrées
à Paris. La masse d’air devenant de plus en plus chaude, elle a favorisé l’installation d’une vague de
chaleur qui a duré 3 jours en Île-de-France. Nous sommes dans un contexte d’îlot de chaleur urbain
et simultanément dans une conjecture thermique proche de celle de la vague de chaleur de 2003.
Des mesures mobiles de températures de l’air ont été effectuées durant la nuit du 22 au 23 juillet
2013 entre 22h30 et 01h30. Cette nuit-là, les températures minimales dépassaient des 23°C et les
maximales atteignaient en journée les 35°C d’après les données de températures de l’air à Paris-
Montsouris [Météo France].
Deux trajectoires simultanées ont été mises en place : l’une dont le point de départ se situe au
Père Lachaise (20ème arrondissement) et s’achève dans le Marais à Saint-Paul (4ème arrondissement).
Il mesure environ 6 km. Le second transect a comme point de départ la commune des Lilas. Il est
circulaire, il traverse Les Lilas et s’achève à Saint-Fargeau dans le 20ème arrondissement. Il mesure
également environ 6 km.
176
Concernant le transect à Paris, l’objectif est de mettre en évidence la variabilité des températures de
l’air dans des arrondissements où la densité de population est très forte (comme le 11ème arrondissement
avec plus de 40 000 habitants au km²). Concernant le transect mené en périphérie (l’essentiel des
mesures ayant lieu aux Lilas), il s’agit d’observer la variabilité spatiale des températures en proche
banlieue de Paris. Les deux trajectoires ainsi que les choix de leurs localisations ont été présentés
plus amplement dans la partie consacrée à la méthode (Cf. Chapitre 5).
Avant de développer les résultats des mesures, une image MODIS du 22 juillet 2013 à 22h (UTC)
est étudiée afin de contextualiser spatialement cette vague de chaleur par le biais des températures
de surface (figure 8.14). Nous disposons donc d’une vue d’ensemble de la répartition spatiale des
températures nocturnes (de surface) à l’échelle de l’agglomération au moment de nos mesures mobiles.
Des différences de températures entre Paris et la petite couronne sont assez nettement observables.
Les zones de très forte chaleur correspondent aux arrondissements du sud-ouest de Paris et plus
globalement, à l’échelle de l’agglomération, aux communes s’alignant sur un gradient orienté nord-
ouest / sud-est (exception faite des zones forestières).
Aux limites ouest des Hauts-de-Seine dans les communes de Meudon et de Clamart, on observe
des zones plus fraîches que dans le reste des Hauts-de-Seine. En effet, ces dernières se situent
en bordure de forêt et, de plus, ont une densité de bâti moins importante - en raison d’une forte
présence d’un habitat pavillonnaire dans la commune. Ce type d’habitat est également fortement
présent dans l’est de l’agglomération (comme les communes de Clichy-sous-Bois ou de Sevran) où
des températures plus fraîches sont identifiées.
A contrario, les communes de Nanterre (au nord-ouest), de Vitry-sur-Seine (au sud dans le Val-de-
Marne), caractérisées par un habitat souvent collectif et resserré, correspondent à des zones où
les températures de surface sont aussi élevées que les arrondissements de la capitale. Mais nous
avons déjà plus longuement fait état de la répartition de l’habitat par type (haussmannien, collectif,
individuel, etc.) dans le chapitre 2 de cette thèse. Ici ces hypothèses sont réaffirmées.
S’agissant des relations entre les températures et les formes urbaines (densité surfacique, volume, etc.)
à l’échelle de l’agglomération, celles-ci feront l’objet de développements statistiques plus importants
dans le prochain chapitre. Ici, nous souhaitons introduire ses aspects à l’échelle de la rue.
Ainsi quelle variabilité thermique (des températures de l’air) existe-t-il au niveau des rues ? Et quelles
sont les influences de l’environnement morphométrique ?
Une différence de températures entre le transect à Paris et celui des Lilas de 1 à 3°C avec Paris -
particulièrement au niveau des zones où nous avons effectué les mesures - zones entourées sur la
carte de la figure 8.13. Par ailleurs, à intérieur de chaque transect, une importante variabilité est
également d’à-propos.
177
Données MODIS 23-07-2013 - 00h (heure locale)
20
Températures de l’air
21 (en°C) à 2 m du sol
mesurées à 00h
Seine-Saint-Denis avec les capteurs
22
mobiles :
23 Paris
26.2°C aux Lilas
24
25 26.6°C à Bastille
Hauts-de-Seine (bord de Seine)
26
27 Val-de-Marne Zones des trajectoires

des mesures mobiles
28
24.4°C à 00h
à Paris-Montsouris
Station Météo France

5000 m de Paris-Montsouris
Figure 1.14. Températures de surface du 22.07.2013 à 22h (UTC). Données, MODIS.
8.4.2. Les niveaux d’observation
Nous choisissons de travailler à deux échelons pour la mise en relation statistique des températures
avec les variables morphométriques : les valeurs ponctuelles et les valeurs moyennées à 30 m
(tableau 8.2).
L’échelon ponctuel permet de prendre en compte l’environnement immédiat en termes de
morphométrie et des températures ponctuelles. L’échelon à 30 m permet d’observer les mêmes
variables à plus grande échelle (moyenne résolution). Par ailleurs, cet échelon offre la possibilité
d’étudier d’autres variables tels que de l’indice de végétation et l’indice de bâti (NDVI et NDBI)
issus de l’image satellite qui seront mises en relation avec les températures de l’air mesurées lors
du transect et moyennées à 30 m.
Grâce à la BD Topo de Paris et à celle de la Seine-Saint-Denis, nous calculons la densité surfacique
des bâtiments, leur hauteur moyenne, la largeur de la chaussée, le rapport d’aspect H/W (hauteur
des bâtiments / largeur des rues), la part de ciel visible ainsi que le volume des bâtiments (emprise
des bâtiments * hauteur moyenne des bâtiments). À cela s’ajoutent, à la résolution de 30 m, le NDVI
et le NDBI que nous avons obtenus à partir d’une image du 24 juillet 2012 (à défaut d’une image
178
satellite disponible pour la période caniculaire de juillet 2013).

Il s’agit d’une part d’observer la variabilité des températures de l’air à ces deux échelons et d’autre
part de mettre en relation ces dernières avec les variables de morphométrie et d’occupation du
sol. Pour cette dernière étape, nous procédons au calcul de corrélations linéaires aux échelons
présentés précédemment. Nous allons désormais commenter nos résultats successivement pour le
transect à Paris, puis pour celui des Lilas.
Tableau 1.2. Niveaux d’observation des températures mesurées lors du
transect, des variables de morphométrie urbaine et d’occupation du sol.
VALEURS PONCTUELLES VALEURS MOYENNÉES À 30 M
Températures de l’air mesurées Températures de l’air mesurées

lors du transect lors du transect par cellule Landsat
(valeurs ponctuelles) (valeurs moyennées à 30m)
******* *******
Densité surfacique des bâtiments Densité surfacique moyenne des bâtiments
Hauteur des bâtiments Hauteur moyenne des bâtiments
Largeur de la chaussée Largeur moyenne de la chaussée
H/W H/W
Volume du bâti Volume moyen du bâti
Part de ciel visible
NDVI
NDBI
8.4.3. Variabilité thermique et variabilité morphométrique
8.4.3.1. Les mesures à Paris
Nous nous déplaçons dans les 20ème, 11ème et 4ème arrondissements en choisissant des rues de
différentes dimensions afin de pouvoir observer l’influence de la variabilité de la taille des rues sur les
valeurs de températures. En plus de transiter dans des rues à géométrie variable, il s’agit de choisir
des environnements différents en termes d’occupation des surfaces, par exemple des zones arborées
ou encore des zones d’eau comme les berges à proximité de la Seine (carte de la figure 8.14) .
Préalablement aux mesures, une comparaison avec les températures horaires à Paris-Montsouris nous
a permis de constater, sur l’ensemble de la durée du transect, c'est-à-dire de 22h30 à 01h00, la très
faible baisse de températures : à peine 1°C de différence entre le début et la fin des mesures.
En premier lieu, une importante variabilité des températures est observable à l’approche de l’eau et de
la végétation. En effet, celles-ci subissent une baisse de 3 à 5°C à l’approche de la Seine (figure 8.14).
On peut supposer qu’elle soit en partie liée à la présence de la végétation, car les berges de la Seine
constituent une zone arborée. Mais elle peut également être en relation avec le caractère minéral
179
du lieu et avec sa disposition puisqu’il s’agit d’une vaste allée bordée d’arbre. Précisions que cette
disposition constitue un couloir pour la circulation du vent.
Sur la figure 8.15, nous avons représenté les températures mesurées après réajustement (courbe
rouge) ainsi que la hauteur ponctuelle des bâtiments au lieu des mesures (barres verticales grises).
Ce graphique montre que un tendance à l’augmentation des températures lorsque l’on se trouve
à proximité de bâtiments élevés. Cela demeure une tendance dans la mesure où les températures
réagissent plus directement aux changements d’occupation du sol qu’à celui de la hauteur.
TRAJECTOIRE EMPRUNTÉE
e rt
Ru in Ve PARIS 20
e
pl
em
m
h
e Rue
C
te
PARIS 3 du
du
ette
oqu
ill
aR
e
el
Vi
R ue d DÉPART
Boulevard
n
ru-R
olli de Ménilmontant
ARRIVÉE PLACE
Led
Ru
ed
DE LA BASTILLE
PARIS 11
Sai u Fau
ue
nt A bou
n
nto r
ine g
Ave
tille
Bas
PARIS 4
e la
rd d
leva
PARIS 12
Bou
Sens du trajet
250 m
TEMPÉRATURES MESURÉES (°C) - 23-07-2013

DÉPART : ARRIVÉE :
Boulevard de Ménilmontant Rue de Faubourg Saint Antoine
33 35
Rue de la Rue du Avenue Place Rue du Faubourg
Roquette Chemin Vert Ledru-Rollin de la Bastille Saint Antoine
32 30
31 25
30 20
Hauteur de bâtiments (m)
29 15
Températures (C°)
28 10
27 Températures mesurées 5
Températures réajustées
26 0
22/7/13 22:30
22/7/13 22:35
22/7/13 22:40
22/7/13 22:45
22/7/13 22:50
22/7/13 22:55
22/7/13 23:00
22/7/13 23:05
22/7/13 23:10
22/7/13 23:15
22/7/13 23:20
22/7/13 23:25
22/7/13 23:30
22/7/13 23:35
22/7/13 23:40
22/7/13 23:45
22/7/13 23:50
22/7/13 23:55
23/7/13 1:05
23/7/13 1:10
23/7/13 0:05
23/7/13 0:05
23/7/13 0:10
23/7/13 0:15
23/7/13 0:20
23/7/13 0:25
23/7/13 0:30
23/7/13 0:35
23/7/13 0:40
23/7/13 0:45
23/7/13 0:50
23/7/13 0:55
23/7/13 1:00
Square de la Roquette (Parc urbain) Seine (capteur à un mètre au dessus de l’eau)

Quais (quais de Seine, Bastille haut) Berges (berges de la Seine, Bastille bas)
Avenue Ledru Rollin (Avenue arborée)
Figure 1.15. Transect de Paris : relations entre la hauteur des bâtiments et les températures. Données,
mesures itinérantes juillet 2013 et BD Topo 2014.
180
Ces observations sont quantifiées par corrélation linéaire pour la hauteur, mais également pour
les autres variables morphométriques aux deux échelons présentés dans la précédente sous-partie
(tableau 8.3). Les coefficients de corrélations linéaires de Spearman entre les températures mesurées
et les autres variables explicatives de morphométrie urbaine sont favorisés en raison de l’éventuelle
non-linéarité de la relation (les valeurs de Pearson sont quant à elles présentées en annexe 8).
Ces relations sont positives et significatives dans l’ensemble pour chacun des niveaux d’observation.
Le niveau d’observation ne semble donc pas avoir de répercussion(s) sur les valeurs des coefficients
de corrélations puisque ces dernières sont assez proches quel que soit le niveau. Seul le NDVI a une
relation nulle avec les températures à la résolution de Landsat. Ceci peut en partie s’expliquer par la
part assez de faible de végétation rencontrée lors de ce trajet.
Concernant plus généralement les valeurs des coefficients, celles entre les températures et la hauteur
(que nous avons représentées sur la dernière figure), sont assez moyennes, mais significatives vu
la taille de notre échantillon. Les relations les plus élevées de la matrice sont celles entre les
températures et la volumétrie (volume et H/W). Plusieurs hypothèses peuvent être envisagées pour
la compréhension de cette relation.
La volumétrie peut avoir un double impact sur les températures. D’une part, plus le volume d’un
bâtiment est important, plus grande est la surface de réception pour le rayonnement, mais également
plus l’ombre portée est conséquente. Cela génère des différences thermiques entre les bâtiments.
D’autre part, ce réchauffement, sur des superficies de taille inégale, peut générer des déplacements
d’air dans le canyon urbain. Elle favorise la
TEMPERATURES circulation de brises au niveau de la rue.
COEFFICIENT DE SPEARMAN
(PARIS) Ponctuel 30 m Dans l’ensemble, concernant les valeurs de
1
Densité du bâti 0,32 0,43
Spearman, elles restent proches (autour de r = 0.4)
Hauteur des bâtiments 0,43 0,38
0,5 - à l’exception de la part de ciel visible et du NDBI
Largeur de la chaussée 0,01 0,03
HW 0,42 0,41 dont les relations sont plus faibles à 30 m.
Volume du bâti 0,30 0,44
0
Ces résultats plus faibles peuvent s’expliquer
Part de ciel visible -0,26
- 0,5
par la forte densité urbaine de Paris. En effet,
NDBI 0,26
l’environnement urbain parisien est très dense et,
NDVI -0,15 -1
à ce titre, assez homogène en termes de NDBI.
SEUIL DE SIGNIFICATIVITE > 0.001
Niveau ponctuel : N = 150
Dans ce contexte, le NDBI calculé à 30 m pourrait
30 m: N = 126
avoir une résolution trop grossière pour que les
Tableau 1.3. Matrice de corrélation de mesures ponctuelles de températures puissent
Spearman entre températures et variables
morphométriques aux niveaux d’observation répondre à des relations statistiques pertinentes
ponctuelle et à 30 m (transect de Paris). et réellement significatives avec cette variable.
Données, mesures itinérantes et Landsat.
181
En conclusion, pour ce transect à Paris, au niveau de la morphométrie urbaine, les différentes

variables ont des relations statistiques plutôt moyennes avec les températures. Cependant, la courbe
des températures de la figure 8.15 a mis en évidence assez distinctement une baisse à l’approche
de la Seine et des zones arborées se trouvant à sa proximité. On relève également des variations
de températures en fonction de la hauteur des bâtiments. Ces variables ont par conséquent des
répercussions sur la variabilité des températures en zones urbaines denses, mais celles-ci demeurent
très complexes à quantifier à partir des données recueillies par cette campagne.
8.4.3.2. Les mesures aux Lilas
Le transect aux Lilas diffère de celui de Paris en premier par la diversité morphométrique de
l’environnement urbain. Aux Lilas, le bâti est moins dense et moins resserré qu’à Paris (figure 8.16).
La hauteur et la densité des bâtiments sont nettement plus hétérogènes qu’à Paris.
Habitats très denses à proximité de la rue de la Roquette (Paris 11)
RUE DE LA ROQUETTE
PARIS 11
Habitats denses avec alternance de maisons individuelles le long de l’avenue Pasteur (Les Lilas)
AVENUE PASTEUR
LES LILAS
25 m
Figure 1.16. Comparaison de la densité de bâti entre Paris (en haut) et Les Lilas (en bas). Images reconstituées
à partir du site de Géoportail consulté en juin 2014.
182
Concernant plus particulièrement la densité surfacique des bâtiments, elle est globalement plus
faible que dans la capitale. La présence de parcs, mais aussi d’un habitat individuel avec cours et/
ou jardins fait des Lilas une commune globalement moins densément bâtie que Paris.
Comme beaucoup de communes périphériques, des logements sociaux aux architectures verticales
sont implantés aux Lilas, on les retrouve plutôt au nord-est de la commune.
Ces différences de densité et de volumétrie peuvent probablement expliquer l’écart de 1 à 2°C entre
Paris et Les Lilas (comparaison entre les figures 8.15 et 8.17).
TRAJECTOIRE EMPRUNTÉE
PANTIN Parc
Henri Barbusse
Boulevard
Jean Jaurès
ROMAINVILLE
PARIS 19
LES LILAS
Square de la aris
eP
Butte Rouge ed
Ru
Avenue
François Mittérand
PARIS 20 DEPART Avenue Pasteur
ARRIVEE
au
rge BAGNOLET
t-Fa
S ain Sens du trajet
Rue
250 m
TEMPÉRATURES (°C) - 23-07-2013

DEPART : ARRIVEE :
30
Rue de Noisy -le-Sec (LES LILAS) 0,2
Rue Henri Dubouillon (PARIS 20)
Avenue Avenue Boulevard Rue Rue Saint-

29 Pasteur F. Mittérand Jean Jaurès de Paris Fargeau
28 0,05
27
26 0,1
25
Indice de Bâti (NBI)
Températures (C°)
24 0,25
23
Températures mesurées
Températures réajustées
22 0,4
22/7/13 22:35
22/7/13 22:40
22/7/13 22:45
22/7/13 22:50
22/7/13 22:55
22/7/13 23:00
22/7/13 23:05
22/7/13 23:10
22/7/13 23:15
22/7/13 23:20
22/7/13 23:25
22/7/13 23:30
22/7/13 23:35
22/7/13 23:40
22/7/13 23:45
22/7/13 23:50
22/7/13 23:55
23/7/13 0:05
23/7/13 0:05
23/7/13 0:10
23/7/13 0:15
23/7/13 0:20
23/7/13 0:25
23/7/13 0:30
23/7/13 0:35
23/7/13 0:40
23/7/13 0:45
23/7/13 0:50
23/7/13 0:55
Parc du Château Parc Espace sportif Square

(Bagnolet) Henri Barbusse des Lilas Lucie Aubrac
Figure 1.17. Transect des Lilas : relations entre le NDBI et les températures à 30 m de résolution. Données,
mesures itinérantes juillet 2013 et Landsat.
183
Au niveau des résultats statistiques (tableau 8.4), TEMPERATURES
comme l’échantillon de mesures est relativement COEFFICIENT DE SPEARMAN

(LILAS) Ponctuel 30 m
petit (environ 150 mesures ponctuelles et 106 Densité du bâti -0,03 -0,07 1
0,02 0,01
mesures à 30 m), la représentativité des résultats Hauteur des bâtiments
0,5
Largeur de la chaussée 0,24 0,27
est fortement discutable. HW 0,02 0,00
À ce titre, les coefficients de corrélation de Volume du bâti -0,03 -0,07
0
Spearman sont relativement faibles, voire nuls Part de ciel visible -0,10
- 0,5
pour l’ensemble des relations entre températures NDBI 0,34

NDVI -0,23
et variables morphométriques. La seule variable -1
morphométrique qui apporte une éventuelle SEUIL DE SIGNIFICATIVITE > 0.001

réponse statistique à la variabilité des températures 30 m: N = 108
est la largeur de la chaussée. Valeur qui peut être Tableau 1.4. Matrice de corrélation de
Spearman entre températures et variables
justifiée par une ralentissement ou une accélération morphométriques aux niveaux d’observation
de la vitesse du vent, générant des variations ponctuelle et à 30 m (transect des Lilas).
Données, mesures itinérantes et Landsat.
de températures dans les canyons urbains (cf.
Chapitre 1). Mais la valeur de la relation demeure TEMPÉRATURES
30
très faible. 29
On notera que les relations les plus fortes de 28
la matrice sont celles à 30 m de résolution. Les 27
variables apportant des réponses satisfaisantes 26
sont le NDBI et le NDVI. Ces deux indices pré- 25

-0,4 -0,3 -0,2 -0,1 0 0,1 0,2
sentent l’avantage de pouvoir synthétiser une NDBI
information sur l’occupation du sol respectivement Figure 1.18. Nuage de point de la relation entre
températures et NDBI à 30 m de résolution
pour l’urbain et pour la végétation. (transect des Lilas).
Pour le NDBI lorsqu’il est négatif, il s’accompagne
des valeurs plutôt basses de températures, mais cela demeure une tendance étant donné les faibles
valeurs des coefficients. En effet, si le graphique de la figure 8.17 montre qu’à l’approche de l’eau et
de zones végétales, le NDBI devient négatif suggérant ainsi les effets d’une occupation du sol autre
qu’urbaine sur les températures, le nuage de points de la figure 8.18 est assez dispersé montrant pour
sa part la très faible relation entre le NDBI et les températures.
Concernant, les relations avec le NDVI, la proximité de parcs ou de jardins semble opérer une
baisse locale des températures mesurées. La commune des Lilas comporte des parcs, qui diffèrent
par leur taille et par la densité végétale des petits squares arborés de Paris (dont les effets sur les
températures sont moindres comme le montre une rapide comparaison entre les deux transects).
184
Aux Lilas, la proximité d’espaces verts plus grands semble influer davantage sur une baisse des
températures mesurées.
En conclusion pour ces mesures, plusieurs éléments doivent être relevés.
En milieu urbain dense (transect à Paris), il apparaît que les variables morphométriques présentent
des relations significatives avec les températures.
A contrario dans un milieu urbain où la densité et la volumétrie du bâti est moins forte et plus
hétérogène (maisons individuelles, immeubles anciens, habitats collectifs de type HLM), ces mêmes
variables ont des corrélations linéaires faibles à nulles (transect des Lilas). Aussi, dans ce contexte,
le NDBI, qui propose une synthèse de l’information relative aux espaces bâtis (routes, bâtiments au
sens large - pas uniquement d’habitation, édifices historiques, etc.), révèlent de meilleurs résultats
avec les températures.
On retiendra de ces campagnes de mesures mobiles que les relations entre les formes urbaines,
la végétation et les températures sont effectives, toutefois elles demeurent complexes à évaluer et
nécessitent un nombre plus important de mesures.
Ce chapitre avait pour finalité l’étude des températures de l’air et de surface par le biais de plusieurs
approches complémentaires.
La première sous-partie a contextualisé la vague de chaleur de 2003 dans un ensemble plus global de
journées à risque sélectionnées à partir de leurs conditions radiatives et/ou thermiques. La canicule
de 2003 a été comparée à un autre épisode de forte chaleur, celui de juillet 2006. Le caractère extrême
de l’été 2003 a été mis en évidence. Les profils de température et de vent établis pour la canicule de
2003 et pour les journées d’îlot de chaleur ont permis de relever les ressemblances entre une période
d’extrême thermique (2003) et un contexte estival plus fréquent (périodes d’îlots de chaleur urbain).
Les profils des écarts de températures Δ(T) entre Paris-Montsouris (station urbaine) et Melun (station
rurale) ont révélé une différence d’environ 2 à 3°C en moyenne tri-horaire de 21h à 06h (UTC) pour
les nuits caniculaires de 2003, comme pour celles des journées estivales d’ICU. Les profils de vents,
bien que montrant quelques différences, ont mis en évidence la présence de brises thermiques dans
l’agglomération.
La seconde sous-partie a permis d’observer l’îlot de chaleur urbain de surface ainsi que les
températures à plusieurs niveaux d’observation ; nous avons déterminé les zones de forte chaleur
dans l’agglomération, notamment en termes de chaleur nocturne. Le sud de Paris présente des
températures nocturnes de surface plus élevées que le reste de l’agglomération. La densité surfacique
185
des bâtiments est favorisée comme hypothèse explicative du phénomène, elle sera évaluée
statistiquement dans les chapitres suivants.
Enfin, la campagne de mesure a été utile pour une observation de la variabilité des températures au
niveau local de la rue dans deux endroits de l’agglomération : à Paris et en proche banlieue. Outre
l’existence d’une différence de 1 à 2°C entre Paris et la commune des Lilas, qui globalement s’est
maintenue pendant la durée des deux transects, nous avons constaté l’impact des environnements
végétaux (parcs et espaces verts) et des bords de Seine (zones d’eau) sur les températures de l’air.
Aux Lilas, la présence d’un environnement plus végétalisé ainsi qu’une hétérogénéité plus forte du
bâti génèrent localement (comme à proximité des parcs ou dans des zones plutôt à dominante pavil-
lonnaire) des différences de températures avec le transect de Paris dont la densité urbaine est très
forte et continue.
186
Chapitre 9 :
Approche multi-niveau de la morphométrie urbaine
à Paris et dans la petite couronne
La dernière sous-partie du chapitre précédent nous a amenés à analyser, à l’échelle de la rue et par
le biais de mesures mobiles, les relations entre les températures, la morphométrie et la présence
de végétation. En effet, bien que faibles, des relations ont néanmoins été décelées. Dans le présent
chapitre, l’objectif est d’approfondir l’appréhension de ces relations en calculant différents indices
définissant la morphologie urbaine. L’idée est à terme (dans le chapitre 10) d’évaluer le rôle de la
morphologie urbaine sur la répartition spatiale des températures en agglomération parisienne.
Pour le moment, dans ce 9ème chapitre, nous allons observer l’agglomération en deux temps. Dans un
premier temps, nous déterminerons la morphométrie urbaine de l’agglomération. Il s’agira d’analyser
les formes de la ville et de les quantifier par le biais d’un certain nombre de variables - dont nous
avons fait état dans le chapitre 6 de cette thèse. Dans un second temps, nous étudierons la réparti-
tion spatiale de la végétation grâce au NDVI.
Plusieurs variables sont donc observées à plusieurs niveaux. Cette approche multi-scalaire permet de
disposer d’une complémentarité de l’information (Cf. Chapitre 7). De plus, chaque échelon (30 m, 250
m et 1 000 m) peut être associé à une échelle d’étude. Le maillage de 30 m se rapproche de l’échelle
d’une rue, celui de 250 m d’un quartier, celui de 1 000 m d’un arrondissement.
Toutefois, le choix de ces échelons repose avant tout sur la résolution des images satellites (30 m,
250 m et 1 000 m) qui ont permis de déterminer dans la partie précédente les températures de sur-
face. Les niveaux d’observation de l’arrondissement municipal et de la commune sont mis à contri-
bution car nous verrons dans la partie suivante (partie 4) dédiée à l’étude de la mortalité et de la
surmortalité (et de leur mise en relation avec les facteurs socio-démographiques), que les données de
l’INSEE, mais surtout celles de l’INSERM, nous imposent de travailler à ce niveau.
187
Chapitre 9 : Approche multi-niveau de la morphométrie urbaine à Paris et dans la petite couronne
9.1. La densité surfacique des bâtiments : une opposition nord / sud à Paris
La densité surfacique des bâtiments correspond à la part d’espace occupé en termes de superficie au
sol par des bâtiments (par cellule de 30 m, de 1 000 m, par commune, etc), nous l’avons défini plus
largement dans le chapitre 6. Cette variable permet ainsi de distinguer les zones les plus densément
construites de l’agglomération. La figure 9.1 illustre la densité surfacique aux niveaux des cellules de 30
m, 250 m, 1 000 m et de la commune. La classification choisie pour la représentation de cette variable
DENSITE SURFACIQUE DES BATIMENTS
30 m 250 m
1000 m Communes
5000 m
Densité surfacique des batiments (en pourcentage par unité spatiale - 30 m, 250 m, 1000 m et commune)
0 10 20 30 40 50 60 70 80 90 99
Figure 1.1. Densité surfacique des bâtiments pour 4 niveaux d'observation (à 30m, 250 m, 1 000 m et au niveau
communal) de l’agglomération parisienne. Données, BD Topo IGN 2014.
188
CLASSES D’OCCUPATION DU SOL

est établie sur une même échelle de
(Données EEA)
Zones industrielles
OCCUPATION DU SOL
valeurs par intervalle de 10% afin de
et/ou commerciales
Routes
faciliter la comparaison entre les dif-
et autoroutes
Urbain continu
20ème férents niveaux spatiaux. Une classi-
Urbain discontinu
dense
fication par seuil naturel est dispo-
Seine nible en annexe 9 pour une meilleure
11ème
Espaces sportifs
ou de loisirs
prise en compte des discontinuités
Végétation urbaine de la distribution et pour améliorer
DENSITÉ SURFACIQUE DES BÂTIMENTS
DENSITÉ SURFACIQUE
la lisibilité de l’information propre à
DES BÂTIMENTS 30 m
(en pourcentage) chaque niveau.
0
Au niveau des découpages des
10
20
classes représentées, on remarque
30
des densités très fortes dans les
40 cellules de la grille à 30 m ; ces valeurs
50
250 m
disparaissent lorsque la densité est
60
calculée à 250 et 1 000 m. La carte
70
80
à 30 m est peu lisible en raison de
90
la finesse du niveau d’observation
99 impliquant un important nombre
de cellules sur le territoire étudié
1000 m (plus de 500 000 points de grille pour
l’ensemble de l’agglomération), aussi
nous proposons un zoom sur chaque
niveau dans la figure ci-contre (9.2).
Le 11ème arrondissement est choisi
car il s’agit de celui le plus peuplé
Arrondissement
de l’agglomération. Quant au 20ème,
un peu moins densément peuplé, il
a pourtant connu une forte mortalité
en août 2003. La comparaison de ces
5000m
arrondissements montre une densité
de bâtiment plus forte dans le 11ème.
Figure 1.2. Variabilité de la densité surfacique aux niveaux
Le 20ème arrondissement dispose de
d'observation de 30 m, 250 m, 1 000 m et de l'arrondissement parcs, de squares et du cimetière du
municipal : zoom sur l'est de Paris. Données, BD Topo IGN 2014.
189
Père-Lachaise (environ 44 hectares) qui marquent la différence avec le 11ème. De plus certains sec-
teurs du 20ème arrondissement sont occupés par un habitat de type plutôt individuel, ce qui modifie
la densité de bâti (carte à 30 m, figure 9.2). On observe alors une alternance des mailles plus claires
dans certains quartiers (comme celui de Saint-Fargeau au nord-est du 20ème arrondissement) qui
témoignent de cet habitat moins resserré, moins collectif et moins massif en termes d’occupation
du sol. Aux limites administratives de Paris, c’est la présence de grands axes routiers séparant la
capitale de sa périphérie qui diminuent la densité surfacique.
Revenons à l’échelle de l’agglomération (de la figure 9.1) qui délivre également des informations
intéressantes. Il ressort de ces cartes une assez claire différence entre le sud et le nord de la Seine
lorsque l’on observe le phénomène à 250 m. Une comparaison avec la réalité du terrain permet de
comprendre que les premiers arrondissements de la rive droite (nord de la Seine) sont occupés par
des constructions plus massives (complexes commerciaux, musées, monuments historiques et/ou
administratifs divers, etc.) alors que les arrondissements situés au sud, surtout ceux à deux chiffres
(11ème au 20ème), sont davantage résidentiels. Les niveaux d’analyse à 250 m et à 1 000 m corroborent
en effet cette réalité et montrent une forte densité surfacique au nord de la Seine et particulièrement
pour les 2ème, 3ème, 9ème et 10ème arrondissements de la ville.
L’approche multi-scalaire des densités surfaciques permet par ailleurs d’observer un emboîtement
d’échelle, en particulier pour les 2ème, 3ème, 9ème et partiellement pour le 10ème arrondissement où la
densité de bâti est très élevée quel que soit le niveau d’observation. À l’inverse, pour le quartier
Saint-Fargeau dans le 20ème arrondissement, des éléments complémentaires sont mis en évidence en
fonction du niveau d’observation. Les maillages les plus gros (1 000 m et communes) offrent une vue
d’ensemble, mais présentent l’inconvénient majeur de générer une importante perte de l’information.
En revanche, les points de grille de Landsat permettent l’identification et l’observation de la variabilité
de la densité en relevant les valeurs extrêmes.
9.2. Hauteur moyenne des bâtiments, volume et part de ciel visible
9.2.1. La hauteur moyenne des bâtiments : l’ouest parisien plus en hauteur
Concernant la hauteur moyenne des bâtiments, il est entendu que chaque niveau d’observation
délivre également des informations complémentaires (figure 9.3). Les valeurs moyennées au niveau du
kilomètre permettent d’avoir une vue globale à l’échelle de l’agglomération : on peut ainsi distinguer
que les cellules aux abords de la Seine comptent parmi celles dont les hauteurs sont les plus élevées
à ce niveau d’observation. L’ouest de Paris (8ème et 16ème arrondissement) dispose de bâtiments en
190
moyenne plus élevés que le reste de la capitale : nous sommes dans des arrondissements à forte
dominante haussmannienne. Le 13ème arrondissement au sud de la capitale a également des hauteurs
élevées en moyenne pour tous les niveaux d’observation en raison de la présence des tours de Tolbiac
et autres architectures verticales qui influent fortement sur les valeurs moyennes (cf. Chapitre 2).
Aux niveaux de la commune et de l’arrondissement, on notera, plus généralement, une assez nette
distinction entre Paris et le reste de la petite couronne. Localement, il peut ainsi exister une différence
d’environ deux mètres entre Paris intramuros et la proche banlieue : cela est le cas par exemple entre
le 20ème arrondissement et la commune des Lilas - différence correspondant approximativement à la
perte d’un étage. Plus encore en périphérie, sur les bords de la petite couronne, et particulièrement
dans l’est, les hauteurs moyennes des bâtiments baissent considérablement, témoignant alors de la
présence d’un habitat pavillonnaire en zones péri-urbaines.
Le niveau d’observation à 250 m permet d’identifier plus précisément les zones de franche hauteur
de bâtiment. Ainsi, dans l’ouest de l’agglomération, les gratte-ciels de la Défense sont très nettement
identifiables. La carte à 30 m offre peu de possibilités visuelles quant à une distinction nette. Un
nouveau zoom est par conséquent proposé sur la figure 9.4. Sur cette figure, le choix se porte sur le
nord-ouest de l’agglomération (Puteaux, Courbevoie, Nanterre) afin de mettre en évidence les zones
de l’agglomération dont les hauteurs sont les plus élevées. L’influence des valeurs extrêmes sur la
moyenne est conséquente à chaque niveau d’observation, mais surtout à 250 m et à 1 000 m dont la
dernière classe marque une rupture avec l’ensemble de la distribution. En effet, dans les communes
de Courbevoie et de Puteaux, où se trouve le quartier de la Défense, certaines cellules comportent
des bâtiments dont la hauteur atteint les 225 m (Tour First). L’histogramme de fréquence montre
néanmoins que ce type de bâtiments (ayant une hauteur supérieure à 70 m) constitue moins de 1‰ de
l’ensemble de la distribution. Au niveau de Courbevoie et Puteaux, les constructions de plus de 70 m
représentent quant à elles moins de 3% des cellules Landsat des deux communes réunies. Il ne s’agit
pas de bâtiments d’habitation, mais néanmoins on peut s’interroger sur le rôle tenu localement par ce
type de constructions sur les températures. En effet, localement, la réverbération des rayons du soleil
sur les surfaces vitrées des gratte-ciels vers le sol réchauffe inégalement les surfaces alentours8. Ces
hauteurs peuvent alors perturber le régime des vents locaux par le jeu différencié d’un rétrécissement
et/ou d’un élargissement des couloirs urbains (que constituent les rues) engendrant une accélération
de la vitesse des brises urbaines (effet venturi). Celles-ci pouvant à leur tour générer un certain
refroidissement de la zone concernée.
7. à ce titre, il a été plus anecdotiquement fait état dans un article du journal Libération [2013] : le rayonnement solaire réceptionné puis réfléchi par la
surface vitrée et concave d’un gratte-ciel à Londres auraient littéralement fait fondre une voiture stationnée durant une heure en contrebas.
191
HAUTEUR MOYENNE DES BÂTIMENTS
30 m 250 m
1000 m Communes
5000 m
Hauteur moyenne des bâtiments (en mètre par unité spatiale - 30 m, 250 m, 1000 m et commune)
0 - 10 11 - 20 21 - 30 31 - 50 51 - 125 126 - 225
Pouvant ponctuellement correspondre à :
Maisons ou petits Immeubles d’habitation Immeubles modernes Architectures en hauteur

immeubles d’habitation anciens ou modernes ou contemporains (> 10 étages) Édifices exceptionnels comme
(< 3 étages) Immeubles haussmanniens Habitats en tour (HLM) la Tour Montparnasse (Paris 14)
ou les gratte-ciels du quartier
de la Défense
Figure 1.3. Hauteur moyenne des bâtiments pour 4 niveaux d'observation (30 m, 250 m, 1 000 m et communal).
de l’agglomération parisienne. Données, BD Topo IGN 2014.
192
GRATTE-CIELS DE LA DÉFENSE
HISTOGRAMMES DE FRÉQUENCE DE LA DISTRIBUTION

DE LA HAUTEUR MOYENNE DES BÂTIMENTS À 30M
(A) DISTRIBUTION ENTIERE (B) QUEUE DE DISTRIBUTION HAUTEUR MOYENNE DES BÂTIMENTS A COURBEVOIE ET À PUTEAUX
Effectif
N = 541883
A
30000
NANTERRE COURBEVOIE
150
N = 534
B
20000
100
50
10000 NEUILLY
PUTEAUX
70 100 150 200
HAUTEUR > 70m
500m
0
0 50 100 150 200
Hauteur moyenne (en m) Hauteur moyenne (en m)
0 - 10 11 - 20 21 - 30 31 - 50 51 - 125 126 - 225
Figure 1.4. Zoom sur 3 communes des Hauts-de-Seine (Puteaux, Courbevoie, Nanterre). Observation de la
hauteur moyenne des bâtiments à 30 m. Données, IGN 2014.
9.2.2. La part de ciel visible : des canyons urbains plus resserrés dans le sud de Paris
La part de ciel visible est un indicateur de la géométrie du canyon urbain. Il offre une mesure
indirecte du rayonnement entrant au niveau du canyon urbain. Cette variable est cependant
davantage pertinente à étudier à certains niveaux d’observation. à 30 m et à 250 m, elle ouvre la
possibilité d’évaluer les rapports avec les températures aux échelles de la rue et du quartier. Au
niveau de l’arrondissement, elle perd sens.
Dans une appréhension générale des valeurs de la part de ciel visible, on constate que les plus fortes
correspondent plutôt à des zones pavillonnaires où l’habitat est peu élevé et les rues plutôt larges
comparativement à la hauteur des bâtiments. À l’inverse, les valeurs basses reflètent une volumétrie
193
imposante et massive comme c’est le cas à l’intérieur de Paris (figure 9.5).

À 30 m, cette hypothèse se précise. Considérant que la résolution de Landsat peut se rapprocher
de l’échelle de la rue, les valeurs élevées se superposent en partie aux endroits où la hauteur des
bâtiments et la largeur de la chaussée seraient équivalentes (rapport d’aspect H/W proche de 1). A
contrario, les endroits où la part de ciel visible est faible sont assimilés à des rues proportionnellement
PART DE CIEL VISIBLE (POURCENTAGE)
30 m
PARIS 20
PARIS 11
250 m
1000 m
5000 m
Part de ciel visible (en pourcentage)
13 20 30 40 50 60 70 80 90 99
Figure 1.5. Part de ciel visible pour 3 niveaux d'observation (30m, 250m et 1 000m) de l’agglomération
parisienne. Données, BD Topo IGN 2014.
194
plus étroites (que hautes) avec une faible part de ciel visible et un rapport d’aspect H/W très largement
supérieur à 1.
Mais quelque soit le niveau d’observation, nous remarquons ici encore une importante différence
entre Paris et les autres départements de la petite couronne. En effet, la part de ciel visible y est plus
faible, le plus souvent inférieure à 60%. Grâce à un changement de classification (par seuil naturel)
il apparaît, plus spécifiquement, que le sud et le nord-est de la capitale comportent des zones avec
des valeurs de part de ciel visible plus basses que dans l’ensemble de la ville (figure 9.6). Il semblerait
ainsi que les 20ème, 15ème, 14ème et 13ème arrondissements comportent davantage de rues étroites avec
une part de ciel peu visible. Parallèlement à ce constat, dans le précédent chapitre portant sur l’étude
spatiale des températures de surface, nous avons pu observer une différence thermique entre le sud
et le nord de l’agglomération. Le rapprochement entre températures de surface et part de ciel apporte
ainsi des réponses plutôt satisfaisantes quant à la localisation de valeurs élevées de températures
de surface dans le sud de la ville. Nous vérifierons dans le prochain chapitre la valeur statistique de
cette relation.
Part de ciel visible (en pourcentage)

Résolution : 250 m
54
69
73
76
80
82
86
89
92
96
100
5000 m
Figure 1.6. Part de ciel visible à 250 m de résolution, classification par seuil naturel (Jenks). Données, BD Topo
IGN 2014.
195
9.3. Indice de bâti (NDBI) et indice de végétation (NDVI)
À 30 m de résolution (Landsat), la végétation est représentée à travers l’indice de végétation par

différence normalisée (NDVI). Également grâce à cette même image (du 9 août 2003), nous avons
procédé au calcul du NDBI.
Pour les résolutions de MODIS, les valeurs de NDVI sont celles de l’image MODIS du 13 août 2003.
Celles du NDBI ont été obtenues en calculant une valeur moyenne à partir de l’image Landsat aux
résolutions de MODIS (250 m et 1 000 m). La figure 9.7 met en évidence NDVI et NDBI) à 250 m de
résolution, cette dernière est intermédiaire entre 30 m et 1 000 m (la cartographie de ces variables à
ces dernières résolutions sont à disposition en annexe 10). De plus, du point de vue cartographique,
la résolution à 250 m offre une assez bonne lisibilité de l’information.
NDVI NDBI
0,10
-0,32
0,25
-0,13
0,31
-0,06
0,35
0,00
0,40
0,05
0,44
0,09
0,49
0,13
0,56
0,15
0,65
0,18
0,76
0,23
0,88
0,33
5000 m
Figure 1.7. NDVI (à gauche) et NDBI (à droite) à 250 m de résolution dans l’agglomération parisienne –
Données NDVI, image MODIS MOD13A1 du 13/08/2003. NDBI, agrégation de l’image Landsat du 09.08.2003.
Comme pour les autres variables, le passage d’un niveau d’observation à l’autre améliore la qualité de
l’information. À 30 m les squares et parcs urbains sont visibles ; à 1 000 m, ils ne sont presque plus
identifiables. L’association des variables NDVI et NDBI apporte une complémentarité de l’information
qui permet d’identifier plus précisément les zones végétales. La végétation est un indicateur important
puisqu’en sa présence une relation inversement proportionnelle avec les températures est observée.
Ainsi, dans les zones végétales, les températures sont souvent plus fraîches que dans le reste de
la ville. La comparaison avec les cartes de températures du chapitre précédent a corroboré cette
relation décroissante entre les températures et la présence de végétation.
196
Conclusion du chapitre 9 :
Ce chapitre avait pour objectif de présenter les variables morphométriques ainsi que celles rela-
tives à l’occupation du sol (NDVI et NDBI) à différents niveaux spatiaux. Cette approche a permis
d’identifier les particularités de la ville par le biais de l’observation de la répartition spatiale de ces
variables.
Nous avons ainsi pu mettre en évidence un certain nombre de différences. Concernant la densité,
une décroissance a été observée du centre vers la périphérie de l’agglomération. à Paris, les arron-
dissements du nord de la Seine se distinguent de ceux du sud avec une densité surfacique plus
forte. En termes de hauteurs des bâtiments, les arrondissements de l’ouest de Paris ainsi que les
communes adjacentes à ces derniers sont caractérisés par des hauteurs plus élevées que dans le
reste du territoire étudié. La cartographie de la part de ciel visible a révélé que Paris (et encore
plus spécifiquement le sud de la capitale) a des rues avec des hauteurs élevées et des chaussées
plutôt étroites. Enfin, le NDVI a permis d’observer une distinction entre Paris et sa périphérie qui
comporte davantage de parcs et forêts urbaines.
Désormais, nous allons procéder à la mise en relation statistique des différentes variables présentées
au cours des deux derniers chapitres.
197
Chapitre 10 :
Quelles relations entre les variables
morphométriques et les températures de surface ?
Dans ce chapitre, nous allons évaluer quantitativement les relations qui existent entre les variables
morphométriques, précédemment définies et cartographiées, et les températures de surface
mesurées par images satellites. Selon le niveau d’observation, nous avons relevé des spécificités pour
chacune de ces variables. De la même manière, les relations entre les variables peuvent connaître
des différences selon le niveau d’observation. L’objectif de ce chapitre est d’étudier la variabilité de
ces relations selon le niveau d’observation.
10.1. Les mailles avec bâtiments et les mailles sans bâtiment
Deux types d’échantillons sont exploités dans les deux prochaines sous-parties pour les niveaux d’ob-
servations à 30 m et à 250 m. Un premier tableau statistique a pour objectif de travailler uniquement
sur les zones occupées par des bâtiments. On exclut par conséquent de l’analyse toutes les mailles
non occupées par des bâtiments.
Le second tableau statistique comprend toutes les cellules de 30 m de résolution couvrant Paris et sa
petite couronne : celui-ci est utile pour mesurer des relations entre NDVI, NDBI d’un côté et tempé-
ratures de surface de l’autre (annexe 11).
Pour chaque tableau, nous calculons les matrices de corrélations de Pearson. Le coefficient de Spear-
man, qui repose sur le rang des variables dans la distribution, est estimé afin de ne pas négliger
l’éventuelle nature non-linéaire de la relation (cette matrice est présentée en annexe 12). Nous appli-
quons enfin à chacune des matrices les tests de significativité de Pearson et de Spearman.
199
Chapitre 10 : QUELLES Relations entre les variables morphométriques et les températures de surface ?
10.2. Les relations entre températures diurnes de surface et morphométrie à la

résolution de Landsat (30 m)
Concernant les relations avec la morphométrie à ce niveau d’observation, tout d’abord, on note
l’important nombre d’observations (N= 541 883) de l’échantillon étudié. Au regard de ce nombre, les
relations sont toutes significatives avec un seuil supérieur à 0,0001 pour Spearman (tableau 10.1), tout
comme pour Pearson (annexe 12.1).
Les valeurs des coefficients des corrélations (ρ) entre les températures de surface et les variables
morphométriques à la résolution de Landsat sont dans l’ensemble relativement faibles. Alors que
spatialement, la cartographie de ces variables morphométriques révèle, à ce niveau d’observation,
des proximités avec la répartition spatiale des températures (annexe 13). Openshaw [1984] a montré
à ce sujet qu’il existait une relation décroissante entre la valeur d’un coefficient de corrélation linéaire
et la taille de l’unité spatiale. Dans l’exemple d’Openshaw, le coefficient de corrélation entre deux
variables (x,y) d’un même espace étudié est plus faible lorsque n = 1 000 que lorsque n = 63. Cela
peut expliquer en partie les faibles valeurs des corrélations - à plus forte raison, nous verrons dans les
prochaines sous-parties que les valeurs de Pearson et Spearman sont plus élevées pour les niveaux
d’observation de 250 et 1 000 m.
Pour le tableau de données dont est issue la matrice entre le NDBI et le NDVI - c'est-à-dire celui com-
prenant l’ensemble des mailles de l’agglomération, les coefficients ρ sont plus importants. En effet,
e coefficient ρ (annexe 11.2) est de 0,60 avec le NDBI et de -0,52 avec le NDVI. Comparativement
Tableau 1.1. Matrice de corrélation à la résolution de Landsat (coefficients de Spearman entre les températures
de surface du 09.08.2003 à 10h15, les variables morphométriques, le NDVI et le NDBI calculés à la même date).
TOUTES LES VALEURS DE LA MATRICE

R
TÉ
N
U
EA
TE
25
50
75
SI
0,001
LU
SONT SIGNIFICATIVES AU SEUIL DE

I
I
M
DB
DV
EN
AU
Q
VO
VS
VS
VS
VS
D
N = 541883 1
TEMPÉRATURES 0.15 -0.05 0.07 0.15 0.18 0.15 0.19 0.4 -0.4
0.8
LISTE DES ABRÉVIATIONS DENSITÉ 0.33 0.87 -0.36 0.12 0.51 -0.15 0.33 -0.5
0.6
TEMPÉRATURES : Températures de surface à 10h15 (heure locale) HAUTEUR 0.69 -0.54 -0.27 0.08 -0.5 0.04 -0.43
0.4
DENSITÉ : Densité surfacique moyenne des bâtiments
VOLUME -0.54 -0.08 0.42 -0.37 0.25 -0.54 0.2
HAUTEUR : Hauteur moyenne des bâtiments
VOLUME : Volume occupé par les bâtiments (Densité * Hauteur) VSQ25 0.64 0.09 0.91 -0.11 0.28 0
VSQ25 : Part de ciel visible (1er quartile zonal à partir de la grille de 2 m)

VSQ50 0.43 0.81 0.03 0 -0.2
VSQ50 : Part de ciel visible (médiane zonale à partir de la grille de 2 m)
-0.4
VSQ75 : Part de ciel visible (3ème quartile à partir de la grille de 2 m) VSQ75 0.38 0.16 -0.14
VSMEAN : Part de ciel visible (moyenne à partir de la grille de 2 m) -0.6

VSMEAN -0.04 0.23
NDBI :Indice de bâti par différence normalisée -0.8
NDBI -0.56
NDVI : Indice de végétation par différence normalisée
-1
200
au tableau 10.1, les valeurs de ρ sont moins élevées (0,4 avec le NDBI et -0,4 avec le NDVI) ; cela
pouvait être attendu puisque ces données excluent tous les espaces ne contenant pas des bâtiments
dans les mailles. Toutefois, cet échantillon « sans maille exempte de bâtiments » présente l’avantage
de mesurer les relations avec les températures en milieu principalement urbain – c'est-à-dire hors
présence de parcs, jardins et bois dans les mailles étudiées. Et on observe dans cette configuration
que la végétation même faiblement présente dans la maille (telles une cour arborée ou une allée avec
des arbres) semble impliquer une baisse des températures.
Ces résultats (même si faibles dans le tableau 10.1) corroborent toutefois ce qui a été développé dans
la littérature : les températures ont une relation négative importante et significative avec le NDVI. La
comparaison cartographique entre températures et NDVI (figure 10.1) rendent ces relations visibles.
Et à l’opposé, on relève que la relation est positive avec le NDBI.
Températures de surface Indice de végétation

09.08.2003 10H15 (heure locale) par différence normalisée
5000m
Températures de surface (en °C) NDVI
23 31 33 35 36 37 39 42 48 -0,33 -0,07 0,00 0,05 0,11 0,17 0,23 0,30 0,38 0,48 0,78
Classification : Jenks
Données Landsat 09.08.2003
Figure 1.1. Températures de surface et NDVI à 30 m au 09.08.2003 à 10h15 dans l’agglomération parisienne.
Données, Landsat
10.3. Les relations entre températures de surface et morphométrie aux

résolutions de MODIS (250 m et 1 000 m)
Précisons en premier lieu que, contrairement à la résolution de Landsat, pour les températures de
surface, nous disposons de 4 horaires (11h, 13h, 22h et 02h UTC). Ces valeurs sont les moyennes
calculées pour la période caniculaire du mois d’août 2003 (cf. Chapitre 5).
Nous établissons par ailleurs un indice de bâti normalisé pour chaque niveau d’observation à partir
de celui obtenu par les canaux proche-infrarouge et infrarouge de l’image multispectrale Landsat.
201
Moyenne, médiane et quartiles zonaux du NDBI sont ainsi calculés à 250 et 1 000 m. Nous pré-
senterons en résultat seulement la moyenne du NDBI car elle présente la valeur numérique la plus
forte avec les températures. Concernant le NDVI, nous disposons pour chaque résolution (250 m et
1 000 m) d’une image MODIS informative de ces valeurs (cf. Chapitre 6).
A 250 m, les relations entre températures et NDVI/NDBI comptent parmi les plus fortes de la
matrice – elles sont de -0,47 entre le NDVI et les températures et de 0,50 avec le NDBI à 13h UTC.
Dans le détail et pour les deux matrices, les températures de surface ont des relations fortes et néga-
tives avec le NDVI quelle que soit l’heure retenue.
Concernant le NDBI, qui est un indicateur synthétique du caractère minéral des surfaces urbaines,
il présente en journée des valeurs ρ fortes avec les températures diurnes de surface. Ces valeurs
sont plus directement tributaires du rayonnement solaire : plus un espace comporte de zones artifi-
cialisées, plus le soleil réchauffe en journée ses surfaces (cf. Chapitre 1) et plus les températures de
surface, obtenues à partir de l’émissivité, à ces endroits sont élevées.
Soyons attentifs au fait que les relations plus spécifiques entre les variables morphométriques et les
températures diurnes de surface sont cependant dans l’ensemble faibles et non-significatives à 250 m
(tableau 10.2), comme à 1 000 m (tableau 10.3). La ressemblance entre des résultats des deux matrices
Tableau 1.2. Coefficients de corrélation ρ des relations à 250 m entre les variables de températures (valeurs
moyennes horaires du 01.08.2003 au 21.08.2003 aux horaires indiqués), les variables morphométriques, le
NDVI et le NDBI.
SEUIL DE SIGNIFICATIVITÉ > 0,001

N
N
R
EA
EA
E
N
TÉ
N = 11334
EA
25
50
TE
75
IM
M
0
0
SI
0
LU
20
20
VI
VI
30
B
AU
EN
D
D
VO
VS
VS
VS
VS
T2
T0
T1
N
D
1
LISTE DES VARIABLES 0.87 0.12 0.15 0.12 0.02 0.09 0.06 0.08 0.1 0.07 0.42 -0.38 -0.49
T1100
0.2 0.21 0.21 0.08 0.18 -0.03 0 0.04 -0.01 0.5 -0.47 -0.6
0.8
T1100 : Températures de surface 11h00 (UTC) T1300
T1300 : Températures de surface 13h00 (UTC) T2200 0.91 0.48 0.56 0.6 -0.53 -0.44 -0.37 -0.54 0.14 -0.6 -0.61 0.6
T2200 : Températures de surface 22h00 (UTC) T0200 0.46 0.51 0.56 -0.49 -0.41 -0.34 -0.5 0.15 -0.57 -0.58
0.4
T0200 : Températures de surface 02h00 (UTC) 0.45 0.88 -0.81 -0.7 -0.41 -0.78 0.43 -0.61 -0.52
DENSITÉ
DENSITÉ : Densité moyenne surfacique des bâtiments 0.2
HAUTEUR 0.76 -0.54 -0.44 -0.39 -0.56 0.05 -0.52 -0.46
VOLUME -0.82 -0.71 -0.51 -0.81 0.31 -0.64 -0.56 0
VOLUME : Volume occupé par les bâtiments (Densité * Hauteur)
VSQ25 0.93 0.72 0.99 -0.24 0.41 0.38
VSQ25 : Part de ciel visible (1er quartile zonal à partir de la grille de 2 m) -0.2
VSQ50 : Part de ciel visible (médiane zonale à partir de la grille de 2 m) VSQ50 0.83 0.96 -0.21 0.28 0.28
-0.4
VSQ75 : Part de ciel visible (3ème quartile à partir de la grille de 2 m) VSQ75 0.78 -0.05 0.12 0.15

VSMEAN -0.21 0.39 0.37
NDBIMEAN (NDBI - moyenne zonale à partir de la grille de 30 m)
NDBIMEAN -0.58 -0.5 -0.8
NDVI (valeurs du produit MODIS MOD13A1)
NDVI 0.81
NDVIMEAN (NDVI - moyenne zonale à partir de la grille de 30 m) -1
202
est attendue puisque les données de températures à 250 m sont issues d’un rééchantillonnage (cf.
Chapitre 6) des valeurs à 1 000 m. Les raisons justifiant ces relations moins fortes à la morphologie
urbaine en journée sont liées au fait que l’hétérogénéité des formes urbaines a peu de relations avec
l’émissivité des surfaces (températures), qui est essentiellement tributaire du rayonnement solaire.
En effet, la variabilité des températures diurnes de surface est davantage sensible aux matériaux et
couleurs (albédo) qu’à la géométrie de la ville.
Mais à l’inverse, la nuit, en l’absence de rayonnement solaire, les relations avec les températures
nocturnes sont davantage probantes. Le rôle de la morphologie (l’étroitesse des rues, leur orientation,
volumétrie des bâtiments, etc.) influe fortement sur l’évacuation de la chaleur des canyons urbains
ainsi que nous l’avons détaillé dans le chapitre 1. Les valeurs des coefficients ρ sont par conséquent
plutôt importantes et significatives quel que soit le niveau d’observation. L’influence de la densité
surfacique ou encore du volume des bâtiments, et plus généralement celle de la morphologie urbaine,
sont ainsi mise en évidence à l’échelle du quartier (250 m), comme à celle se rapprochant de l’arron-
dissement (1000 m).
Comparons à ce titre les relations entre le premier quartile de la part de ciel visible avec les températures
nocturnes de surface (22h UTC). En effet, le caractère linéaire de la relation entre températures nocturnes
et la part de ciel visible a été largement développé dans la littérature (cf. Chapitre 1 et 5).
Tableau 1.3. Coefficients de corrélation ρ des relations à 1 000 m entre les variables de températures (valeurs
moyennes horaires du 01.08.2003 au 21.08.2003 aux horaires indiqués), les variables morphométriques, le
NDVI et le NDBI.
SEUIL DE SIGNIFICATIVITÉ > 0,001

N
N
R
EA
EA
E
N
TÉ
N = 833
M
EA
25
50
TE
75
IM
M
0
0
SI
0
LU
20
20
VI
VI
30
B
AU
EN
D
VO
VS
VS
VS
VS
T2
T0
T1
LISTE DES VARIABLES 1

T1100 0.89 0.19 0.22 0.25 0.10 0.2 -0.04 -0.02 -0.01 -0.03 0.63 -0.55 -0.59
T1100 : Températures de surface 11h00 (UTC) T1300 0.23 0.25 0.35 0.15 0.29 -0.12 -0.11 -0.09 -0.12 0.71 -0.6 -0.65 0.8
T1300 : Températures de surface 13h00 (UTC) T2200 0.92 0.68 0.61 0.77 -0.68 -0.59 -0.59 -0.69 0.24 -0.68 -0.6
0.6
T0200 : Températures de surface 02h00 (UTC)
0.4
DENSITÉ 0.55 0.89 -0.87 -0.8 -0.73 -0.87 0.43 -0.71 -0.69
HAUTEUR 0.74 -0.51 -0.39 -0.4 -0.52 0.11 -0.61 -0.52
VOLUME -0.83 -0.73 -0.69 -0.83 0.33 -0.71 -0.67 0
VSQ25 : Part de ciel visible (1er quartile zonal à partir de la grille de 2 m) VSQ25 0.95 0.88 0.99 -0.26 0.5 0.49
-0.2
-0.4

VSMEAN -0.25 0.5 0.49
NDBIMEAN -0.64 -0.68 -0.8
NDVIMEAN 0.91
203
Le coefficient de corrélation que nous favorisons est cette fois celui de Pearson (annexe 11.2). Celui-ci
est relativement important, négatif et significatif (r = -0,53). Ce premier quartile représente la partie
de la distribution comprenant les valeurs les plus faibles (correspondant dans la réalité physique à
des quartiers avec des rues étroites avec des bâtiments hauts). La relation met en évidence que,
dans ce type de quartiers, les températures de surface ont tendance à être plus chaudes de nuit.
La matrice à 1 000 m montre des valeurs sensiblement plus élevées entre ces deux mêmes variables. En
effet, les valeurs de Pearson sont négatives (- 0.67) et significatives. Nous choisissons de représenter
graphiquement la distribution statistique de ces deux variables (figure 10.2).
L’histogramme de fréquence de la part de ciel visible indique que la variable a une distribution de
type plutôt bimodale (figure 10.2.a) différenciant principalement les zones fortement urbanisées de
celles qui le sont plus faiblement (mailles mixtes zones rurales, comprenant forêts, etc.). En ce qui
concerne les températures, la distribution présente une asymétrie à droite (figure 10.2.b) mettant
en évidence la plus forte représentativité des valeurs élevées de températures. Le nuage de points
de la relation (figure 10.2.c) révèle que le modèle linéaire n’est pas approprié dans la mesure où la
forme de la droite de lissage (en rouge) semble plutôt être de type logarithmique. Toutefois, malgré
l’ensemble de ces observations, la nature décroissante de la relation est assez clairement observable :
les températures nocturnes augmentent à mesure que la part de ciel visible baisse dans les espaces
composés de rues plutôt étroites et de bâtiments élevés.
a PART DE CIEL VISIBLE EN % (1ER QUARTILE)
44 55 62 68 72 76 80 85 90 95 100
c PART DE CIEL VISIBLE EN % (1ER QUARTILE)
100
100
90
50
80
0 70
40 60 80 100
60
b TEMPERATURES DE SURFACE A 22H00 (TU)
20 21 22 23 24 25 26 50
r = -0,67
21 22 23 24 25 26
150
100 TEMPERATURES DE SURFACE A 22H00 (TU)
50 Droite de régression
Droite de lissage
0
20 22 24 26
5000m
Figure 1.2. Part de ciel visible et températures nocturnes de surface. Histogrammes de fréquence et coefficient
de corrélation à 1 000 m.
204
10.4. Pour un modèle de régression multivarié
Nous procédons à une régression multivariée afin de proposer un modèle qui prend en compte
l’ensemble des variables morphométriques. Compte tenu des résultats obtenus dans la partie
précédente, nous nous intéressons exclusivement aux températures nocturnes de surface à la
résolution MODIS de 1 000 m.
Nous retenons parmi les variables explicatives des températures nocturnes de surface, la densité
surfacique et la hauteur des bâtiments, la part de ciel visible, le NDBI et le NDVI ; le volume est
exclu de la régression car il constitue une redondance de l’information avec la densité surfacique et
la hauteur des bâtiments. L’échantillon comprend 833 individus (cellules à la résolution de MODIS).
L’ensemble des variables sont centrées-réduites. Les matrices des nuages de points des relations
linéaires simples sont présentées en annexe 14. À la lumière de ces différents graphiques, nous
proposons un modèle de régression multiple dont l’objectif est de prédire à partir des variables mor-
phométriques et du NDVI, les températures nocturnes de surface.
L’équation du modèle se présente sous la forme suivante :
TN02H = 1,03345 + 0,11949 * Densité + 0,37661 * HAUTEUR - 0,31729 * VS - 0,20867* NDBI - 0,42408 * NDVI
Avec :
TN02H Températures nocturnes de surface à 2h (UTC)
Densité Densité surfacique des bâtiments
HAUTEUR Hauteur moyenne des bâtiments
VS Part de ciel visible
La valeur du coefficient de détermination de ce modèle est de 0,52, elle est donc moyenne. Le gra-
phique des coefficients normalisés permet d’observer le poids de chacune des variables (figure 10.3).
Lorsque la valeur du coefficient est élevée pour une variable, cela indique que celle-ci a un poids
important dans la régression. Ici, on remarque que le NDVI, la part de ciel visible et la hauteur des
bâtiments sont les variables qui contribuent le plus au modèle.
Il s’agit à partir de cette dernière observation de discuter la qualité de l’ajustement. Celle-ci peut
être évaluée par le critère AIC (critère d'information d'Akaike). Le principe repose sur la méthode du
maximum de vraisemblance et sur une diminution du nombre de paramètres estimés.
Plus la valeur du critère d’AIC est faible, meilleure est la qualité de l’ajustement. La formule du critère
d’AIC est la suivante :
AIC = -2 * (maximum de la log-vraisemblance) + 2 * (nombre de paramètres)
205
T0200 / Coefficients normalisés

(Int. de conf. 95%) Préd(T0200) / T0200
0,3 1,2
0,2
a b
1
0,1
VS NDBI NDVI
0 0,8
DENSITE HAUTEUR
0,1
0,6
0,2
Coefficients normalisés
0,3 0,4
0,4
0,2
0,5
T0200
0,6 0
0 0,2 0,4 0,6 0,8 1 1,2
Préd(T0200)
Résidus normalisés Histogrammes (Résidus normalisés)
3 0,45
Normale(0;0,997)
c d
2 0,4
0,35
1
0,3
0
0,25
-1
0,2
-2
0,15
-3
0,1
-4 0,05
-5 0
-5 -4 -3 -2 -1 0 1 2 3
Résidus normalisés
Figure 1.3. Coefficients normalisés (a), prédictions / observations (b), résidus normalisés (c) et histogrammes
de fréquence des résidus normalisés (d) pour le modèle multivarié (températures nocturnes de surface versus
variables morphométriques et NDVI).
Le tableau de la figure 10.4 synthétise les valeurs des coefficients de détermination après intégration
des variables les plus contributives au modèle par ordre croissant.
Les valeurs de l’AIC sont relativement proches et les coefficients de détermination sont peu sensibles
à l’intégration de nouvelles variables.
Etant donné ces faibles différences numériques et afin de conserver le maximum d’information, nous
choisissons de conserver le modèle à 5 variables dont les valeurs du critère AIC et du coefficient
Tableau 1.4. R² et critère AIC pour la régression multivariée (températures nocturnes de surface / variables
morphométriques, NDBI et NDVI) - en gris, l’ajustement retenu.
variables intégrées MCE R² R² ajusté AIC de Akaike
VS + NDVI 0.02 0.46 0.45 -3198
hauteur + VS + NDVI 0.02 0.50 0.50 -3274
Hauteur + VS + NDBI + NDVI 0.02 0.51 0.51 -3488
Densité + Hauteur + VS + NDBI + NDVI 0.02 0.51 0.51 -3490
206
de détermination sont les plus élevées parmi l’ensemble des modèles proposés. L’histogramme des
résidus suit une loi plutôt normale avec une légère asymétrie à droite, la moyenne des erreurs (MCE)
est également prise en considération comme critère d’évaluation du modèle. Celle-ci est faible et
corrobore les hypothèses d’évaluation du critère AIC.
Concernant la distribution des résidus normalisés, ces derniers fluctuent principalement entre 2
et -2. La présence des « valeurs aberrantes » représente moins de 5% de la distribution.
Nous proposons une cartographie des résidus normalisés afin de spatialiser l’information (figure 10.4).
Les valeurs aberrantes sont identifiées en bleu foncé et rose foncé sur la carte. En bleu foncé sont
représentées les valeurs extrêmes sous-estimées par le modèle. En rose foncé, les valeurs extrêmes
surestimées.
Pour les valeurs sous-estimées, au nord, ces zones correspondent principalement à des zones agricoles
ou à l’emplacement de vastes espaces goudronnés (comme un aéroport, en l’occurrence ici, il s’agit
du Bourget) ainsi que nous les avons plus amplement identifiés et décrits dans le chapitre consacré à
la morphométrie urbaine. Au sud-est de l’agglomération, il s’agit de cellules occupées principalement
par de la végétation fortement chlorophyllienne (forêt de Notre Dame au sud de Créteil). En bleu plus
clair autour de la forêt se trouvent des espaces agricoles.
En ce qui concerne les valeurs
Résidus normalisés surestimées, elles se localisent dans
< -2
-2- -1
les zones fortement arborées, mais
-1 - 1 cette fois-ci plutôt urbaines (telles que
1-2
>2 les cellules se situant au niveau des
bois de Vincennes et de Boulogne).
Une autre forte surestimation est
observable au niveau des cellules au
centre du Val-de-Marne et de celles
à l’extrême est des Hauts-de-Seine :
pour ces cellules, cela correspond
aux tracés de la Seine au nord et de
la Marne au sud. D’autres cellules
5000m
surestimées dans le Val-de-Marne
peuvent être le fait d’une occupation
Figure 1.4. Cartographie des résidus normalisés de la régression du sol très hétérogène (eau +
(températures nocturnes, variables morphométriques et NDVI).
végétation + bâtiment).
207
Cette cartographie des résidus montre globalement d’une part l’incapacité du modèle à estimer les
températures dans les zones où les caractéristiques végétales des cellules observées sont diversifiées
(confusion entre espace agricole et forêt). D’autre part, il apparaît ici que les zones d’eau gagneraient
à être intégrées dans le modèle en créant des grilles à 250 m et 1000 m dans lesquelles seraient
calculées la part de zones d’eau (à partir des données de EEA), soit par télédétection à l’aide d’une
classification supervisée. Mais cette perspective n’a pas été développée dans ce travail.
Pour le présent, nous avons exclus les valeurs aberrantes de la régression afin d’améliorer la qualité du
modèle. Plus précisément, il s’agit de cellules dont les valeurs des résidus normalisés sont inférieures
à -2 ou supérieures à 2 du jeu de données. Cela constitue 41 valeurs.
Une nouvelle régression multiple est effectuée avec un échantillon à 792 observations (tableau 10.5).
La valeur du coefficient de détermination pour cette nouvelle régression à 5 variables explicatives est
de 0,60 - contre 0,51 pour la précédente.
La qualité du modèle n’est pas significativement améliorée eu égard à ce nouveau résultat.
Tableau 1.5. R² et critère AIC pour la régression (températures nocturnes de surface / variables morphomé-
triques et NDVI) - exclusion des valeurs aberrantes.
variables intégrées MCE R² R² ajusté AIC de Akaike
Densité 0.02 0.49 0.49 -3295
Densité + Hauteur 0.01 0.54 0.54 -3373
Densité + Hauteur + NDVI 0.01 0.57 0.57 -3429
Densité + Hauteur + VS + NDVI 0.01 0.60 0.59 -3473
Densité + Hauteur + VS + NDVI + NDBI 0.01 0.60 0.60 -3484
Dans cette nouvelle régression, ce sont la densité surfacique et la hauteur des bâtiments qui jouent
un rôle important puisqu’il s’agit des variables qui apportent le plus d’explication au modèle. Même
si cette régression n’améliore pas la qualité du modèle, il est intéressant d’observer la distribution
des résidus dans cette nouvelle configuration où le NDVI et la part de ciel visible ne sont plus les
premières variables contributives au modèle.
Il ressort de cette cartographie (figure 10.5 ci-contre) une tendance à la sous-estimation pour le nord
de Paris (en bleu clair) dont la densité surfacique est la plus élevée de l’agglomération. Également une
sous-estimation est constatée pour les cellules où les constructions ont des hauteurs extrêmes comme
dans le quartier de la Défense.
208
Le département du Val-de-Marne
(sud-est) présente toujours une
surestimation qui est certainement
principalement le fait de la présence
de zones d’eau, mais qui peut être
également en partie liée à la pré-
sence d’un habitat moins resserré.
5000m La plus forte présence d’espaces
verts (comparée aux zones urbaines
< -2
-2- -1
-1 - 1
densément bâties comme Paris) a
1-2
>2
également une influence. Dans l’en-
Résidus à valeurs aberrantes semble, ces cellules sont marquées
de la regression 1
par une forte hétérogénéité.
En définitive, ces modèles statis-
Figure 1.5. Cartographie des résidus normalisés de la régression
tiques présentent d’importantes
(températures nocturnes, variables morphométriques et NDVI) défaillances d’une part au niveau des
après exclusion des valeurs aberrantes de la régression 1.
cellules comportant des zones d’eau
et d’autre part avec les cellules à valeurs extrêmes toutes variables confondues (NDVI, densité sur-
facique, etc.). Cette limite du modèle a été observée pour ces cellules dans le nord de Paris (où la
densité surfacique est forte) ou encore dans le quartier de la Défense (où la hauteur des bâtiments
est la plus élevée de l’agglomération) où il a fait encore plus chaud en termes de températures de
surface que ce que projetait le modèle.
Ce chapitre avait pour finalité d’évaluer les relations entre les températures de surfaces, les variables
morphométriques et la présence de végétation à plusieurs niveaux d’observation.
À 30 m, l’ensemble des valeurs de corrélation est plutôt faible.
Les températures diurnes aux résolutions de MODIS sont également plutôt faiblement corrélées aux
variables morphométriques. En revanche, les températures nocturnes de surface ont des relations
globalement fortes et significatives avec la morphométrie et la végétation.
Les modèles de régression multiple ont montré des insuffisances quant à une prévision adaptée pour
209
les cellules dont la composition est hétérogène. Ils présentent en plus des limites quant à la prise en
compte de l’eau ou encore de la diversité végétale (champs, parcs, forêts). Toutefois, les surfaces et
les formes urbaines sont relativement bien estimées à l’exception des valeurs extrêmes (comme les
cellules situées dans le quartier de la Défense).
210
Dans cette partie, l’agglomération parisienne a été examinée sous l’angle de son climat estival, puis
de sa morphologie urbaine.
La canicule du mois d’août 2003 a été comparée à la vague de chaleur de 2006, mais également avec
les épisodes estivaux d’îlot de chaleur urbain survenus de 2001 à 2008. Bien que proches du point de
vue radiatif, la canicule de 2003 diffère de celle de 2006 au niveau de l’intensité de la chaleur, mais
converge sur le plan des écarts nocturnes de températures Δ(T) avec les épisodes d’ICU observés
pour les étés de 2001 à 2008.
ff L’été 2006 est moins extrême que celui de 2003. En effet, juillet 2006 et, même plus
globalement l’été 2006, présentent très peu de journées de très forte chaleur (> 35°C) et une
seule nuit de très forte chaleur (> 22°C).
ff La comparaison des semaines caniculaires du mois d’août 2003 avec les épisodes
d’îlot de chaleur urbain montre un écart moyen de température Δ(T) proche (entre les deux
catégories de journées) ; celui-ci est de 2 à 3°C entre Paris-Montsouris et Melun. De plus,
les vents synoptiques étaient faibles pour ces périodes.
Suite à cette approche météorologique et plutôt temporelle, nous avons déterminé les particularités
spatiales de la répartition des températures de surface dans l’agglomération parisienne durant la
vague de chaleur de 2003. Cela a été mené pour trois niveaux spatiaux (30 m, 250 m et 1 000 m).
En journée, Paris n’est pas la zone la plus chaude de l’agglomération en termes de températures de
surface. En revanche, au niveau des températures nocturnes de surface, Paris s’est avérée être la
zone la plus chaude de l’agglomération. Nous en avons cherché les facteurs explicatifs. Pour ce faire,
le chapitre 9 avait pour fonction de déterminer et de représenter les variables morphométriques et le
NDVI à ces mêmes niveaux spatiaux.
ff à Paris, la part de ciel visible est la plus faible de l’ensemble de territoire étudié ; cela
explique en partie les températures nocturnes de surface plus élevées dans ce secteur de la ville.
ff Les brises thermiques en provenance du nord et de l’est apportent également des
éléments de réponse quant à la répartition des températures nocturnes les plus élevées de
l’agglomération : ces secteurs sud étant moins directement exposés aux vents du nord et
d’est, les surfaces urbaines pourraient subir un refroidissement différé comparativement au
nord de l’agglomération, voire ne pas refroidir étant donné le vent plutôt faible et la probable
inertie thermique.
211
CONCLUSION DE LA PARTIE 3
Les résultats du chapitre 8 et 9 nous ont permis d’évaluer statistiquement dans le chapitre 10 les
relations entre les températures de surface, la morphométrie urbaine et la végétation.
Nous en retenons essentiellement les éléments suivants :
ff Les températures nocturnes de surface aux résolutions de MODIS présentent
globalement des relations plutôt fortes et significatives avec toutes les variables mises en jeu.
ff La présence de végétation induit une baisse des températures quel que soit le niveau
spatial ou l’horaire d’observation. Les valeurs des coefficients de détermination varient entre
16% pour la résolution de Landsat à environ 40 à 50% pour les résolutions de MODIS.
ff Les indicateurs de la volumétrie urbaine, et plus particulièrement la part du ciel visible
a révélé des relations statistiques les plus fortes (R² = 0.50), mettant en évidence que dans
les espaces où le canyon urbain est resserré et le ciel peu visible, les températures nocturnes
de surface avaient tendance à être élevées. Globalement ces endroits correspondent à Paris
intramuros où les températures nocturnes étaient plus élevées pendant la canicule de 2003
et où la mortalité a été la plus importante.
ASPECTS MÉTÉOROLOGIQUES :
- écarts Δ(T) (moyennes tri-horaires)

de 2 à 3°C entre Paris-Montsouris et Melun,
la nuit de 21h à 03h (UTC) pour 76 journées
en situation radiative d’ICU (étés 2001 à 2008)
- écarts Δ(T) horaires de 6°C durant
la canicule de 2003
- présence de brises thermiques en provenance
d’est (E) ou du nord (N)
RÉPARTITION SPATIALE DES TEMPÉRATURES : IMPLICATIONS DES FORMES URBAINES

ET DE LA PRÉSENCE DE LA VÉGÉTATION
- de nuit, les températures de surface les plus SUR LES TEMPÉRATURES :
élevées sont relevées dans Paris intramuros (30°C)
à 22h (UTC) et dans le sud de la ville (22°C) - fortes densités surfaciques des
à 02h (UTC) aux résolutions de MODIS. L’influence de bâtiments dans le nord de Paris
la morphologie urbaine sur la plus lente évacuation de la - part de ciel visible élevée à Paris
chaleur en zone urbaine dense est ainsi mise en avant. intramuros et notamment dans le sud
- en journée, nombreuses zones en périphérie - baisse des températures de surface
sont plus chaudes (avec des valeurs excédant les (de jour comme de nuit) à mesure que
50°C) qu’à Paris. Ces secteurs correspondent le NDVI augmente : R² d’environ 0.50
aux espaces fortement minéralisés (aéroports) aux résolutions de MODIS
ou aux zones rurales où l’absence de rugosité
urbaine entraîne un réchauffement plus rapide
des surfaces.
Figure de synthèse de la partie 3. Les relations entre la répartition spatiale des températures et la morphologie
urbaine dans l’agglomération parisienne.
212
PARTIE 4 Analyses de la mortalité
et de la surmortalité,
durant le mois d’août 2003
« La formulation de
conjectures incertaines,
mais plausibles
est une étape obligée
de tout processus
de connaissance. »
Raymond Boudon,
Le juste et le vrai :
étude sur l’objectivité
des valeurs
de la connaissance,
1995.
Avant toute chose, il convient d’insister sur le caractère multiple et complexe des facteurs
explicatifs de la catastrophe sanitaire de 2003 : forte chaleur, nature exceptionnelle de l’événement,
populations vulnérables, populations esseulées, populations précaires, conditions sanitaires des
logements, manque de réactivité des autorités quant à la prise en charge des populations malades.
Tous ces éléments constituent autant de pistes de réflexion. Mais dans cette recherche où il a fallu
opérer des choix, nous nous intéressons d’une part aux relations spécifiques entre la mortalité, la
surmortalité et les températures de surface et d’autre part au rôle des facteurs socio-démographiques
sur la mortalité et la surmortalité de l’été 2003.
Dans la précédente partie, nous avons pu mettre en exergue que la ville contribue à un maintien
de températures nocturnes élevées dans le centre-ville par rapport à la périphérie en condition
anticyclonique stable. Des différences de 3°C (en moyenne tri-horaire) à 6°C (en moyenne horaire) ont
été observées entre Paris intramuros (Paris-Montsouris) et la campagne avoisinante (Melun) lors du
mois d’août 2003. En termes de températures de surface, des écarts également de plusieurs degrés
ont été mesurés entre Paris hyper-centre et la banlieue parisienne. Ces derniers étaient de 2 à 3°C
avec la proche banlieue et pouvaient atteindre 6 à 7 °C en anomalie aux limites de l’agglomération.
Mais quelle est la nature de la relation qui existe entre les températures et la mortalité dans ce
contexte ? Il s’agit d’analyser cette question dans les deux chapitres suivants.
Le choix est porté dans le chapitre 11 sur la mesure statistique des relations entre les températures
de surface, la mortalité et la surmortalité par le biais de corrélations linéaires. Il s’agit par là d’évaluer
le rôle spécifique de la chaleur sur la mortalité, tout en admettant qu’en dépit de son influence,
d’autres facteurs (sociaux, sanitaires, économiques) ont également contribué à cette forte mortalité
enregistrée à Paris et dans sa proche banlieue.
Nous procéderons dans le chapitre 12 à une évaluation des relations entre la mortalité, la surmortalité
et les facteurs démographiques et sociaux.
La finalité de cette dernière partie dans son ensemble est d’apprécier les trois aspects de notre
problématique dont la convergence repose sur la construction d’un système complexe d’hypothèses
et dont il s’agit ici d’analyser simultanément les dimensions environnementales et sociales.
215
Chapitre 11 :
Évaluation des relations
entre les températures de surface,
la mortalité et la surmortalité en août 2003
Nous allons à présent évaluer les relations entre les températures de surface, la mortalité et la sur-
mortalité survenues à domicile par classe d’âge chez les individus de plus de 65 ans. Pour ce faire,
nous avons calculé un ensemble d’indicateurs pour deux classes d’âge : les 65-80 ans et les plus de
80 ans. Où trouve-t-on les taux de mortalité et surmortalité les plus élevés ? Et dans ces communes
peut-on dire que l’importante mortalité et/ou surmortalité étaient liées à la présence d’individus dont
l’âge était peut-être avancé (> 80 ans) ? Quelle est, dans le cas échéant, l’impact des températures
sur la mortalité par classe d’âge ?
Pour répondre à ces questions, dans une première sous-partie, après avoir déterminé les indicateurs
choisis pour évaluer mortalité et surmortalité, nous en présenterons une cartographie pour l’ensemble
de la classe d’âge des plus de 65 ans. Puis, dans une seconde sous-partie, nous distinguerons les
65-80 ans des plus de 80 ans afin d’observer les différences spatiales entre les communes peuplées
de personnes très âgées et celles peuplées de personnes moins âgées. Enfin, il s’agira de mettre en
relation les indicateurs de mortalité et de surmortalité avec les températures nocturnes et diurnes de
surface afin de mesurer statistiquement leurs relations.
217
Chapitre 11 : évaluation des relations entre les températures extrêmes de 2003 et la mortalité
11.1. La mortalité à Paris et dans la petite couronne en 2003
11.1.1. Indicateurs de mortalité et de surmortalité
Nous nous intéressons à la mortalité et à la surmortalité à domicile des personnes de plus de 65 ans
dans l’agglomération parisienne durant les 3 premières semaines du mois d’août 2003. Nous allons
étudier, par ailleurs, la mortalité de la même classe d’âge pour la même période du mois d’août en
2002.
Ce choix a pour intérêt de pouvoir observer une valeur quantitative dans l’absolu (la mortalité) et
de pouvoir établir une comparaison dans une approche relative par rapport à une année considérée
comme non caniculaire, 2002 (la surmortalité). Au niveau de la représentation cartographique (figure
11.1), nous construisons les indicateurs suivants :
XX Un pourcentage des individus de plus de 65 ans décédés par commune par rapport
au nombre total d’individus de plus de 65 ans décédés à Paris et dans la petite couronne.
On note cette variable (MA).
MAx = (NbDCx * 100) / ∑NbDC
Avec :
NbDC = Nombre de personnes de plus de 65 ans décédées à domicile durant la pre-
mière quinzaine d’août 2003
Cet indicateur permet d’estimer la mortalité par rapport à l’ensemble du territoire de l’agglomération :
on distingue alors le poids de la mortalité essentiellement en comparant les communes les unes aux
autres. Son intérêt est principalement cartographique8.
Cette variable est étudiée pour le mois d’août 2003 (MA) et pour le mois d’août 2002 (MA2002) afin
de comparer ces deux années.
XX Un pourcentage des individus de plus de 65 ans décédés par commune par rapport
au nombre de personnes de plus de 65 ans résidant dans la commune. On note cette
nouvelle variable (MA2).
MA2x = (NbDCx *1 000) / Pop65x
8. En effet, pour les traitements statistiques, nous avantagerons l’utilisation du nombre de décès (NbDC), variable qui sera centrée-réduite. Cette trans-
formation est plus appropriée étant donné que l’ensemble des variables font l’objet d’une opération identique pour l’analyse en composantes principales.
218
Partie 4 Analyses de la mortalité et de la surmortalité dans l’agglomération parisienne durant le mois d’août 2003
Avec :
NbDC : Nombre de personnes de plus de 65 ans décédées à domicile durant la première
quinzaine d’août 2003
Pop65 : Nombre de personnes de plus de 65 ans résidant dans la commune en 1999
(INSEE, RP99)
Cet autre indicateur a pour fonction d’estimer la mortalité par rapport à l’âge de la population. Ainsi
il permet d’apporter une nouvelle information puisqu’il représente la mortalité uniquement par rapport
à la part de la population de la même classe d’âge.
XX Pour la surmortalité, un ratio est calculé à partir de la mortalité enregistrée à la même

période l’année précédente, en 2002. On note cette variable de surmortalité (SMO).
SMOx = NbDC2003x / NbDC2002x
Avec :
NbDC2003 : Nombre de personnes de plus de 65 ans décédées à domicile durant la
première quinzaine d’août 2003
NbDC2002 : Nombre de personnes de plus de 65 ans décédées à domicile durant la
première quinzaine d’août 2002
Il convient de préciser deux éléments pour ce ratio de surmortalité. Tout d’abord, notons qu’en cas
d’absence de mortalité en 2002, on affecte au ratio la valeur du nombre de morts en 2003 - puisqu’un
rapport avec un dénominateur nul est impossible. Par exemple, s’il n’y a aucun décès dans une
commune en 2002 et qu’il y en a 7 en 2003, alors nous considérerons que le ratio est de 7, signifiant
qu’il y a eu 7 fois plus de décès en 2003 que l’année précédente. Ensuite, retenons que, lorsque le
ratio est inférieur à 1, cela indique une sous-mortalité pour la commune considérée.
11.1.2. Mortalité et surmortalité chez les plus de 65 ans
La figure 11.1 représente les différents indicateurs de mortalité et de surmortalité : la mortalité

survenue en août 2003 (carte 1) et celle du mois d’août 2002 (carte 2), la mortalité d’août 2003 par
rapport à la population de plus de 65 ans résidant dans la commune en 1999 (carte 3) et enfin la
mortalité d’août 2002 par rapport à la population de plus de 65 ans résidant dans la commune en
1999 (carte 4).
219
1 Part des individus de plus 65 ans décédés 2 Part des individus de plus 65 ans décédés
dans la commune par rapport au nombre total dans la commune par rapport au nombre total
d’individus de plus de 65 ans décédés d’individus de plus de 65 ans décédés
dans l’agglomération en août 2003 dans l’agglomération en août 2002
MA (%)
0,02
1
2
3
4
5
6
7
Bois de Boulogne
et de Vincennes
3 Pourcentage des individus de plus 65 ans décédés 4 Pourcentage des individus de plus 65 ans décédés
par commune en 2003 par rapport à l’ensemble par commune en août 2002 par rapport à l’ensemble
de la population de plus de 65 ans résidant de la population de plus de 65 ans résidant
dans la commune (RP : 1999) dans la commune (RP : 1999)
MA2 (%)
0,02
0,25
0,50
0,75
1,00
1,25
Absence de décès 5000 m
Figure 1.1. Mortalité par rapport à l’ensemble de la population de plus de 65 ans vivant dans l’agglomération
parisienne (Paris, Hauts-de-Seine, Seine-Saint-Denis et Val-de-Marne) durant les 3 premières semaines d'août
en 2003 (carte 1) et en 2002 (carte 2). Mortalité en août 2003 (carte 3) et en août 2002 (carte 4) par rapport au
nombre de personnes de plus de 65 résidant dans la commune en 1999. Données, INSERM 2002 et 2003, et
INSEE 1999.
En 2003 (figure 11.1, carte 1), la mortalité se caractérise par une forte concentration à Paris et plus
particulièrement dans le sud de la ville, elle représente plus de 35% de la mortalité survenue dans
l’agglomération. Relativement à la population de plus de 65 ans résidant dans l’agglomération, en
2003 c’est également le sud qui a été touché. En effet, la carte 3 (figure 11.1) révèle une mortalité
particulièrement virulente dans les 12ème, 13ème, 14ème et 20ème arrondissements et dans le Val-de-
Marne. Parallèlement à cela, il convient d’observer que les communes directement limitrophes à Paris
ont connu dans l’ensemble une mortalité plutôt élevée.
En 2002 (figure 11.1, carte 2 et 4), il apparaît en premier lieu que la mortalité estivale du mois d’août
est nettement moins importante (que celle de 2003) avec de nombreuses communes exemptes de
220
décès (40 communes sur les 145 que compte l’agglomération). à Paris, elle a été forte dans l’ouest
(15ème et 16ème arrondissements) ; ces deux arrondissements recensent à eux seuls près de 15% de la
mortalité de l’agglomération en 2002. Or, nous avons vu dans le chapitre 3 que l’ouest de Paris est
peuplé de personnes plus âgées que dans le reste de la ville. Cela explique en grande partie la plus
importante mortalité de l’ouest en période « normale ». Mais il convient de préciser également que la
forte mortalité à Paris, de manière plus globale (comparativement à la petite couronne) est le fait d’un
effet de masse statistique lié à la forte densité de population - et notamment à celle des personnes
âgées résidant dans la capitale (figure 11.2).
Nombre de personnes de plus de 65 ans

résidant dans la commune en 1999
NB65+ (nombre d’habitants)
156 - 1500
1501 - 5000
5001 - 10000
10001 - 15000
15001 - 20000
20001 - 36694
5000 m
Figure 1.2. Répartition spatiale des personnes de plus de 65 ans dans l’agglomération parisienne en 1999.
Données, INSEE RGP99.
Au niveau de la surmortalité, sur la figure 11.3 (carte 1), une forte concentration se distingue dans le
sud de l’agglomération. Le 14ème arrondissement (Paris) ainsi que les communes de Cachan, Alfortville,
Ivry-sur-Seine et Villejuif (Val-de-Marne) ont connu une surmortalité 10 à 30 fois supérieure à celle de
2002. Un ratio inférieur à 1 indique une sous-mortalité. Cette sous-mortalité concerne 14 communes
(soit moins de 10% de l’effectif total). Et l’absence de mortalité (nombre de décès nul en 2003)
représente seulement 11 communes. Par conséquent plus de 80% des communes (et arrondissements
municipaux) de l’agglomération ont été touchées par la surmortalité avec une forte concentration
dans le sud et le sud-est de l’agglomération. Toutefois, le nord-est et le nord de l’agglomération avec
des communes comme Bondy, Noisy-le-Sec ou encore Saint-Ouen ont également un ratio élevé (plus
221
de 10 fois supérieur à la mortalité du mois d’août 2003). Aussi, on peut retenir que si le sud est
touché assez massivement par la surmortalité, il demeure délicat d’établir une logique spatiale nette.
Une tendance à une logique de densité démographique pourrait être davantage d’à propos ; celle-ci
consiste à observer un nombre important de décès aux endroits où il y a un plus grand nombre de
personnes âgées.
Relativement à une éventuelle logique sociale, des communes très opposées (comme Courbevoie et
Bondy) ont été touchées, il est par conséquent difficile de soutenir fermement l’idée d’une influence
socio-économique sur la surmortalité. Cependant, si dans l’ouest et en partie dans le sud, cette
surmortalité peut être reliée à l’hypothèse démographique (une plus forte présence de personnes
âgées), dans l’est et le nord est de l’agglomération, qui recensent des communes avec une population
plus jeune, mais moins argentée, la question sociale demeure pertinente. Mais nous reviendrons sur
ces aspects plus amplement dans le dernier chapitre lors de l’étude de la répartition spatiale des
variables sociales et économiques. Pour le moment, nous allons approfondir l’hypothèse démographique
en étudiant la répartition spatiale de la mortalité et de la surmortalité par classe d’âge.
Ratio de surmortalité durant la première quinzaine d’août 2003 par commune

(Nombre de décès enregistrés en 2003 / Nombre de décès enregistrés en 2002)
SMO
<1
1,1 - 2
2,1 - 3
3,1 - 4
4,1 - 6
6,1 - 10 7
8 6
10,1 - 20 5
20,1 - 31
Absence 3
de décès 4
2
1 5
5000 m
1. Cachan
2. Alfortville 5. Noisy-le-Sec
3. Paris 14 6. Bondy
4. Ivry-sur-Seine 7. Saint-Ouen
5. Villejuif 8. Courbevoie
Figure 1.3. Répartition spatiale ratio de surmortalité du mois d’août 2003 dans l’agglomération parisienne.
Données, INSERM 2002 et 2003.
222
11.1.3. Mortalité et surmortalité chez les 65-80 ans et les plus de 80 ans
Détailler la logique démographique consiste à comprendre si la mortalité et la surmortalité sont

liées spatialement à une plus forte présence d’une population très âgée (> 80 ans). Sur la figure
11.4, la carte 1 montre une importante mortalité des 65-80 ans dans les arrondissements parisiens
périphériques (par opposition aux arrondissements centraux : du 1er au 9ème arrondissement). Cette
répartition spatiale présente des caractéristiques proches de la carte de répartition des personnes
de plus de 65 ans (figure 11.2). Pour la mortalité des plus de 80 ans (carte 2), le sud et le sud-est
de Paris concentrent une part importante (près de 7% pour le 20ème arrondissement). Dans la partie
précédente, nous avons mis en évidence que dans le sud de Paris (et plus largement dans le sud
de l’agglomération) les températures nocturnes de surface étaient plus élevées comparativement au
Part d’individus décédés par rapport au nombre total d’individus décédés dans l’agglomération en 2003 (MA) par classe d’âge :
1 Décès 65-80 ans 2 Décès 80 ans et +

MA (%)
0,02
1
2
3
5
6
7
Absence de décès
en 2003
Bois de Boulogne
et de Vincennes
Ratio de surmortalité (SMO) durant la première quinzaine d’août 2003 par commune
(Nombre de décès enregistrés en 2003 / Nombre de décès enregistrés en 2002) par classe d’âge
3 Surmortalité 65-80 ans 4 Surmortalité 80 ans et +
SMO (ratio)
<1
1,1 - 2
2,1 - 3
3,1 - 4
4,1 - 6
6,1 - 10 4
10,1 - 20 2
3
20,1 - 31 1
Absence de décès
en 2003
1. Saint-Maur-des-Fossés
2. Joinville-le-Pont
3. Champigny-sur-Marne
5000 m 4. Noisy-le-Grand
Figure 1.4. Mortalité et surmortalité par classe d'âge du 1er au 21 août 2003 dans l’agglomération parisienne.
Données, INSERM 2002 et 2003.
223
reste du territoire. Aussi, pour les individus de plus de 80 ans, la répartition spatiale de la mortalité
correspond fortement aux zones de températures nocturnes élevées. Une proximité spatiale entre ces
deux variables est mise en évidence, nous en quantifierons le lien statistique par corrélation linéaire
dans la sous-partie suivante.
Concernant la surmortalité (figure 11.4, cartes 3 et 4), on observe des différences entre les deux
classes d’âge. En effet, une forte surmortalité se distingue dans le sud de Paris comme les 13ème
et 14ème arrondissements de Paris. Sont également fortement affectées les communes avoisinantes
de ces arrondissements dans le Val-de-Marne et dans les Hauts-de-Seine : Ivry-sur-Seine, Villejuif,
Bourg-la-Reine et Montrouge. À titre d’exemple, pour la classe d’âge 65-80 ans à Ivry-sur-Seine
la surmortalité représente 30 fois celle de 2002 (avec une personne décédée en août 2002 et 30
personnes décédées en août 2003). Près de 20% des communes présentent une sous-mortalité pour
les 65-80 ans alors que pour les plus de 80 ans, celle-ci est inférieure à 10%.
Si la surmortalité affecte assez massivement, et spatialement de manière plutôt hétérogène,
l’ensemble du territoire de l’agglomération, on identifie cependant quelques spécificités. En effet,
certaines communes ont connu une forte surmortalité des plus âgées sont plutôt aisées (comme dans
le sud-est de l’agglomération à Saint-Maur-des-Fossés, Joinville-le-Pont ou Champigny-sur-Marne).
Ici le facteur démographique (âge avancé) associé aux températures extrêmes pourrait expliquer
la plus forte surmortalité. En effet, ces communes sont plutôt pavillonnaires, disposent de maisons
individuelles avec des jardins et se trouvent à proximité du bois de Vincennes, les températures
nocturnes et diurnes de surface y sont de plusieurs degrés moins élevées que dans la capitale ou que
dans des communes plus minéralisées en raison de la présence d’un habitat plus collectif. Pourtant
la surmortalité y est très importante.
11.2. Les corrélations entre mortalité et températures de surface
Nous avons montré que le sud de l’agglomération avait connu une plus forte mortalité (figure 11.1,
carte 3) que dans le reste du territoire. Pour la surmortalité, les communes du sud de l’agglomération
ont aussi connu des ratios élevés (figure 11.3) avec des taux plus de 30 fois supérieurs à la mortalité
de 2002 à la même période. Dans cette sous-partie, où l’objectif est de quantifier les relations,
nous procédons à l’analyse quantitative par corrélation linéaire entre les températures (nocturnes et
diurnes de surfaces), la mortalité et la surmortalité.
Nous disposons des valeurs moyennes des températures diurnes (11h et 13h) et nocturnes (22h et 2h)
de surface par commune pour la période caniculaire du mois d’août 2003 (cf. Chapitre 8). Une nouvelle
variable de température est ajoutée dans la matrice de corrélation : il s’agit de l’amplitude thermique
224
journalière des températures de surface. Elle est calculée à partir des données des images MODIS
à 13h (UTC) et à 2h (UTC), considérées alors respectivement comme des valeurs indicatives d’un
maxima diurne et d’un minima nocturne. Le tableau 11.1 et l’annexe 15 présentent respectivement
les valeurs des coefficients de corrélation de Pearson et de Spearman.
Pour les relations entre les températures et les différents indicateurs de mortalité, nous remarquons
que MA2 présente les relations les plus faibles de la matrice et elles sont non significatives. Cela
s’observe pour l’ensemble des variables de températures et quelle que soit la classe d’âge.
Concernant plus particulièrement, les relations avec les températures nocturnes de surface, les
valeurs des coefficients r et ρ sont les plus élevées de la matrice - et notamment avec les valeurs des
3èmes quartiles des températures. La mortalité, tout comme la surmortalité a tendance à augmenter
avec les températures nocturnes de surface. Par exemple, le 3ème quartile des températures à 2h00
avec la mortalité en 2003 (MA) présente une corrélation linéaire de 0,50 (pour Pearson) et de 0,61
(pour Spearman) ; ces relations bien que moyennes, sont significatives. Plus les températures sont
élevées la nuit, plus la mortalité a tendance à augmenter. Toutefois cette corrélation est à nuancer
car elle est fortement tributaire de la densité de peuplement : il y a plus de monde à Paris, il y a
donc également plus de décès. Par ailleurs, il y fait plus chaud (étant donné le phénomène d’îlot de
chaleur), et conséquent il apparaît logique qu’une relation plutôt importante existe entre la mortalité
et les températures nocturnes de surface.
Concernant les températures diurnes, elles présentent globalement des relations non significatives et
faibles avec la mortalité. L’impact d’une forte chaleur diurne semblerait par conséquent avoir moins
de répercussions sur la mortalité. à ce titre, la littérature a largement fait état du fait que les relations
entre températures et surmortalité étaient davantage signifiantes la nuit (cf. Chapitre 4).
Enfin, la variable informative de l’amplitude journalière a pour sa part une relation négative,
relativement faible, mais significative avec la mortalité enregistrée en 2003. Cette variable présente
de l’intérêt, puisque dans la littérature, il a été montré que plus l’amplitude journalière entre les
valeurs maximales et minimales est importante, moins l’organisme est en souffrance en période
estivale [Cadot et Spira, 2006] et par conséquent moins le risque de mortalité est effectif. En effet,
une forte amplitude thermique peut être significative d’une baisse des températures nocturnes. A
contrario lorsque les valeurs nocturnes demeurent élevées, cette amplitude est faible. En 2003, plus
la chaleur nocturne est élevée, plus cette amplitude est faible et plus la mortalité est forte. Paris ainsi
que certaines communes périphériques de l’agglomération sont caractérisées par des amplitudes
thermiques moins importantes que dans le reste de l’agglomération (et c’est notamment le cas pour
certaines communes de l’est où la densité urbaine est plus faible). Or dans ces zones aux densités
urbaines plus faibles, l’amplitude thermique journalière est plus forte qu’en ville (en raison d’un
225
refroidissement nocturne plus important). De ce fait, on constatera qu’une amplitude moins forte en
zone urbaine s’accompagne d’une mortalité plus importante.
Concernant la surmortalité, globalement les résultats des corrélations sont plus faibles, inférieurs
à ceux obtenus pour la mortalité. Toutefois, des relations existent et demeurent statistiquement
significatives avec les variables de températures. Dans l’ensemble, on relève que les températures
diurnes de surface sont corrélées faiblement, mais significativement avec la surmortalité pour la
classe d’âge des plus de 65 ans. S’agissant des relations en fonction des deux classes d’âge, malgré
une répartition spatiale sensiblement différenciée (figure 11.4), d’un point de vue statistique, les
valeurs des coefficients de corrélation sont relativement proches au niveau communal.
Tableau 1.1. Matrice de Pearson (températures diurnes et nocturnes de surface - mortalité et surmortalité).
65-80 ans 80 ans + 65 ans +

DC2003_6580
PCTDC_6580
DCA2003+80
DCA2003+65
PCTDC_80
PCTDC_65
SMO6580
SMO80+
SMO65+
TEMPERATURES DE SURFACE
MOYENNE 0,05 0,13 0,11 -0,03 0,13 -0,02 0,00 0,23 0,01
11H00 (TU) 1ER QUARTILE 0,06 0,15 0,09 -0,01 0,15 -0,05 0,02 0,24 -0,02
MEDIANE 0,04 0,13 0,13 -0,04 0,12 -0,02 -0,01 0,24 0,03
3EME QUARTILE 0,02 0,12 0,10 -0,07 0,10 -0,03 -0,03 0,21 0,01
MOYENNE 0,13 0,17 0,13 0,05 0,17 -0,05 0,09 0,24 0,01
13H00 (TU) 1ER QUARTILE 0,15 0,19 0,15 0,08 0,19 -0,06 0,11 0,26 0,00
MEDIANE 0,12 0,17 0,13 0,05 0,17 -0,05 0,08 0,24 0,01
3EME QUARTILE 0,10 0,14 0,10 0,01 0,12 -0,06 0,05 0,21 -0,02
MOYENNE 0,49 0,44 0,14 0,43 0,42 0,07 0,47 0,40 0,11
22H00 (TU) 1ER QUARTILE 0,49 0,44 0,15 0,43 0,41 0,04 0,47 0,40 0,10
MEDIANE 0,49 0,44 0,13 0,43 0,42 0,07 0,47 0,39 0,11
3EME QUARTILE 0,49 0,44 0,15 0,43 0,42 0,08 0,47 0,40 0,12
MOYENNE 0,50 0,42 0,19 0,44 0,42 0,05 0,49 0,38 0,12
02H00 (TU) 1ER QUARTILE 0,48 0,41 0,17 0,42 0,41 0,02 0,46 0,37 0,09
MEDIANE 0,50 0,42 0,19 0,44 0,42 0,04 0,48 0,39 0,11
3EME QUARTILE 0,52 0,42 0,20 0,46 0,43 0,07 0,50 0,37 0,14
Δ(T) = amplitude thermique journalière* -0,20 -0,09 0,03 -0,24 -0,09 -0,08 -0,23 0,02 -0,07
* Δ(T) = Tmean 13h - Tmean 02h En caractère gras : significativité > 0.001
N = 143
226
Étant donné la valeur de ces coefficients, l’hypothèse d’une relation non linéaire est interrogée. Il
convient dès lors d’étudier le nuage de points afin de préciser cette hypothèse.
11.3. La nature et la forme des relations avec les températures nocturnes
Nous retenons uniquement la mortalité (MA) et le ratio de surmortalité (SMO) que nous cherchons à
expliquer par la moyenne des températures nocturnes de surface à 2h00 (UTC) du mois d’août 2003.
Nous représentons l’ensemble de la population des plus de 65 ans (sans distinction de classe d’âge)
dont les relations avec les températures nocturnes de surface avaient précédemment les valeurs les
plus fortes de la matrice.
Les nuages de points de la figure 11.5 mettent en évidence une relation plutôt exponentielle ; pour la
mortalité, la courbe d’ajustement exponentielle semble donc plus appropriée que la droite linéaire.
REGRESSION LINEAIRE REGRESSION EXPONENTIELLE

Droite de lissage
NOMBRE DE DECES (MA) NOMBRE DE DECES (MA)
y = -209,030 +10,696x y = exp(-14,623+0,815*x)
R² = 0,23 R² = 0,41
100 r = 0,48 100 r = 0,64
80 80
60 60
MORTALITE
40 40
20 20
0 0
18 19 20 21 22 17 18 19 20 21 22 23
TEMPERATURES (Q3) TEMPERATURES (Q3)

a 02H00 b 02H00
SURMORTALITE (SMO) Droite de lissage SURMORTALITE (SMO)

2003/2002 y = -33,366 +1,827x 2003/2002 y = exp(-6,807+0,400*x)
30 R² = 0,14 30 R² = 0,10
r = 0,37 r = 0,32
25 25
20 20
SURMORTALITE
15 15
10 10
5 5
0 0
18 19 20 21 22 17 18 19 20 21 22 23
TEMPERATURES (Q3) TEMPERATURES (Q3)

c 02H00 d 02H00
Figure 1.5. Graphiques des relations linéaires entre la mortalité et les températures nocturnes de surface (a),
la surmortalité et les températures nocturnes de surface (b). Graphiques des relations exponentielles entre
la mortalité et les températures nocturnes de surface (c), la surmortalité et les températures nocturnes de
surface (d).
227
Pour la surmortalité, le modèle linéaire pourrait être sensiblement mieux adapté étant donné la valeur
du coefficient. Cependant l’ajustement linéaire est discutable pour deux raisons au moins. D’abord,
la forme générale du nuage de points décrit davantage une relation de type exponentielle, ensuite
la prédiction linéaire du modèle envisage un nombre de décès négatif, ce qui traduit l’inaptitude
du modèle. Toutefois avant d’exclure définitivement le modèle linéaire de la suite de nos analyses,
nous allons procéder à l’étude des résidus des deux modèles de régression pour approfondir nos
observations.
Pour ce qui concerne les résidus des régressions linéaires (figure 11.6), nous constatons que le modèle a
tendance à sous-estimer la mortalité survenue à Paris. Par exemple, pour les arrondissements parisiens
du 12ème au 20ème arrondissement, la mortalité est peu expliquée par les températures nocturnes de
surface. Ici le rôle de la forte présence de personnes âgées résidant dans les arrondissements sus-
cités constitue un des autres facteurs explicatifs.
Concernant la surmortalité (figure 11.6.b), les arrondissements parisiens ne sont pas parmi ceux dont
la part résiduelle inexpliquée est la plus importante. En effet, les communes d’Alfortville et de Cachan
MODELE LINEAIRE
a Communes / arrondissements représentant le dernier décile

de la distribution des résidus standardisés
NOMBRE DE DECES 2003 (MA)
Résidus standardisés MA > 0,95*
Boulogne-Billancourt
VAL-DE-MARNE
Colombes
PETITE COURONNE
SEINE-SAINT-DENIS
Paris 12
Paris 13
HAUTS-DE-SEINE
Santeny Paris 14
Ivry-sur-Seine Paris 15
Paris 16
Paris 17
PARIS
Paris 18
Paris 19
-5 -3 -1 1 3 5
Paris 20
Communes / arrondissements représentant le dernier décile

b
de la distribution des résidus standardisés
SURMORTALITE (SMO)
Résidus normalisés Résidus standardisés SMO > 1*
Vlllejuif
Ivry-sur-Seine
VAL-DE-MARNE
Villeneuve-Saint-Georges
Alfortville
Cachan
PETITE COURONNE
Bondy
SEINE-SAINT-DENIS
Epinay-sur-Seine
Noisy-le-Sec
Le Raincy
Saint-Ouen
HAUTS-DE-SEINE
Châtillon
Courbevoie
PARIS
Paris 15
-6 -4 -2 0 2 4 6
* Seuil correspondant au dernier décile de la distribution
Figure 1.6. Résidus standardisés de la régression linéaire pour la mortalité (a) et la surmortalité (b) établies à
partir des communes de l’agglomération parisienne.
228
(en proche banlieue dans le Val-de-Marne) sont celles qui s’éloignent le plus du modèle linéaire. Ces
communes correspondent à celles dont la surmortalité a été particulièrement virulente.
De manière plus générale, le Val-de-Marne et la Seine-Saint-Denis comportent de nombreuses
communes avec d’importants écarts au modèle. Pour ces communes, les seules températures
nocturnes de surface ne peuvent suffire à expliquer la surmortalité enregistrée d’après ce modèle.
Il apparaît donc nécessaire de s’interroger simultanément sur la qualité du modèle et sur les autres
facteurs explicatifs. Parmi ceux-là, nous étudierons dans le dernier chapitre le rôle de la précarité
sociale, celui du type de logements ou encore du revenu. Mais avant d’approfondir ces aspects, il
s’agit d’analyser les résidus de la relation exponentielle.
Pour la régression exponentielle (figure 11.7), les résidus standardisés ont dans l’ensemble (pour la
mortalité comme pour la surmortalité) des valeurs plus faibles que pour le modèle linéaire ; l’écart du
modèle à la réalité est par conséquent moins important. La droite exponentielle propose sensiblement
un meilleur ajustement de la relation entre les variables de mortalité, de surmortalité et les tempéra-
tures nocturnes de surface à 2h00 (UTC).
MODELE EXPONENTIEL
a Communes / arrondissements représentant le dernier décile

NOMBRE DE DECES 2003 (MA) de la distribution des résidus standardisés
Résidus normalisés Résidus standardisés MA > 1,35*
VAL-DE-MARNE
Boissy-Saint-Léger
Santeny
PETITE COURONNE
SEINE-SAINT-DENIS
Bondy
Boulogne-Billancourt
HAUTS-DE-SEINE
Colombe
Paris 14
Saint-Cloud
Paris 15
Suresnes
Paris 16
PARIS
Paris 17
Paris 18
-3 -2 -1 0 1 2 3 Paris 20
Communes / arrondissements représentant le dernier décile

b
SURMORTALITE (SMO) de la distribution des résidus standardisés
Résidus normalisés Résidus standardisés SMO > 0,75*
Vlllejuif
Ivry-sur-Seine
VAL-DE-MARNE
Villeneuve-Saint-George
Alfortville
Cachan Bondy
PETITE COURONNE
Epinay-sur-Seine
SEINE-SAINT-DENIS
Noisy-le-Sec
Le Raincy
Saint-Ouen
Villemomble
HAUTS-DE-SEINE
Châtillon
Courbevoie
PARIS
-5 -3 -1 1 3 5
* Seuil correspondant au dernier décile de la distribution
Figure 1.7. Résidus standardisés de la régression exponentielle pour la mortalité (a) et la surmortalité (b)
établie à partir des communes de l’agglomération parisienne.
229
Pour la mortalité, l’effet de masse lié à la forte représentation numéraire des personnes âgées à Paris
implique des résidus élevés (> 2). Pour la surmortalité, les écarts au modèle sont dans l’ensemble
moins élevés (que pour ceux au modèle linéaire) à l’exception d’Alfortville dont l’écart est de 4,5.
Parmi les communes dont la part inexpliquée de la surmortalité par les températures est conséquente,
six d’entre elles appartiennent à la Seine-Saint-Denis. Statistiquement, cela représente 17% des
communes de ce département.
Sur la figure 11.8, nous représentons une cartographie des résidus de la régression exponentielle
mortalité / températures nocturnes de surface (a) et ceux de la régression surmortalité / températures
nocturnes de surface (b).
Concernant la mortalité, la part inexpliquée la plus forte se localise principalement dans les
arrondissements parisiens et plus globalement dans l’ouest de l’agglomération (Hauts-de-Seine)
avec une forte surestimation du modèle (résidus > 2). Il s’agit principalement des zones où la
concentration de population est plutôt forte. Mais de nombreuses causes peuvent être, en plus
de températures extrêmes, à l’origine de la mortalité dans ces zones. Dans les précédentes sous-
a MORTALITE (MA) / TEMPERATURES NOCTURNES DE SURFACE (2H UTC) b SURMORTALITE (SMO) / TEMPERATURES NOCTURNES DE SURFACE
Résidus standardisés
-0,88
0,50
0,00
SEINE-SAINT-DENIS SEINE-SAINT-DENIS
0,50
1,00
PARIS PARIS
2,00
3,00
HAUTS-DE-SEINE HAUTS-DE-SEINE
4,50
VAL-DE-MARNE VAL-DE-MARNE
5000 m
Absence de décès en 2003
NOMBRE DE DECES 2003 SURMORTALITE (2003/2002)

120 35
PARIS HAUTS-DE-SEINE SEINE-SAINT-DENIS VAL-DE-MARNE PARIS HAUTS-DE-SEINE SEINE-SAINT-DENIS VAL-DE-MARNE
100 30
25
80
20
60
15
40
10
20
5
0 0
0 20 40 60 80 100 120 0 20 40 60 80 100 120
COMMUNES COMMUNES
Valeurs observées
Valeurs prédites
Figure 1.8. Résidus standardisés des modèles exponentiels et graphiques de prédiction du modèle.
Mortalité / Températures nocturnes de surface (a) et Surmortalité / Températures nocturnes de surface (b) pour
les arrondissements parisiens et les communes de la petite couronne.
230
parties de ce chapitre, nous avons vu que Paris (et surtout l’ouest parisien) connaissait une forte
mortalité chez les plus de 65 ans, même en période estivale non caniculaire (exemple de l’été 2002).
Les causes inexpliquées de la mortalité dans ces arrondissements peuvent donc naturellement être
liées aux facteurs démographiques. Tandis que pour la surmortalité, les températures nocturnes de
surface expliquent de manière plus satisfaisante le surnombre de décès – et plus précisément dans
Paris intramuros. Des écarts à la courbe d’ajustement sont observables pour le département du Val-
de-Marne : le modèle a une tendance à la sous-estimation (résidus < -0,5) avec cinq communes
appartenant au dernier décile des résidus (valeurs extrêmes). Ces communes correspondent à celles
dont la surmortalité était très élevée.
In fine, les deux modèles (linéaire et exponentielle) suivent des logiques assez proches, surestimant
ou sous-estimant les valeurs extrêmes. Ces régressions au niveau communal nourrissent davantage
des pistes de réflexion entre les températures extrêmes, la mortalité et la surmortalité.
Dans ce chapitre, nous nous sommes intéressés aux relations qui existent entre la répartition spatiale
de la mortalité et de la surmortalité et celles des températures de surface.
Concernant la mortalité, ce sont les arrondissements parisiens périphériques (11ème au 20ème) ainsi que
les communes du sud de l’agglomération (Val-de-Marne) qui recensent le plus grand nombre de décès.
Concernant la surmortalité, sa répartition spatiale est moins centrée sur la capitale et connaît une
plus grande hétérogénéité. La comparaison avec la répartition spatiale des personnes âgées a pu
apporter des réponses : une part plus importante de personnes âgées pourrait expliquer la plus
forte surmortalité de certaines communes aisées de l’est de l’agglomération (Saint-Maur-des-Fossés,
Joinville-le-Pont, etc.).
Pour l’ensemble des relations avec les températures nocturnes de surface (qui étaient les plus fortes
avec la mortalité et la surmortalité), la régression exponentielle a apporté des résultats plutôt mitigés
(r avec la mortalité = 0,61 et r avec la surmortalité = 0,32).
Eu égard à ces résultats, au sein du dernier chapitre de cette thèse, nous orienterons notre analyse
vers l’étude des relations qui existent entre les températures (de surface), la mortalité, la surmortalité
et l’environnement social.
231
Chapitre 12 :
Le rôle des facteurs sociaux et démographiques
sur la mortalité et la surmortalité
du mois d’août 2003
Dans quelle mesure la structure socio-spatiale de la ville a-t-elle influé sur la mortalité et la surmortalité en
août 2003 ? Dans ce chapitre, nous nous intéresserons particulièrement aux aspects démographiques,
sociaux et résidentiels de l’agglomération parisienne afin de chercher les interrelations entre ces
variables, la mortalité et la surmortalité au niveau communal.
Pour ce faire, une première sous-partie sera consacrée à l’étude de la répartition démographique et
sociale des populations dans l’agglomération. Dans un premier temps, nous allons détailler certains
aspects du précédent chapitre, à savoir nous évaluerons statistiquement le rôle de l’âge sur la
mortalité et la surmortalité. Puis, nous chercherons à comparer ces mêmes variables à des indicateurs
relatifs au revenu.
Dans la seconde sous-partie, il s’agira d’observer la répartition spatiale de deux variables concernant
l’habitat : l’une permettra de distinguer les communes selon un critère social (pourcentage de
résidences HLM par commune), l’autre fournira une mesure de l’état de salubrité (présence de
sanitaire dans le logement).
Après l’étude spécifique de chacune de ces variables et de leurs caractéristiques spatiales propres,
nous établirons une analyse en composantes principales afin de développer une compréhension
d’ensemble des ressemblances et des dissemblances entre les communes de l’agglomération
parisienne. En effet, l’ACP dont les principes reposent sur l’étude de la variance, offrira de nouvelles
perspectives grâce à un système de représentation à dimension réduite : les axes factoriels. Enfin,
l’étude s’orientera vers une classification ascendante hiérarchique dont la finalité sera de proposer
des profils de communes en fonction de toutes les variables qui ont été étudiées.
233
Chapitre 12 : le rôle des facteurs démographiques, sociaux et résidentiels sur la mortalité
12.1. Observation de la répartition de facteurs socio-démographiques :

l’âge et l’isolement
Dans le précédent chapitre, nous avons introduit la question démographique en cartographiant la

répartition spatiale des plus de 65 ans. Nous avons décrit la mortalité et la surmortalité de cette
classe d’âge dans son ensemble, mais également en la découpant par tranches (la population de 65 à
80 ans et celle des plus de 80 ans). Dans cette partie, nous approfondirons ces relations en analysant
les valeurs des coefficients de corrélation linéaire ainsi que les nuages de points. Puis, nous nous
intéresserons, également par tranches d’âge, à la répartition des personnes vivant seules ; cette
variable offre la possibilité d’appréhender le poids de l’isolement sur la mortalité et la surmortalité. En
effet, des personnes âgées résidant seules (que l’on peut considérer comme des personnes isolées)
peuvent être davantage vulnérables qu’un ménage composé de plusieurs personnes.
12.1.1. Répartition spatiale de la population de plus de 65 ans dans l’agglomération
Sur les cartes ci-contre (figure 12.1) représentant la répartition spatiale des personnes âgées de
l’agglomération, il ressort que les arrondissements à l’ouest de Paris ainsi que les communes des
Hauts-de-Seine comportent une part importante (> 15%) de personnes de plus de 65 ans. Concernant
plus particulièrement les Hauts-de-Seine, une forte implantation est davantage observable dans
le sud du département. Quelques communes du Val de Marne (Vincennes, Fontenay-sous-Bois
ou encore Saint-Maur-des-Fossés) disposent d’un profil assez identique aux Hauts-de-Seine. Ces
communes correspondent également, nous le verrons dans les sous-parties suivantes, à des banlieues
plutôt aisées de l’agglomération.
En comparant ces cartes à celles du chapitre précédent de la mortalité (figure 11.1, p. 220) et de la
surmortalité (figure 11.3 p. 222 et figure 11.4 p. 223), le critère démographique concorde seulement
en partie avec les communes comptant le plus de décès. En effet, la mortalité à domicile a été
conséquente à Paris et nous avons vu que cette relation pouvait être attendue en raison de leur
sur-représentation numéraire. Cependant d’autres communes (comme celles de l’extrême ouest de
l’agglomération) possèdent également une part importante de personnes âgées, mais elles ont été
moins touchées par la mortalité. Pour ces dernières, il est possible que des températures nocturnes
moins élevées (que dans la capitale) aient constitué une des causes probables de la moindre
mortalité. En effet, beaucoup d’entre elles sont situées en zone pavillonnaire, parfois à proximité
d’espaces verts ; et comme nous l’avons développé dans les parties relatives à l’étude du climat de
l’agglomération, ces zones périphériques connaissent un refroidissement nocturne plus important
que la capitale.
234
Pourcentage des personnes âgées par rapport à population totale

Concernant la surmortalité, la convergence avec
résidant dans la commune en 1999 par classe d’âge : le facteur démographique est moins visible.
0,1 2,5 5 7,5 10 12,5 15 17,5 20,9
En effet, la surmortalité se localise surtout
dans le sud-est de Paris et dans le nord du
1 65 ans et +
Val-de-Marne (Ivry, Villejuif, Montrouge). Or
la répartition spatiale des personnes de plus
de 65 ans ne semble pas apporter de réponse
satisfaisante puisque ces dernières demeurent
davantage dans l’ouest de l’agglomération.
Pour comprendre les causes de ces différences
spatiales, d’autres hypothèses, plutôt sociales et/
ou économiques seront ultérieurement étudiées.
2 65-80 ans
Mais pour le moment, nous allons préciser les
relations statistiques du critère démographique.
En termes de coefficient de corrélation de
Pearson (tableau 12.1), leurs valeurs sont dans
l’ensemble faibles à moyennes et globalement
peu significatives. Les relations entre la
mortalité (MA) et le nombre de résidents de
plus de 80 ans ont le coefficient de Pearson
le plus élevé du tableau avec une valeur de
3 80 ans et + 0,42 : la forte mortalité est plus certainement
liée à la présence d’une part importante de
personnes très âgées au niveau communal à
l’échelle de l’agglomération. La relation entre la
présence des plus de 80 ans et la surmortalité
de la même classe d’âge est également la plus
forte de la matrice ; elle est avérée avec un
coefficient de corrélation de 0,29. Au niveau
5000 m
des nuages de points des relations (figure 12.2),
ils montrent l’existence d’une relation positive,
Figure 12.1. Part de la population de plus de 65 ans
par rapport à la population totale résidant dans la mais avec une dispersion importante de certains
commune en 1999 1) pour l’ensemble de la classe
d’âge des plus de 65 ans, 2) pour les 65-80 ans et 3)
arrondissements parisiens (voir figure 12.2) pour
pour les plus 80 ans dans l’agglomération parisienne. la mortalité. La relation entre les deux variables
Données, INSEE 1999.
235
est plutôt de nature logarithmique (annexe 16.1). Et à l’inverse, pour la surmortalité, les valeurs
excentrées du nuage de points sont plutôt des communes qui se localisent dans le Val-de-Marne.
Enfin les relations avec les résidus standardisés (températures nocturnes de surface / surmortalité du
chapitre précédant - en annexe 17.1) présentent des relations plutôt faibles : le facteur démographique
joint au facteur thermique n’apporte que peu de réponses à la répartition spatiale de la mortalité, et
encore moins à celle de la surmortalité au niveau communal (les valeurs des coefficients de Pearson
et de Spearman sont présentées en annexe 18.1.a).
Eu égard aux valeurs des coefficients linéaires, les valeurs de Spearman sont calculées quant à une
évaluation de possibles relations non linéaires. Les résultats sont proches des valeurs de Pearson
et ne suggèrent par conséquent guère d’approfondissements. Mais relevons ici que si la variable
démographique (PCT_65+) suit la courbe gaussienne, les variables de mortalité et de surmortalité
Tableau 12.1. Corrélations de Pearson entre les variables de mortalité, de surmortalité et la population par
classe d’âge
Variables de mortalité (MA) et de surmortalité (SMO)

Coefficients Nombre de décès en août 2003 (MA) Surmortalité en août 2003 (SMO)
de Pearson
65-80 ans +80 ans +65 ans 65-80 ans +80 ans +65 ans
PCT_CL 0.26 0.42 0.35 0.17 0.29 0.14
En caractère gras, les valeurs significatives au seuil de 0.001 N = 143
PCT_CL Pourcentage de la population par classe d’âge (65-80 ans, 80 ans et plus et 65 ans et plus) par rapport à
l’ensemble de la population résidant dans la commune en 1999. Données, INSEE RGP 1999.
1 POURCENTAGE DE PLUS DE 65 ANS (PCT65+) / MORTALITÉ (MA) 2 POURCENTAGE DE PLUS DE 65 ANS (PCT65+) / SURMORTALITÉ (SMO)
(VARIABLES CENTRÉES-RÉDUITES) (VARIABLES CENTRÉES-RÉDUITES)
1 1
PCT65+
PCT65+
PARIS 16
0,8 0,8
PARIS 15
PARIS 12
PARIS 20 CACHAN
0,6 0,6
PARIS 13
PARIS 14
VILLEJUIF
ALFORTVILLE
0,4 0,4 SAINT-OUEN
ÉPINAY-SUR-SEINE
0,2 0,2
R² = 0,1194 R² = 0,0195
0 0,2 0,4 0,6 0,8 1 0 0,2 0,4 0,6 0,8 1

MA SMO
Figure 12.2. Nuages de points des relations entre 1) la mortalité (MA) et le pourcentage de personnes de plus de
65 ans résidant dans la commune en 1999 et 2), la surmortalité (SMO) et le pourcentage de personnes de plus de
65 ans résidant dans la commune en 1999 en agglomération parisienne. Données, INSERM 2003 et INSEE 1999.
236
présentent toutes les deux une asymétrie à gauche, la linéarité de la relation est par conséquent
fortement sujette à discussion.
En conclusion, le critère démographique offre une certaine compréhension de la mortalité et de la
surmortalité à domicile - surtout pour les arrondissements parisiens. Dans l’ensemble, ce critère
explique la forte mortalité de la population de plus de 65 ans, mais apporte des réponses plutôt
insuffisantes à leur surmortalité. Aussi, il s’agit de s’intéresser dans les parties suivantes à l’influence
d’autres variables ; on choisit pour commencer d’étudier le rôle de l’isolement. Pour ce faire, on
s’intéresse aux personnes âgées vivant seules.
12.1.2. Répartition spatiale des personnes de plus de 65 ans vivant seules
Les cartes de la figure 12.3 représentent la répartition spatiale des personnes vivant seules de plus
de 65 ans 1), de celle entre 65 et 80 ans 2) et enfin de celle de plus de 80 ans 3) en 2002 par rapport
à l’ensemble de la population de la classe d’âge correspondante recensée en 1999.
Pour la population de plus de 65 ans, elle se localise principalement à l’intérieur de Paris. Concernant
la population très âgée (80 ans et plus), les configurations spatiales présentent quelques différences
par rapport à la classe d’âge inférieure. Paris se caractérise par une part plus importante de personnes
de plus de 80 ans résidant seules notamment dans les arrondissements du nord (11ème, 18ème et 19ème
arrondissements), alors que la population de 65 à 80 ans réside davantage dans le centre de Paris,
voire dans le sud de la capitale (13ème, 14ème et 15ème arrondissement). L’ouest et le sud de la petite
couronne comportent des communes (Puteaux, Rungis, Choisy-le-Roi) dont la part de personnes
seules de plus de 80 ans est également assez importante. Cette forte présence pourrait expliquer en
partie la forte mortalité et surmortalité de ces communes.
Les valeurs des coefficients linéaires de Pearson (tableau 12.2) indiquent davantage de correspon-
dance entre la répartition spatiale des variables de mortalité, de surmortalité, et celle des personnes
âgées résidant seules qu’avec le facteur démographique étudié dans la précédente sous-partie.
Ainsi ils sont de 0,48 pour l’ensemble de la classe d’âge et de 0,51 pour les 65 à 80 ans (tableau
12.2). En dépit des valeurs plutôt moyennes de ces relations, il apparaît que cette dernière classe
d’âge est sensiblement plus affectée que celle des plus de 80 ans : on peut supposer que l’habitude
de « vivre seul » possède un léger effet protecteur sur les personnes les plus âgées. Concernant la
surmortalité, les valeurs des corrélations sont plus faibles, 0,27 pour l’ensemble de la classe d’âge.
Au niveau des graphiques représentant les relations linéaires, les 12ème, 13ème, 14ème, 15ème et 20ème
arrondissements de la capitale (figure 12.4, graphique 1) se dissocient du reste de l’agglomération.
Pour la surmortalité, ce sont les communes de la petite couronne (dont 3 du Val-de-Marne) qui
237
se détachent du reste de la distribution (gra-

Pourcentage de personnes vivant seules par rapport à l’ensemble
phique 2) mettant en évidence une différence de la population de la tranche d’âge correspondante en 1999 :
entre Paris et la proche banlieue.

Concernant les relations entre les résidus 11,5 20 30 40 50 60 68
65 ans et +
standardisés et les populations seules 1
(présentées en annexe 18.1.b), les valeurs

sont faibles dans l’ensemble. Seul le caractère
négatif de la relation à la part résiduelle de la
surmortalité des plus de 80 ans est à relever
avec une valeur de Pearson de -0,27. Cette
relation peut être expliquée par la convergence
de certains éléments : à Paris, la surmortalité
a été plutôt assez bien expliquée par les 2 65-80 ans
températures nocturnes de surface. C’est

en périphérie que la part explicative par les
températures nocturnes est moins concluante.
Or les arrondissements parisiens comportent
une part importante de personnes très âgées
vivant seules ; a contrario en périphérie, elle est
plus faible. La relation entre ces deux variables
est donc inversée et négative. 3 80 ans et +
En définitive, au niveau de la commune, le

facteur « vivre seul » présente des relations
avec la mortalité qui sont moyennes ; ces
relations existent sans constituer pour autant
un facteur explicatif prépondérant. Il s’agit
dans la prochaine sous-partie de s’intéresser
5000 m
aux variables sociales. Pour ce faire, nous
nous intéresserons par conséquent aux
Figure 12.3. Pourcentage des personnes vivant
revenus des populations de plus de 65 ans et seules par rapport à l’ensemble de la classe d’âge
à leur couverture sociale. correspondante 1) pour l’ensemble de la classe
d’âge des plus de 65 ans, 2) pour les 65-80 ans et 3)
pour les plus 80 ans dans l’agglomération parisienne.
Données, INSEE 1999.
238
Tableau 12.2. Corrélations de Pearson entre les variables de mortalité, de surmortalité et le pourcentage des
personnes de 65 ans, de 65 à 80 ans et de plus de 80 ans vivant seules (par rapport à la population totale des
classes d’âge correspondantes)

de Pearson
PCT_CL_seul 0.51 0.21 0.48 0.37 0.09 0.27
PCT_CL_SEUL Pourcentage de la population par classe d’âge résidant seules (65-80 ans, 80 ans et plus et 65 ans et
plus) par rapport à l’ensemble de la population correspondante résidant dans la commune en 1999.
Données, INSEE.
POURCENTAGE DE PLUS DE 65 ANS PAR RAPPORT À LA POPULATION POURCENTAGE DE PLUS DE 65 ANS PAR RAPPORT À LA POPULATION
1 DE PLUS DE 65 ANS (PCT65+SEUL) / MORTALITÉ (MA) 2 DE PLUS DE 65 ANS (PCT65+SEUL) / SURMORTALITÉ (SMO)
VARIABLES CENTRÉES-RÉDUITES VARIABLES CENTRÉES-RÉDUITES
1 1
PCT65+SEUL
PCT65+SEUL
PARIS 15
PARIS 20
PARIS 14 PARIS 14
0,8 PARIS 13 PARIS 12
0,8
SAINT-OUEN
PARIS 16
NANTERRE
ALFORTVILLE
0,6 0,6 ÉPINAY-SUR-SEINE
VILLEJUIF
CACHAN
0,4 0,4
0,2 0,2
R² = 0,2292 R² = 0,0704
0 0,2 0,4 0,6 0,8 1 0 0,2 0,4 0,6 0,8 1

MA SMO
Figure 12.4. Nuages de points des relations entre 1) la mortalité (MA) et le pourcentage de personnes de plus de
65 ans résidant seules dans la commune en 1999 et 2) la surmortalité (SMO) et le pourcentage de personnes de
plus de 65 ans résidant seules dans la commune en 1999. Données, INSERM 2003 et INSEE 1999.
12.1.3. Les indicateurs de richesse : le revenu imposable par habitant et la couverture

maladie universelle
Nous représentons le pourcentage des personnes de plus de 60 ans bénéficiaires de la couverture

maladie universelle (CMU) par rapport à la population totale de plus de 60 ans résidant dans la
commune (figure 12.5 carte 1), le revenu fiscal médian des plus de 60 ans (figure 12.5 carte 2), le
rapport interdécile du revenu fiscal (carte 3) et l’indice de Gini (carte 4). Le décalage de la classe
d’âge (60 à 75 ans au lieu de 65 à 80 ans) est lié à la discrétisation des données de l’INSEE.
239
La cartographie du rapport interdécile (figure 12.5 carte 3) met en évidence que, dans le nord de
l’agglomération, le montant imposable individuel entre les plus pauvres et les plus riches peut fluctuer
dans un rapport de 9 à 12. Parallèlement, il est pertinent de comparer cette variable avec une autre
plus spécifique à la précarité : la couverture maladie universelle (figure 12.5 carte 1). Rappelons que
la CMU est la garantie d’une couverture maladie pour les personnes les plus démunies, aussi cette
variable peut être comparable à un seuil de pauvreté. Au regard de cette dernière, une importante
population âgée et socialement fragile se distingue dans trois secteurs de l’agglomération : au nord-
est de Paris, au nord-ouest de la Seine-Saint-Denis et dans le sud du Val-de-Marne ; Bobigny et
Clichy-sous-Bois (Seine-Saint-Denis) sont les communes dont le pourcentage d’allocataire CMU de
plus de 60 ans est le plus élevé, alors supérieur à 20%. Les arrondissements du nord-est de Paris ainsi
que les communes du Val-de-Marne comportent un taux d’allocataires plus faible que les sus-cités.
Toutefois, 8 à 12% de la population de plus de 60 ans demeurent tributaires de la CMU dans ces
zones, ce qui en fait des communes accueillant une assez importante pauvreté.
En termes de revenu médian (figure 12.5 carte 2), c’est dans l’ouest de l’agglomération que l’on
distingue les revenus les plus élevés du territoire. On sera attentif ici au fait que la répartition
spatiale des revenus médians les plus élevés des plus de 60 ans coïncide avec leur répartition
démographique présentée dans la première sous-partie de ce chapitre (figure 12.1, p. 235). Il ressort
donc que les zones les plus favorisées de l’agglomération sont également celles qui comportent le
plus de personnes âgées.
Outre le pourcentage des personnes de plus de 60 ans percevant la CMU, l’indice de Gini, le revenu
fiscal médian et le rapport interdécile du revenu fiscal, nous intégrons dans la matrice de corrélation
le premier et le dernier décile des revenus fiscaux afin de mieux envisager les relations avec les
revenus les plus bas et les plus élevés.
Le tableau 12.3 et l’annexe 18.2 présentent respectivement les coefficients de Pearson et de Spearman.
Les valeurs de deux matrices étant assez faibles, nous nous intéressons plus spécifiquement aux
valeurs de Pearson - l’étude bivariée de la matrice de Pearson servant de base à l’analyse factorielle
que nous développerons dans la dernière sous-partie de cette thèse.
Nous présentons sur les graphiques de la figure 12.6, les nuages de point de deux indicateurs : la
CMU et le rapport interdécile des revenus. La dispersion est forte pour les deux variables, même sur
un basculement d’abscisse en logarithme (annexe 16.2). Cependant dans ces relations faibles, nous
distinguons certaines particularités qui méritent quelques développements.
Tout d’abord, discernons les valeurs positives de celles qui sont négatives. Pour celles qui sont
positives (médiane, dernier décile et rapport interdécile du revenu et indice de Gini), elles se
subdivisent en deux catégories. Les indicateurs spécifiques du revenu (médiane et quantiles du
240
Pourcentage de la population de plus de 60 ans percevant la CMU

par rapport à la population de plus de 60 ans résidant dans la
commune en 2009 : Revenu médian des plus de 60 ans en euros en 2002 :
0,8 5 10 15 20 25 27,8 8831 12000 16000 20000 24000 28000 28453
1 2
Rapport interdécile des revenus pour la population de plus Indice de Gini des revenus pour la population de plus de 60 ans
de 60 ans en 2002 : en 2002 :
3,6 4 6 8 10 12 0,28 0,30 0,35 0,40 0,45 0,50 0,55
3 4
5000 m
Absence de données
Figure 12.5. Cartographie des indicateurs socio-économiques de l’agglomération parisienne 1) Pourcentage de

personnes de plus de 60 ans percevant la CMU (par rapport à la population de plus de 60 ans résidant dans la
commune) 2009. 2) Revenu fiscal médian par commune des personnes de plus de 60 ans en 2002. 3) Rapport
interdécile du revenu fiscal des plus de 60 ans. 4) Indice de Gini pour les revenus fiscaux des plus de 60 ans en
2002. Données, INSEE 2009 et 2002.
241
revenu) ont dans l’ensemble des relations plus faibles aux variables de mortalité et de surmortalité
que les indicateurs de disparités sociales (rapport interdécile et Gini). Concernant ces indicateurs de
disparités, ils présentent les valeurs r les plus fortes de la matrice et sont significatives au seuil de 1‰ ;
on comprend que les communes faisant l’objet d’une plus grande hétérogénéité au niveau des
revenus auraient une relation plus forte avec la mortalité. Approfondir cette observation appellerait
nécessairement une analyse infra-communale qui peut alors ouvrir la possibilité d’identifier plus
précisément les populations concernées. Au sein d’une commune qui connaît de fortes disparités
sociales, les personnes âgées affectées par la mortalité appartenaient-elles à des catégories sociales
plutôt pauvres ou étaient-elles socialement favorisées ? Vis-à-vis de cette question, aucun constat
définitif ne pourra être établi puisque nous ne disposons que d’une information au niveau communal
pour la mortalité. La seule conclusion provisoire qu’il est possible de tirer est qu’une plus forte
hétérogénéité du revenu converge avec une hausse de la mortalité chez les personnes de plus de 60
ans au niveau communal.
Tableau 12.3. Corrélations de Pearson entre les variables de mortalité et de surmortalité et les variables
informatives de la couverture sociale et des revenus.

de Pearson
PCT_CMU60+ - 0.09 0.04
REV_Q2 0.10 0.24 0.19 0.01 -0.07 -0.09
REV_D1 -0.10 0.01 -0.03 -0.11 -0,07 -0.12
Rev_D9 0.21 0.29 0.27 0.10 -0.04 -0.06
Rev_intd 0.31 0.33 0.34 0.22 0.04 0.08
gini 0.32 0.36 0.36 0.19 0.18 0.12
PCT_CMU60+ Pourcentage de la population de plus de 60 ans (par rapport à la population totale de plus de 60 ans
résidant dans la commune) bénéficiaire de la couverture maladie universelle (CMU) en 2009
REV_Q2 Médiane du revenu fiscal par personne en 2002 de la classe d’âge correspondante
REV_D1 Premier décile du revenu fiscal par personne en 2002
REV_D9 Dernier décile du revenu fiscal par personne en 2002
REV_INTD Rapport interdécile du revenu par personne en 2002
GINI Indice de Gini en 2002
242
Concernant les relations entre les indicateurs de mortalité, le pourcentage des personnes bénéficiant
de la CMU et le premier décile des revenus, elles sont négatives et très faibles (voire quasi nulles)
avec la mortalité. Notons toutefois le signe de la relation. à supposer l’existence d’une relation
inversée entre précarité et mortalité, cette hypothèse est très discutable. En premier lieu, les valeurs
de ces relations sont très faibles. Ensuite, les communes qui comportent une part importante de
population modeste sont également celles dont la part de personnes âgées est faible. Aussi, il semble
assez logique que les relations entre la mortalité des plus de 60 ans et les indicateurs de précarité
soient négatives étant donné leur sous-représentativité.
POURCENTAGE DE PLUS DE 60 ANS PERCEVANT LA CMU POURCENTAGE DE PLUS DE 60 ANS PERCEVANT LA CMU
1 (PCT_CMU60+) / MORTALITÉ (MA) 2 (PCT_CMU60+) / SURMORTALITÉ (SMO)
(VARIABLES CENTRÉE-RÉDUITES) (VARIABLES CENTRÉE-RÉDUITES)
1 1
PCT_CMU60+
R² = 0,0084 PCT_CMU60+ R² = 0,003
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0,2 0,4 0,6 0,8 1 0 0,2 0,4 0,6 0,8 1

MA SMO
RAPPORT INTERDÉCILE DES REVENUS FISCAUX DES PLUS RAPPORT INTERDÉCILE DES REVENUS FISCAUX DES PLUS
1 DE 60 ANS (REV_INTD60+) / MORTALITÉ (MA) 2 DE 60 ANS (REV_INTD60+) / SURMORTALITÉ (SMO)
1 1
REV_INTD60+
REV_INTD60+
R² = 0,1149 R² = 0,0079
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0,2 0,4 0,6 0,8 1 0 0,2 0,4 0,6 0,8 1

MA SMO
Figure 12.6. Nuages de points des relations entre 1) la mortalité (MA) et le pourcentage de personnes de plus
de 60 percevant la CMU, 2) la surmortalité (SMO) et le pourcentage de personnes de plus de 60 percevant
la CMU, 3) la mortalité (MA) et le rapport interdécile des revenus et 4) la surmortalité (SMO) et le rapport
interdécile des revenus à Paris et dans la petite couronne. Données, INSERM 2002 et 2003, INSEE 2002.
243
12.1.4. Quelles conclusions ?
Les coefficients de corrélation r des relations entre l’ensemble des variables démographiques, sociales
et économiques sont souvent positifs et significatifs avec la mortalité.
Si les personnes âgées vivent dans certains endroits de l’agglomération, alors globalement dans ces
communes, il existe un certain lien de proportionnalité entre le nombre de personnes âgées avec des
revenus élevés et une forte mortalité.
La surmortalité déroge à cette logique. Le facteur « âge » explique très peu la surmortalité. Enfin,
les relations sont négatives avec les revenus et positives avec la CMU. On peut s’interroger sur
l’hypothèse selon laquelle le facteur « richesse » aurait un impact sur la surmortalité. Cependant
il convient de préciser, au vu des valeurs plutôt moyennes à faibles de ces corrélations, que ce
constat est loin d’être une règle, mais simplement une tendance. Ces valeurs doivent également être
nuancées au regard de la distribution statistique des variables qui, souvent présente une asymétrie
à droite (annexe 19).
En définitive, ces résultats constituent des ouvertures qui appellent de nécessaires approfondissements
avec notamment un changement d’échelle. Ainsi que nous l’avons évoqué dans la précédente sous-
partie, il apparaît pertinent et même indispensable, d’observer l’ensemble de ces variables à un niveau
infra-communal (quartier ou iris) afin de préciser les logiques suggérées au niveau communal.
12.2. Les indicateurs spécifiques au type d’habitat
L’habitat est ici envisagé sous deux angles. Le premier est intrinsèquement lié au niveau de revenu
des populations : il s’agit de la prise en compte du nombre de résidences HLM présentes au sein de
la commune. Cet indicateur permet d’évaluer l’impact de ce type d’habitats, qui possède des carac-
téristiques propres (habitats collectifs à étages élevés) sur la mortalité et la surmortalité. En effet, les
étages les plus élevés sont enclins à conserver des températures plus chaudes que les autres étages
d’un même immeuble. Les logements sociaux de type « tours » sont des constructions en hauteur qui
pourraient être alors davantage soumis à une forte chaleur. Il est par conséquent pertinent de comparer
cette variable avec la mortalité et la surmortalité.
Le second indicateur de l’habitat est le nombre de résidences équipées d’une salle de bain et/ou de
douche et de WC à l’intérieur du logement. Cette variable offre indirectement une estimation de l’état
de vétusté, voire de salubrité, des logements. En effet, un logement non équipé de structure sanitaire
peut être un logement étriqué, vétuste et défectueux (système de canalisation du logement trop fragile
pour supporter de nouveaux équipements) et aussi potentiellement insalubre (humidité, manque de
lumière, etc.). Il peut être alors le signe de la précarité des populations résidentes.
244
Les cartes suivantes (figure 12.7) permettent

Pourcentage de résidences HLM (par rapport au nombre total de d’observer ces variables au niveau communal.
résidences) par commune en 2006 :
Concernant la part de résidences HLM, on note
0,1 10 20 30 40 50 60 68,5
globalement que celle-ci est particulièrement
1
importante dans les communes du nord
de l’agglomération - se rapprochant de la
cartographie de la part d’allocataires CMU.
Mais on relèvera également des communes
des Hauts-de-Seine (Gennevilliers, Nanterre
ou encore Bagneux) qui disposent également
d’un parc locatif HLM conséquent.
D’autres communes situées dans le sud de
l’agglomération (Alfortville, Choisy-le-Roi)
sont aussi dotées d’une forte implantation
de HLM. Le centre de Paris ainsi que l’ouest
Pourcentage de résidences sans salle de bain, ni douche (par rapport
au nombre total de résidences) par commune en 2006 :
de l’agglomération dont le revenu médian est
plus élevé sont les zones qui comportent le
1 2 4 6 8 10 12 14,6
moins d’infrastructures HLM.
Concernant la présence de sanitaire dans
2
l’habitat, une nette différence existe entre le
sud et le nord de l’agglomération où le nombre
de logements sans sanitaire est supérieur à
10%. Cette différence peut être le fait d’une
plus importante présence de logements
anciens (chapitre 2, p 65, figure 2.5) dans
certains quartiers comme le centre et le nord-
5000 m
ouest de la capitale dont le paysage urbain est
fortement haussmannien ; alors que le sud de
Paris comprend davantage de constructions
Figure 12.7. 1) Pourcentage de résidences HLM et 2) récentes comme nous en avons fait état dans
pourcentage de logements sans sanitaire en 2006 dans
l’agglomération parisienne. Données, INSEE 2006. le deuxième chapitre de cette thèse. Mais
ces différences peuvent également être le fait
d’une rénovation urbaine moins active dans les secteurs les plus fragiles de l’agglomération comme
dans les communes de Gennevilliers, de Saint-Denis, d’Aubervilliers ou de la Courneuve.
245
Au niveau des relations entre ces variables résidentielles, la mortalité et la surmortalité (tableau
12.4), la matrice de corrélation met en exergue une relation moyenne, positive et significative entre
la mortalité et la présence de logements sans équipement sanitaire. Une relation sensiblement de
la même nature est observable avec la surmortalité mais avec des résultats moins significatifs. Cela
implique que dans les secteurs où la part de logement sans sanitaire est importante, la mortalité l’est
également. Mais ainsi que nous l’avons expliqué précédemment la part de résidences sans sanitaire
peut être le signe de la présence d’un habitat ancien au niveau communal. Or, celui-ci se localise
principalement dans le centre et dans l’ouest de l’agglomération correspondant par ailleurs également
aux arrondissements qui comportent le plus de personnes âgées. Les relations positives avec la
mortalité peuvent par conséquent en partie s’expliquer par ce fait-là.
Concernant les relations avec la part de résidences HLM, elles sont faibles et non significatives, mais
on relèvera le signe de la relation qui est positif pour la mortalité et négatif pour la surmortalité.
L’interprétation est proche de celle établie pour les revenus et la CMU, même s’il convient d’insister
à nouveau sur le fait qu’aucune hypothèse ne peut raisonnablement ressortir avec des valeurs de
corrélations aussi faibles.
Tableau 12.4. Corrélations de Pearson entre variables de mortalité et de surmortalité et les variables
informatives de l’habitat.

de Pearson
PCT_SSSDB 0.39 0.33 0.37 0.31 0.25 0.25
PCT_HLM -0.06 -0.12 -0.10 0.05 0.02 0.14
PCT_SSSDB Pourcentage de logements sans salle de bain ni douche en 2006
PCT_HLM Pourcentage de résidences HLM par rapport au nombre total de résidences en 2006
Ces relations bivariées entre les variables démographiques, socio-économiques et résidentielles d’une
part et, la mortalité et la surmortalité d’autre part, nous retenons que les valeurs des coefficients
de corrélation sont dans l’ensemble faibles à moyennes. Chaque variable apporte des informations
partielles, mais utiles à l’interprétation de la mortalité de 2003.
Pour appréhender ces relations dans leur complexité, dans la partie suivante nous allons procéder à
une analyse en composantes principales. Cette dernière est précieuse pour la détermination d’une
synthèse de l’information traitée tout au long de cette recherche.
246
12.3. Pour une approche complexe des relations entre la mortalité, la surmortalité,
les températures de surface, les variables démographiques, sociales et
économiques
Une analyse en composantes principales (ACP) est envisagée pour offrir de nouvelles hypothèses pour
la compréhension de la répartition de la mortalité et de la surmortalité dans l’agglomération parisienne
à la lumière de leurs inter-relations. On s’intéresse alors d’une part aux variables (démographiques,
économiques, mortalité, etc.) dans leur ensemble. Et d’autre part, nous observons plus spécifiquement
les individus (les communes) dans un espace statistique de représentation. L’objectif de l’ACP est
en définitive de résumer la matrice des corrélations et de chercher des variables synthétiques qui
pourraient permettre d’apporter des éléments de réponse à la question suivante : comment peut-on
résumer les différences de mortalité et de surmortalité par un petit nombre de variables (facteurs) au
niveau communal ?
à l’issue de ce questionnement, nous construirons des profils selon des groupes de communes
que l’ACP aura préfigurés ; on s’intéressera alors à la variabilité (par l’étude de la variance) entre
les communes. Quelles similarités existe-t-il entre les communes pour les variables mises en jeu ?
Peut-on opposer un groupe de communes à un autre ?
12.3.1. Le choix des variables mises en jeu dans l’ACP
En fonction des analyses linéaires que nous avons établies dans la partie précédente, nous choisissons
de garder un certain nombre de variables pour l’analyse en composantes principales.
Concernant les variables démographiques, nous nous intéressons à l’ensemble de la classe d’âge des
plus de 65 ans. Ce choix est motivé par les résultats de l’analyse précédente qui mettent en évidence
peu de différence d’une classe d’âge à l’autre. Également pour l’ensemble de la classe d’âge, nous
intégrerons la part des plus de 65 ans résidant seuls.
Pour ce qui est des indicateurs socio-économiques, nous choisissons d’inclure la part d’allocataires
CMU de plus de 60 ans, le revenu médian, le rapport interdécile du revenu et l’indice de Gini, Seront
également intégrées dans l’ACP les deux variables résidentielles (pourcentage de résidences HLM et
pourcentage de logements sans sanitaire).
Enfin, les températures de surfaces font également partie de l’ACP afin de nourrir la double articulation
(sociale et environnementale) conduite tout au long de cette recherche. Cette analyse nous permet
ainsi de dégager simultanément des logiques spatiales, sociales et environnementales.
247
12.3.2. La forte polarisation socio-spatiale de l’agglomération
Les variables sont préalablement

centrées et réduites. 5 100
4,5
Selon le critère de Gattell (dit 4 80
Variabilité cumulée (%)

également « du coude »), une rupture 3,5
Valeur propre
3 60
est observable au niveau du second 2,5
facteur (figure 12.8). Cependant, 2 40
d’après la règle de Kaiser-Guttman 1,5
1 20
(1954), il est pertinent de retenir 0,5
uniquement les facteurs dont les 0

F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13
0
valeurs propres sont strictement Critère Kaiser-Gutman Critère du coude (Cattell)
supérieures à 1. Dans notre analyse, Valeur propre Variabilité (%) % cumulé

F1 4,65 35,8 35,8
nous observons que le 3ème facteur F2 3,55 27,3 63,0
participe à 10% de la variance, ce F3 1,31 10,1 73,2
F4 0,96 7,4 80,5
qui constitue une part relativement F5 0,70 5,4 85,9
importante au regard du nombre de F6 0,56 4,3 90,2
variables. Aussi, nous choisissons de F7 0,34 2,6 92,9

F8 0,31 2,4 95,3
garder ici 3 facteurs qui retiennent F9 0,25 1,9 97,1
plus de 73% de l’inertie totale (figure F10 0,18 1,4 98,5

F11 0,11 0,8 99,4
12.8) et retenons la règle de Kaiser- F12 0,05 0,4 99,7
Guttman comme critère de sélection F13 0,03 0,3 100,0
du nombre de facteurs.
Figure 12.8. Tableau et graphique des valeurs propres.
Nous représentons les différentes variables à l’aide de cercles des corrélations, utiles pour interpréter
les relations entre les variables et également pour la lecture de la signification des axes. Les trois axes
retenus seront représentés par l’intermédiaire des graphiques suivants (figure 12.9).
La part des plus de 65 ans, l’indice de Gini et le revenu médian contribuent à plus de 35% à
la constitution de l’axe 1. Cet axe a tendance à opposer les variables démographiques (part de
population de plus de 65 ans) et économiques (revenu) à celle informative de la précarité (CMU) et à
la part de logements HLM. L’hypothèse sous-jacente est une opposition entre une population aisée à
une population plutôt pauvre puisque bénéficiaire de la CMU dans des communes où le pourcentage
de logements sociaux est relativement important. Cet axe peut être assimilé à celui qui résume le
facteur social.
Concernant l’axe 2, on observe que les variables dont la corrélation est la plus importante avec
248
Variables (axes F1 et F2 : 66,73 %) Variables (axes F1 et F3 : 46,64 %)

1 1
PCT_SSBD
R_INTERD
SMO65+
0,75 PCT_65+SEUL 0,75
MYDN_Q75
PCT_CMU60+ GINI
MYDD_Q75 DCA2003+65
0,5 0,5
SMO65+ MA65+
MYDD/MYDN_DIFF
0,25 0,25 MYDD/MYDN_DIFF MYDN_Q75 PCT_65+
MYDD_Q75
F2 (30,22 %)
F3 (10,13 %)
PCT_HLM PCT_HLM R_MEDIAN
0 0
PCT_CMU60+
PCT_65+ PCT_65+SEUL
PCT_SSBD
0,25 0,25
R_MEDIAN
R_INTERD
0,5 0,5 GINI
0,75 0,75
1 1
1 0,75 0,5 0,25 0 0,25 0,5 0,75 1 1 0,75 0,5 0,25 0 0,25 0,5 0,75 1
F1 (36,51 %) F1 (36,51 %)
Variables (axes F2 et F3 : 40,35 %) LISTE DES VARIABLES

1
SMO65+ Ratio de surmortalité (2003/2002) des plus de 65 ans
SMO65+
0,75 MA65+ Nombre de décès de plus de 65 ans en 2003
MYDD_Q75 Températures diurnes de surfaces (3ème quartile)
0,5 MA65+
MYDN_Q75 Températures nocturnes de surfaces (3ème quartile)
MYDD/MYDN_DIFF Amplitude journalière des températures de surfaces

0,25 MYDD_Q75
PCT_65+ MYDD/MYDN_DIFF
F3 (10,13 %)
MYDN_Q75 PCT_65+ Pourcentage de personnes de plus de 65 ans résidant

R_MEDIAN PCT_HLM PCT_CMU60+ dans la commune
0
PCT_65+SEUL Pourcentage de personnes de plus de 65 ans résidant seules
PCT_65+SEUL
0,25 PCT_SSBD PCT_CMU60+ Pourcentage des plus de 60 ans bénéficiant de la CMU
R_MEDIAN Revenu médian

R_INTERD
0,5 GINI
R_INTERD Rapport interdécile
0,75 GINI Indice de Gini
PCT_HLM Pourcentage de HLM

1
1 0,75 0,5 0,25 0 0,25 0,5 0,75 1 PCT_SSSBD Pourcentage de résidences sans salles de bain
F2 (30,22 %)
Figure 12.9. Cercles des corrélations pour les facteurs 1, 2 et 3.
ce dernier sont le pourcentage de résidences sans sanitaire et le rapport interdécile des revenus.
La cartographie de la variable informative de « l’état sanitaire » des résidences présente des
proximités spatiales avec la date de construction des logements comme nous l’avons relevé dans la
précédente sous-partie. Or les architectures anciennes se trouvent principalement dans le centre de
l’agglomération. Cette variable peut être donc également en partie indicative d’une opposition entre
le centre et la périphérie. Concernant la seconde variable contributive à l’axe 2, c’est-à-dire le rapport
interdécile, il est élevé dans les communes du nord de l’agglomération (qui sont caractérisées par une
part importante de personnes aux revenus modestes) et à Paris (où se localisent les populations plutôt
aisées - à l’exception du nord-est où la pauvreté est assez abondante). Ici se dessine une opposition
entre, d’une part la capitale avec un habitat ancien dont l’état de salubrité est somme toute très
variable (et qui peut être fonction souvent du niveau socio-économique de la population occupant le
logement - chapitre 2 et 3) s’accompagnant de très fortes disparités sociales, et d’autre part le nord
de l’agglomération qui constitue la zone la plus pauvre de l’espace étudié et dans laquelle de fortes
249
disparités sociales sont également présentes en raison de la coexistence d’une population très pauvre
et d’une population de classe moyenne. Spatialement cet axe peut être en partie associé à une sorte
d’opposition centre-périphérie, mais celle-ci ne demeure pas nettement identifiable. En effet, on
sera attentif au fait qu’en termes de températures de surface, l’opposition centre-périphérie se fait
davantage sur le premier facteur. Opposition qui se renforce avec les variables de températures plus
élevées dans la capitale de nuit et à l’inverse élevées en périphérie la journée.
Enfin, l’axe 3 représente très nettement la surmortalité avec un coefficient de corrélation avec l’axe
qui se distingue des autres variables : la surmortalité contribue à 39% à la constitution de cet axe.
S’agissant plus spécifiquement des liens de la mortalité et de la surmortalité avec les autres variables,
nous proposons de développer successivement les relations spécifiques de chacune de ces variables
avec les autres (sociales, démographiques et thermiques).
S’agissant de la surmortalité, elle semble avoir peu de lien spécifique avec les variables sociales
et les variables démographiques – tout comme cela a été développé dans la partie précédente.
Seules les températures nocturnes de surface révèlent une relation statistique plutôt forte. Le rôle
de celles-ci sur la surmortalité a été plus largement développé dans le chapitre 3 de cette thèse.
Eu égard à la bibliographie et aux résultats du chapitre 11 de cette recherche, les températures
nocturnes de surface constituent un important facteur explicatif de la surmortalité à l’échelle de
l’agglomération.
Pour la mortalité, des proximités spatiales se dégagent davantage avec les variables sociales et
démographiques. Même si ces relations n’apparaissent pas nettement dans l’analyse en composantes
principales, l’étude des coefficients de corrélation de la sous-partie précédente a révélé une relation
significative et positive entre la mortalité, la part de personnes âgées vivant seules (0,48) et l’indice
de Gini (0,35). L’existence d’une relation entre la mortalité au niveau communal, la part des personnes
âgées résidant seules et les inégalités de revenu constitue ainsi une piste de réflexion à ne pas
négliger.
D’un point de vue spatial, la carte des communes représentée dans le premier plan factoriel (figure
12.10) permet de distinguer les arrondissements parisiens des communes des autres départements.
Soyons attentifs à l’opposition entre Paris et la Seine-Saint-Denis. Ces deux territoires se différencient
à plusieurs niveaux. Paris est caractérisé dans l’ensemble par une population aisée comparativement
à la Seine-Saint-Denis, mais également par une population en moyenne plus âgée. L’habitat à
Paris est globalement plus ancien que celui de la Seine-Saint-Denis, et notamment pour certaines
communes aux architectures en hauteur dont la date de construction est ultérieure aux années 60. À
ce titre, la Seine-Saint-Denis comporte davantage de logements sociaux et une population plus jeune.
250
Observations (axes F1 et F2 : 63,04 %)

6
+ INÉGALITÉS
SOCIO-ÉCONOMIQUES
75118
4 PARIS
SEINE-SAINT-DENIS 93070 75110
93001 75102
92036 92024 75120
93027 75119 75111
93008 93059 94002 75103
2 75109 75117
93072 92050 93006
93061 75101 75108
75113 75104
93079
93053 92062 75114
93078 75112
92044 75105
94074
- RICHES 93071 94016 + RICHES
0 75115
93073 92049 92012 75107
9401894080 75106
94067 75116
9406994068
2 93062
93062 92051
94060 92023
92014
92048
92072 92064
4 92033
F2 (27,29 %)
HAUTS-DE-SEINE
92022
- INÉGALITÉS
92077
SOCIO-ÉCONOMIQUES F1 (35,76 %)
6
8 6 4 2 0 2 4 6 8
Observations (axes F1 et F3 : 45,87 %)

6
+ SURMORTALITÉ
94016
PARIS
4 SEINE-SAINT-DENIS
75114
94002
94041
2 94076
92026 75113 75112
93010 93070 92049
92020 92075 75120 75115
93053 93031 92040
94011 94080
94058 92071
- RICHES 92025 92012 + RICHES
0 93007 92044
75118 75105
93072 92009 75111 75116
93078
92022 92064 75117 92051
93008 93027
93073 93071 94004 92072 92062 75103 75106 75107
94060
93013 92033 75110 75109
93059 75102 75104
2 93014 75101
92077 75108
4
F3 (10,11 %)
- SURMORTALITÉ F1 (35,76 %)
6
8 6 4 2 0 2 4 6 8
Figure 12.10. Répartitions des communes de l’agglomération parisienne selon les axes factoriels 1 (revenu-richesse),
2 (inégalités socio-spatiales) et 3 (conditions sanitaires)
251
Enfin en termes de températures, ainsi que nous l’avons abordé précédemment, des différences
importantes existent entre la capitale et certaines communes aux surfaces fortement minéralisées.
On distingue un dernier groupe de communes entourées en orange sur la figure 12.10 représentant
quelques communes des Hauts-de-Seine (moins de 10 communes sur les 36 qui constituent le
département). Ces dernières sont représentatives de communes plutôt aisées (Saint-Cloud, Meudon,
Ville d’Avray) de l’ouest de Paris. Afin d’approfondir l’analyse spatiale des profils territoriaux, il s’agit
dans la partie suivante de procéder à une classification ascendante hiérarchique. Cette approche
nous permettra de déterminer des groupes de communes aux caractéristiques proches.
12.4. Les résultats de la classification ascendante hiérarchique : des profils

fortement tributaires de la division socio-spatiale de l’agglomération
L’objectif de la classification ascendante hiérarchique (CAH) est de simplifier la complexité des
données grâce à une représentation schématique dans laquelle les individus (ici les communes)
sont classifiés en fonction des similarités qu’ils peuvent présenter. Il s’agit conceptuellement d’une
synthèse de l’information qui se construit à partir du calcul de la matrice de distance des individus.
Elle repose par conséquent sur une analyse de la variance inter et intra-classe. Plus précisément, il
s’agit d’une technique d’agrégation des individus dont l’objectif est un regroupement selon un critère
de ressemblance. En fonction du critère choisi pour établir la CAH, on favorise différents types de
distance (euclidienne, Manhattan, etc.) et également différents types d’agrégation (Ward, minimale,
maximale, etc.).
Dans le cadre des données de cette recherche, la distance choisie est euclidienne et la méthode
d’agrégation est celle de Ward. La distance euclidienne est établie entre les individus deux à
deux ; puis la distance du barycentre entre deux classes est calculée à chaque itération. Enfin,
conformément à la méthode de Ward, les classes sont agrégées à chaque itération avec pour principe
une faible baisse de l’inertie interclasse. Etant donné que notre échantillon de données est constitué
de seulement 127 individus, nous favorisons cette méthode qui est la plus robuste.
Les résultats de la CAH mettent en évidence quatre principaux groupes de communes. Le premier
profil (en jaune sur la figure 12.11) représente Paris (à l’exception du 19ème arrondissement), Neuilly-
sur-Seine et Boulogne-Billancourt. Le second profil comprend les communes aisées de l’ouest et
de l’est de l’agglomération (par exemple, Saint-Cloud à l’ouest et Saint-Maur-des-Fossés à l’est). Le
troisième profil contient des communes à la limite de la petite couronne au niveau des départements
de la Seine-Saint-Denis et du Val-de-Marne - ces communes sont souvent proches des zones rurales.
252
16
Dissimilarité
Paris, Neuilly et
1.
Boulogne. Centre
14 urbain aisé
2.
Banlieues aisées
Banlieues plutôt
modestes aux limites
3.
12 de l’agglomération
4. Banlieues modestes
Absence de données
10
PARIS ET PROCHE BANLIEUE OUEST - PÉRIPHÉRIES OUEST ET EST - PÉRPHÉRIES AUX LIMITES PÉRIPHÉRIES NORD ET SUD -
PROFIL 1 PROFIL 2 DE L’AGGLOMÉRATION - PROFIL 3 PROFIL 4
CENTRE AISÉ BANLIEUES PLUTÔT AISÉES BANLIEUES PLUTÔT MODESTES BANLIEUES PLUTÔT MODESTES
75104 Paris 4 92040 Issy-les-Moulineaux 93007 Le Blanc-Mesnil 92078 Villeneuve-la-Garenne

75101 Paris 1 92026 Courbevoie 93005 Aulnay-sous-Bois 92007 Bagneux
75105 Paris 5 94069 Saint-Maurice 93071 Sevran 94074 Valenton
75108 Paris 8 94018 Charenton-le-Pont 94077 Villeneuve-le-Roi 94011 Bonneuil-sur-Marne
75107 Paris 7 93045 Les Lilas 94054 Orly
93029 Drancy
75106 Paris 6 92075 Vanves 93072 Stains
94073 Thiais
92049 Montrouge 93053 Noisy-le-Sec
92051 Neuilly-Sur-Seine 94034 Antony
94046 Maisons-Alfort 93010 Bondy
75116 Paris 16 94079 Villiers-sur-Marne
94033 Fontenay-sous-Bois 94081 Vitry-sur-Seine
75111 Paris 11 94021 Chevilly-Larue
94019 Chennevières 94017 Champigny-sur-Marne
75110 Paris 10 94044 Limeil-Brévannes
93064 Rosny 94022 Choisy-le-Roi
75118 Paris 18 92035 La Garenne 93050 Neuilly-sur-Marne 94043 Le Kremlin
75117 Paris 17 92009 94028 Créteil
Bois-Colombes 93078 Villepinte
75103 Paris 3 93077 94003 Arcueil
Villemomble 93073 Tremblay-en-France
75102 Paris 2 93049 92046 Malakoff
Neuilly-Plaisance 94060 La Queue-en-Brie
75109 Paris 9 93032 93063 Romainville
Gagny
75120 Paris 20 94059 93006 Bagnolet
Le Plessis-Trevisses
75113 Paris 13 94015 94037 Gentilly
Bry-sur-Marne
75114 Paris 14 93057 93061 Le Pré-Saint-Gervais
Les Pavillons-sous-Bois
75115 Paris 15 93046 93079 Villetaneuse
Livry-Gargan
75112 Paris 12 94058 93008 Bobigny
Le Perreux-sur-Marne
94071 93014 Clichy-sous-Bois
92012 Boulogne-Billancourt Rueil-Malmaison
92063 94078 Villeneuve-Saint-Georges
Fontenay-aux-Roses
92032 94076 Villejuif
Antony
92002 94041 Ivry-sur-Seine
L'Hay-les-Roses
94038 94002 Alfortville
Châtillon
92020 93031 Epinay
Joinville-Le-Pont
94042 94016 Cachan
Clamart
92023 93059 Pierrefitte
Boissy-Saint-Léger
94004 92050 Nanterre
Noisy-le-Grand
93051 93013 Le Bourget
Montfermeil
93047 93055 Pantin
92060 Le Plessis-Robinson
93001 Aubervilliers
92019 Châtenay-Malabry
93066 Saint-Denis
92073 Suresnes
93027 La Courneuve
94068 Saint-Maur-des-Fossés
92036 Gennevilliers
93062 Le Raincy
93070 Saint-Ouen
94052 Nogent-sur-Marne
92024 Clichy
92014 Bourg-la-Reine
75119 Paris 19
94080 Vincennes
93048 Montreuil
94067 Saint-Mandé
92025 Colombes
92071 Sceaux
92044 Levallois-Perret
92064 Saint-Cloud 92004 Asnières
92072 Sèvres 92062 Puteaux
92033 Garches
92048 Meudon
92022 Chaville
92077 Ville-d’Avray
Figure 12.11. Dendrogramme et cartographie des profils des communes de l’agglomération parisienne issus
de la classification ascendante hiérarchique à partir de 13 variables (indicateurs de mortalité et de surmortalité,
températures de surfaces, indicateurs socio-démographiques et indicateurs relatifs à l’habitat).
253
Enfin le quatrième et dernier profil représente les communes du nord de Paris (Seine-Saint-Denis) et
les communes du sud de la capitale (Val-de-Marne).
Des graphiques représentant les valeurs moyennes de l’agglomération ainsi qu’une comparaison
entre les profils spatiaux avec comme indice de référence la moyenne sur la figure 12.12. Cette
figure permet de comparer simultanément les différentes variables mises en présence et leurs profils
spatiaux.
L’étude du premier profil (Paris, Neuilly et Boulogne) met en évidence une forte mortalité et surmortalité
(figure 12.12). Ces valeurs élevées peuvent être mises en relation avec le fait que ce profil comporte
des communes avec une forte implantation des populations âgées (carte de la figure 12.1, p. 235) et
une part encore plus importante de personnes âgées vivant seules (carte de la figure 12.3, p. 238). Du
point de vue thermique, ces communes se caractérisent par des températures nocturnes de surface
élevées et une amplitude thermique jour/nuit faible – réunissant les conditions génératrices d’une
forte mortalité liée à la chaleur. Du point de vue de la richesse, ce profil se caractérise par un revenu
médian élevé, par peu de personnes âgées allocataires de la CMU (cartes de la figure 12.5, p. 241) et
par un pourcentage de logements sociaux également faible (carte de la figure 12.7, p. 245). Il s’agit du
profil dont la part de logements anciens / vétustes (sans sanitaire) est la plus importante. En termes
de disparités de revenu, ce profil est marqué par une forte hétérogénéité (le plus important des 4
profils). à ce titre, soyons attentif au fait qu’au niveau du dendrogramme (figure 12.11), ce profil est
celui dont l’embranchement connaît « la hauteur de coupe » la plus élevée, mettant en évidence la
forte hétérogénéité entre les individus (les communes) avec une forte variance intra-classe. Il est aisé
ici de comprendre, ainsi que nous l’avons introduit au chapitre 2, que Paris est marquée par de fortes
disparités (démographiques, économiques, sociales, etc.). Dans ce contexte, le 18ème arrondissement
ne peut appartenir à la même subdivision du dendrogramme que Neuilly-sur-Seine qui se rapproche,
pour sa part, des arrondissements les plus aisés de la capitale (comme le 6ème, le 8ème ou encore le 16ème).
Le second profil de la CAH (figures 12.11 et 12.12) est celui des communes aisées de l’ouest et de l’est
de la petite couronne. La mortalité et la surmortalité y sont modérées, bien que comportant une part
importante de personnes âgées. Globalement, les températures nocturnes et diurnes de cette classe
sont plus faibles que les autres. La proximité de parcs et de forêts urbaines (Meudon, Boulogne,
Vincennes) et la présence d’un habitat pavillonnaire constituent en partie les facteurs explicatifs de
cette différence thermique. On peut supposer pour ce profil que les conséquences d’une situation
sociale plutôt favorable et d’un environnement thermique plus confortable pourraient être à l’origine
d’une mortalité et d’une surmortalité moindre que pour les autres profils - alors même que la part de
population âgée y est assez importante.
254
PROFIL MOYEN DE L’AGGLOMÉRATION LISTE DES VARIABLES

1 1 MA_65+ Nombre de décès de plus de 65 ans en 2003
2 2 SMO_65+ Ratio de surmortalité (2003/2002) des plus de 65 ans
3
3 PCT_65+ Pourcentage de personnes de plus de 65 ans
4
4 PCT65+_SEUL Pourcentage de personnes de plus de 65 ans résidant seules
5
5 PCT_CMU60+ Pourcentage des plus de 60 ans bénéficiant de la CMU
6
7 6 R_MEDIAN_60+ Revenu médian
8 7 RAPP_INTERD_60+ Rapport interdécile
9 8 GINI_60+ Pourcentage de résidences sans salles de bain

10 9 PCT_SSB Indice de Gini
11 10 PCT_HLM Pourcentage de HLM
12
11 MYDD_Q75 Températures diurnes de surfaces (3ème quartile)
13 Moyennes centrées-réduites
12 MYDN_Q75 Températures nocturnes de surfaces (3ème quartile)
0 0,2 0,4 0,6 0,8 1 13 MYDD/MYDN_DIFF Amplitude journalière des températures de surfaces
REPRÉSENTATION DES VARIABLES PAR PROFIL SPATIAL

INDICE DE RÉFÉRENCE : MOYENNE
PARIS ET PROCHE BANLIEUE OUEST - PROFIL 1 PÉRIPHÉRIES OUEST ET EST - BANLIEUES AISÉES - PROFIL 2
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 10
11 11
12 12
13 13
0 0,5 1 1,5 2 2,5 0 0,5 1 1,5 2 2,5
BANLIEUES MODESTES AUX LIMITES DE L’AGGLOMÉRATION - PROFIL 3 PÉRIPHÉRIES NORD ET SUD - BANLIEUES MODESTES - PROFIL 4
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 10
11 11
12 12
13 13
0 0,5 1 1,5 2 2,5 0 0,5 1 1,5 2 2,5
Figure 12.12. Graphiques des barycentres des variables pour les quatre profils de la classification ascendante
hiérarchique établis pour les communes de l’agglomération parisienne.
255
Le troisième profil (figure 12.11 et 12.12) est constitué de communes périphériques aux limites
extérieures de la petite couronne. Leur population est plutôt jeune, la mortalité et la surmortalité sont
les moins importantes des quatre profils. D’un point de vue socio-économique, le revenu médian des
séniors qui y résident se situe à un niveau plutôt moyen à bas. La part des logements sociaux y est
relativement importante et celle d’allocataires CMU également. Toutefois, il s’agit de la classe où les
disparités socio-économiques sont les plus faibles témoignant de fait qu’il s’agit d’une classe où les
extrêmes de pauvreté et de richesse y sont moins saillants que dans le reste de l’agglomération. Les
logements sont relativement contemporains (chapitre 2, carte de la figure 2.5, p. 65), par conséquent
la part de résidences sans sanitaire est la plus faible des quatre profils. Le dendrogramme de
la figure 12.11 montre la variance intra-classe la plus faible des 4 profils. Les communes de ce
profil sont relativement homogènes les unes par rapport aux autres. Au niveau des températures,
celles de nuit sont basses et l’amplitude thermique jour/nuit est la plus élevée. Pour ce groupe de
communes, la présence d’une population plus jeune et d’un habitat contemporain, associée à des
conditions thermiques convenables (forte amplitude jour/nuit et températures nocturnes basses)
pourrait expliquer la mortalité et la surmortalité qui sont globalement les plus faibles de l’ensemble
de l’agglomération.
Enfin, le dernier profil regroupe les communes qui ont connu une mortalité forte et se place juste
après le profil parisien. Pour la surmortalité, il s’agit du profil où celle-ci est la plus importante
parmi les quatre profils. Du point de vue démographique, ces communes peuvent être qualifiées
d’intermédiaires : une présence plutôt moyenne d’une population âgée de plus de 65 ans est
identifiable. En revanche, la part de personnes âgées vivant seules est assez importante. Du point
de vue socio-résidentiel, cette classe se caractérise par des communes dans lesquelles les logements
sociaux sont nombreux et la part d’allocataire CMU élevée – relativement aux autres classes ; en
ce sens, il s’agit du profil territorial le plus modeste. Les températures nocturnes et diurnes y sont
élevées ; l’amplitude thermique journalière y est faible. Pour ce profil, la très forte surmortalité (la
plus élevée du territoire peut être reliée à des températures très chaudes de jour comme de nuit.
Cependant étant le profil le plus modeste, le rôle de la fragilité sociale des populations âgées (absence
d’aide à domicile, logements mal-isolés, trop chauds dans les étages élevés, etc.) résidant dans ces
communes peut constituer une hypothèse explicative.
256
Les résultats de cette classification mettent en évidence trois aspects thématiques importants.
Le premier aspect est relatif à une dynamique spatiale centre-périphérie. On sera attentif au fait
que le premier profil (Paris) s’oppose aux autres selon leur situation géographique, est-ouest pour
le profil 2 et nord-sud pour le profil 4.
Puis dans le détail apparaît la division socio-résidentielle de l’espace de l’agglomération, il s’agit
du second aspect thématique. En effet, l’opposition entre le 2ème profil (banlieues aisées) et le 4ème
(banlieues modestes) est saisissante.
Cette opposition se concrétise au niveau de l’environnement thermique par des espaces où les
températures nocturnes de surface sont moins élevées en raison d’une plus forte implantation
d’espaces végétalisés, mais également d’une géométrie urbaine moins dense (banlieues aisées).
à l’inverse, dans les zones plus modestes de l’agglomération où les immeubles d’habitation
(privatifs, collectifs ou HLM) sont plus nombreux, les températures nocturnes de surfaces sont plus
chaudes. Ce profil se rapproche en termes de morphologie urbaine (et par conséquent également de
températures) de Paris. En termes de mortalité et de surmortalité, on retient que ce sont également
ces deux profils (Paris et banlieues modestes) qui recensent les valeurs les plus élevées.
Cependant, parmi ces deux profils, ce sont les communes des banlieues modestes qui ont connu la
plus forte surmortalité ; aussi, le rôle des conditions socio-économiques des populations résidentes
doit être ici souligné. En effet, à morphologie urbaine voisine, à conditions thermiques proches, ce
sont les conditions sociales qui pourraient différencier principalement les deux types de profils et
qui pourraient par conséquent constituer un autre facteur explicatif de la plus forte surmortalité des
périphéries modestes de l’agglomération.
257
Cette partie avait pour finalité d’évaluer statistiquement le rôle des températures sur la mortalité
et la surmortalité survenues en août 2003 au niveau communal dans l’agglomération parisienne
(Chapitre 11), mais également de rechercher les causes de la répartition spatiale de ces variables
dans les facteurs démographiques et socio-économiques (Chapitre 12). à l’issue de comparaisons
cartographiques et d’évaluations par corrélations linéaires, nous avons mené une analyse en
composantes principales, puis une classification ascendante hiérarchique dont l’objectif était de
déterminer des profils territoriaux présentant des ressemblances. Les principales conclusions de
l’ensemble de ces résultats sont les suivantes :
ff Les indicateurs de mortalité (MA) et de surmortalité (SMO) ont chacun des relations
statistiques positives et significatives avec les températures nocturnes de surface à 22h
(UTC), tout comme à 02h (UTC). L’existence d’une relation entre une chaleur nocturne
principalement localisée dans le centre de l’agglomération et une forte mortalité suivant
une répartition spatiale identique a été mise en évidence.
ff Au niveau de la répartition spatiale des indicateurs socio-démographiques dans
l’agglomération, on constate qu’elle présente des caractéristiques proches en partie
avec la mortalité et la surmortalité. En effet, Paris est la zone qui a connu la plus forte
mortalité. La capitale comporte un nombre important de personnes âgées, la mortalité
numéraire y était par conséquent plus élevée. En revanche, pour la surmortalité, il
apparaît que celle-ci a été particulièrement forte dans le sud de l’agglomération. Elle a
plutôt tendance à déroger à la logique d’une éventuelle proportionnalité avec la forte
présence de personnes âgées. Elle montre également peu de relations statistiques avec
les indicateurs de revenus et de précarité. La relation statistique la plus forte avec la
surmortalité est celle avec les températures nocturnes de surface mettant en avant le
rôle déterminant de ces dernières sur la surmortalité pendant la canicule.
ff Une classification ascendante hiérarchique a permis de déterminer sur un critère
de ressemblance les communes présentant des caractéristiques thermiques, sociales et
sanitaires proches. Nous avons donc pu déterminer 4 profils spatiaux. Un premier profil
est spécifique aux arrondissements de la capitale et à quelques communes de l’ouest de
l’agglomération. Il se caractérise par une population plutôt âgée et résidant seule. La mortalité
et la surmortalité y sont importantes. Les revenus médians sont élevés dans ce profil, mais
observation qu’il faut nuancer en raison de l’existence de fortes disparités sociales.
258
Le second profil est constitué de communes périphériques plutôt aisées et globalement

avec une part importante de personnes âgées. Ces banlieues ont connu une mortalité
et une surmortalité assez faibles, surtout relativement au premier et au dernier profil.
Le troisième profil comprend des communes aux limites de l’agglomération parisienne
peuplée d’une population jeune. L’habitat est récent, mais aussi de type pavillonnaire.
Les conditions thermiques sont les plus confortables des 4 profils. La mortalité et la
surmortalité y sont les plus faibles des 4 profils.
Enfin, le dernier profil regroupe des communs périphériques socialement modestes et
démographiquement plutôt jeunes. Pourtant la surmortalité y est la plus importante des
4 profils étudiés.
Les résultats de cette CAH proposent de nouvelles hypothèses. Ils mettent notamment
en évidence que certaines communes périphériques plutôt modestes situées au nord,
dans le département de la Seine-Saint-Denis, et dans le sud, dans le Val-de-Marne,
ont connu une très importante mortalité et surmortalité qu’il convient de mettre en
parallèle avec la démographie, mais également avec la situation sociale et résidentielle
des populations de ces territoires.
.
ASPECTS DÉMOGRAPHIQUES & RELATIONS ENTRE LES TEMPÉRATURES

IMPACTS SOCIO-SANITAIRES NOCTURNES DE SURFACE,
LA MORTALITÉ ET LA SURMORTALITÉ
- la forte présence de personnes
âgées de plus de 65 ans à Paris - la mortalité et les températures
explique en partie la forte mortalité nocturnes de surface ont des relations
survenue dans la capitale statistiques de type plutôt exponentiel
- mais des banlieues plutôt modestes avec une valeur de R² de 0,41
de l’agglomération sont également - la surmortalité est statistiquement
fortement affectées alors que la moins corrélée aux températures
part de population âgée y est nocturnes de surface, mais montre
moins importante d’importantes proximités spatiales
avec ces températures dans le sud
LES CONSÉQUENCES DES CLIVAGES de l’agglomération
SOCIO-SPATIAUX
- il existe d’importants contrastes RÉPARTION SPATIALE

socio-économiques entre Paris DE LA MORTALITÉ
et les départements de la ET DE LA SURMORTALITÉ
petite couronne avec une EN AGGLOMÉRATION PARISIENNE
très forte disparité sociale en DURANT LA CANICULE DE 2003 :
termes de revenu dans la capitale
- opposition entre les banlieues - la mortalité est principalement
pavillonnaires aisées à l’ouest de concentrée dans la capitale
l’agglomération et les banlieues - la surmortalité est élevée dans le sud
modestes au sud et au nord de l’agglomération (dans le sud de Paris
avec une plus forte présence et dans le Val-de-Marne)
d’immeubles d’habitation
Figure de synthèse de la partie 4. Les relations entre la mortalité, les températures de surface et les facteurs
socio-démographiques dans l’agglomération parisienne.
259
Conclusion générale et perspectives
Conclusion générale
Les analyses menées dans cette recherche doctorale avaient pour objectif d'expliquer la répartition
spatiale de la mortalité et de la surmortalité du mois d’août 2003 à Paris et dans la petite
couronne, d'une part au regard de l'exposition de l’agglomération aux fortes chaleurs, et d'autre
part en comparaison avec la vulnérabilité préexistante des populations sur ce même territoire.
Afin d’évaluer les conséquences des fortes chaleurs sur les populations résidentes, il s’agissait
d’étudier le contexte climatique de l’agglomération avec deux finalités : celle de mieux
appréhender les extrêmes thermiques en périodes estivales et celle d’identifier les zones de
fortes chaleur. Pour ce faire, nous avons d’abord comparé l’été 2003 à un autre été considéré
comme caniculaire, celui de 2006. À l’issue de cette comparaison, l’été 2006 s’est distingué
nettement de 2003. L’ensemble de la période estivale était moins chaud ; de plus, l’épisode
de juillet 2006 était moins intense et moins long que celui du mois d’août 2003. Puis, pour
élargir l’étude des chaleurs estivales, nous nous sommes intéressés aux étés des années 2001
à 2008. Nous avons sélectionné les journées présentant des conditions radiatives comparables
aux journées caniculaires : les journées d’îlot de chaleur urbain. Nous avons montré que celles-
ci étaient météorologiquement proches de 2003. En effet, du point de vue thermique, les écarts
maximums de températures Δ(T) sont supérieurs à 3°C entre Paris et Melun en période d’îlot
de chaleur tout comme en 2003 ; en revanche, bien qu’assez identiques au niveau des vitesses
de vent (> 4 à 5 m/s), ces journées se distinguaient par leurs directions dont la provenance
était majoritairement du sud-ouest pour les journées d’îlot de chaleur et plutôt du nord et
nord-est pour la canicule de 2003. Un vent faible (> 5 m/s en vitesse instantanée tri-horaire),
mais chaud et sec a été observé dans l’agglomération en 2003. Celui-ci a fortement freiné le
refroidissement nocturne et, dans l’ensemble, les conditions météorologiques ont augmenté le
risque de mortalité. Suite à l’étude du contexte météorologique et climatique, nous avons étudié
la répartition spatiale des températures de surface. à cette fin, nous avons estimé à 4 niveaux
d'observation (30 m, 250 m, 1 000 m et niveau communal) les températures à partir d’images
satellites Landsat et MODIS. Il en est ressorti que durant la canicule de 2003, globalement le
sud de Paris et le nord du Val-de-Marne présentaient les températures de surface les plus
élevées de l’agglomération et plus spécifiquement durant la nuit (22h et 00h, UTC). à l’inverse,
261
conclusion générale et perspectives
en journée, ce sont les zones périphériques, telles que celles à dominante rurale ou les espaces
industriels fortement artificialisés au niveau des surfaces (aéroports, zones commerciales) dont
un nombre important se situe dans le nord-est de l’agglomération, qui sont les plus chaudes en
termes de températures diurnes de surface (exception faite des zones à forte dominante végétale
comme les forêts).
Revenons plus particulièrement à la répartition spatiale des températures nocturnes (de surface)
dont les impacts sur la mortalité en période d’extrême thermique ont été largement démontrés
dans la littérature. Afin de comprendre cette répartition, nous avons analysé la morphologie
urbaine de l’agglomération et son occupation du sol, d’abord par une campagne de mesure
mobile, puis par le biais de traitements statistiques.
Pendant la campagne de mesure mobile la nuit du 22 au 23 juillet 2013, nous avons observé la
variabilité thermique des températures dans deux endroits de l’agglomération (à Paris et aux
Lilas). Une baisse des températures (2 à 3°C) a été relevée à l’approche de zones végétales, mais
également sur les bords de Seine. De plus une différence constante d’environ 2°C existait entre
Paris et les Lilas lors des mesures. La morphologie urbaine a constitué une des hypothèses
explicatives des différences entre les deux transects.
Pour approfondir nos observations de terrain, nous avons déterminé à différents niveaux spatiaux
(30 m, 250 m et 1 000 m) différents indicateurs (densité, hauteur et volumétrie des bâtiments ainsi
que NDVI et NDBI) que nous avons corrélés avec les températures de surface. Les résultats des
régressions ont mis en évidence que les relations à 30 m sont dans l’ensemble assez faibles. Les
variables les plus corrélées avec les températures sont le NDVI et le NDBI (avec des coefficients
de détermination R² de 0.16). Cependant, malgré ces valeurs faibles, une comparaison entre
les cartes de températures de surface, le NDVI et le NDBI à 30 m a montré assez nettement
des répartitions spatiales proches : les zones de végétation se superposent aux zones les plus
fraîches de l’agglomération. En procédant à un changement de niveau d’observation (250 m de
résolution), le coefficient de détermination entre les températures de surface et les températures
nocturnes augmentent (avec un R² de 0.36). Ces différences de valeur (entre 30 m et 250 m) ont
été interprétées comme fortement liées au nombre d’observation de chaque échantillon : en effet,
nous faisons ici référence aux travaux d’Openshaw [1984] qui ont mis en lumière que le nombre
d’observations d’un échantillon pouvait faire baisser les valeurs du coefficient de corrélation.
Concernant les relations entre la morphométrie urbaine et les températures de surface, celles qui
retiennent notre attention sont relatives au volume des bâtiments telles que la part de ciel visible
262
CONCLUSION générale et perspectives
(Sky View Factor) et la volumétrie. La part de ciel visible a une relation négative, plutôt forte et
significative avec les températures nocturnes de surface aux résolutions de MODIS (250 m et
1 000 m). Quant à la volumétrie, la relation statistique est positive, forte et significative.
Spatialement, nous avons constaté que dans les zones très densément bâties (comme à Paris
intramuros) les températures nocturnes y étaient souvent plus élevées que dans le reste de
l’agglomération. L’hypothèse selon laquelle la présence de bâtiments imposants et/ou de rues
étroites impliquerait une hausse des températures nocturnes de surface [Oke, 1981] est en
partie corroborée.
Enfin, l’ensemble de ces résultats nous a conduits à proposer un modèle multivarié en engageant
dans la régression 4 variables (celles dont les relations linéaires étaient les plus fortes avec les
températures nocturnes de surface). Nous avons ainsi retenu le NDVI, la part de ciel visible, la
hauteur moyenne et la densité surfacique des bâtiments. Le coefficient de détermination de cette
régression stepwise était de 0.51. Une cartographie des résidus nous a permis de visualiser les
zones où le modèle présentait les erreurs les plus importantes par rapport à la réalité de terrain.
Nous avons alors mis en évidence que les températures nocturnes en périphérie de Paris étaient
relativement peu expliquées par le modèle obtenu. Ces résultats sont le fait d’une plus grande
hétérogénéité spatiale en périphérie où l’urbain est moins dense, où la présence de parcs et
jardins a tendance à être plus importante et où l’habitat est structurellement davantage diversifié.
Après avoir identifié et quantifié les relations entre la morphologie urbaine et les températures
(de surface), nous nous sommes intéressés à celles existant entre ces mêmes températures, la
mortalité et la surmortalité enregistrées durant le mois d’août 2003 au niveau communal. La
mise en relation statistique a apporté des réponses quant au rôle spécifique de la chaleur dans
la catastrophe sanitaire de l’été 2003. Même si les valeurs des coefficients de corrélation étaient
plutôt faibles (surtout pour la surmortalité), ces dernières étaient significatives et les nuages de
points suggéraient une relation positive et plutôt exponentielle entre les indicateurs de mortalité,
de surmortalité et de températures nocturnes de surface. Une comparaison cartographique a
permis d’identifier une répartition spatiale proche pour ces différentes variables. À titre d’exemple,
le sud-est de la capitale et sa proche périphérie ont connu une forte surmortalité ; au niveau des
températures nocturnes de surface, ces espaces correspondent aux zones les plus chaudes de
l’agglomération. Concernant la mortalité, les relations entre températures nocturnes de surface
et mortalité doivent être nuancées. En effet, c’est à Paris qu’il a fait le plus chaud durant la
nuit, mais c’est également à Paris où il y a le plus de personnes âgées en proportion, et qu’il y
263
a eu, par conséquent, le plus de décès. Aussi cette relation était statistiquement attendue.
Cependant, d’autres communes (comme par exemple celles de l’ouest de l’agglomération)
dont le nombre de personnes âgées est également élevé ont connu une mortalité moindre.
Dans ces communes périphériques dont l’habitat est pavillonnaire (morphologie urbaine plus
aérée) et accompagné d’une plus importante végétalisation (présence de jardins individuels,
de parcs, de bois, etc.) que dans la capitale, les températures nocturnes de surface observées
étaient de 2 à 3°C plus fraîches qu’à Paris. Ces différences thermiques pourraient expliquer
la mortalité moindre de ces communes.
Cependant, il demeure certain que les seules températures nocturnes ne peuvent suffire à
expliquer les différences de mortalité entre Paris et certaines communes de la petite couronne.
C’est pourquoi, dans la dernière partie de cette thèse, nous avons cherché les causes
démographiques et sociales et nous en avons évalué les relations statistiques. Au niveau
démographique, la présence d’une population âgée n’est pas fortement corrélée avec la
mortalité et la surmortalité. En revanche, la présence de personnes âgées vivant seules a
montré davantage de liens avec la répartition spatiale des indicateurs de mortalité et de
surmortalité, notamment pour Paris.
Au niveau de variables socio-économiques, les relations entre la mortalité et le rapport
interdécile des revenus se sont avérées plutôt importantes, celles avec la surmortalité
également. La question des inégalités est alors retenue. En effet, si les variables évaluant le
niveau de richesse (médiane et différents quantiles des revenus) ainsi que celle mesurant
spécifiquement la précarité sociale (CMU) indiquaient des relations statistiques plutôt faibles,
celles informatives des disparités sociales (le rapport interdécile des revenus et l’indice de
Gini) ont mis en avant une relation positive et croissante montrant ainsi une augmentation
de la mortalité et de la surmortalité à mesure d’une accentuation des inégalités de revenus
au niveau communal. Ces résultats ont ouvert certaines perspectives et ont surtout démontré
la nécessité d’un changement d’échelle pour préciser le phénomène.
Il convient enfin de clore cette conclusion sur l’approche complexe des relations entre l’ensemble
des variables étudiées dans cette recherche. Une classification ascendante hiérarchique
nous a permis de déterminer des profils territoriaux sur un critère de ressemblance dans
l’agglomération parisienne. Nous avons alors déterminé que Paris et sa petite couronne
s’organisent selon 4 profils.
264
Un premier profil est spécifique à Paris et aux communes aisées de l’ouest de Paris. Pour ce
profil, les températures de surface sont plutôt élevées caractérisant des espaces très densément
bâtis. Ce profil, bien que marqué par une très forte hétérogénéité socio-économique, présente
des revenus médians assez élevés. Au niveau démographique, la population résidente est
plutôt âgée. La mortalité y est donc importante, et la surmortalité également.
Le second profil est celui des communes aisées et plutôt pavillonnaires de l’ouest et de l’est
parisien. D’un point de vue thermique, puisque l’habitat y est davantage desserré que dans le
reste de l’agglomération et que la présence de parcs et de jardins y est plus prépondérante, les
températures diurnes et nocturnes comptent parmi les plus basses des 4 profils. En termes de
revenus, il s’agit du profil le plus aisé après Paris. La population y est plutôt âgée. La mortalité
et surtout la surmortalité y sont pourtant plus faibles que dans les autres profils. Ici on
s’interroge sur le rôle des conditions sociales. Les revenus peuvent se répercuter doublement
sur les conditions de vie. D’abord en termes matériels (moyens financiers permettant de
meilleurs soins, des soins à domiciles, etc.) et d’autre part, en termes de conditions de
résidence (habitats individuels, confort thermique, etc.).
Le troisième profil se caractérise par des communes localisées en quasi-bordure de
l’agglomération parisienne. La mortalité et la surmortalité y sont faibles ; les températures
nocturnes y sont également les plus basses des 4 profils. La population résidente est nettement
plus jeune que pour les autres profils, mais aussi plus modeste. Ici la convergence d’une moins
importante présence de personnes âgées et de températures nocturnes plus fraîches explique
la plus faible mortalité et surmortalité de l’agglomération.
Enfin un quatrième et dernier profil comprend des communes périphériques situées au nord
et au sud de Paris. D’un point de vue thermique, les températures diurnes et nocturnes sont
plutôt élevées. D’un point de vue démographique, elles comportent une population plutôt
jeune, mais modeste. Parmi les 4 profils identifiés, il s’agit de celui dont le revenu médian par
commune est le plus bas et la part d’allocataire CMU la plus élevée. Dans ce profil, la mortalité
est importante et la surmortalité est la plus forte des 4 profils alors que la population y est
plus jeune. L’hypothèse du facteur socio-démographique fait à nouveau écho dans ce contexte.
En effet, les populations touchées par la surmortalité peuvent être autant les plus âgées que
les plus modestes.
265
Perspectives
L’ensemble de ces résultats peut être mis en perspective dans une étude qui approfondirait
les relations entre les inégalités environnementales et les inégalités sociales dans les espaces
urbains.
La notion d’inégalité repose d’un point de vue sociologique sur l’idée d’une différence d’accès
des individus à une ressource donnée. Sur le plan spatial, ces inégalités se matérialisent dans
une division de l’espace étudié. La notion d’inégalité est donc vaste, elle implique à la fois une
compréhension complexe en raison des différentes composantes constitutives des inégalités
et en raison d’une nécessaire analyse multi-scalaire ; en effet, un territoire peut comporter en
son sein des inégalités de diverses natures (matérielles, sociales, démographiques, sanitaires,
culturelles, sexuelles, etc.) et ces dernières peuvent fortement fluctuer selon l’échelle d’étude
(celle de l’individu, du quartier, de la ville, etc.). Eu égard à cette complexité, il est nécessaire
d’aborder le problème en focalisant sur certaines inégalités dont l’étude serait menée à différentes
échelles. Pour notre part, nous nous sommes intéressés, entre autres, aux inégalités de revenu
et à la précarité sociale (CMU) au niveau communal pour des raisons qui ont été développées
dans le chapitre 3 de cette thèse. Cette recherche s’est finalisée par une classification des
communes de l’agglomération parisienne à partir de diverses variables.
Une prochaine étude placerait cette classification de l’agglomération en amont (figure de synthèse
ci-contre) afin de proposer en aval une mesure des conditions environnementales (thermiques)
pour chaque type d’espace obtenu. Cette typologie de l’espace urbain de l’agglomération reposerait
sur une approche morphométrique, résidentielle et sociologique ; elle permettrait préalablement
à tout protocole de mesure des inégalités environnementales de déterminer leurs zones d’étude.
Cette typologie constitue un premier axe de nos perspectives.
Nous avons montré dans cette recherche que l’agglomération était soumise de manière
inégale à la chaleur avec notamment des températures nocturnes de surface élevées dans
le centre de l’agglomération, mais aussi dans les proches banlieues fortement minéralisées à
dominante d’immeubles d’habitation. Nous avons également montré que les caractéristiques
morphologiques des espaces urbains (centre-ville avec des rues étroites et des immeubles hauts,
proches banlieues pavillonnaires avec des rues aérées, etc.) jouaient un rôle prépondérant sur les
températures en période anticyclonique de forte chaleur. Mais dès lors que l’on souhaite mieux
appréhender les conséquences des températures sur les populations, ces espaces ne peuvent être
uniquement désignés au regard des formes urbaines ou des « simples » températures de surface.
266
ÉVALUATION DES INÉGALITÉS SOCIO-ENVIRONNEMENTALES
ESPACES URBAINS & POPULATIONS
CLASSIFICATION MORPHOMÉTRIQUE, RÉSIDENTIELLE & SOCIALE

DES ESPACES URBAINS DE L’AGGLOMÉRATION
Classification des espaces urbains de l’agglomération :

- selon des critères morphologiques (hauteur des bâtiments,
densité surfacique des bâtiments, etc.)
- selon des critères résidentiels (type de logement : ancien,
collectif, HLM, pavillonnaire, etc.)
- selon des critères sociologiques et économiques :
divisions socio-spatiales de l’espace urbain, nouvelles
dynamiques socio-spatiales (gentrification), etc.
► Déterminer une typologie de l’espace urbain

permettant de mener, par type d’espace urbain,
un diagnostic énergétique des bâtiments et
des indices de confort thermique
BÂTIMENTS CLIMAT Îlot de chaleur urbain

Périodes d’extrême thermique
VARIABILITÉ DES TEMPÉRATURES DANS L’HABITAT VARIABILITÉ DES TEMPÉRATURES & INDICES DE CONFORT
PAR TYPE DE LOGEMENT & PAR TYPE D’ESPACES URBAINS PAR TYPE D’ESPACES URBAINS
- Orientation - Mesure des températures de l’air, du vent

- Date de construction Bâtiment économe et de l’humidité relative par le biais de plusieurs
A
- Étage B points de mesure sur plusieurs sites
- Superficie / Nombre de pièces C - Estimation d’indices de confort thermique
D
- Diagnostic de performance E pour chaque site
énergétique (DPE) F
G
- Thermographie des façades H
► Établir des indices de confort par type d’espace
aux saisons présentant des extrêmes I urbain (centre historique, banlieues à immeuble
Bâtiment énergivore
thermiques (hiver et été) d’habitation, banlieues pavillonnaires) pour optimiser
la prévention des vagues de chaleur / de froid
► Quelle variabilité des températures à plusieurs échelles spatiales
à l’intérieur des logements en période
estivale / en période d’extrême thermique ?
LES ACTIONS PUBLIQUES LES IMPACTS SOUHAITES
Plan de rénovation des bâtiments anciens

Réduction du bilan carbone
Constructions de bâtiments écologiques et passifs
Amélioration de la qualité de l’air
Développement des trames bleues et vertes
CADRE REGLEMENTAIRE (GRENELLE II, PLAN CLIMAT,

PLAN CLIMAT ENERGIE TERRITORIAL)
Figure de synthèse des perspectives : Schéma prospectif pour une évaluation des inégalités socio-environne-
mentales.
267
En effet, s’ils sont inégaux au niveau de la chaleur en raison des formes urbaines, ils le sont
socialement au regard des populations qui y résident. Par l’intermédiaire de la classification
ascendante hiérarchique, nous avons distingué 4 profils spatiaux avec des caractéristiques
propres assez marquées. Ces résultats ont mis en avant les fortes disparités sociales de
l’agglomération parisienne, mais surtout présentent l’intérêt majeur d’avoir analysé ces dernières
simultanément dans une dimension environnementale. Cette dimension environnementale a
été interrogée par l’intermédiaire de l’étude du climat de l’agglomération. Pour approfondir
ces aspects, une prochaine étude visant à établir des indices de confort thermique dans
l’agglomération serait une perspective intéressante [Höppe, 1999 ; Krüger, 2015 ; Molenaar et
al., 2015]. Matzarakis et al. [2009] ont estimé un indice de confort PET (Physical Equivalent
Temperature) construit à partir des données météorologiques (températures, humidité relative
et rayonnement) dans l’agglomération strasbourgeoise. L’étude a mis en évidence d’une part
la vulnérabilité du centre ville (par rapport à sa périphérie) durant l’épisode caniculaire de
l’été 2003, mais également d’autre part la prépondérance des facteurs locaux (morphométrie et
présence de végétation) sur la variabilité de l’indice entre les différents sites.
Dans notre recherche, nous avons montré à différents niveaux d’observation que les
températures étaient tributaires de l’environnement végétal, minéral et morphométrique local
(présence d’espaces verts, densité surfacique de bâtiments, volumétrie, etc.). Aussi dans la
continuité de ce travail, il serait intéressant d’évaluer un indice de confort pour différents types
d’espace urbain (centre historique, banlieues à immeubles d’habitation collectifs, banlieues
pavillonnaires). Ces espaces urbains seraient ceux établis sur les critères morphométriques,
résidentiels et sociaux construits dans l’axe 1 de ces perspectives. L’objectif étant de mesurer la
variabilité de l’indice de confort entre ces différents espaces urbains. Le climat urbain pouvant
fortement varier localement, il conviendrait de multiplier les points de mesure pour chaque type
d’espace en suivant un protocole précis (pour chaque espace, une série de points de mesure en
zone végétalisée, dans une rue orientée sud, sur une place dégagée non ombragère, etc.). La
mesure des inégalités environnementales par le biais d’indices de confort thermique constitue
le second axe de recherche en termes de perspectives.
Un troisième axe serait une étude orientée sur les températures à l’intérieur des logements.
Ces derniers seront choisis dans les mêmes espaces urbains (déterminés dans l’axe 1). Pour
chaque logement, il s’agit d’élaborer une forme de diagnostic énergétique des bâtiments en
période de forte chaleur. Il est possible de s’appuyer sur les DPE (Diagnostic de Performance
268
énergétique), mais également de disposer des capteurs de températures à l’intérieur des

logements permettant de mesurer la variabilité thermique [Pinson et al., 2015]. à l’intérieur de
ces derniers, ces capteurs seraient placés selon un protocole identique pour chaque logement
afin de faciliter la comparaison entre les logements (exposition, étage, nombre de pièces), mais
également entre les grands types d’habitat.
Ces trois axes réunis permettraient d’identifier les vulnérabilités des territoires à partir de
l’analyse des articulations complexes qui existent entre les dimensions sociales, résidentielles
et environnementales des espaces urbains. Ces perspectives de recherche sont d’autant plus
importantes que, dans le cadre réglementaire des différentes mesures visant à diminuer
les effets du climat sur l’environnement et sur les populations, elles offriraient une lecture
nouvelle, car pluridisciplinaire, des problématiques liées au climat, à l’énergie et en définitive
à l’amélioration des conditions de vie des populations.
269
Références bibliographiques
Références Bibliographiques
ADIL 75. (2006). Précarité et parc locatif privé. Rapport d’enquête à la demande de Direction du
Logement et de l’Habitat de la Ville de Paris. Paris. Janvier 2006.
Allain R. (2004). Morphologie urbaine. Armand Colin. Paris.
Aida M. (1982). Urban albedo as a function of the urban structure – a model experiment (Part I).
Boundary-Layer Meteorology, 23, p. 405-413.
Aida M., Gotoh K. (1982). Urban albedo as a function of the urban structure – a two-dimensional
numerical simulation (Part II). Boundary-Layer Meteorology, 23, p. 415-424.
Albouy V., Godefroy P., Lollivier S. (2010). Une mesure de la qualité de vie. Vue d’ensemble, conditions
de vie, Portrait social de France, INSEE, p. 99-114.
Amat-Roze, J.M. (1999). Les sociétés humaines et leur environnement face aux risques climatiques.
Médecine et Maladies Infectieuses, vol. 29, p.277-284.
Amiri R., Weng Q., Alimohammadi A., Alavipanah S.K. (2009). Spatial–temporal dynamics of land
surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area, Iran.
Remote Sensing of Environment,113, p. 2606–2617.
Annesi-Maesano I., Dab W. (2006). Pollution atmosphérique et poumon. Approche épidémiologique.

Médecine Science. 22. p 589-594.
Appert M. (2004). Métropolisation, mobilités quotidiennes et forme urbaine : le cas de Londres.

Géocarrefour, vol. 79/2, p. 109-118.
APUR - Atelier Parisien d’Urbanisme. (2012). Atlas de l’agglomération parisienne, premiers éléments
cartographiques. Note de 8 pages n°57.
Arbuthnot J. (1742). Essai des effets de l’air sur le corps humain. Trad. de l’anglais par M. Boyer de
Pébrandié. Google Book. https://books.google.fr
Arnfield A.J. (2003). Two decades of urban climate research: a review of turbulence, exchange of
energie and water, and the urban heat island. International Journal of Climatology, vol. 23, p 1-26.
Athamena K. (2012). Modélisation et simulation des microclimats urbains : étude de l’impact de la

morphologie urbaine sur le confort dans les espaces extérieurs. Cas des éco-quartiers. Thèse de doctorat. école
Centrale de Nantes.
Atkinson B. W. (2003). Numerical modeling of urban heat island intensity. Boundary- Layer Meteorology.
109. p. 285-310.
Bakarman M., Chang JD. (2015). The influence of height/width ratio on urban heat island in hot-arid
climates. Procedia Engineering, 118, p. 101-108.
Bailly A. (2014). La géographie du bien-être. éditions économica, Paris.
271
Bannari A., Morin D. et He D.C. (1997). Caractérisation de l’environnement urbain à l’aide des indices
de végétation dérivés des données de hautes résolutions spatiale et spectrale. Télédétection des milieux urbains
et périurbains. Éd. AUPELF-UREF. p. 47-64.
Bärring L., Mattsson J.O. (1985). Canyon Geometry, street temperatures and urban heat island in
Malmö, Sweden. Journal of Climatology, vol. 5, p. 433-444.
Baud P., Bourgeat P., Bras C. (2003). Dictionnaire de géographie. Hatier. Paris.
Basly L. (2000). Télédétection pour la qualité de l’air en milieu urbain. Thèse de Doctorat. Université
de Nice-Sophia Antipolis.
Beckouche P. (1993). Une région parisienne à deux vitesses L’accroissement des disparités spatiales
dans l’Ile-de-France des années 1980. Strates [En ligne], 7 | 1993, mis en ligne le 20 décembre 2005, URL : http://
strates.revues.org/1155.
Benjamin W. (1939). Paris, Capitale de XIXème siècle. Allia.
Bennet M.G., Ewenz C.M. (2013). Increased Urban Heat Island Effect due to Building Height Increase.
20th International Congress on Modelling and Simulation, actes de colloque, Adelaide (Australie), p 2242-2248.
Berger M. (2006). Périurbanisation et accentuation des logiques ségrégatives en Île-de-France.

Hérodote, n°22, p. 198-211.
Besancenot J.P. (1990). L’organisme humain face à la chaleur. Sécheresse - Science et changements
planétaires, 1, p. 30-35.
Besancenot J.P. (2001). Climat et santé. PUF. Paris.
Besancenot J.P. (2002). Vagues de chaleur et mortalité dans les grandes agglomérations urbaines.
Environnement, Risques et Santé, vol. 1, n°4, p. 229-240.
Besancenot J.P. (2004). La mortalité selon le contexte thermique. Réalité présente et scénarios pour le
XXIème siècle. Le cas de la France. Programme de gestion et impact du changement climatique. Rapport final.
Dijon.
Besancenot J.P., Cohen J.C. (2007). Changement climatique, canicules et allergies : la nouvelle donne
culturelle. Annales du XXème Colloque de l’Association Internationale de Climatologie, p. 37-44.
Bessemoulin P., Bourdette N., Courtier P., Manach J. (2004). La canicule d’août 2003 en France et en
Europe. La Météorologie, vol. 46, p. 25-33.
Blum A., Houdaille J., Lamouche M. (1990). Mortality Differentials in France during the Late 18th and
Early 19th Centuries. Population: an English Selection, 2, p .163-185.
Bonvalet C., Dureau F. (2000). Des modes d’habiter : des choix sous contrainte. Métropoles en
mouvement. Paris. Paris Anthropos. p.131-153.
Bougiatioti. F. (2006). Effect of urban geometry on surface temperatures of «skin» materials in Greek
cities. PLEA2006 - The 23rd Conference on Passive and Low Energy Architecture, Genève, p. 6-8.
Bourdeau-Lepage L., Tovar E. (2011). Bien-être en Île-de-France : derrière une hausse générale, des
disparités territoriales croissantes. Métropolitiques, http://www.metropolitiques.eu/Bien-etre-en-Ile-de-France.html
272
Bourdeau-Lepage L., Tovar E. (2013). Quelle fracture socio-spatiale à l’heure du Grand Paris ? Le coeur
de l’Île-de-France à la dérive. Revue d’Économie Régionale & Urbaine, p. 491-521.
Bourdieu J., Kesztenbaum L., (2004). Vieux, riches et bien portants. Une application de la base « TRA »
aux liens entre mortalité et richesse, Annales de démographie historique, n°107, p. 79-105.
Bornstein R. (1968). Observations of the Urban Heat Island Effect in New York City. Journal of applied
Metorology, 7, p. 575-582.
Bozonnet E. (2005). Impact des microclimats urbains sur la demande énergétique des bâtiments. Cas
de la rue canyon. Thèse de doctorat. Université de La Rochelle.
Bridier S. (2001). Modélisation de la répartition des brises et des températures en situation radiative.
Thèse de doctorat. Université Paris Diderot.
Brunet R., Ferras R., Thery H. (1993). Les mots de la géographie, dictionnaire critique.
La documentation française. Reclus. Paris.
Buechley RW., Van Bruggen J., Trupi LE. (1972). Heat Island = Death Island ? Environmental Research,
5, p. 85-92.
Bugeja-Bloch F. (2013). Logement, la spirale des inégalités. Une nouvelle dimension de la fracture
sociale et générationnelle. PUF. Paris.
Cadot E, Spira A. (2006). Canicule et surmortalité à Paris en août 2003, le poids des facteurs socio-
économiques. Espace, populations, sociétés, p. 239-249.
Cadot E., Canouï-Poitrine F., Alarcon F., Noël H., Spira A. (2005). Vulnérabilité sociale des personnes
âgées à Paris, les leçons à tirer de l’épisode caniculaire d’Août 2003. Santé et expériences de soins, de l’individu
à l’environnement social. Paris, Inserm/Vuibert, p. 274-292.
Cambois E., Robine J.M. (2004). Problèmes fonctionnels et incapacités chez les plus de 55 ans : des
différences marquées selon les professions et le milieu social. Études et Résultats. Direction de la recherche des
études de l’évaluation et des statistiques. Paris.
Canouï-Poitrine F., Cadot E., Spira A. (2005). Excess deaths during the August 2003 heat wave in Paris,
France. Revue d’épidémiologie et de santé publique, vol. 54(2), p. 127-135.
Cao C., Lam N.S.N. (1996). Understanding the Scale and Resolution Effects in Remote Sensing and GIS.
Scale in Remote Sensing and GIS, Lewis publication, p. 57-72;
Cantat O. (1989). Contribution à l’étude des variations du bilan d’énergie en région parisienne. Essai
sur les bilans d’énergie dans les grandes métropoles. Thèse de doctorat. Université Paris Sorbonne.
Cantat O. (2004). L’îlot de chaleur urbain parisien selon les types de temps. Norois, 191, p. 75-102.
Cassadou S., Declercq C., Eilstein D., Fabre P., Filleul L., Le Tertre A., Lefranc A., Medina S., Nunes C.,
Pascal L, Prouvost H., Zeghnoun A. (2003). Surveillance des effets de la pollution atmosphérique en milieu urbain
sur la santé : le Programme français PSAS-9. Vertigo, Vol, 4, 13 p.
Castells M. (1973). La question urbaine. Maspéro. Paris.
Castells M., Delayre H., Dessane C., Godard F., O’Callaghan C. (1973). La rénovation urbaine à Paris.
Structure urbaine et logique de classe. Mouton. Paris.
273
Cauvin C. (1984). Espaces cognitifs et transformations cartographiques. Les conditions de la

comparaison des espaces cognitifs : de la carte aux configurations. Exemples de l´espace urbain strasbourgeois.
Thèse de doctorat d´Etat. Université de Strasbourg.
Chadych D., Leborgne D. (2007). Atlas de Paris. Évolution d’un paysage urbain. Parigramme. Paris.
Champiat C. (2009). Identifier les îlots de chaleur urbains pour réduire l’impact sanitaire des vagues de
chaleur. Environnement, Risques et Santé, 8, 5, p. 399-411.
Chander G., Markham B. (2003). Revised Landsat-5 TM Radiometric Calibration Procedures and
Postcalibration Dynamic Ranges. IEEE Transactions on geoscience and remote sensing. Vol 41. n° 11.
Chander G., Markham B., Barsi J. (2007). Revised Landsat-5 Thematic Mapper Radiometric Calibration.
IEEE Geoscience and Remote Sensing Letters, vol. 4, n°3, p. 490-495.
Chatelet A., Fernandez P., Lavigne P. (1998). Architecture Climatique une contribution au développement
durable. Tome 2, Concepts et dispositifs. Edition EdiSud. Aix-en-Provence.
Chen L., An X., Ren C., Lee M., Wang U., He Z. (2012). Sky view factor analysis of street canyons and
its implications for daytime intra-urban air temperature differentials in high-rise, high-density urban areas of Hong
Kong: a GIS-based simulation approach. International Journal of Climatology, vol. 32, p. 121-136.
Clerval A. (2008). La gentrification à Paris intra-muros : dynamiques spatiales, rapports sociaux et

politiques publiques. Thèse de doctorat. Université Paris Sorbonne.
Clerval A., Fleury A. (2009). Politiques urbaines et gentrification, une analyse critique à partir du cas de
Paris. L’Espace Politique. 8 p.
Clerval A. (2010). Les dynamiques spatiales de la gentrification à Paris. Cybergeo : European Journal
of Geography.
Collectif Jeudi Noir. (2009). Le petit livre noir du logement. éditions La Découverte, Paris.
Dab W., Ségala C., Dor F., Festy B., Lameloise P., Le Moullec Y., Le Tertre A., Médina S., Quénel
P., Wallaert B. et Zmirou D. (2011). Pollution atmosphérique et santé: corrélation ou causalité ? Le cas de la
relation entre l’exposition aux particules et la mortalité cardio-pulmonaire. Journal of the Air & Waste Management
Association. p.203-219.
Dauphiné A. (1984), Espace terrestre et espace géographique. Les concepts de la géographie humaine.
Masson, Paris, p 65-89.
Dauphiné A., Provitolo D. (2013). Risques et catastrophes. Observer, spatialiser, comprendre, gérer.
Armand Colin. Paris.
Debia M., Zayed J. (2003). Les enjeux relatifs à la perception et à la communication dans le cadre de
la gestion des risques sur la santé publique. Vertigo, vol 4, n°1. 13 p.
De Biasi K. (2010). Population francilienne à l’horizon 2040 : les migrations freinent le vieillissement.
INSEE, Île-de-France à la page, n°347, 5 p.
De Biasi K., Louchart P. (2012). Horizon 2030 : vieillissement important de la population en grande
couronne. INSEE, Île-de-France à la page, n°388, 6 p.
274
D’Ercole R., Metzger P. (2009). La vulnérabilité territoriale : une nouvelle approche des risques en
milieu urbain. Cybergeo : European Journal of Geography. 16 p.
Díaz J., Linares C., García R. (2005). Impacto de las temperaturas extremas en la salud publica :
futuras actuaciones. Revista Española de Salud Pública.79. p. 145-157.
Díaz J., García R., Velázquez de Castro F., Hernández E., López C., Otero A. (2002). Effects of
extremely hot days on people older than 65 years in Seville (Spain) from 1986 to 1997. International Journal of
Biometeorology, 46, p. 145-149.
Direction Générale de la Santé (DGS). Site internet consulté en avril 2014, www.sante.gouv.fr/canicule
De Félice P. (2006). L’Histoire de la climatologie. L’Harmattan. Paris.
Detwiller J. (1970). Deep soil temperature trends and urban effects at Paris. Journal of Applied
Meteorology, 9, p. 178-180.
Donzelot J. (2004). La ville à trois vitesses: relégation, périurbanisation, gentrification. Esprit. http://
www.esprit.presse.fr/archive/review/article.php%3Fcode=7903
Dousset B., Gourmelon F. (2003). Satellite multi-sensor data analysis of urban surface temperatures
and landcover. Journal of Photogrammetry & Remote Sensing, 58, p.43-54.
Dousset B., Gourmelon F., Laaidi K., Zeghnoun A., Giraudet E., Bretin P., Mauri E., Vandentorren S.
(2010). Satellite monitoring of summer heat waves in the Paris metropolitan area. International. Journal of
Climatology, vol. 31, p. 313-323.
Drevon J.F. (2009). Le Grand Pari(s) - AMC, hors série. Consultation internationale sur l’avenir de la
métropole parisienne. Le Moniteur. AMC Architecture. Paris.
Dumont M., Hellier E. (sous la direction de). (2010). Les nouvelles périphéries urbaines : formes,
logiques et modèles de la ville contemporaine. Presse universitaire. Rennes.
Elliason. I. (1990). Urban geometry, surface temperature and air temperature. Energy and buildings,
vol.15, p. 141-145.
Eliasson I. (1996). Urban nocturnal temperatures, street geometry and land use. Atmospheric
Environment, 30, p. 379-392.
Endlicher W., Hostert P., Kowarik I., Kulke E., Lossau J., Marzluff J., Von der Meer E., Mieg H., Nützmann
G., Schultz M., Wessolek G. (2011). Perspectives in Urban Ecology. Studies of ecosystems and interractions
between humans and nature in the metropolis Berlin. Springer, Heidelberg.
Engels F. (1845). De la situation de la classe laborieuse en Angleterre. https://www.marxists.org/

francais/engels/works/1845/03/fe_18450315.htm
Escourrou G. (1990). La spécificité du climat de l’agglomération parisienne. Revue de géographie de

Lyon, vol. 65, n°2, p. 85-89.
Escourrou G. (1991). Le climat et la ville. Nathan. Paris.
Ferras R. (1995). Niveaux géographiques, échelles spatiales. Encyclopédie de géographie. Economica

(2ème édition), Paris, p. 401-419.
275
Foissard X., Quénol H., Dubreuil V. (2013). Analyse et spatialisation de l’îlot de chaleur urbain dans
l’agglomération rennaise. Annales du XXVIème colloque de l’Association Internationale de Climatologie, p. 242-247.
Fouillet A., Rey G., Jougla E., Hemon D. (2006). Estimation de la surmortalité observée et attendue au
cours de la vague de chaleur du mois de juillet 2006. Rapport de l’INSERM. Paris.
Fouillet A., Rey G., Laurent F., Pavillon G., Bellec S., Guihenneuc-Jouyaux C., Clavel J., Jougla E.,
Hémon D. (2006). Excess mortality related to the August 2003 heat wave in France. International Archives of
Occupational and Environmental Health, 80, p. 16–24
Fourrier C. (1808). Théorie des quatre mouvements et des destinées générales : prospectus et annonce
de la découverte. 1ère partie. Google book. https://books.google.fr
Fournet F., Rican S., Salem G. (2006). Environnement urbain et santé. Environnement et ville. Sedes, Paris,
p. 315-345.
Fijalkow Y., Oberti M. (2001). Urbanisme, embourgeoisement et mixité sociale à Paris. Mouvements.
n°13, p. 9-21.
Fijalkow Y. (2011). Sociologie du logement. La Découverte. Paris
Fischer L. (2005). Phénomènes radiatifs et îlot de chaleur urbain dans l’agglomération de Strasbourg.
Revue géographique de l’Est, vol 45, p. 99-112.
Fleury A., François J.C., Mathian H., Ribardière A., Saint-Julien T. (2012). Les inégalités socio-spatiales
progressent-elles en Île-de-France ?, Métropolitiques, 7 p.
François J.C., Mathian H., Ribardière A., Saint-Julien T. (2003). Les disparités des revenus des
ménages franciliens en 1999 : approches communales et infra-communale set évolution des différenciations
infra-communales 1990-1999. UMR Géographie-cités / DREIA Île-de-France, Paris.
François J.-C., Fleury A., Mathian H., Pavard A., Ribardière A., Saint-Julien, T. (2011). Les disparités
de revenus des ménages franciliens. Analyse de l’évolution 1990-1999-2007. UMR Géographie-cités / DREIA
Île-de-France, Paris.
Fressoz J.B., Locher F. (2010). Le climat fragile de la modernité : Petite histoire climatique de la
réflexivité environnementale. La Vie des Idées.
Gabriel K.M.A., Endlicher W.R. (2011). Urban and rural mortality rates during heat waves in Berlin and
Brandenburg, Germany. Environmental Pollution, 159, p. 2044-2050
Gallo K.P., Karl T.R., McNab A.L., Brown J.F., Hood J.J., Tarpley J.D. (1993). The use of a vegetation
index for assessment of the urban heat island effect. International Journal of Remote Sensing, 14, p. 2223-2230.
Gallo K.P., Tarpley J.D., McNab A.L. and Karl T.R. (1994). Assessment of urban heat islands: a satellite
perspective. Atmospheric Research, 37, p. 37-43.
Garcia L., Vacquerel B. (2013). Le pavillonnaire, «mal-loti» des politiques urbaines; L’exemple de la
Seine-Saint-Denis. Métropolitiques. URL:http://www.metropolitiques.eu/Le-pavillonnaire-mal-loti-des.html.
GIEC – Groupe d’experts intergouvernemental sur l’évolution du climat. (2013a). Climate Change 2013
: The Physical Science Basis. Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental
Panel on Climate Change. Cambridge.
276
GIEC – Groupe d’experts intergouvernemental sur l’évolution du climat, publié sous la direction de
Stocker T.F., Qin D., Plattner GK., Tignor M.M.B., Allen S.K., Boschung J., Nauels A., Xia Y., Bex V. and Midgley
P.M (2013b). Changements climatiques 2013. Les éléments scientifiques. Résumé à l’intention des décideurs ;
Rapport du Groupe de travail I du GIEC. Résumé technique. Extraits de la contribution du Groupe de travail I au
cinquième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat.
Girard M.C., Girard C.M. (1999). Traitement des données de télédétection : Environnement et
ressources naturelles. Dunod. Paris.
Glacken C.J. (1967). Traces on the Rhodian Shore: Nature and Culture in Western Thought from
Ancient Times to the End of the Eighteenth Century. University of California Press. Berkeley.
Goh K.C., Chang CH. (1999). The relationship between height and width ratios and the heat island
intensity at 22:00h for Singapore. International Journal of Climatology, vol. 19, p. 1011-1023.
Grataloup C. (2004). Centre - périphérie. 2 p.
Grimmond C.S.B., Potter S.K., Zutter H.N., Souch C. (2001). Rapid methods to estimate sky-view
factor sapplied to urban areas. International Journal of Climatology. vol. 21, p. 903-913.
Grimmond C.S.B. (2006). Progress in measuring and observing the urban atmosphere. Theoretical and
Applied Climatology, 84. p. 3-22.
Grimmond S. (2007). Urbanization and global environmental change: local effects of urban warming.
Cities and global environmental change, p. 83-88.
Grimmond S. (2011). London’s urban climate: historical and contemporary perspectives. City weathers:
meteorology and urban design 1950-2010. p. 61-80.
Giguère M. (2009). Mesures de lutte aux îlots de chaleur urbains. Institut national de santé publique
du Québec.
Guyot G. (1997). Climatologie de l’environnement. Masson. Paris.
Hajat S,. Kovats R.S., Atkinson R.W., Haines A. (2002). Impact of hot temperatures on death in London :
a time series approach. Journal of Epidemiology and Community Health, 56(5). p.367-72.
Hamaina R., Leduc T., Moreau G. (2012). Caractérisation des tissus urbains à partir de l’analyse
structurelle des réseaux viaires. Cybergeo.
Hamdi R., Schayes G. (2007). Sensitivity study of the urban heat island intensity to urban characteristics.
International Journal of Climatology, vol. 28, p. 973-982.
Havard S. (2008). Contribution de la Pollution Atmosphérique aux Inégalités Socio-Spatiales de Santé

Analyse Écologique du Risque d’Infarctus du Myocarde dans l’Agglomération de Strasbourg. Thèse de Doctorat.
Rennes.
Harvey D. (1969). Explanation in Geography. Edward Arnold. London.
Harvey D. (1973). Social Justice and the City. Edward Arnold, London.
Harvey D. (2008). Géographie de la domination. Les prairies ordinaires, Paris.
Harvey D. (2010). Géographie et capital. Vers un matérialisme historico-géographique. Syllepse, Mille

Marxismes, Paris.
277
Harvey D. (2012). Paris, capitale de la modernité. Prairies Ordinaires, Paris.
Hémon D., Jougla E. (2003). Surmortalité liée à la canicule d’août 2003, estimation de la surmortalité
et principales caractéristiques épidémiologiques. Rapport d’étape de l’INSERM, Paris.
Hémon D., Jougla E. (2004). Surmortalité liée à la canicule d’août 2003. Rapport de l’INSERM, Paris.
Höppe P. (1999). The physiological equivalent temperature – a universal index for the biometeorological
assessment of the thermal environment. International Journal of Bioclimatology, 43, p. 71-75.
Howard L. (1833). The climate of London. Second edition W. Phillips editor.
Hu Y., Jia G. 2010. Influence of land use change on urban heat island derived from multi-sensor data.
Huete A.R., Jackson R.D., Post D.F. (1985). Spectral response of a plant canopy with different soil
backgrounds. Remote Sensing of Environment, vol. 17, p. 37-53.
Hufty A. (2001). Introduction à la climatologie. De Boeck Université. Bruxelles.
INVS - Institut National de Veille Sanitaire. (2002). Programme de Surveillance Air et Santé 9 villes.
Surveillance des effets sur la santé liés à la pollution atmosphérique en milieu urbain, Phase II, Paris.
INVS, M. Ledrans et H. Isnard (sous la coordination scientifique de). (2003). Impact sanitaire de la
vague de chaleur d’août 2003, rapport d’étape, Paris.
INVS. Laaidi K. (sous la direction de). (2006). Système d’alerte canicule et santé 2006. Rapport
opérationnel, Paris.
INVS. Laaidi K., Ung A., Wagner V., Beaudeau P., Pascal M. (2009). Système d’alerte canicule et santé :
principes, fondements et évaluation. Paris. 22 p.
Jacquot A. (2003). De plus en plus de maisons individuelles. INSEE Première, n°885, 8 p.
Johnson GT., Watson ID. (1984). The Determination of View-Factors in Urban Canyons. Journal of
Climate Applied Meteorology, 23, p. 329–335.
Joly, D., Brossard T., Cardot H., Cavailhes J., Hilal M., Wavresky P. (2010). Les types de climats en
France, une construction spatiale. Cybergéo.
Kalkstein L.S. (1991). A new approach to evaluate the impact of climate on human mortality.
Environmental Health Perspectives, 96, p. 145–150.
Kastendeuch P., Najjar,G., Ringenbach N. (2006). Modélisation du bilan d’énergie et radiatif d’un
canyon urbain à Strasbourg. Climatologie, 3, p. 25-42.
Kaufman Y.J., Tanré, D. (1992). Atmospherically resistant vegetation index (ARVI) for EOS-MODIS.
IEEE Transactions on Geoscience and Remote Sensing, n°30, p. 261-270.
Khaikine M.N., Kuznetsova I.N., Kadygrov E.N., Miller E.A. (2006). Investigation of temporal-spatial
parameters of an urban heat island on the basis of passive microwave remote sensing. Theoretical and Applied
Climatology, 84, p. 161-169.
Klinenberg E. (2004). Heat wave : a social autopsy of disaster in Chicago. The University of Chicago
Press. Chicago.
278
Kergomard C. (2000). Pratique des corrections atmosphériques en télédétection : utilisation du logiciel

5S-PC. Cybergeo. Dossiers, Actes des Journées de Télédétection en Sciences humaine.
Krüger E.L. (2015). Urban heat island and indoor comfort effects in social housing dwellings. Landscape
and Urban Planning, n°134, p. 147-156.
Laaidi K., Zeghnoun A., Dousset B., Bretin P., Vandentorren S., Giraudet E., Beaudeau P. (2012).
The Impact of Heat Islands on Mortality in Paris during the August 2003 Heat Wave. Environmental Health
Perspectives, vol.120, n°2, p. 254-259.
Lacoste Y. (1976). La géographie ça sert d’abord à faire la guerre (nouvelle édition augmentée). La
Découverte. Paris? éd. augmentée 2012.
Lamarre D. (sous la direction de). (2008). Climat et risques, changements d’approches. Lavoisier.
Paris.
Landsberg H.E. (1981). Urban Climate. Last published in 1981 (Google book). https://books.google.fr
Lavallart B., Bourdon L., Gonthier R., Dab W. (2004). Pathologies consécutives à une exposition
prolongée à la chaleur. Revue du praticien, vol. 54, p. 1298-1304.
Leclerc A, Fassin D., Grandjean H., Kaminski M., Lang T. (2000). Les inégalités sociales de santé.
INSERM. La Découverte, coll. Recherches.
Leclerc A., Niedhammer I., Plouvier S., Melechior M. (2011). Travail, emploi et inégalités sociales de
santé. Les inégalités sociales de santé. Bulletin Epidémiologique Hebdomadaire, INVS, p. 79-82.
Ledrans M., Pirard P., Tillaut H., Pascal M., Vandentorren S., Suzan F., Salines G., Le Tertre A., Medina
S., Maulpoix A., Bérat B., Carré N., Ermanel C. Isnard H., Ravault C., Delmas M.C. (2004). La vague de chaleur
d’août 2003 : que s’est-il passé ? La revue du praticien, 54, 9 p.
Lefebvre H. (1948). Le marxisme. Que sais-je ? PUF. Paris. éd. 2003.
Lefebvre H. (1968). Le droit à la ville. Anthropos. Paris, éd. 2013.
Lepoutre D. (2010). Histoire d’un immeuble haussmannien. Catégories d’habitants et rapports

d’habitation en milieu bourgeois. Revue française de sociologie, vol. 51, p. 321-358.
Le Monde. (2014). En Île-de-France, le fossé entre riches et pauvres se creuse plus qu’ailleurs. édition
du 4 janvier 2014.
Le Néchet. F. (2010). Approche multiscalaire des liens entre mobilité quotidienne, morphologie et
soutenabilité des métropoles européennes : cas de Paris et de la région Rhin-Ruhr. Thèse de doctorat. Université
Paris-Est.
Leroyer S. (2006). Simulations numériques de l’atmosphère urbaine avec le modèle Submeso :

application à la campagne CLU-ESCOMPTE sur l’agglomération de Marseille. Thèse de doctorat. école Centrale
de Nantes.
Lévy A. (2005). Formes urbaines et significations : revisiter la morphologie urbaine. Espaces et sociétés.
122. p. 25-48.
Lévy J., Lussault M. (Sous la direction de). (2013). Dictionnaire de la géographie, Belin, Paris.
279
Lévy J., Lussault M. (2014). Périphérisation de l’urbain. EspacesTemps.net
Libération. (2013). à Londres, un gratte-ciel accusé de faire fondre les voitures. édition du 3 septembre
2013. http://www.liberation.fr/planete/2013/09/03/a-londres-un-gratte-ciel-accuse-de-faire-fondre-les-voitures_929068.
Lo C.P., Quattrochi D.A., Luvall J.C. (1997). Application of high-resolution thermal infrared remote
sensing and GIS to assess the urban heat island effect. International Journal of Remote Sensing, vol. 18, n°2. p.
287-304.
Long N. (2003). Analyses morphologiques et aérodynamiques du tissu urbain : application à la micro-

climatologie de Marseille pendant la campagne ESCOMPTE. Thèse de doctorat. école Centrale de Nantes.
Lynch K. (1969). L’image de la cité. Dunod, Paris.
Madoré F. (2010). Ségrégation sociale et habitat. Géographie sociale. Presse universitaire de Rennes.
Rennes.
Malaret E., Bartolucci L.A., Fabian Lozano D., Antlta P.E et C.D. McGillem C.D. (1985). Landsat-4 and
Landsat-5 Thematic Mapper Data Quality Analysis. Photogrammetric Engineering and Remote Sensing, vol. 51,
n°9, p. 1407-1416.
Madelin M., Grasland C., Mathian H., Vincent J.M. (2009). Das MAUP : Modifiable Areal Unit – Problem
oder Fortschritt ? Informationen zur Raumentwicklung. Heft 10/11. p. 645-661.
Marceau D.J. (1999). The Scale Issue in the Social and Natural Sciences. Canadian Journal of Remote
Sensing, 25 (4), p. 347–356.
Marceau D.J., Hay G.J. (1999). Remote sensing contributions to the scale issue. Canadian Journal of
Rem ote Sensing, 25 (4), p. 357–366.
Masson V. (2006). Urban surface modeling and the meso-scale impact of cities. Theoretical and Applied
Climatology, 84, p. 35-45.
Mathian H., Piron M. (2001). Echelles géographiques et méthodes statistiques multidimensionnelles.

Modèles en analyse spatiale. IGAT, Hermes-Lavoisier, Paris, p. 61-103.
Matzarakis A., De Rocco M., Najjar G. (2009). Thermal bioclimate in Strasbourg - the 2003 heatwave.
Theoretical and Applied Climatology, 98. p. 209-220.
Matzarakis A., Mayer H., Iziomon M.G. (1999). Applications of a universal thermal index : physiological
equivalent temperature. International Journal of Biometeorology, 43, p. 76-84.
Mayer H., Höppe P. (1987). Thermal comfort of man in different urban environments. Theoretical and
Applied Climatology, 38, p. 43-49.
Meehl, G.A., Tebaldi, C. 2004. More intense, more frequent, and longer lasting heat waves in the 21st
century. Science. 305, p. 994-997.
Meentemeyer V. (1989). Geographical perspectives of space, time and scale. Landscape Ecology, vol.
3, p. 163-173.
Mestayer P.G. (1998). Urban scale models. Urban Air Pollution European Aspects. Kluwer Academic
Publishers, p. 197-219.
280
Mestayer P.G., Anquetin S. (1994). Climatology of cities, Diffusion and Transport of Polluants.
Atmospherics Mesoscale Flows Fields. Atmospheric Sciences Library, Kluver Academic Publishers. p. 165-189.
Météo-France (2014). Qu’est-ce qu’une canicule ? http://vigilance.meteofrance.com/html/

vigilance/guideVigilance/dm_chaud.html.
Michael A.J., Woodruff R.E, Hales S. (2006). Climate change and human health : present and future
risks. The Lancet, vol. 367, n°9513, p. 859–869.
Michel X. (2007). Paysage urbain : prémisses d’un renouvellement dans la géographie française, 1960-
1980. Strates, site internet consulté le 16 juillet 2015. URL : http://strates.revues.org/5403, 18 p.
Molenaar R.E., Heusinkveld B.G., Steeneveld G.J. (2015). Projection of rural and urban human thermal
comfort in The Netherlands for 2050. International Journal of Climatology, vol. 36, p. 1708-1723.
Montesquieu (1748). De l’Esprit des Lois. Flammarion. Paris, éd. 2004.
Najjar G., Kastendeutch P., Grussenmeyer P. (2010). Topographie et climatologie urbaine. Revue XYZ,
123, p. 33-40.
Najjar G., Kastendeutch P., Ringenbach N., Colin J., Stoll M.P., Nerry F., Bernard J., De Hatten A.,
Luhahe R., Viville D. (2005). Bilan radiatif et d’énergie dans un canyon urbain. Annales du XVIIIème colloque de
l’Association Internationale de Climatologie, p. 41-55.
Najjar G., Kastendeutch P., Stoll M.P., Colin J., Nerry F., Ringenbach N., Bernard J., De Hatten A.,
Luhahe R., Viville D. (2004). Le projet Reclus. Télédétection, rayonnement et bilan d’énergie en climatologie
urbaine à Strasbourg. La Météorologie, n°46, p. 44-50.
Neu U., Thalmann E. (sous la coordination scientifique de). (2005). Canicule de l’été 2003, rapport de
synthèse. Berne.
Oke T.R. (1973). City size and the urban heat island. Atmospheric Environment, 7, p. 769-779.
Oke T.R. (1981). Canyon geometry and the nocturnal urban heat island : Comparison of scale model
and field observations. Journal of climatology, vol. 1, p. 237-254.
Oke T.R. (1987). Boundary layer climates. Methuen, New York.
Oke T.R., Johnson G.T., Steyn D.G., Watson I.D. (1991). Simulation of surface urban heat islands under
“Ideal” conditions at night Part 2: Diagnosis of causation. Boundary-Layer Meteorology, 56, p. 339-358.
OLAP - Obervatoire des Loyers de l’Agglomération Parisienne. (2014). évolution en 2013 des loyers du
secteur locatif privé dans l’agglomération parisienne. Pour obtenir la médiane des prix de l’agglomération : http://
www.observatoire-des-loyers.fr/loyers/medianes.
Omalek L. (2003). Le logement : une dépense importante pour les ménages franciliens modestes.
INSEE, Île-de-France à la page. N°230.
Openshaw S. (1984). The Modifiable Area Unit Problem. Concepts and Techniques in modern
Geography. CATMOG, n°38, 40 p.
Panerai P. Castex J., Depaule, J.C . (1997). Formes urbaines : de l’îlot à la barre. Editions Parenthèses.
Paris.
281
Panerai P., Depaule J.C., Demorgon M. (1999). Analyse urbaine. Editions Parenthèses, collection
Eupalinos.
Panerai P., Langé J. (2001). Formes urbaines, tissus urbains : éssai de bibliographie raisonnée. MELT-
DGUHC, Centre de Documentation de l’Urbanisme. Paris.
Paquot T. (2011). Un philosophe en ville. Infolio.
Pascal L., Blanchard M., Fabre P., Larrieu S., Borrelli D., Host S., Chardon B.,Chatignoux E., Prouvost
H ., Jusot J.F, Wagner V., Declercq C., Medina S., Lefranc A. (2011). Liens à court terme entre la mortalité
et les admissions à l’hôpital et les niveaux de pollution atmosphérique dans neuf villes françaises. Bulletin
Epidémiologique Hebdomadaire, n°5, p. 41-45.
Pascal L. (2011). Effets à court terme de la pollution atmosphérique sur la mortalité. Revue française
d’allergologie. 49, p. 466-476.
Pascal M., Falq G., Wagner V., Chatignoux E., Corso M., Blanchard M., Host S., Pascal L., Larrieu
S. (2014). Short-term impacts of particulate matter (PM10, PM10-2.5, PM2.5) on mortality in nine French cities.
Atmospheric Environment, 95, p. 175-184.
Pech T. (2011). Le Temps des riches : Anatomie d’une sécession. Seuil. Paris.
Pédelaborde P. (1960). Le climat du Bassin Parisien. Norois, vol. 26, n°1, p. 203-206.
Poudamère M., Mays C., Le Mer S., Blong R. (2005). The 2003 Heat Wave in France : Dangerous
Climate Change Here and Now. Risk Analysis, vol. 25, n°6, p. 1483-1494.
Préteceille E. (1995). Division sociale de l’espace et globalisation. Le cas de la métropole parisienne.

Sociétés contemporaines, n°22-23, ségrégations urbaines, p. 33-67.
Préteceille E. (2003). La division sociale de l’espace francilien. Typologie socioprofessionnelle 1999

et transformations de l’espace résidentiel 1990-99. Rapport, Observatoire sociologique du changement, DREIF,
Paris.
Préteceille E. (2006). La ségrégation sociale a-t-elle augmenté ? La métropole parisienne entre

polarisation et mixité. Sociétés contemporaines, vol. 62, n° 2, p. 69 93.
Pigeon, G., Lemonsu, A., Masson V., Hidalgo J. (2008). De l’observation du microclimat urbain à la
modélisation intégrée de la ville. La Météorologie, vol. 62, p. 39-47.
Pinçon M., Pinçon-Charlot M. (1992). Quartiers bourgeois, quartiers d’affaires. Éditions Payot, Paris.
Pinçon M., Pinçon-Charlot M. (2004). Sociologie de Paris. Éditions La Découverte, Paris.
Pinon P. (1998). Paris, formes urbaines et architectures. éditions Recherches.
Pinol J.L. et Garden. (2009). Atlas des parisiens, de la révolution à nos jours. Parigramme. Paris.
Pinson L., Ruas A., Masson V., Chancibault K. (2015). Une meilleure estimation du risque caniculaire
en zone urbaine dense. Annales du XXVIIIème Colloque de l’Association Internationale de Climatologie, p. 275-280.
Postel-Vinay N., Cretin C., Michelon T., Yves Coquin, Dab W. (2004). Pathologies liées à la chaleur.
Anticiper en amont des urgences les conséquences des excès de chaleur. Revue du praticien, vol. 54, p. 1287-
1288.
282
Rawls J. - traduit de l’anglais par Catherine Audard (1971). Théorie de la justice. Nouvelle édition, Paris,
éd. 2009.
Reghezza M. (2006). La vulnérabilité : un concept problématique. La vulnérabilité des sociétés et des

territoires face aux menaces naturelles. Géorisque, n°1, Montpellier, p. 35-41.
Rey. G. (2007). Surmortalité liée aux vagues de chaleur : facteurs de vulnérabilité sociodémographique
et causes médicales de décès. Thèse de Doctorat. Université de Nanterre.
Rey G., Fouillet A., Bessemoulin P., Frayssinet P., Dufour A., Jougla E., Hémon D. (2009). Heat
exposure and socio-economic vulnerability as synergistic factors in heat-wave-related mortality. European Journal
of Epidemiology.
Rhein C. (1994). La division sociale de l’espace parisien et son évolution (1954-1975). La ségrégation
dans la ville. Concepts et mesures. L’Harmattan, Paris, p. 229-255.
Rican S., Vaillant Z., Bauchaton A., Salem G. 2014. Inégalités géographiques de santé en France.
Presses de Sciences Po, 43, p. 39-45.
Rinner C., Hussain M. (2011). Toronto’s Urban Heat Island - Exploring the Relationship between Land
Use and Surface Temperature. Remote Sensing, 3, p. 251-265.
Rimbert S. (1973). Les paysages urbains. Armand Colin, Paris.
Rigo G., Parlow E.( 2007). Modelling the ground heat flux of an urban area using remote sensing data.
Theoretical and Applied Climatology, 90, p. 185-199.
Ringenbach N. (2004). Bilan radiatif et flux de chaleur en climatologie urbaine : mesures, modélisation
et validation sur Strasbourg. Thèse de doctorat. Université de Strasbourg.
Robin M. (2000). Contribution à l’étude du climat urbain de l’agglomération nantaise. Cybergéo.
Robert-Bobée I. (2006). Projections de population pour la France métropolitaine à l’horizon 2050. La

population continue de croîtreet le vieillissement se poursuit. INSEE Première, n°1089, 4 p.
Roncaloyo M. (1994). Préface. La ségrégation dans la ville. Concepts et mesures. L’Harmattan, Paris,
p. 229-255.
Rotach M. W., Vogt R., Bernhofer C., Batchvarova E., Christen A., Clappier A., Feddersen B., Gryning
S.-E., Martucci G., Mayer H., Mitev V., Oke T.R., Parlow E., Richner H., Roth M., Roulet Y.-A., Ruffieux D., Salmond
J. A., Schatzmann M., Voogt J. A. 2004. BUBBLE – an Urban Boundary Layer Meteorology Project.Theoretical
and Applied Climatology, 81, p. 231-261.
Rouleau B. (1997). Paris : Histoire d’un espace urbain. Seuil. Paris.
Rouleau B. (1967). Le Tracé des Rues de Paris. Formation, Typologie, Fonctions. Éditions du CNRS.
Paris.
Rousseau D. (2005). Analyse fine des surmortalités pendant la canicule de 2003, l’évènement
météorologique de la nuit du 11 au 12 août 2003 en Ile de France. La Météorologie, vol. 51, p. 16-22.
Rousseau D. (2006). Surmortalité des étés caniculaires et surmortalités hivernales en France.

Climatologie, 6, p. 43-54.
283
Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W., Harlan, J.C. (1974). Monitoring the vernal
advancement and retrogradation (Greenwave effect) of natural vegetation. USA NASA/GSFC, Greenbelt,
Maryland.
Sakakibira Y. (1993). A numerical study of the effect of urban geometry upon the surface energy budget.
Atmospheric Environment, vol. 30, p. 487-496.
Salem G., Rican S., Jougla E. (2000). Atlas de la santé en France. Les causes de décès. Volume 1.
Collection Mire, Montrouge.
Sassen S. (1996). La ville globale. New York, Londres, Tokyo. Editions Les Urbanités. Paris.
Sassen S. (2009). La globalisation. Une sociologie. Gallimard. Paris.
Schuman S.H. (1972). Patterns of urban heat-wave deaths and implications for prevention: datafrom
New York and St. Louis during July, 1966. Environmental Research, 5(1), p. 59-75.
Semenza J.C., Rubin C.H., Falter K.H, Selanikio J.D., Flanders W.D., Howe H.L., Wilhelm J.L. (1996).
Heat-related Death during July 1995 Heat Wave in Chicago. The New England Journal of Medicine, p. 84-90.
Sen A.K. (2000). Repenser l’inégalité. Le Seuil, Paris
Skinner B.F. (1953). La science et le comportement humain. Editions in Press, Paris, éd. 2005.
Sobrino J.A., Oltra-Carrió R., Sòria G., Jiménez-Muñoz J.C, Franch B., Hidalgo V., Mattar C., Julien
Y., Cuenca J., Romaguera M., Gómez J.A., De Miguel E., Bianchi R., Paganini M. (2012). Evaluation of the
surface urban heat island effect in the city of Madrid by thermal remote sensing. International Journal of Remote
Sensing, p. 1-16.
Sobrino J.A., Oltra-Carrió R., Sòria G., Bianchi R. et Paganini M. (2011). Impact of spatial resolution
and satellite overpass time urban heat island effects. Remote sensing of Environment, 117, p. 50-56.
Soler M.R., Ruiz C. (1994). Urban albedo derived from direct measurements and Landsat 4TM satellite
data. International Journal of Climatology, vol. 14, p. 925-931.
Stébé J.M., Marchal H. (2007). Sociologie urbaine. Que sais-je ? PUF, Paris.
Streutker D.R. (2002). A remote sensing study of the urban heat island of Houston, Texas. International
Journal of Remote Sensing, vol. 23, n°13, p. 2595–2608.
Susca T., Gaffin S.R., Deell’Osso G.R. (2011). Positive effects of vegetation : Urban heat island and
green roofs. Environmental Pollution, 159, p. 2119-2126.
Theeuwes N.E., Steeneveld G.J., Ronda R.J., Heusinkveld B.G., Van Hove L.W.A, Holtslag A.A.M.
(2014). Seasonal dependence of the urban heat island on the street canyon aspect ratio. Quarterly Journal of the
Royal Meteorological Society,140, p. 2197-2210.
Tiraoui L. (2000). Propositions pour une analyse radiative thermique des espaces urbains. Thèse de
doctorat. Université de Nantes.
Tobias A., Armstrong B., Zuza I., Gasparrini A., Linares C., Diaz J. (2012). Mortality on extreme heat
days using official thresholds in Spain: a multi-city time series analysis. BMC Public Health,12,.133, 9 p.
Tobías A., P. García de Olalla, Linares C., Bleda M.J., Caylà J. A., Díaz J. (2010). Short-term
284
effects of extreme hot summer temperatures on total daily mortality in Barcelona, Spain. International Journal
of Biometeorology, 54, p. 115-117.
Tonnelier F. et Vigneron E. (1999). Géographie de la santé en France. PUF. Que-sais-je ? Paris.
Trévien C. (2013). Habiter en HLM : quel avantage monétaire et quel impact sur les conditions de
logement ? INSEE, document de Travail, 43 p.
Tucker C.J. (1980). Remote sensing of leaf water content in the near infrared. Remote Sensing of
Environment, 10, p. 23-32.
Trugeon A., Thomas N., Michelot F., Lémery B. (2010). Inégalités socio-sanitaires en France. Elsevier
Masson. Collections Abrégés. Issy-les-Moulineaux.
Unger J. (2006). Modelling of the annual mean maximum urban heat island using 2D and 3D surface
parameters. Climate Research, vol. 30, p. 215-226.
Valette E., Cordeau E. (2010). Les îlots de chaleur urbain. IAU îdF, Répertoire de fiches connaisance.
Vandentorren S., Suzan F., Medina S., Pascal M., Maulpoix A., Cohen J.C., Ledrans M. (2004). Mortality
in 13 French Cities During the August 2003 Heat Wave. American Journal of Public Health, 94(9), p. 1518-1521.
Vandentorren S., Bretin P., Zeghnoun A., Mandereau-Bruno L., Croisier A., Cochet C., Ribéron J.,
Siberan I., Declercq B., Ledrans M. (2006). August 2003 Heat Wave in France: Risk Factors for Death of Elderly
People Living at Home. European Journal of Public Health, vol. 16, n°6, p. 583-591.
Veyret Y., Reghezza M. (2006). Vulnérabilité et risques. L’approche récente de la vulnérabilité.

Responsabilité et Environnement, 43, p. 6-14.
Vigneron E. (2013). Inégalités de santé, inégalités de soins dans le territoire français. Presses de
Sciences Po, n° 38, p. 41-53.
Virot P., de Biasi K. (2011a). Paris résiste au vieillissement démographique. INSEE. Ile-de-France à la
page, n°351. 6 p.
Virot P., de Biasi K., Buisson G. (2011b). Les séniors parisiens, de fortes disparités selon les quartiers.
INSEE. Ile-de-France à la page. n°352. 8 p.
Voogt, J.A., Oke, T.R. (1997). Complete urban surface temperatures. Journal of Applied Meteorology,
36, p. 1117-1132.
Voogt J.A., Oke T.R. (1998). Effects of urban surface geometry on remotely sensed surface temperature.
International Journal of Remote Sensing, 19, p. 895-920.
Voogt, J.A. (2002). Urban Heat Island. Encyclopedia of Global Environmental Change. Causes and
consequences of global environmental change, vol. 3, p. 660-666.
Watson I.D., Johnson G.T. (1987). Graphical estimation of sky-view factors in urban environments.
Webber M. (1996). L’urbain sans lieu, ni bornes. Éditions de l’Aube. Avignon.
Whitman S., Good G., Donoghue R.R. , Benbow N., Shou W., Mou S. (1997). Mortality in Chicago
Attributed to the July 1995 Heat Wave. American Journal of Public Health, vol 87, n°9. p. 1515-1518.
285
Whodcoke C.E., Strahler A.H. (1987). The factor of scale in remote sensing. Remote Sensing of
Environment, vol. 21, p. 311-332.
Yamashita S, Sekine K, Shoda M, Yamashita K, Hara Y. 1986. On relationships between heat-island

and sky view factor in the cities of Tama River Basin, Japan. Atmospheric Environment, 20, p. 681–686.
Yoshino M. (1975). Climate in a small area : an introduction to local meteorology. University of Tokyo Press.
Zaitchik B.F., Macalady A.K., Bonneau L.R., Smith R.B. (2006). Europe’s 2003 heat wave: a satellite
view of impacts and land-atmosphere feedbacks. International Journal of Climatology, vol. 26, p. 743-769.
Zeghnoun A., Czernichow P., Quénel P., Froment L., Delmas V., Bobia M., Beaudeau P., Mansotte
F., Terrier G., (1999). Estimation de l’exposition dans les études écologiques temporelles des effets sanitaires de
la pollution atmosphérique en milieu urbain. Agglomération rouennaise, 1994-96. Pollution Atmosphérique,160,
p. 135-145.
Zha Y., Gao J., Ni S. (2003). Use of normalized difference built-up index in automatically mapping urban
areas from TM imagery. International Journal of Remote sensing, vol. 24, n°3, p. 583-594.
Zhu S., Guan H., Bennett J. Clay R. Ewenz C., Benger S., Maghrabie A., Millington A.C. (2013).
Influence of sky temperature distribution on sky view factor and its applications in urban heat island. International
Journal of Climatology, vol. 33, p. 1837-1843.
286
Citations introductives aux parties :
Préface
Valéry P. (1920). Poésies, Le cimetière marin. éditions Poésie Gallimard, éd. 1958, p 100.
Marx K. (1867). Le Capital, critique de l’économie politique. Livre premier. Le développement de la

production capitaliste. Chapitre XV. éditions économiques et sociales, éd. 1969, p 168.
Partie 1
Morin E. (1982). Science avec Conscience. éditions du Seuil, éd. 1990, p 11.
Partie 2
Bergson H. (1919). L’énergie spirituelle. Essais et Conférences. Livre electronique. http://classiques.
uqac.ca/classiques/bergson_henri/energie_spirituelle/energie_spirituelle.pdf, consulté en octobre 2013, p 102.
Partie 3
Lacoste Y. (1976). La géographie ça sert d’abord à faire la guerre (nouvelle édition augmentée).
La Découverte. Paris, éd. 2012, p. 124.
Partie 4
Boudon R. (1995). Le juste et le vrai : études sur l’objectivité des valeurs et de la connaissance.
E-Book. éd. 2013, p. 95.
287
Liste des acronymes
Acronymes des institutions
ADIL Agence Départementale d’Information sur le Logement

APUR Atelier Parisien d’Urbanisme
ARS Agence Régionale de Santé
CépiDC Centre d’épidémiologie sur les Causes de Décès
CERTU Centre d’Études sur les Réseaux, les Transports, l’Urbanisme et les constructions publiques)
DRIEE Direction Régionale et Interdépartementale de l’Environnement et l’Énergie d’Île-de-France
EEA European Environment Atlas (Atlas Européen de l’Environnement ou AEE)
GIEC Groupe d’experts Intergouvernemental sur l’évolution du Climat
OLAP Observatoire des Loyers de l’Agglomération Parisienne
IAU-IDF Institut d’Aménagement et d’Urbanisme de l’Île-de-France
INA Institut National de l’Audiovisuel
INED Institut National d’études Démographiques
IGN Institut National de Géographie
INPES Institut National de Prévention et d’éducation pour la Santé
INSEE Institut National de la Statistiques et des études économiques
INSERM Institut National de la Santé et de la Recherche Médicale
INVS Institut National de Veille Sanitaire
OMM Organisation Mondiale de la Météorologie
USGS United States Geological Survey
Acronymes des termes spécifiques
ACP Analyse en Composantes Principales

CAH Classification Ascendante Hiérarchique
CLA Couche Limite atmosphérique
CLU Couche Limite Urbaine
DPE Diagnostic de Performance énergique
EVI Enhanced Vegetation Index
289
GVI Global Environmental Index
HBM Habitation Bon Marché
HBMA Habitation Bon Marché Améliorée
HLM Habitation à Loyer Modéré
ICU Îlot de Chaleur Urbain
ILM Immeubles à Loyer Moyen
LST Land Surface Temperature (Températures de surface)
MAUP Modifiable Areal Unit Problem
MODIS Moderate Resolution Imaging Spectroradiometer
MNT Modèle Numérique de Terrain
NDBI Normalized Difference Builded Index (Indice de bâti par différence normalisée)
NDVI Normalized Difference Vegetation Index (Indice de végétation par différence normalisée)
PET Physical Equivalent Temperature
SVF Sky View Factor (part de ciel visible)
UTC Coordinated Universal Time (Temps universel coordonné)
ZAC Zone d’Aménagement Concerté
290
Liste des figures
Figure a. Vue transversale d’un îlot de chaleur [OKE, 1976]................................................................. 18
Figure b. Représentation des relations complexes entre les vagues de chaleur, les populations
urbaines et les conséquences sanitaires : mise en perspective de la problématique............. 21
Figure c Approches environnementales et sociales des conséquences sanitaires de la vague de

chaleur de 2003...................................................................................................................... 22
CHAPITRE 1
Figure 1.1 Températures minimales, maximales, précipitations et durée d'ensoleillement à Paris

Montsouris, normales saisonnières 1981-2010. Données, Météo France.................................... 31
Figure 1.2 Températures minimales et maximales de l’été 2003 enregistrées à la station Paris Montsouris
(zoom du 1er au 22 août) et nombre de décès à Paris (adapté de l’INVS 2003).................... 34
Figure 1.3 Bilan d’énergie en journée et la nuit, comparaison entre la ville et la campagne, adapté de
Foggle et Oke [1970] et Hufty [1999]....................................................................................... 36
Figure 1.4 Structure verticale de l’atmosphère pour des vitesses de vents supérieurs (en haut) et
inférieurs (en bas) à 3m/s [Anquetin et Mestayer, 1994].......................................................... 39
Figure 1.5 Couche limite urbaine et sous couches constituantes [Rotach et al. 2004 ; modifié d’après
Oke 1987]................................................................................................................................ 42
Figure 1.6 Courbes des températures de l’air et des températures de surface, variabilité nocturne (a)
et diurne (b) d’après [Voogt, 2002]........................................................................................... 43
CHAPITRE 2
Figure 2.1 Limites de l’agglomération parisienne (Paris et petite couronne). Carte de l’occupation du
sol établie à partir d’une image satellite multi-spectrale Landsat TM5 du 9 août 2003........... 47
Figure 2.2 Désignation des espaces périphériques à la ville du centre de Paris au rural en Île-de-France.
Représentation d’un gradient d’urbanité.................................................................................. 49
Figure 2.3 Schématisation des rapports d’aspect H/W [Bougiatioti, 2006]............................................... 51
Figure 2.4 Approche systémique de la morphologie urbaine.................................................................... 53
Figure 2.5 Pourcentage de résidences principales dont la date de construction est antérieure à 1950
(à droite) et ultérieure à 1990 (à gauche). Données, INSEE 2006......................................... 65
Figure 2.6 Pourcentage de maisons par rapport au nombre total de logements dans la commune.
Données, INSEE 2006............................................................................................................ 69
Figure 2.7 Vue satellite (Google Earth) de l’habitat pavillonnaire du quartier pavillonnaire Cottage de
la commune de Tremblay. Canyon urbain de type pavillonnaire avec un rapport d’aspect
souvent inférieure à 1.............................................................................................................. 69
291
CHAPITRE 3
Figure 3.1 Densité de population à Paris et dans la petite couronne (Données, INSEE RGP99).......... 74
Figure 3.2 Part de la population de plus de 60 ans à Paris et en proche banlieue en 2007 d’après Virot
et al. [2011.b]......................................................................................................................... 76
Figure 3.3 Revenu médian mensuel des ménages pour les populations de 60 à 75 ans gauche et de
75 ans et plus à droite en 2007 d’après Virot et al. [2011.a]................................................... 79
Figure 3.4 Comparaison entre le profil social des ménages (1) et le type l’habitat (2) à l’échelle de
l’IRIS en 1999 [Clerval, 2008]................................................................................................ 83
Figure 3.5 Part des plus de 60 ans de locataires de HLM à gauche et de propriétaires à droite à Paris
et en proche banlieue en 2007 d’après Virot et al. [2011.a].................................................... 84
CHAPITRE 4
Figure 4.1 Extrait de l’œuvre de Charles Fourrier [1808], Théorie des quatre mouvements et des
destinées générales : prospectus et annonce de la découverte........................................... 90
Figure 4.2 Les alertes canicules déclenchées par le ministère de la santé. Source : http://www.ser-
vice-public.fr.......................................................................................................................... 93
Figure 4.3 Probabilité de situation de vague de chaleur pour la période du 18 au 25 août 2012 - seuil
des températures estimé à partir des modèles de prévision des services allemands de
météorologie (Deutscher Wetter Dienst) selon l’Organisation Mondiale de la Météorologie
(OMM). Source : site de l’OMM, consulté en 2011................................................................ 94
Figure 4.4 Bilan calorique de l’organisme [Besancenot, 2001]............................................................... 96
Figure de synthèse de la partie 1. Apports bibliographiques issus des différents champs thématiques
(sociologie, urbanisme, météorologie, bioclimatologie, épidémiologie et démographie).............................. 84
CHAPITRE 5
Figure 5.1 Présentation et contextualisation des données MODIS de températures.............................. 108
Figure 5.2 Comparaison de la qualité des images du 08 et 09 août 2003. Exemple d’imprécisions sur
l’image du 09 août. Données, MODIS.................................................................................... 110
Figure 5.3 Agrégation des données de températures au niveau de la commune. Données, MODIS.. 112
Figure 5.4 Bandes spectrales de Landsat TM5 utilisées pour la détermination des indices de végétation,
de bâti et des températures de surfaces............................................................................... 113
Figure 5.5 Estimation des températures de surfaces à partir de la bande 6 de l’image Landsat du
08.08.2003 a) températures de surface à partir de la formule de Malaret b) et températures
de surface respectivement sans et avec correction à partir de la méthode de Chander c) 116
Figure 5.6 Mesures de l’étendue et de la dispersion des températures de surface à la résolution de

MODIS terra (1 000 m) pour le 08.08.2003 à 13h (a), de Landsat TM5 (30 m) du 09.08.2003
à 10h15 à partir de la méthode de Malaret (b) et à partir de la méthode de Chander sans
correction (c) et avec correction atmosphérique.(d)............................................................. 117
Figure 5.7 Localisation des stations de mesure Météo France, exemple de Paris (source Météo France) 120
Figure 5.8 Localisation des stations urbaines (à gauche) et rurale (à droite) de référence et de leurs
environnements respectifs..................................................................................................... 121
292
Figure 5.9 Capteur de température Tiny Tag
(Source : http://www.geminidataloggers.com/data-loggers).................................................. 123
Figure 5.10 Trajectoires des transects du 22.07.2013 à Paris (à gauche) et aux Lilas (à droite)............. 124
Figure 5.11 Baisse des températures nocturnes au pas de temps horaire à Paris-Montsouris dans la 125
nuit du 22/07/2013 au 23/07/2013.........................................................................................
Figure 5.12 Méthode de réajustement des températures.......................................................................... 125
CHAPITRE 6
Figure 6.1 Extrait de la BD Topo de Paris............................................................................................ 128
Figure 6.2 MNT combiné de Paris et des départements de la petite couronne........................................ 129
Figure 6.3 Exemple de résultat du calcul de la densité surfacique des bâtiments pour une cellule de
30 m....................................................................................................................................... 129
Figure 6.4 Méthode de calcul de la part de ciel visible............................................................................ 131
Figure 6.5 Part de ciel visible calculée à 2 m et à 30 m de résolution..................................................... 131
Figure 6.6 Circuit de l’information lors de l’enregistrement d’un décès (d’après Péquignot et Jougla,
1999)..................................................................................................................................... 137
Figure de synthèse de la partie 2. Récapitulatif des données utilisées dans la recherche.......................... 149
CHAPITRE 8
Figure 8.1 Comparaison des champs de hautes pressions en France au 4 août 2003 (à gauche) et au 10
juillet 2006 (à droite). Données, Météo France........................................................................ 158
Figure 8.2 Comparaison entre août 2003 et juillet 2006 pour les températures et les vitesses de vent
pour la station Paris-Montsouris. Données, Météo France.................................................... 158
Figure 8.3 a) Écarts horaires des températures de l’air sous abri entre Paris-Montsouris et Melun du
1er au 21 août 2003. Données, Infoclimat. b) Écarts tri-horaires des températures de l’air
sous abri entre Paris-Montsouris et Melun : moyennes, écarts-types, quartiles et boites à
dispersion par tranche horaire nocturne entre le 1er et le 21 août 2003. Données, Météo
France................................................................................................................................... 160
Figure 8.4 Écarts de température de l’air sous abri entre Paris-Montsouris et Melun : moyennes, écart-
types et boites à dispersion pour les journées estivales de 2001 à 2008 en conditions radiatives
d’îlot de chaleur urbain. Données, Météo France................................................................... 162
Figure 8.5 Températures, vitesses instantanées et directions des vents établies à partir de valeurs
tri-horaires à la station Paris-Montsouris a) pour les journées estivales de 2001 à 2008,
b) pour les journées en situation radiative d’ICU c) et pour la période caniculaire du mois
d’août 2003. Données, Météo France................................................................................... 163
Figure 8.6 Vitesses et directions du vent établies par tranche horaire à la station Paris-Montsouris a)
pour les journées estivales de 2001 à 2008, b) pour les journées en situation radiative d’ICU
et c) pour la période caniculaire du mois d’août 2003. Données, Météo France................... 165
Figure 8.7 a) Températures de surface du 09.08.2003 dans l’agglomération parisienne à 30 m de
résolution par discrétisation continue à intervalle de 2°C. b) Tableau des paramètres
statistiques des valeurs de températures par département. Données, Landsat 09.08.2003..... 167
293
Figure 8.8 a) Températures de surface à 30 m de résolution. Données, Landsat. b) Comparaison avec
l’occupation du sol. Données, EEA........................................................................................ 168
Figure 8.9 Répartition spatiale des températures diurnes de surface (11h00 et 13h00, UTC) entre le
3 et le 12 août 2003 à Paris et dans sa région. Données, MODIS......................................... 170
Figure 8.10 Répartition spatiale des températures nocturnes de surface (22h00 et 2h00, UTC) entre le
3 et le 13 août 2003 à Paris et dans sa région. Données, MODIS ..................................... 171
Figure 8.11 Profil transversal des températures de surface pour la nuit du 6 août 2003 à 2h00 UTC.
Données : MODIS. Comparaison avec l’occupation du sol. Données, EEA........................... 172
Figure 8.12 Profils transversaux des températures nocturnes de surface pour les 5 journées les plus
chaudes du mois d’août 2003. Données, MODIS................................................................... 173
Figure 8.13 Valeurs médianes des températures de surface au niveau de la commune pour 4 horaires
de la journée (11h, 13h, 22h et 02h, UTC). Données, MODIS................................................ 175
Figure 8.14 Températures de surfaces le 22 juillet 2013 à 22h (UTC). Données, MODIS......................... 177
Figure 8.15 Transect de Paris : relations entre la hauteur des bâtiments et les températures Données,
mesures itinérantes juillet 2013 et BD Topo 2014................................................................... 180
Figure 8.16 Comparaison de la densité de bâti entre Paris (en haut) et Les Lilas (en bas). Images
reconstituées à partir du site de Géoportail consulté en juin 2014..........................................
182
Figure 8.17 Transect des Lilas : relations entre le NDBI et les températures à 30 m de résolution.
Données, mesures itinérantes juillet 2013 et BD Topo 2014................................................. 183
Figure 8.18 Relations entre températures et NDBI à 30 m de résolution (transect des Lilas)................. 184
CHAPITRE 9
Figure 9.1 Densité surfacique des bâtiments pour 4 niveaux d’observation (à 30 m, 250 m, 1 000 m et
au niveau communal) de l’agglomération parisienne. Données, BD Topo IGN 2014............. 188
Figure 9.2 Variabilité de la densité surfacique aux niveaux d'observation de 30 m, 250 m, 1 000 m et de
l'arrondissement municipal : zoom sur l'est de Paris. Données, BD Topo IGN 2014.............. 189
Figure 9.3 Hauteur moyenne des bâtiments pour 4 niveaux d’observation (30 m, 250 m, 1 000 m et
communal). Données, BD Topo IGN 2014.......................................................................... 192
Figure 9.4 Zoom sur 3 communes des Hauts-de-Seine (Puteaux, Courbevoie, Nanterre). Observation
de la hauteur moyenne des bâtiments à 30 m. Données, IGN 2014.................................... 193
Figure 9.5 Part de ciel visible (VS) dans l’agglomération parisienne pour 3 niveaux d’observation (30
m, 250 m et 1 000 m). Données, BD Topo IGN 2014.............................................................. 194
Figure 9.6 Part de ciel visible (VS) dans l’agglomération parisienne à 250 m de résolution, classifica-
tion par seuil naturel (Jenks). Données, BD Topo IGN (2014)................................................ 195
Figure 9.7 NDVI (à gauche) et NDBI (à droite) à 250 m de résolution dans l’agglomération parisienne.
Données NDVI, MODIS MOD13A1 du 13.08.2003. Données NDBI, agrégation de l’image
Landsat du 09/08/2003.......................................................................................................... 196
CHAPITRE 10
Figure 10.1 Températures de surface et NDVI à 30 m au 09.08.2003 à 10h15. Données, Landsat......... 201
Figure 10.2 Part de ciel visible et températures nocturnes de surface. Histogrammes de fréquence
et coefficient de corrélation à 1 000 m................................................................................... 204
Figure 10.3 Coefficients normalisés (a), prédictions / observations (b), résidus normalisés (c) et
histogrammes de fréquence des résidus normalisés (d) pour le modèle multivarié
(températures nocturnes de surface vs variables morphométriques et NDVI)......................... 206
294
Figure 10.4 Cartographie des résidus normalisés de la régression (températures nocturnes / variables
morphométriques et NDVI).................................................................................................... 207
Figure 10.5 Cartographie des résidus normalisés de la régression (températures nocturnes / variables
morphométriques et NDVI) après exclusion des valeurs aberrantes de la régression 1........ 209
Figure de synthèse de la partie 3. Les relations entre la répartition spatiale des températures et la
morphologie urbaine dans l’agglomération parisienne................................................................................. 211
CHAPITRE 11
Figure 11.1 Mortalité par rapport à l’ensemble de la population de plus de 65 ans vivant dans
l’agglomération parisienne (Paris, Hauts-de-Seine, Seine-Saint-Denis et Val-de-Marne)
durant les 3 premières semaines d'août en 2003 (carte 1) et en 2002 (carte 2). Mortalité en
août 2003 (carte 3) et en août 2002 (carte 4) par rapport au nombre de personnes de plus
de 65 résidant dans la commune en 1999. Données, INSERM (2002 et 2003) et INSEE
(1999)................................................................................................................................... 220
Figure 11.2 Répartition spatiale des personnes de plus de 65 ans dans l’agglomération parisienne en
1999. Données, INSEE RGP99............................................................................................. 221
Figure 11.3 Répartition spatiale ratio de surmortalité du mois d’août 2003 dans l’agglomération
parisienne. Données, INSERM (2002 et 2003)...................................................................... 222
Figure 11.4 Mortalité et surmortalité par classe d’âge pour du 1er au 21 août 2003 dans l’agglomération
parisienne.............................................................................................................................. 223
Figure 11.5 Graphiques des relations linéaires entre la mortalité et les températures nocturnes de
surface (a), la surmortalité et les températures nocturnes de surface (c). Graphiques des
relations exponentielles entre la mortalité et les températures nocturnes de surface (b),
la surmortalité et les températures nocturnes de surface (d)............................................... 227
Figure 11.6 Résidus standardisés de la régression linéaire pour la mortalité (a) et la surmortalité (a).... 228
Figure 11.7 Résidus standardisés de la régression exponentielle pour la mortalité (a) et la surmortalité
(a)........................................................................................................................................ 229
Figure 11.8 Résidus standardisés des modèles exponentiels et graphiques de prédiction du

modèle (Mortalité/Températures nocturnes de surface [a] et Surmortalité/Températures
nocturnes de surface [a]) pour ls arrondissements parisiens et les communes de la petite
couronne................................................................................................................................ 230
CHAPITRE 12
Figure 12.1 Part de la population de plus de 65 ans par rapport à la population totale résidant dans la
commune en 1999 1) pour l’ensemble de la classe d’âge des plus de 65 ans, 2) pour les 65-
80 ans et 3) pour les plus 80 ans en agglomération parisienne. Données, INSEE RGP 1999 235
Figure 12.2 Nuages de points des relations entre 1) la mortalité (MA) et le pourcentage de personnes
de plus de 65 ans résidant dans la commune en 1999 et 2) la surmortalité (SMO) et
le pourcentage de personnes de plus de 65 ans résidant dans la commune en 1999.
Données, INSERM 2003 et INSEE 1999......................................................................... 236
Figure 12.3 Pourcentage des personnes vivant seules par rapport à l’ensemble de la classe d’âge
correspondante 1) pour l’ensemble de la classe d’âge des plus de 65 ans, 2) pour les 65-
80 ans et 3) pour les plus 80 ans dans l’agglomération parisienne. Données, INSEE 1999 238
295
de plus de 65 ans résidant seules dans la commune en 1999 et 2) la surmortalité (SMO)
et le pourcentage de personnes de plus de 65 ans résidant seules dans la commune en
1999. Données, INSERM 2003 et INSEE 1999.................................................................... 239
Figure 12.5 Cartographie d’indicateurs socio-économiques de l’agglomération parisienne 1) Pourcen-
tage de personnes de plus de 60 ans percevant la CMU (par rapport à la population de
plus de 60 ans résidant dans la commune) 2009. 2) Revenu fiscal médian par commune
des personnes de plus de 60 ans en 2002. 3) Rapport interdécile du revenu fiscal des
plus de 60 ans. 4) Indice de Gini pour les revenus fiscaux des plus de 60 ans en 2002.
Données, INSEE 2009 et 2002............................................................................................. 241
de plus de 60 percevant la CMU, 2) la surmortalité (SMO) et le pourcentage de personnes
de plus de 60 Percevant la CMU, 3) la mortalité (MA) et le rapport interdécile des revenus
et 4) la surmortalité (SMO) et le rapport interdécile des revenus. Données, INSERM 2002
et 2003, INSEE 2002........................................................................................................... 243
Figure 12.7 1) Pourcentage de résidences HLM et 2) pourcentage de logements sans sanitaire en
2006 dans l’agglomération parisienne. Données, INSEE 2006.......................................... 245
Figure 12.8 Tableau et graphique des valeurs propres........................................................................... 248
Figure 12.9 Cercles des corrélations pour les facteurs 1, 2 et 3.............................................................. 249
Figure 12.10 Figure 1.7. Répartitions des communes de l’agglomération parisienne selon les axes
factoriels 1 (revenu-richesse), 2 (inégalités socio-spatiales) et 3 (conditions sanitaires).............. 251
Figure 12.11 Dendrogramme et cartographie des profils issus de la classification ascendante hiérarchique
à partir de 13 variables (indicateurs de mortalité et de surmortalité, températures de surfaces,
indicateurs socio-démographiques et indicateurs relatifs à l’habitat) dans l’agglomération
parisienne............................................................................................................................... 253
Figure 12.12 Graphiques des barycentres des variables pour les quatre profils de la classification
ascendante hiérarchique...................................................................................................... 255
Figure de synthèse de la partie 4 Les relations entre la mortalité, les températures de surface et les
facteurs socio-démographiques dans l’agglomération parisienne............................................................... 259
CONCLUSION Générale et perspectives
Figure de synthèse des perspectives : Schéma prospectif pour une évaluation des inégalités
socio-environnementales............................................................................................................................ 267
296
Liste des photos
CHAPITRE 2
Photos 2.1 Photographies des façades haussmanniennes et des détails des façades à gauche à Arts
et Métiers (Paris 3) et à droite à Saint-Germain (Paris 6)....................................................... 58
Photos 2.2 Photographies de l’habitat bon marché (HBM) dans plusieurs arrondissements de Paris..... 61
Photos 2.3 Photographies des constructions verticales en tours à Paris et en banlieue parisienne......... 63
Photos 2.4 Photographies d’immeubles des années 1970-1980 à gauche à proximité de Maison
Blanche (Paris 13) et à droite à Ménilmontant (Paris 20)....................................................... 65
Photos 2.5 Les immeubles du quartier Bibliothèque François Mitterrand (Paris 13).................................. 66
Photos 2.6 Photographies d’habitats individuels à Paris et dans une commune de la petite couronne,
Les Lilas. Trois types d’habitat : villa bourgeoise en haut à droite à Montmartre, habitats
ouvriers du début du XXème siècle en haut à gauche et en bas à droite respectivement dans
le quartier Saint-Fargeau et à la Butte-aux-Cailles et enfin en bas à gauche, habitat individuel
ultérieur aux années 1950 dans la commune des Lilas, attenante au 20ème arrondissement. 68
CHAPITRE 3
Photos 3.1 Photographies d’immeubles d’habitation à la Goutte d’Or (Paris 18) à gauche et à Saint-
Germain (Paris 6) à droite......................................................................................................... 77
Photos 3.2 Photographies illustrant des travailleurs informels (Clignancourt) à gauche et d’un jeune
cadre (Esplanade de la Défense) à droite.............................................................................. 81
CHAPITRE 4
Photos 4.1 Prévention à la canicule sur les panneaux d’information de la Mairie de Paris durant l’été
2015....................................................................................................................................... 98
297
Liste des tableaux
Tableau a. Chiffres clés de la mortalité en Île-de-France du 1er au 21 août 2003. Comparaison entre
2003 et 2002 (Données, INSERM).......................................................................................... 19
CHAPITRE 1
Tableau 1.1 Échelles spatiales d’étude du climat d’après Yoshino [1975].................................................. 40
CHAPITRE 2
Tableau 2.1 Hauteur des rues et largeur des voies de circulation pour l’urbanisme de type haussmannien
d’après Chadych et Leborgne [2007]....................................................................................... 57
CHAPITRE 4
Tableau 4.1 Facteurs de risque en période de vague de chaleur (d’après le site de la Direction Générale
de la Santé consulté en 2014)................................................................................................. 97
CHAPITRE 8
Tableau 8.1 Températures minimales, maximales et périodes d’îlot de chaleur. Comparaison entre l’été
2003 et l’été 2006. Données, Météo France, Station Paris-Montsouris................................... 157
Tableau 8.2 Niveaux d’observation des températures mesurées lors du transect, des variables de
morphométrie urbaine et d’occupation du sol......................................................................... 179
Tableau 8.3 Matrice de corrélation de Spearman entre températures et variables morphométriques aux
niveaux d’observation ponctuelle et à 30 m (transect de Paris)............................................. 182
Tableau 8.4 Matrice de corrélation de Spearman entre températures et variables morphométriques aux
niveaux d’observation ponctuelle et à 30 m (transect des Lilas)............................................. 184
298
CHAPITRE 10
Tableau 10.1 Matrice de corrélation à la résolution de Landsat (coefficients de Pearson entre les
températures de surface du 09.08.2003 à 10h15, les variables morphométriques, le
NDVI et le NDBI calculés à la même date).................................................................. 200
Tableau 10.2 Coefficients de corrélation r des relations à 250 m entre les variables de températures
(valeurs moyennes horaires du 01.08.2003 au 21.08.2003 aux horaires indiqués), les
variables morphométriques, le NDVI et le NDBI................................................................... 202
Tableau 10.3 Coefficients de corrélation r des relations à 1 000 m entre les variables de températures
(valeurs moyennes horaires du 01.08.2003 au 21.08.2003 aux horaires indiqués), les
variables morphométriques, le NDVI et le NDBI................................................................... 203
Tableau 10.4 R² et critère AIC pour la régression multivariée (températures nocturnes de surface,
variables morphométriques, NDBI et NDVI) - en gris, le meilleur ajustement...................... 206
Tableau 10.5 R² et critère AIC pour la régression multivariée (températures nocturnes de surface,
variables morphométriques et NDVI) - exclusion des valeurs aberrantes.............................. 208
CHAPITRE 11
Tableau 11.1 Matrice de corrélation (températures diurnes et nocturnes de surface - mortalité et

surmortalité)........................................................................................................................ 226
CHAPITRE 12
Tableau 12.1 Corrélations de Pearson entre les variables de mortalité, de surmortalité et la population par
classe d’âge........................................................................................................................ 236
Tableau 12.2 Corrélations de Pearson entre les variables de mortalité, de surmortalité et le pourcentage
des personnes de 65 ans, de 65 à 80 ans et de plus de 80 ans vivant seules (par rapport à
la population totale des classes d’âge correspondantes).................................................. 239
Tableau 12.3 Corrélations de Pearson entre les variables de mortalité et de surmortalité et les variables
informatives de la couverture sociale et des revenus............................................................ 242
Tableau 12.4 Corrélations de Pearson entre variables de mortalité et de surmortalité et les variables
informatives de l’habitatriables morphométriques, NDBI et NDVI) - en gris, le meilleur
ajustement.......................................................................................................................... 246
299
Table des matières
Remerciements.........................................................................................................7
Résumé..............................................................................................................9
Sommaire............................................................................................................13
Introduction générale............................................................................................................17
PARTIE I : Extrêmes thermiques, formes urbaines et population dans

l’agglomération parisienne.........................................................................25
partie 1 - introduction.....................................................................................127
chapitre 1 - Aspects climatiques de l’agglomération parisienne.......................................29
1.1. Approche régionale : circulation atmosphérique et normales saisonnière..................29

1.1.1. Situation de l’étude....................................................................................29
1.1.2. Le régime atmosphérique régional............................................................30
1.1.3. Températures, ensoleillement et régime pluviométrique...........................30
1.2. De la vague de chaleur à l’îlot de chaleur urbain en période estivale..........................32
1.2.1. Qu’est-ce qu’une vague de chaleur ?.......................................................32
1.2.1.1. Définition météorologique............................................................32
1.2.1.2. La vague de chaleur de 2003.......................................................33
1.2.2. L’îlot de chaleur urbain...............................................................................34
1.2.2.1. Le contexte général......................................................................34
1.2.2.2. Le contexte estival à Paris............................................................35
1.2.3. Les impacts de la ville sur le climat : le bilan d’énergie en ville................35
1.2.3.1. Le bilan d’énergie.........................................................................36
1.2.3.2. Diminution de la chaleur latente : faible présence de végétation.
..................................................................................................................37
1.2.3.3. Augmentation du flux de chaleur sensible : imperméabilité des
surfaces, géométrie et albédo...................................................................37
1.2.3.4. Le vent dans l’agglomération : cellules convectives d’air chaud,
brises thermiques et déplacements d’air dans les rues...............38
1.3. Les échelles d’études de l’îlot de chaleur urbain.........................................................40
1.3.1. La méso-échelle........................................................................................40
1.3.2. L’échelle locale..........................................................................................41
1.3.3. La micro-échelle.........................................................................................42
1.4. Approche spatiale de l’îlot de chaleur par télédétection.............................................43
Conclusion du chapitre 1.....................................................................................................44
chapitre 2 - Formes urbaines et habitats dans l’agglomération parisienne ..........................45
2.1. De l’agglomération à la forme urbaine..........................................................................46

2.1.1. Définir et délimiter l’agglomération parisienne..........................................46
2.1.2. Urbain et péri-urbain..................................................................................46
2.1.2.1. Approche climatologique............................................................48
2.1.2.2. Approche sociologique de l’espace urbain de l’agglomération
parisienne...................................................................................................49
2.2. Formes urbaines et morphologie urbaine.....................................................................50
301
2.2.1. L’importance de la forme urbaine en climatologie....................................51
2.2.2. De l’acception sociologique des formes urbaines....................................52
2.3. Des formes urbaines à l’habitat : approche historico-sociale et environnementale....55
2.3.1. Les anciens immeubles d’habitation (1850-1950).....................................55
2.3.1.1. L’habitat haussmannien et néo-haussmannien............................56
2.3.1.2. Les constructions modernes des années 1920 : l’Habitat Bon
Marché et l’Office Public d’Habitation à Loyer Modéré de la Ville de Paris
..................................................................................................................60
2.3.2. L’habitat de 1950 à nos jours....................................................................62
2.3.2.1. Les logements sociaux de tours et de barres................................62
2.3.2.2. Les autres types de constructions récentes..................................64
2.3.2.3. L’habitat individuel........................................................................67
Conclusion du chapitre 2....................................................................................................70
chapitre 3 - La population de l’agglomération : aspects démographiques,

socio-économiques, résidentiels et sanitaires ............................................73
3.1. Approche démographique de l’agglomération.............................................................73

3.1.1. Une densité fortement décroissante de Paris à la petite couronne..........73
3.1.2. Vieillissement de la population et répartition spatiale de la population
âgée de plus de 60 ans dans l’agglomération........................................................75
3.1.2.1. Le contexte du vieillissement de la population.............................75
3.1.2.2. La répartition spatiale des plus de 60 ans...................................75
3.2. Approche socio-spatiale de la répartition des populations à Paris
et dans la petite couronne...................................................................................................77
3.2.1. La polarisation sociale dans l’agglomération parisienne : quel paradigme ?
...............................................................................................................................78
3.2.2. Logiques socio-résidentielles et division sociale de l’espace urbain........81
3.3. Les inégalités sociales de santé de l’agglomération......................................................85
3.3.1. Répartition spatiale des inégalités socio-sanitaires..................................85
3.3.2. Santé et richesse, prolongements épistémologiques...............................86
Conclusion du chapitre 3.....................................................................................................88
chapitre 4 - Les relations entre le climat et la santé ....................................................89

4.1. Risque de vague de chaleur et seuils d’alerte..............................................................91
4.1.1. De la notion générale de risque à celle de risque de vague de chaleur.......91
4.1.1.1. La notion de risque.......................................................................91
4.1.1.2. Le risque spécifique de vague de chaleur....................................92
4.1.2. Les systèmes d’alertes..............................................................................93
4.1.2.1. Le système d’alerte national.........................................................93
4.1.2.2. Le système d’alerte européen......................................................94
4.2. Les impacts de la chaleur sur l’organisme...................................................................95
4.2.1. Les effets de la chaleur sur l’organisme....................................................95
4.2.2. Impact des facteurs météorologiques sur la mortalité
et sur les pathologies associées aux vagues de chaleur.......................................95
4.3. Facteurs de risque et populations à risque..................................................................97
partie 1 - conclusion...................................................................................................99
PARTIE II : Données et méthodes d’investigation............................................103
chapitre 5 - Les données thermiques.............................................................................107
5.1. Les données thermiques issues des images satellites..............................................108
302
5.1.1. Choix, acquisition et traitements des données de températures de
surfaces à la résolution de MODIS...................................................................108
5.1.1.1. Propriétés des images MODIS...................................................108
5.1.1.2. Les images à 1 000 m de résolution............................................109
5.1.1.3. Les images à 250 m...................................................................110
5.1.1.4. Les données manquantes..........................................................110
5.1.1.5. La moyenne des températures du 1er au 21 août 2003 à 250 m et
à 1 000 m.................................................................................................111
5.1.1.6. L’agrégation des données MODIS au niveau de la commune
................................................................................................................111
5.1.2. Détermination des températures de surface pour l’image LANDSAT du 9

août......................................................................................................................113
5.1.2.1. L’image Landsat TM5 du 9 août 2003 : caractéristiques et choix
du produit................................................................................................113
5.1.2.2. La question de la correction atmosphérique..............................114
5.1.2.3. La conversion de valeurs digitales en températures de surface
................................................................................................................114
5.1.2.4. Les températures de surface avec correction atmosphérique
................................................................................................................115
5.1.2.5. Comparaison avec l’image MODIS du 8 août 2003...................117
5.1.3. Intérêts et limites de la mesure par télédétection...................................118
5.2. Les données de Météo France : les températures de l’air et le vent.........................119
5.2.1. Les sites de mesure et les mesures des paramètres météorologiques
.............................................................................................................................119
5.2.2. Les périodes étudiées et le pas de temps des données.........................121
5.3. Les données au pas de temps horaire d’Infoclimat...................................................122
5.4. La campagne de mesure mobile du 22 juillet 2013...................................................122
5.4.1. Description du matériel : les capteurs Tinytag........................................123
5.4.2. Les campagnes itinérantes : trajets empruntés.......................................123
5.4.3. Le réajustement des températures..........................................................124
Conclusion du chapitre 5.................................................................................................126
chapitre 6 - Occupation du sol, morphométrie urbaine

et données de population............................................................................127
6.1. La morphométrie urbaine...........................................................................................127

6.1.1. Les données de l’IGN..............................................................................127
6.1.1.1. La BD Topo..............................................................................128
6.1.1.2. La BD Alti.................................................................................128
6.1.2. La détermination des variables morphométriques..................................129
6.1.2.1. L’emprise au sol et densité surfacique des bâtiments............129
6.1.2.4. La hauteur des bâtiments........................................................130
6.1.2.2. Le volume des bâtiments et la volumétrie par cellule..............130
6.1.2.3. La part de ciel visible...............................................................130
6.2. Indice de végétation et indice de bâti par télédétection............................................132
6.2.1. À la résolution de Landsat.......................................................................132
6.2.1.1. L’indice de végétation par différence normalisée....................132
6.2.1.2. L’indice de bâti normalisé (NDBI ou Normalized Difference Bati
ment Index).............................................................................................133
6.2.2. L’indice de végétation par différence normalisée à la résolution de MODIS
.............................................................................................................................134
6.3. L’occupation du sol à travers les données de l’Atlas Européen de l’Environnement.....134
6.3.1. Les données relatives à l’urbain : bâtiments, industries et réseaux de
transport...............................................................................................................134
6.3.2. L’occupation du sol de type végétal........................................................135
6.4. Les limites administratives.........................................................................................136
303
6.5. Les données relatives aux populations.....................................................................136
6.5.1. Les données de mortalité et de surmortalité...........................................136
6.5.2. Les données démographiques, économiques et sociales......................138
6.5.3. Les données résidentielles : types de résidences et présence
de sanitaires.........................................................................................................140
chapitre 7 - Échelles, échelons d’étude et méthodes statistiques....................................141
7.1. Réflexions sur la notion d’échelle...............................................................................141

7.1.1. Approche épistémologique......................................................................141
7.1.2. Importance spécifique de l’unité spatiale et des échelles d’étude dans
cette thèse............................................................................................................145
7.2. Les traitements statistiques........................................................................................146
7.2.1. Coefficients de corrélation, régressions linéaires simples et multivariées
pour l’évaluation des relations entre les températures et la morphométrie
urbaine....................................................................................................................146
7.2.2. L’analyse en composantes principales et la classification ascendante
hiérarchique pour l’étude des interrelations entre mortalité, surmortalité,
températures et facteurs socio-démographiqes..................................................147
partie 2 - conclusion...............................................................................................149
PARTIE III : Les interactions entre températures, morphométrie urbaine et

végétation. Analyses multi-niveaux en l’agglomération
parisienne...............................................................................................................151
partie 3 - INTRODUCTION.....................................................................................153
Vagues de chaleur et îlots de chaleur urbain
chapitre 8 - dans l’agglomération parisienne.................................................................155
8.1. Températures, vents et ensoleillement à Paris : approche comparative entre les étés
2003 et 2006.....................................................................................................................155
8.1.1. L’été 2003, approche comparative avec l’été 2006................................156
8.1.2. Août 2003, quelles différences avec juillet 2006 ?..................................157
8.2. Distribution des écarts de températures à Paris et Melun : comparaison entre la vague
de chaleur de 2003 et les journées estivales d’îlot de chaleur de 2001 à 2008................159
8.2.1. Août 2003................................................................................................160
8.2.2. Les journées estivales en condition radiative d’îlot de chaleur urbain.......161
8.2.3. Différences et similitudes au niveau de la vitesse et de la direction du vent
entre le mois d’août 2003 et les périodes d’îlot de chaleur estival.......................162
8.3. Estimation de l’îlot de chaleur urbain de surface de la vague de chaleur de 2003 ...166
8.3.1. Les températures de surface à moyenne résolution à partir de l’image
Landsat TM5 du 9 août 2003...............................................................................166
8.3.2. Répartition spatiale de l’îlot de chaleur de surface durant la canicule de
2003.....................................................................................................................169
8.3.2.1. Les températures diurnes et nocturnes de surface aux résolutions
de MODIS..............................................................................................................169
8.3.2.2. Réagrégation des données de températures de surface à l’échelon
communal..............................................................................................................174
8.4. La campagne de mesure mobile de juillet 2013 : pour une approche de la variabilité
des températures à l’échelle de la rue..............................................................................176
8.4.1. Le contexte météorologique du 22 juillet 2013.......................................176
8.4.2. Les niveaux d’observation.......................................................................178
8.4.3. Variabilité thermique et variabilité morphométrique................................179
8.4.3.1. Les mesures à Paris....................................................................179
8.4.4.1. Les mesures aux Lilas................................................................182
Conclusion du chapitre 8...................................................................................................185
304
chapitre 9 - Approche multi-niveau de la morphométrie urbaine à Paris
et dans la petite couronne........................................................................187
9.1. La densité surfacique du bâtiments : une opposition nord / sud à Paris.................188

9.2. Hauteur moyenne des bâtiments, volume et part de ciel visible..............................190
9.2.1. La hauteur moyenne des bâtiments : l’ouest parisien plus en hauteur
............................................................................................................................190
9.2.2. La part de ciel visible : des canyons urbains plus resserrés dans le sud
de Paris ?............................................................................................................193
9.3. Indice de bâti (NDBI) et indice de végétation (NDVI)................................................196
Conclusion du chapitre 9.................................................................................................197
chapitre 10 - Quelles relations entre les variables morphométriques

et les températures de surface ?...............................................................199
10.1. Les cellules avec bâtiments et les cellules sans bâtiment.....................................199
10.2. Les relations entre températures diurnes de surface et morphométrie à la résolution
de Landsat (30 m) ?..........................................................................................................200
10.3. Relations entre températures de surface et morphométrie aux résolutions
de MODIS (250 m et 1 000 m)..........................................................................................201
10.4. Pour un modèle multivarié avec la régression stepwise........................................ 205
Conclusion d chapitre 10.................................................................................................208
partie 3 - conclusion................................................................................................211
PARTIE IV : Analyses de la mortalité et de la surmortalité dans

l’agglomération parisienne durant le mois d’août 2003...............213
chapitre 11 - Évaluation des relations entre les températures de surface, la mortalité

et la surmortalité en août 2003 dans l’agglomération parisienne...............217
11.1. La mortalité à Paris et dans la petite couronne en 2003........................................218
11.1.1. Indicateurs de mortalité et de surmortalité...........................................218
11.1.2. Mortalité et surmortalité chez les plus de 65 ans ................................219
11.1.3. Mortalité et surmortalité chez les 65-80 ans et les plus de 80 ans.....223
11.2. Les corrélations entre mortalité et températures de surface................................224
11.3. La nature et la forme des relations avec les températures nocturnes....................227
Conclusion du chapitre 11...............................................................................................231
chapitre 12 - Le rôle des facteurs sociaux et démographiques

sur la mortalité et la surmortalité du mois d’août 2003...........................233
12.1. Observation de la répartition de facteurs socio-démographiques :

l’âge et l’isolement............................................................................................................234
12.1.1. Répartition spatiale de la population de plus de 65 ans
dans l’agglomération...........................................................................................234
12.1.2. Répartition spatiale des personnes de plus de 65 ans vivant seules
............................................................................................................................237
12.1.3. Les indicateurs de richesse : le revenu imposable par habitant
et la couverture maladie universelle....................................................................239
12.1.4. Quelles conclusions ?...........................................................................244
12.2. Les indicateurs spécifiques au type d’habitat......................................................244
12.3. L’analyse en composantes principales : pour une approche complexe des relations
entre la mortalité, la surmortalité, les températures de surface, les variables démographiques,
sociales et économiques..................................................................................................247
305
12.3.1. Le choix des variables mises en jeu.....................................................247
12.3.2. La forte polarisation socio-spatiale de l’agglomération.......................248
12.4. Les résultats de la classification ascendante hiérarchique : des profils fortement
tributaires de la division socio-spatiale de l’agglomération.............................................252
Conclusion du chapitre 12...............................................................................................257
partie 4 - conclusion..................................................................................................258
Conclusion générale et perspectives........................................................................... 261

Références bibliographiques.................................................................................271
Liste des acronymes...............................................................................................................289
Liste des figures....................................................................................................................291
Liste des photos.....................................................................................................................297
Liste des tableaux..................................................................................................................298
Table des matières.................................................................................................................301
Annexes ....................................................................................................................307
Annexes
Liste des annexes
ANNEXE 1 Occupation du sol en Île-de-France.................................................................... 311
ANNEXE 2 Principes généraux de l’architecture d’Haussmann............................................ 312
ANNEXE 3 Avis de décès – Formulaire de l’INSEE................................................................ 313
ANNEXE 4 Bulletin météorologique du 11 juillet 2006.......................................................... 315
ANNEXE 5 Bulletin météorologique du 5 août 2003.............................................................. 317
ANNEXE 6 Bulletin météorologique du 11 août 2003.......................................................... 319
ANNEXE 7 Valeurs moyennes (du 1er au 21 août 2003) des températures de surface à 250 m
de résolution pour 4 horaires de la journée (11h, 13h, 22h et 02h - UTC)............ 321
ANNEXE 8 Matrice de corrélation de Pearson pour Paris et les Lilas (températures et

variables morphométriques aux niveaux d’observation ponctuel et 30 m)............ 322
ANNEXE 9 Densité surfacique des bâtiments (à 30 m, à 250 m, à 1 000 m et au niveau

communal). Classification par seuil naturel (Jenks)............................................. 323
ANNEXE 10 NDVI et NDBI (à 30 m et à 1 000 m). Classification par seuil naturel (Jenks)...... 324
ANNEXE 11 Matrice de corrélations à 30 m, 250 m et 1 000 m entre températures de

surface et NDVI ET NDBI – toutes cellules confondues (Paris et petite
couronne)......................................................................................................... 325
ANNEXE 12 Valeurs de Spearman pour les corrélations entre températures et morphométrie

urbaine à 30 m (1), 250 m (2) et 1 000 m (3)................................................................ 326
ANNEXE 13 Températures, hauteur moyenne des bâtiments, part de ciel visible et densité
au sol des bâtiments à la résolution de Landsat (30 m)...................................... 328
ANNEXE 14 Matrice de nuages points (corrélations linéaires) à 1 000 m des relations entre
les températures nocturnes de surface à 2h, l’occupation du sol (NDVI/NDBI)
et les variables de morphologie urbaine.............................................................. 329
ANNEXE 15 Matrice de corrélations de Spearman entre les températures de surface, la

mortalité et la surmortalité................................................................................... 330
ANNEXE 16 Représentation sur une échelle logarithmique des nuages de points des relations
entre la mortalité (MA), la surmortalité (SMO) et (1) les variables démographiques
et (2) les variables socio-économomiques.................................................................. 331
ANNEXE 17 Les relations avec les résidus mortalité/températures nocturnes de surface

(2h UTC) et surmortalité/températures nocturnes.............................................. 333
ANNEXE 18 Corrélations de Spearman entre les variables de mortalité et de surmortalité,

leurs résidus, les indicateurs démographiques, socio-économiques et résidentiels 335
ANNEXE 19 Matrices des nuages de points des corrélations entre les variables de mortalité, de
surmortalité, les indicateurs démographiques, socio-économiques et résidentiels 338
309
Annexes
ANNEXE 1. Occupation du sol en Île-de-France (IAU-IDF)
311
Annexes
ANNEXE 2. Principes généraux de l’architecture d’Haussmann
Il convient d’insister sur le fait qu’une grande

ORIGINES ET PRINCIPES GENERAUX partie des travaux de Haussmann concerne
DE L’URBANISME HAUSSMANIEN l’aménagement de grandes voies de circula-
tions répondant aux principes de liaison des
Sous le Second Empire, Paris connut gares et des administrations. Ainsi, par
la plus grande restructuration urbaine jamais exemple, la mise en place des grandes
entreprise. Celle-ci fut amenée par l’ère artères a permis de relier la rive gauche avec
industrielle et peut être comparable à la rive droite avec l’aménagement des
l’époque actuelle sur plusieurs points (pénurie boulevards Sébastopol et Saint-Michel.
de logement, réaménagement des voiries, D’importants aménagements ont également
etc.), mais répond toutefois aujourd’hui à une été mis en place au niveau de l’Ile de la cité
dimension spatiale différente, celle de la dont une grande partie sera consacrée à
région. accueillir d’imposantes structures administra-
Parmi les idées principales qui guidèrent la tives telles que la Conciergerie, le Tribunal
nouvelle architecture urbaine parisienne de Commerce ou la Préfecture de Police.
figuraient celle de relier les gares entre elles, De nombreux quartiers anciens furent ainsi
d’améliorer l’accès du centre à la périphérie, entièrement détruit pour laisser place au
de sécuriser les échanges entre les minis- modernisme bourgeois haussmannien,
tères et administrations, d’assainir et d’embel- comme par exemple celui du bourg
lir l’espace parisien et de contrôler les insur- Saint-Marcel. Parmi les conséquences de
rections populaires. ces aménagements, l’une d’elles fut un
Même si l’arrivée du chemin de fer posait les déplacement des populations ouvrières vers
premières fondations d’une ville nouvelle où le 11ème arrondissement dans l’ancien
les échanges occupaient une place de plus « intra-muros » parisien et vers les quartiers
en plus importante, c’est Haussmann qui de Belleville et de Ménilmontant hors de
modela le paysage urbain de la période l’ancien Paris (Rouleau, 1996). Mais Napo-
industrielle. léon III, estimant que ces quartiers périphé-
D’un point de vue sanitaire, la préfecture de riques ne devaient leur existence et leur
Haussmann apporta des solutions à l’accès à prospérité qu’à la ville de Paris (Chadych et
l’eau potable des parisiens. La ville fut consi- Leborgne, 2007), décida d’imposer les
dérablement assainie par la mise en place mêmes charges aux populations de la
d’un important réseau d’évacuation des eaux périphérie. Par la décision de 1860, il mit en
usées. place l’annexion des communes périphé-
Par ailleurs, il aéra le paysage urbain en y riques. Décision appuyée par Haussmann
implantant davantage d’espaces verts. Les qui ne voyait dans les habitants des com-
réaménagements des bois de Boulogne et de munes suburbaines de « véritables para-
Vincennes furent à son initiative. Les parcs sites qui vivent de la vie des villes, sans en
Monceau et Montsouris sont également le fait supporter les charges […], obstruant les
des plans haussmanniens alors confiés aux avenues par des barrières faites sans plan »
ingénieurs, paysagistes et géomètres (Rouleau, 1985). C’est ainsi que fut mis en
(Alphand, Barillet-Deschamps et Des- place le nouveau visage du Paris industriel
champs). que l’on connait encore en partie aujourd’hui.
312
Annexes
ANNEXE 3. Avis de décès – Formulaire de l’INSEE
313
Annexes
314
Annexes
ANNEXE 4. Bulletin météorologique du 11 juillet 2006
98 9 1
56 0 9 00
D
79 902 89 5
-35 7
D
11 -51 -2
85
8 7 7 2
43
09 1
06
4
16
143 5
22 2 «FI»
96 9 -16 27
0 6
07 81 2047 1 21 5
6 9 60 -0
26 -0 14 5 30
13 069 85 3 70 5 65
83 15 7 5 1
06 22 3
9 2 29 -0
6 193 70 3
118 23 -06
14 093 16
83 17 9 3
24 6
82 18
15
11 7 07 2278 -0
11 2 13 2 28 -0 28 2
4 23 -08 70 4 60
15 144 82 16 17 5
17 158 13 6 2
72
75 12 2238 22 9 9
9 32 -0 32 -0 23 3
19 158 12 2 -1
79 4 70 1 70 3 30
20 8 14 5 70 3
24 20 17 5
6
-08 14 6
14 75 17
180 16 61 23 2-14
13 -01 16 22 16 223
14 80 0 69 70 4 214 2408
97 18 06 10 12 17 5 31 -11 29 -0
23 11 6 70
0 060 208 5 60 2
1 5 5 14 8
19 157 7 00 230 20 5 31 -1 3 3 1 0 5
98 29 7 18 25 14 28 5 81 210 23
1 3 64 80 -0 3 3 2 0 2 7 -0 8
187 08
5 03 3 75
06 2 16 7
8 2
-1
2251
0 18
5 8 07 2
04 14 4 4 6 4 3 13 29 -1
22 21 5
22 243 2051 8
03 5 97 26 97 273 76 09 24 231 31 -08 60 6
06 02 5 10 12 5
03 1
197 3 00 18 10 18 275 10 70 30 210 82 3 22 1
17 8 17 4 -06 13 7 9 7
5 4 75 07 5 81 2 0 21 4 2 7 -0
2 08 4
5 15 71 30 -1230 1 0
98 5 04 9 4 -1 7 3
2 33 10 04 06002 5 27 237 32 204
68 1 80 4 11 6
222 1 0 09 05 5 19 280
09 80 -07 17 7 16 6
04 75
4 4 0 22
70 05
17 3 17 3
11 5 7
02 5 98 33 5 28 238 6 2 05 207
04 1 0 80 04 30 196 30 -13 29 -14
224 4 00
A «J» 15 3 -08 214 80 2 70 3

25 5 6 16 3 32 1 20 6 15 6 197
80 32 00 5 30 210 32 20 2 70 -1 22 -04
20 5 00 60 -1
07 05 80 -04 21 1 84 70 12 67
41 20 27 243 20 1 17 53 32 -18 174
22 98 317 19 70 -02 6 80 2 32 -14
23 98 317 17 11 98 324 20 249 19 1 12 7 70 2 180
60 32 21 6 22 269 6 27 233 34 202 13 6 28 -12
3 219 0 3 15 10 72
17 05 2 43 8 4 20 4 5 17 2
-07 60 05 70 -04 82 -10 0 1-05
82 60
8 5
4
3 030 18 4 3 1
030 3 5 19 7 20 2 14 1
5 0204 3 0304 4
5 5 6 29 197
31 -12 62 4 1 54
080 1 0604 -03 70 2 16 5 31 -08
25 4 27 206 32 199 65 13 4
58 24 51 70 1
80 318 -09 70 -06 29 221 15 5 135
1 17 70 03 31 -15
219 2 04 15 35 175 17
5 23 63
22 60 2
275 100238 -06 30 212 8 18 6 1 7 3 14 5
98
25 19
186 6 70 00 31 19 31 -01 27 -02
21 15 70 -16 01 60
21 4 1 1 68 60 6
62 00 9 35 176 30 211 17 18 54 18 22 5
4 17 80 -08 72 -04
060 18
08032 11 18
0905 41 166 6
68 32 18 4 174
8
-13
32 183 60 -0 30 -04
31 208 30 186 16 53 70 2
75 -11 80 -04 19 5
33 165 7 70 -11
18 10 2
60 -02 31 176
6
18 60 -08
D
21
1
58 6
58
B
-10 7 2
1 -1 7
1
7
-18 561 571 58
-14 -11 9
14 580 58
17 -12 17 -9
-20 553 16 17
12
8
58
-23 -9 6
551 17 58
11
584 -12
-20 560 -10 16
12 17
0
-11 58 -8 5
87
3
17
17 58
-1 3 57 9 -11 5
85
589 -14
-13 573 -10 16
16 17 18
17
8 8
-15 576 -9 5
-10 17 589
581 14 -10
16 17
-13 584 0 587
-12 581 16 -11 588 -9 59 -11
-11 583 15 18 17 16
17 8 8
-11
5 587
-10 590 -11
-11 587 -9 589 -9 589 17 16
-9 586 16
17 16 16 17
87
88 1 5
-10 591 -10 5 -1 6
1
17 17 580
-10 592 -9 590 -13
8
17 17 -10 58 15
-10 592 17
-10 -10
16
-8 593 581
18 59 591 -9 594 -12
5 17 17 16
17 582
585 -13
-9 589 -11
16 16
17
-11 594
18
-11 -8 593 -10 587
592 17 16 2
18 -14 58
-10 15
596
18 -11 585
H
-8 594 16
-11 596 17
17
315
Annexes
18 2
16 2
19 T
15 1
16 17 2 T
15 0
15 16 16 16 T 0 0 0
16 18 T 0
15 17 T 0
15 20 16 T 0 0
16 18 17 1 0 0
14 13 14 17 T 1 T 0
18 0
T : précipitations comprises entre 0 et 0,5 mm

14 0
15 16 15 16 0 T 0 0
19 15 18 15 0 T 0 0
16 17 15 0 0 0
16 16 0 0
18 14 18 17 0 0 0 0
15 18 15 19 T 0 0
17 0 0
18 15 17 18 19 T T 0 0 0
17 17 0 0
18 19 16 0 0 0
19 18 0 0
18 18 21 0 0 0
18 15 0 0
17 17 0 0
16 13 0 0
18 16 17 16 0 0 0
12 17 0 0
18 13 19 0 0 0 0
19 19 19 18 0 0 0 0
21 18 20 T 0 0
18 19 20 25 0 0 0 0
21 20 22 19 0 0 0 0
18 23 0 0
15 25 0 0
20 24 21 0 0 0
19 23 0 0
11/07/06 22 11/07/06 0
Températures minimales (en degrés C) Précipitations (en mm) cumulées sur 12 heures, relevées à 06H00 UTC
21 0
19 0
25 0
21 0
19 25 0 0
29 0
21 18 23 24 0 0 0 0
22 28 T 0
23 33 0 0
20 26 34 0 0 0
20 33 33 T 0 0
19 20 25 26 0 0 0 0
32 0

23 0
22 24 26 29 0 0 0 0
32 33 31 32 0 0 0 0
26 32 33 0 0 0
29 29 0 0
22 31 34 32 0 0 0 0
27 31 33 31 0 0 0
32 0 0
23 27 30 31 32 0 0 0 0 0
31 34 0 0
22 29 32 0 0 0
29 32 0 0
31 31 32 0 0 0
33 32 0 0
33 33 0 0
32 30 T 0
29 31 31 29 0 0 0
31 33 T 0
27 31 35 T 0 0 0
29 32 39 35 0 0 0 0
27 32 36 T 0 0
26 29 31 31 0 0 0 T
23 24 35 36 0 0 0 0
32 36 0 0
25 32 0 0
35 30 34 0 0 0
30 33 0 0
11/07/06 34 11/07/06 0
Températures maximales (en degrés C) Précipitations (en mm) cumulées sur 12 heures, relevées à 18H00 UTC
Aujourd’hui, la durée moyenne du jour astronomique pour la France Mardi 11 : le front froid «FJ» qui a abordé le Nord-Ouest se frontolyse
métropolitaine est de 15H30 mn. aujourd’hui. L’air chaud présent à l’avant est ponctuellement instabilisé
40 par le cyclonisme d’altitude qui circule sur la France. La canicule se
45 poursuit sur les régions méridionales, en particulier sur le Languedoc et
51 71 la Provence.
70 44 57 Les petites précipitations engendrées par «FJ» la nuit dernière le long
61 67
55 73 de la Manche faiblissent ce matin. Sous une bande de nuages bas,
76
72 82 81 85 encore nombreux en matinée de l’estuaire de la Loire aux Flandres,
69 36 75 85
72 quelques rares bruines éparses demeurent observées, accompagnées
85 62 56 70
81 80 80 95 de brumes ou de brouillards côtiers, rapidement dissipés. L’après-midi,
51 93
63 74 73 cette nébulosité se déchire ; les cumulus alternent alors avec des
34 87 90
86 86 éclaircies, de plus en plus larges au fil des heures.
81
69 77 94 89 Au sud de cette limite, la chaleur est déjà bien présente en fin de nuit
69 89 92 et en début de matinée, avec des températures dépassant 20 °C ; on
77 94
73 91 80 relève une température minimale record de 26,8 °C à Menton (06). Seul
93 79
81 80 bémol : des entrées maritimes tenaces persistent en journée au sud de
60 75
71 44 67 78 la Garonne, apportant de faibles bruines passagères.
62 76 76 69 L’après-midi, l’arrivée du cyclonisme d’altitude et le réchauffement
23 68 82 83 diurne renforcent l’instabilité. Des averses orageuses se déclenchent
5 52 74
0
7 13 75 77 ainsi sur les Alpes du Sud, du Cantal au nord des Cévennes et sur les
0 82 87
60 87 Hautes-Pyrénées. Des records de chaleurs sont observés : 39,0 °C à
6
67 Deaux (30) et Carpentras (84), 38,7 °C à Aubenas (07), 35,7 °C à
92
Cassis (13), 35,2 °C à Til-Châtel (21).
85 En début de soirée, des foyers orageux perdurent sur les coteaux ger-
11/07/06 sois, la Bigorre et le sud de la Haute-Garonne pendant qu’à l’avant de
«FJ», des orages s’organisent du plateau Lorrain à l’Alsace, apportant
Fraction d’insolation en % par endroits de la grêle.
316
Annexes
ANNEXE 5. Bulletin météorologique du 5 août 2003
14 11
82 213 89 212
D
11 05 10 10
56
1
5
234 9
14 12 6
08 23 -0 2
1524 14 4
D
89 7 60 5 -0
14 11 5 17 0 17 5 17
13 244 6
A
98
10
17 7 0
1 6 10 82 13 5 5 4 1 4 7
151 8 -54 -09 13 4
17 09
7
7 12 8 22 -0
222
9
2 6
01 3 17 293 22 00 0
7 15 5 4
01 01 17 277 14 5
1
01 67 -02 89 00
5 1791 -1
98 13 15 11 1 232 23 0 22
A
6 5 21 08 60 5
2 70 3
13 20 237 82 14 5 18 5
17 9 14 19 265
0 0 97 75 -06 01 10 1946
5
16 4 0
5 6 5 16
6 14 82
-0 16 9
1 19 11 1 24 -0 25 -0
0 5 141 8 00 14 263
5 85 70 5 24
1 05 404 7 98 2 0 9 62 -03 2 6
98 6 04 0 263 10 6 12 6 25 4 5
16 02 4 13 3 15 1 23 -03 1
20 9 -0 2 04 01 13 14 2 6 4 81
3 7 3 03 198 9 62 21 266
000 22 216 00
0 3 13 04 03020 59 25 1958 1 231 1904
07 401 1 -1 -08 16 25 -08
03
98 7 18 6 0 17 70 26 -0
16 15 060 256 4 60 3
13 0 2 5 27 234 13 7
15 98 201
83 -02 24 268 251 27 -07 6
1 5
5 2 1 0 25 17 29 81 246
163 4 8 2 9 66 00
80 -0 5
12 7
1 27 -06
65
04 5
02
2
4 01 19 14 85 1 1879
19 1 -0
62
5
31 232 2 2712 7 27
68 -12 29 239 29 -05 60 5
0 6
1 5
22 194
17 70 -05 34 219 8
5 2 189
1 7
95
208 60 11
17 72 -05 215 210 29 -05
1 19 15 81 31 -0931 -04 60 4
184 7 08 70 1 75 10 6
2 37 202
98 5 2 22 25 195 35 209
-07 18 6 16 7
4
2 13
5 0205 98 210 60 11 70 -05 70
231 30 060 1 21 20 18 13 1
20 8 200
3 5 96 20 3 8 37 192 197
32 -10
D
03 4 16 4 4 80 -03 31 195 33 -08
06 03 1
208 -161 0101 17 70 -08 205 75 1 65 4
04 40 24 0402 16 1 0 34 7 22 7 15 7 166
08 3 36 184 7 37 20 0 65 -0 28 -01
2
243 -09 0 80 -08 60 -1 23 52 183 80 4
38 14 1 26 35 -09 74 11 6
A
36 188 4 1
60 -03
7 39 18 6 80 1 36 -08
A
26 23 18 65
-1 12 7 70 1 176
61 18 58
200 24 206 38 182 37 199 20 62 9 6 3 2 -07
22 0 03 85 65 3
00 18 58 08 84 -06 70 -04
8 3 5 1 00 2 0 5
35 25 21 1 14 11 1 19 9 33 17
7 6 5 4 6
235 4 6 30 -0 2 1
98 01 70 17 5 35 -03
A
24 70
D
27 17 00 201 34 187 1 18 70 1
80 23 23 3 60 -11 31 216 24
204
99 246 17
06 70 7 20 5 144
23 05 3 13 70 05 32 -02
20 1 1205 15 33 174
43 23 2 2 70 -09
21 60 2
4 0901 33 209 196 182 69 20 9
4 9 1 01 33 32 05 3 1 1 02
00 32 17 6 80 00
03000 60 5 66 60 6 0 2
2 -02 32 189 32 208 20 15 51 24 24 5
19 80 -04 00
17 5 1 5
65
22 19 1
A
1202 38 161 5 7
98 222
65 34 1800 176
18 12 -11 65 32 -01
11 36 186 33 176 65
22 4 2 75 -03 32 180 18
3 60 -08 -05 18
0101 35 170 13 22 2 75
0402 60 04 30 183 5 13 2
5
14 59 -02
22 4
5
-19
13 566
B -18 573
13 -23
11
564 B 563 -17
13
56
8
57
1
-21 -13 7
-14 578 12 1
17
-14 4
583 57
15
570 -13
-14 582 -18 15
17 -14 579 13
15
3
-12 58 581
-13 8
17
15 57
-12 588 -11 58
6
583 -14
-12 16
16 18
15
8 9
-11 5
-12 588
585 -11 592
18 -10
17 17
17 1 588
-12 595 -12 594 -11 592 -10 59 -10
-12 590 18 17 17 18
17
15 5 9 0 90
-10 -9 5
-10 594 594 17
-12 592 -10 596 -9 595 -9 18
17
16 17 17 17
H
92
92 -9 5
-10 594 -10 5
17
18
4
17 587
-11 594 -9 59 -8
17 17 17
-11 595
-8 17
-8 595 588
19 58 -12 594 -8
7 18 17
17 90
591 -9 5
-8 594 -10
17 17
17
-11 593
17
-12 -8 594
593 18
17 -8 591
-7 18
594
17
H
-6 594
-11 594 18
17
317
Annexes
18 T
21 0
18 0
18 0
19 18 0 0
14 0
21 23 19 18 0 0 0 0
21 16 0 0
19 22 0 0
19 22 19 T 0
22 19 21 0 0 0 0
17 21 21 20 0 T 0 0
18 0

23 0
21 24 24 20 0 0 0 0
22 17 23 18 0 0 0 0
24 21 18 0 0 0
20 22 0 0
21 19 22 21 0 0 0 0
24 22 17 23 0 0 0
22 0 0
23 23 20 24 22 0 0 0 0 0
22 18 20 0 0
24 26 0 0 0
24 20 0 0
22 20 24 0 0 0
21 17 0 T
17 19 0 0
17 15 0 0
23 18 24 19 0 0 0
14 19 0 0
21 15 19 0 0 0 T
19 21 20 20 0 0 0 0
19 23 22 0 0 0
16 21 21 28 0 0 0 0
23 19 23 20 0 0 0 0
21 24 0 0
17 27 0 0
20 25 23 0 0 0
20 22 0 0
05/08/03 24 05/08/03 0
27 0
32 0
32 0
34 0
33 33 0 0
33 0
30 36 35 36 0 0 0 0
39 36 0 0
37 38 0 0
29 38 38 0 0 0
39 38 37 0 0 0
22 26 38 39 0 0 0 0
39 0

37 T
30 40 39 40 0 0 0 0
40 40 37 38 0 0 0 0
35 37 38 0 0 0
38 39 0 0
27 41 39 38 0 0 0 0
39 40 39 37 0 0 0
40 0 0
27 37 39 36 39 0 0 0 0 0
40 39 39 0 0 0
30 38 0 0
37 39 0 0
39 38 39 0 0 0
38 36 0 1
39 39 0 0
40 36 0 T
40 41 42 38 0 0 0
34 36 0 2
31 34 41 0 6 0 4
40 36 41 38 0 0 0 0
41 41 40 0 0 0
41 40 34 35 0 0 0 0
28 37 38 39 0 0 0 0
39 34 0 0
38 33 0 0
35 31 38 0 0 0
31 36 0 0
05/08/03 35 05/08/03 0
Aujourd’hui, la durée moyenne du jour astronomique pour la France Mardi 5 : protégée par une vaste dorsale d’altitude stationnaire, la
métropolitaine est de 14H41 mn. France subit toujours les effets de la canicule liée à la persistance
77 d’une masse d’air très sec. Sur la façade occidentale de cette dor-
87 sale, un talweg thermique circule sur de l’air chaud en basses
86 89 couches. La légère baisse des pressions de surface favorise à par-
52 85 87
88 87 tir de la mi-journée des développements orageux sur le relief.
87 88
91 Les ondées orageuses présentes en fin de nuit sur le Finistère et
82 89 87
75 91 88 90
89 les Côtes-d’Armor s’éloignent en début de matinée vers la
71
83 88 89 88 Cornouaille, faisant alors place à de belles éclaircies. Toutefois, le
89 76 84 81
75 90 87 courant de basses couches qui s’oriente à l’ouest advecte sur le lit-
89 89
84 90 91 47
92 80 toral du Finistère des entrées maritimes, parfois denses, qui ne se
91 déchirent qu’en cours d’après-midi. Des stratus affectent également
89 89 91 91
90 82 93 la côte aquitaine ce matin ; ils disparaissent l’après-midi mais vont
95 90 se reformer au cours de la nuit prochaine.
89 83 88
83 55
89 84 Ailleurs, les températures, déjà élevées au lever du jour vont rapi-
92 69 dement grimper à nouveau à la faveur d’un ciel azur. Ainsi, en fin de
89 87 90 88
61 62 88 65 matinée, hormis près des côtes, les températures atteignent sou-
87 89 92 90 vent 35 °C. L’après-midi, la convection se développe sur les mas-
90 91 92
61
88 91 92 92
80 sifs et des orages apparaissent sur les Alpes, les Pyrénées cen-
86 87
77
88 87 trales ainsi que du Cantal au Lyonnais. La canicule engendre tou-
93
88 jours des records de températures : 41,1 °C à Carpentras (84),
39,0 °C au Mans (72), 39,4 °C à Dinard (35), 38,9 °C à Caen (14)
92
et 38,7 °C à Carcassonne. En soirée, les orages qui éclatent encore
05/08/03 entre le Massif central et les Alpes débordent localement en vallée
Fraction d’insolation en %
du Rhône avant de se dissiper en première partie de nuit suivante.
318
Annexes
ANNEXE 6. Bulletin météorologique du 11 août 2003
D 1
75 5 084
11
89 121
9
5
09 9 2 05
1 5 6
98 0 199 7
18 4
10 12 20 01 0 7
20 0 17 13 4
12 86 1 1962 60 7 0
14 5 17 -0 8 5 15
97
3 60 3 47
13
07 15 209 85 5
9 1 81 -02 7 1
15 15 10 6 16 0
12
17 11
6 4 11 3 19 0
5
-
0 4 5 201 70 6
06602 19 206 21 -10 9 5 3
1
02 16 243 08 0
70 01 86 -03
12 1952 0
12 2 16 2 215 21 -0 17
4 20 60 8
4 -06 70
1 17 81 8 13 4
98 7 225 23 180 1
D
72 11 8 1887
0
12 9 9
1
14 1
20
0 13
-04 82 -08 0 05 6
2 12 17 1 19 0 16 0
0 10 98 0 98 00
19 226
5 85 2 60 6 17
19 7 1 80 -06 70 4
01 5 1
152 5 9 97 6 221 8 5 9 5
01 0 -4 150 11 4 27 -05 11 5
5 5 4 5 82 1
4 15 238
04 4 13 7 18
A
01 19 23 19 00
1 2 229 197
99 7 84 -0 4 64 -02 15 00
20 22
13 13 4 5 13 80
02 1 5 23 198 228 4
7 7
98 16 57 -08 27 202 210 26 -02 179
03 5 30
-06 83 223
04 02 -10 5 19 23
9 17 7 62 -06 82 10 22 -03 19 05
84
1 03 5 00 5 18 5 85 1374
98 9 02 5
13 1 31 175 6 1 5 20 0
18 5 203 7
06 02 60 -03 31 198 27 1 60 3
24 40 0 03 06 20 17 03 185 89
-0 9 5
4 66
5 02 98 200 21 194 33 1 144
A
14 -03 1
0 4 16 10 60 04 80 190 170 22 1
05 504 17 16 6 18 1 11 28 -0427 00 70 1
03 21 97 13 7 84 3 6
98 1 1 0 4 6 38 169 33 177 8 86 1
11 206 8 00 050
1
24 182
72 -10 68 -06 1 6
D
7 4 60 02
20 00 11 1 8
D
58 0603 20 36 171 8 175 170
08 3 060 4 34 154 30 28 05
09 4 80 -02 -01
19 70 -08 4 84 89
70 22 6 8 32 15 -0 1 12 7 111
10 37 153 37 13
1 70 28 -08
1 7 -1 73
238 10 70 -10 60 21 152 0
3
45 32 186 11 1 26 3 2 -0 5 14 7 1 6
7 15 9 8 0 5 0
58 -06 34 1 3 -1
50 20 22 21
-07 13 7 70 3 146
181 56 31 -10
09
8 56 26 199 31 179 34 165 23 10 6
20 -07 01 59 63 -13 65 -05 148 65
D
19 -02 37 16
46 20 6 20 21 1 31 167 -03
5
4 6 32 177 62
-03 6
5 1
1
151
5
26 80 00 1 6 3 0
24 26 167 35 165 22
98 170 35 23 71 60 1
75 121 2 -1 05 70 -10 33 184 19 5 149
2 - 240 8 0 22 19 12 70 -01 31 01
232 4 04 9 190 15 33 162
4 4 98
70
23 60
040 15 00 100237 -08 35 187 17 4 176 168 10
3 26 7 162 9 1 00 34 31 04 3 2 00
4 4 34 148 62 6 70 01 0
59 -06 1 75 60 6
1002 -07 13 32 169 32 191 11 5 13 51 20 26
16 70 -06 65 04
19 13
24 20 1
160 1202 39 143 5 5
98
00 70 37 17 1 176
22
11
-12
32 169 60 -0 30 01
D
33 169 65 1
3 75 -04 57 01 32 164 10
21 0
020 36 20 70 -10
05041 60
144
31 161
22 2
5 8 3
-05 5
17 60 -05
23
-24
11 551
B
-15 576 576 56
14 -14 569 -19
16 -17 13
-18 567 15
13
-16 8
574 55
14
576 -18
-15 578 -14 14
15 -13 581 16
B
16
3
-13 58 578
-14 0
16 6 55
4 1 -24
-13 585 -13 58 570
-17 11
16 16
13
5 8 4
-13
-13 579
578 -11 587
16 -14
16 15
16
8 8 5 572
-12 588 -11 588 -12 58 -11 5 -13
-11 586 17 16 16 15
16
16 5 8 2
-12
-10 5891 587 16
-10 -10 590 -11 59016 -1
588 16 16
16 17
86
8 1 5
8
-9 590 -11 5 -1 6
1
17 16 579
-9 592 -9 589 -10
17 17 17
-11 591
-9 16
-10 -9 592
20 57 589 -12 592
6 17 17
H
17 587
-11 590 -10
17
16
-11 591
17
-10 -10 590
591 17
17 -9 590
-9 17
592
17
-10 590
-9 591 17
17
319
Annexes
20 T
24 0
21 0
21 T
21 19 0 0
14 T
17 20 22 20 0 0 T 0
18 18 0 0
25 18 1 0
17 26 17 T T
18 18 17 0 0 0 0
16 16 18 22 0 0 0 0
17 0

18 0
19 19 20 18 0 0 0 0
22 15 21 14 T 0 0 0
18 18 14 0 0 0
19 21 0 0
21 16 21 18 0 T 0 0
19 22 17 24 0 T 0
21 0 0
21 21 21 24 20 T 0 0 0 0
22 17 21 0 0
23 24 T 0 0
22 20 0 0
23 20 25 0 T 0
20 17 0 0
18 17 0 0
17 14 0 0
23 23 19 16 0 0 0
14 19 0 0
24 15 20 0 0 0 0
23 21 19 18 0 0 0 0
24 20 21 0 0 0
22 22 21 24 0 0 0 0
23 23 22 25 0 0 0 0
21 25 0 0
15 29 0 0
21 28 24 0 0 0
20 24 0 0
11/08/03 25 11/08/03 0
35 0
35 0
34 0
37 1
30 36 0 0
34 0
33 29 38 37 0 0 0 0
35 36 0 0
38 36 0 0
25 40 36 0 0 0
31 37 35 0 0 0
20 26 37 39 0 0 0 0
38 0

35 0
32 36 38 39 0 0 0 0
40 39 36 36 0 0 0 0
27 36 37 0 0 0
36 37 0 0
25 39 38 37 0 0 0 0
31 39 39 38 T 0 0
39 0 0
24 31 38 37 39 0 0 0 0 0
34 40 39 0 0 0
26 38 0 0
36 40 0 0
35 39 38 0 0 0
38 35 0 0
39 39 0 0
39 35 0 0
36 37 39 37 0 0 0
33 36 0 0
30 35 41 0 0 0 0
36 36 41 38 0 0 0 0
39 38 39 0 0 0
38 37 33 30 0 0 0 0
28 35 36 41 0 0 0 0
39 34 0 0
37 31 0 0
37 34 35 0 0 0
33 34 0 0
11/08/03 29 11/08/03 0
Aujourd’hui, la durée moyenne du jour astronomique pour la France Lundi 11 : de forts géopotentiels se maintiennent sur notre pays avec
métropolitaine est de 14H25 mn. toujours beaucoup d’air chaud en surface. À l’avant de la trace fronta-
72 le, des entrées maritimes intéressent les côtes de la Manche occiden-
65 tale et la façade atlantique. Une anomalie d’altitude aborde le Cotentin
75 82 et génère quelques orages sur l’extrême nord. D’autres se dévelop-
83 74 55 pent par évolution diurne sur les reliefs de la moitié sud.
85 68
75 87 En seconde partie de nuit, une forte humidité de basses couches sub-
69 89
84 82
86 91 siste sur l’extrême nord-ouest avec de fréquentes brumes, et même de
64 89 78
77
78
nombreux stratus associés à d’épais brouillards sur le Finistère. Des
86 87 80
64 79 86 91 entrées maritimes et quelques brumes affectent également l’Aquitaine,
44 90 92
84 80 91 88 gagnant l’ouest de Midi-Pyrénées en fin de nuit. Les averses parfois
54 79 74 83
80 orageuses persistent du Perche au Bassin parisien ; de rares ondées
70 86 90 90 concernent l’ouest de la Bourgogne. À l’aube, des foyers orageux
74 93
67
90
apparaissent aussi sur les Flandres. Le matin, cette instabilité se
94 66
74 74
87 82 décale légèrement de la Champagne à la Picardie et au Pays de Caux,
90 89 tandis que les rares brumes se dissipent sur le Sud-Ouest. L’après-
92 70
68 66 70 77 midi, les averses cessent sur l’extrême nord. Des orages éclatent sur
62 63 85 78
le Massif central et le sud des Alpes, puis en Limousin, de l’Hérault au
63 62 88 79
71 79 87 Tarn et à l’Aveyron, ainsi que sur les Pyrénées. Bien que la nébulosi-
71 68 85 70
47 72 91 88 té s’améliore nettement du Poitou au Bassin rennais, le temps demeu-
92 91 re brumeux du golfe du Morbihan au littoral de la Loire-Atlantique, ainsi
92
78 que sur les côtes bas-normandes. Les températures atteignent au plus
89
chaud de la journée 42,4 °C à Orange (84) et 39,2 °C à Nevers (58).
91
Quelques ondées intéressent temporairement l’est de la Haute-
11/08/03 Normandie et le nord de l’Île-de-France en fin de journée. Les orages
Fraction d’insolation en %
disparaissent sur la moitié sud la nuit prochaine.
320
Annexes
ANNEXE 7. Valeurs moyennes (du 1er au 21 août 2003) des températures de

surface à 250 m de résolution pour 4 horaires de la journée (11h, 13h, 22h et
02h - UTC)
Températues diurnes de surface (moyennes du 01/08/2003 au 21/08/2003)

T°C 11h00 (TU) T°C 13h00 (TU)
31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
Températures nocturnes de surface (moyennes du 01/08/2003 au 21/08/2003)

T°C 22h00 (TU) T°C 02h00 (TU)
5000 m
16 17 18 19 20 21 22 23 24 25 26
321
Annexes
ANNEXE 8. Matrice de corrélation de Pearson pour Paris et les Lilas

(températures et variables morphométriques aux niveaux d’observation
ponctuel et à 30 m)
TEMPERATURES TEMPERATURES
COEFFICIENT DE SPEARMAN COEFFICIENT DE SPEARMAN
(PARIS) Ponctuel 30 m (LILAS) Ponctuel 30 m
1
Densité du bâti 0,32 0,43 Densité du bâti 0,02 0,16
Hauteur des bâtiments 0,43 0,38 Hauteur des bâtiments -0,21 0,00
0,5
Largeur de la chaussée 0,01 0,03 Largeur de la chaussée 0,04 0,03
HW 0,42 0,41 HW -0,26 0,02
0
Volume du bâti 0,30 0,44 Volume du bâti 0,30 0,07
Part de ciel visible -0,26 Part de ciel visible -0,21

- 0,5
NDBI 0,26 NDBI 0,34
NDVI -0,15 NDVI -0,22 -1
SEUIL DE SIGNIFICATIVITE > 0.001

30 m: N = 126
322
Annexes
ANNEXE 9. Densité surfacique des bâtiments (à 30 m, à 250 m, à 1 000 m et au

niveau communal). Classification par seuil naturel (Jenks)
323
Annexes
ANNEXE 10. NDVI et NDBI (à 30 m et à 1 000 m). Classification par seuil naturel
(Jenks)
324
Annexes
ANNEXE 11. Matrice de corrélations à 30 m, 250 m et 1 000 m entre tempéra-

tures de surface et NDVI ET NDBI – toutes cellules confondues (Paris et petite
couronne). Matrice de Pearson (1). Matrice de Spearman (2).
(1) COEFFICIENTS DE CORRELATIONS DE PEARSON

LANDSAT MODIS
30 m 250 m 1000 m
0,80
SIGN > 0,001 10h15 11h 13h 22h 02h 11h 13h 22h 02h
0,70
NDVI -0,58 -0,68 -0,76 -0,56 -0,58 -0,66 -0,75 -0,53 -0,55
0,60
-0,56 -0,64 -0,57 -0,58 -0,63 -0,70 -0,59 -0,61 0,50

NDVI Q1
0,40
NDVI Q2 -0,55 -0,63 -0,56 -0,56 -0,61 -0,71 -0,60 -0,62
MÉDIANE 0,30
NDVI Q3 -0,54 -0,62 -0,55 -0,55 -0,63 -0,71 -0,62 -0,61 0,20
NDBI 0,68
NDVI Q1 0,55 0,61 0,25 0,27 0,64 0,75 0,34 0,36

-0,50
NDVI Q2
0,57 0,63 0,26 0,30 0,66 0,75 0,31 0,35 -0,60
MÉDIANE
-0,70
NDVI Q3 0,57 0,63 0,27 0,31 0,62 0,70 0,26 0,32
-0,80
N 846909 12606 857
(2) COEFFICIENTS DE CORRELATION DE SPEARMAN

LANDSAT MODIS
30m 250m 1000m
SIGN > 0,001 10h15 11h 13h 22h 02h 11h 13h 22h 02h
0,80
NDVI -0,52 -0,56 -0,66 -0,62 -0,59 -0,61 -0,66 -0,59 -0,60
0,70
NDVI Q1 -0,45 -0,52 -0,62 -0,59 -0,56 -0,61 -0,65 -0,64 0,60
0,50
NDVI Q2 -0,45 -0,53 -0,61 -0,59 -0,56 -0,61 -0,67 -0,65
MÉDIANE 0,40
NDVI Q3 -0,45 -0,53 -0,59 -0,56 -0,56 -0,61 -0,66 -0,64 0,30
0,20
NDBI 0,60
NDVI Q1 0,48 0,55 0,19 0,19 0,61 0,70 0,26 0,27

-0,40
NDVI Q2
MÉDIANE 0,49 0,55 0,18 0,19 0,63 0,71 0,24 0,25 -0,50
-0,60
NDVI Q3 0,48 0,53 0,18 0,19 0,61 0,67 0,20 0,22
-0,70
N 846909 12606 857
325
Annexes
ANNEXE 12. Valeurs de Pearson pour les corrélations entre températures et

morphométrie urbaine à 30 m (1), 250 m (2) et 1 000 m (3)
(1) TOUTES LES VALEURS DE LA MATRICE
R
TÉ
N
U
EA
TE
25
50
75
SI
0,001
LU
SONT SIGNIFICATIVES AU SEUIL DE
I
M
DB
DV
EN
AU
Q
VO
VS
VS
VS
VS
D
N
N = 541883 1
TEMPÉRATURES 0.24 -0.07 0.06 0.19 0.21 0.16 0.25 0.39 -0.43
0.8
LISTE DES ABRÉVIATIONS DENSITÉ 0.24 0.73 -0.15 0.22 0.39 0.04 0.33 -0.53
0.6
TEMPÉRATURES : Températures de surface à 10h15 (heure locale) HAUTEUR 0.69 -0.45 -0.27 -0.08 -0.42 0.02 -0.35
0.4
DENSITÉ : Densité surfacique moyenne des bâtiments
VOLUME -0.28 0.09 0.28 -0.11 0.18 -0.48 0.2
VOLUME : Volume occupé par les bâtiments (Densité * Hauteur) VSQ25 0.61 0.18 0.88 -0.1 0.3 0

VSQ50 0.49 0.83 0.02 0.05 -0.2
VSQ50 : Part de ciel visible (médiane zonale à partir de la grille de 2 m)
-0.4
VSQ75 : Part de ciel visible (3ème quartile à partir de la grille de 2 m) VSQ75 0.52 0.14 -0.05

VSMEAN -0.03 0.22
NDBI :Indice de bâti par différence normalisée -0.8
NDBI -0.59
NDVI : Indice de végétation par différence normalisée
-1
(2) SEUIL DE SIGNIFICATIVITÉ > 0,001

N
N
R
EA
EA
E
N
TÉ
N = 11334
EA
25
50
TE
75
IM
M
0
0
SI
0
LU
20
20
VI
VI
30
B
AU
EN
D
D
VO
VS
VS
VS
VS
T2
T0
T1
N
D
1
LISTE DES VARIABLES
T1100 0.9 0.18 0.23 0.15 0 0.05 0 0.03 0.05 0 0.49 -0.61 -0.46
0.8
T1100 : Températures de surface 11h00 (UTC) T1300 0.26 0.28 0.23 0.07 0.13 -0.08 -0.04 0 -0.08 0.55 -0.69 -0.54
T1300 : Températures de surface 13h00 (UTC) T2200 0.91 0.46 0.47 0.51 -0.53 -0.46 -0.39 -0.54 0.17 -0.54 -0.54 0.6
0.4
DENSITÉ 0.42 0.84 -0.79 -0.61 -0.29 -0.73 0.42 -0.53 -0.64
HAUTEUR 0.74 -0.52 -0.43 -0.41 -0.53 0.06 -0.38 -0.45
VOLUME -0.75 -0.56 -0.3 -0.69 0.24 -0.5 -0.59 0
VSQ25 0.91 0.65 0.98 -0.31 0.41 0.46 -0.2
-0.4

VSMEAN -0.3 0.4 0.44
NDBIMEAN -0.58 -0.66 -0.8
NDVI 0.82
326
Annexes
(3) SEUIL DE SIGNIFICATIVITÉ > 0,001
N
R
EA
EA
E
N
TÉ
U
N = 833
EA
25
50
TE
75
IM
M
0
0
SI
0
LU
20
20
VI
VI
30
B
AU
EN
D
VO
VS
VS
VS
VS
T2
T0
T1
N
LISTE DES VARIABLES 1
T1100 0.85 0.25 0.26 0.27 0.02 0.13 -0.13 -0.1 -0.09 -0.13 0.68 -0.66 -0.61
T1100 : Températures de surface 11h00 (UTC) T1300 0.29 0.32 0.36 0.08 0.2 -0.2 -0.17 -0.15 -0.2 0.77 -0.75 -0.7 0.8
T1300 : Températures de surface 13h00 (UTC) T2200 0.92 0.62 0.54 0.63 -0.67 -0.59 -0.58 -0.68 0.3 -0.53 -0.62
0.6
0.4
DENSITÉ 0.54 0.86 -0.85 -0.73 -0.61 -0.83 0.43 -0.66 -0.72
HAUTEUR 0.77 -0.52 -0.39 -0.4 -0.52 0.09 -0.4 -0.49
VOLUME -0.79 -0.62 -0.53 -0.75 0.25 -0.56 -0.63 0
VSQ25 : Part de ciel visible (1er quartile zonal à partir de la grille de 2 m) VSQ25 0.93 0.83 0.99 -0.35 0.54 0.56
-0.2
-0.4
VSMEAN : Part de ciel visible (moyenne à partir de la grille de 2 m)

VSMEAN -0.36 0.53 0.56 -0.6
NDBIMEAN -0.79 -0.78 -0.8
NDVIMEAN 0.92
327
Annexes
ANNEXE 13. Températures, hauteur moyenne des bâtiments, part de ciel visible
et densité au sol des bâtiments à la résolution de Landsat (30 m)
Températures de surface
10H15 (heure locale)
HAUTEUR MOYENNE DES BATIMENTS

(en m)
0-4
5-6
7- 8
9 - 11
12 - 15
16 - 20
21 - 27
28 - 39
40 - 77
5000m 78 - 225
24 26 28 30 32 34 36 38 40 42 44 46 48 50
5000m
Températures de surface (en °C)
PART DE CIEL VISIBLE DENSITE AU SOL DES BATIMENTS

(en pourcentage) (en pourcentage)
26 - 59 0-7
60 - 65 8 - 14
66 - 70 15 - 22
71 - 74 23 - 30
75 - 77 31 - 38
78 - 80 39 - 47
81 - 84 48 - 58
85 - 88 59 - 71
89 - 93 72 - 87
94 - 100 88 - 100
Classification : seuils naturels (Jenks)
328
Annexes
ANNEXE 14. Matrice de nuages points à 1 000 m des relations entre les tem-
pératures nocturnes de surface à 2h, l’occupation du sol (NDVI/NDBI) et les
variables de morphologie urbaine
0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8
0.0 0.4 0.8

DENSITE
HAUTEUR
0.0 0.4 0.8
NDBI_MEAN
0.0 0.4 0.8

x
NDVI_MODIS
0.0 0.4 0.8
0.0 0.4 0.8

T0200
VOLUME
0.0 0.4 0.8
VSQ50
0.0 0.4 0.8
0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8 0.0 0.4 0.8
329
Annexes
ANNEXE 15. Matrice de corrélations de Spearman entre les températures de

surface, la mortalité et la surmortalité
65-80 ans 80 ans + 65 ans +
DC2003_6580
PCTDC_6580
DCA2003+80
DCA2003+65
PCTDC_80
PCTDC_65
SMO6580
SMO80+
SMO65+
TEMPERATURES DE SURFACE
MOYENNE 0,12 0,17 0,09 0,00 0,10 -0,04 0,06 0,22 -0,04
1ER QUARTILE 0,11 0,16 0,08 0,00 0,11 -0,03 0,05 0,21 -0,05
11H00 (TU)
MEDIANE 0,12 0,16 0,12 0,00 0,09 -0,01 0,05 0,21 0,00
3EME QUARTILE 0,11 0,15 0,09 -0,02 0,08 -0,05 0,04 0,21 -0,04
MOYENNE 0,18 0,18 0,13 0,06 0,15 0,00 0,12 0,23 0,01
13H00 (TU) 1ER QUARTILE 0,20 0,21 0,17 0,08 0,17 0,00 0,14 0,25 0,04
MEDIANE 0,18 0,18 0,13 0,09 0,17 0,03 0,13 0,23 0,02
3EME QUARTILE 0,14 0,14 0,08 0,01 0,10 -0,04 0,07 0,19 -0,05
MOYENNE 0,65 0,51 0,36 0,60 0,54 0,27 0,64 0,50 0,36
22H00 (TU) 1ER QUARTILE 0,65 0,52 0,35 0,59 0,53 0,26 0,64 0,51 0,36
MEDIANE 0,64 0,50 0,35 0,60 0,54 0,27 0,64 0,50 0,35
3EME QUARTILE 0,65 0,50 0,37 0,60 0,54 0,27 0,65 0,49 0,37
MOYENNE 0,62 0,47 0,33 0,57 0,53 0,25 0,61 0,49 0,33
02H00 (TU) 1ER QUARTILE 0,61 0,47 0,32 0,55 0,52 0,23 0,60 0,49 0,31
MEDIANE 0,62 0,48 0,33 0,56 0,52 0,24 0,61 0,49 0,32
3EME QUARTILE 0,61 0,45 0,33 0,57 0,53 0,25 0,61 0,48 0,33
Δ(T) = amplitude thermique journalière* -0,17 -0,09 0,00 -0,25 -0,13 -0,11 -0,22 -0,05 -0,13
* Δ(T) = Tmean 13h - Tmean 02h En caractère gras : siginificatitivité > 0.001
N = 143
330
Annexes
ANNEXE 16. Représentation sur une échelle logarithmique des nuages de points
des relations entre la mortalité (MA), la surmortalité (SMO), (1) les variables démogra-
phiques et (2) les variables socio-économomiques
(1) Les relations aux variables démographiques
a POURCENTAGE DE PLUS DE 65 ANS (PCT65+) / MORTALITÉ (MA) b POURCENTAGE DE PLUS DE 65 ANS (PCT65+) / SURMORTALITÉ (SMO)
(VARIABLES CENTRÉES-RÉDUITES) (VARIABLES CENTRÉES-RÉDUITES)
1 1
PCT65+
PCT65+
0,8 0,8
ABLON
PANTIN
0,6 0,6
NEUILLY-PLAISANCE NEUILLY-PLAISANCE
CRÉTEIL
0,4 LE PLESSIS 0,4
VILLENEUVE-LA-GARENNE
SEVRAN
VILLENEUVE SAINT-GEORGE
0,2 PÉRIGNY 0,2
LE RAINCY
EPINAY-SU-SEINE
LE BOURGET
0 MA 0 MA
0,001 0,01 0,1 1 0,001 0,01 0,1 1
POURCENTAGE DE PLUS DE 65 ANS PAR RAPPORT À LA POPULATION POURCENTAGE DE PLUS DE 65 ANS PAR RAPPORT À LA POPULATION
c DE PLUS DE 65 ANS (PCT65+SEUL) / MORTALITÉ (MA) d DE PLUS DE 65 ANS (PCT65+SEUL) / SURMORTALITÉ (SMO)
VARIABLES CENTRÉES-RÉDUITES VARIABLES CENTRÉES-RÉDUITES
1 1
PCT65+
PCT65+
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 MA 0 MA
0,001 0,01 0,1 1 0,001 0,01 0,1 1
331
Annexes
(2) Les relations aux variables socioéconomiques
POURCENTAGE DE PLUS DE 60 ANS PERCEVANT LA CMU POURCENTAGE DE PLUS DE 60 ANS PERCEVANT LA CMU
a (PCT_CMU60+) / MORTALITÉ (MA) b (PCT_CMU60+) / SURMORTALITÉ (SMO)
1 1
EPINAY-SUR-SEINE
PCT65+
PCT65+
0,8 0,8
0,6 LE RAINCY 0,6
0,4 0,4
SEVRAN
0,2 0,2
LE PLESSIS
MA 0 MA
0
0,001 0,01 0,1 1 0,001 0,01 0,1 1
RAPPORT INTERDÉCILE DES REVENUS FISCAUX DES PLUS RAPPORT INTERDÉCILE DES REVENUS FISCAUX DES PLUS
c DE 60 ANS (REV_INTD60+) / MORTALITÉ (MA) d DE 60 ANS (REV_INTD60+) / SURMORTALITÉ (SMO)
1 1
PCT65+
PCT65+
0,8 0,8
0,6 0,6
0,4 0,4
EPINAY-SUR-SEINE
0,2 SEVRAN 0,2
LE RAINCY
LE PLESSIS
MA MA
0 0
0,001 0,01 0,1 1 0,001 0,01 0,1 1
332
Annexes
ANNEXE 17. Les relations avec les résidus de la relation mortalité/tempéra-

tures nocturnes de surface (2h UTC) et surmortalité / températures nocturnes
(1) Corrélations de Pearson entre les résidus de la relation mortalité/températures noc-

turnes de surface (2h UTC) et surmortalité/températures nocturnes de surface et la popu-
lation âgée par classe d’âge a) et la population par classe d’âge vivant seule b)
a) Coefficients de corrélation entre les résidus des variables de mortalité, de surmortalité

et la population par classe d’âge dans l’agglomération parisienne
résidus standardisés des Variables de mortalité (MA) et de surmortalité (SMO)

De la relation linéaire avec les températures nocturnes de surface
Coefficients Nombre de décès en août 2003 (rst_MA) Surmortalité en août 2003 (rst_SMO)
de Pearson
PCT_CL 0.16 0.26 0.22 0.04 0.02 - 0.12
PCT_CL Pourcentage de la population par classe d’âge (65-80 ans, 80 ans et plus et 65 ans et plus)
par rapport à l’ensemble de la population résidant dans la commune ne 1999 (données :
INSEE)
B) Coefficients de corrélation entre les résidus des variables de mortalité et de surmortali-

té et la population SEULE par classe d’âge dans l’agglomération parisienne

de Pearson
PCT_CL_seul 0.09 -0.14 0.05 -0.01 -0.23 -0.12
PCT_CL_SEUL Pourcentage de la population par classe d’âge résidant seules (65-80 ans, 80 ans et plus et
65 ans et plus) par rapport à l’ensemble de la population correspondante résidant dans la
commune ne 1999 (données : INSEE)
333
Annexes

turnes de surface (2h UTC) et les indicateurs socio-économiques

de Pearson
PCT_CMU60+ - 0.13 0.04
REV_Q2 0.11 0.18 0.22 -0.02 -0.07 -0.12
REV_D1 0.04 0.05 0.11 0.01 -0,05 -0.05
Rev_D9 0.10 0.19 0.17 -0.04 -0.09 -0.15
Rev_intd 0.09 0.12 0.10 -0.08 -0.04 -0.10
gini 0.08 0.16 0.15 -0.07 -0.10 -0.17
PCT_CMU60+ Pourcentage de la population de plus de 60 ans (par rapport à la population totale de plus de
60 ans résidant dans la commune) bénéficiaire de la couverture maladie universelle (CMU)
en 2009

turnes de surface (2h UTC) et les indicateurs résidentiels

de Pearson
PCT_SSSDB 0.11 0.01 0.05 -0.07 -0.07 0.01
PCT_HLM -0.08 -0.18 0.08 0.05 0.05 0.21

PCT_HLM Pourcentage de résidences HLM par rapport au nombre total de résidence en 2006
334
Annexes
ANNEXE 18. Corrélations de Spearman entre les variables de mortalité et de surmortalité,

leurs résidus, les indicateurs démographiques, socio-économiques et résidentiels
(1) Corrélations de Spearman entre variables de mortalité et de surmortalité et la popula-

tion par classe d’âge a) et la population par classe d’âge vivant seule a)
a) Coefficients de corrélation entre les variables de mortalité et de surmortalité

et la population par classe d’âge résidant dans l’agglomération parisienne

de Spearman
PCT_CL 0.31 0.49 0.41 0.22 0.38 0.21
N = 143
de Spearman
PCT_CL 0.19 0.24 0.22 0.09 0.04 -0.08
PCT_CL Pourcentage de la population par classe d’âge (65-80 ans, 80 ans et plus et 65 ans et plus)
par rapport à l’ensemble de la population résidant dans la commune ne 1999 (données :
INSEE)
b) Coefficients de corrélation entre les variables de mortalité et de surmortalité

et la population résidant SEULE par classe d’âge dans l’agglomération parisienne d

de Spearman
PCT_CL_seul 0.58 0.21 0.55 0.43 0.16 0.42
N = 143
de Spearman
PCT_CL_seul 0.03 -0.19 -0.04 -0.06 -0.26 -0.10
PCT_CL_SEUL Pourcentage de la population par classe d’âge résidant seules (65-80 ans, 80 ans et plus et
65 ans et plus) par rapport à l’ensemble de la population correspondante résidant dans la
commune ne 1999 (données : INSEE)
335
Annexes
(2) Corrélations de Spearman entre les variables de mortalité et de surmortalité, les

indicateurs socio-économiques

de Spearman
PCT_CMU60+ - 0.06 0.05
REV_Q2 0.09 0.21 0.16 0.04 0.02 0.00
REV_D1 -0.09 -0.01 -0.04 -0.08 -0,09 -0.09
Rev_D9 0.20 0.30 0.29 0.12 0.09 0.07
Rev_intd 0.34 0.38 0.39 0.24 0.16 0.15
gini 0.32 0.42 0.43 0.19 0.18 0.12
N = 127

de Spearman
PCT_CMU60+ - 0.07 0.03
REV_Q2 0.07 0.14 0.17 0.05 -0.04 -0.05
REV_D1 0.02 0.10 0.10 0.05 -0,12 -0.03
Rev_D9 0.09 0.20 0.19 0.12 0.09 -0.06
Rev_intd 0.07 0.18 0.13 0.24 0.16 -0.09
gini 0.06 0.17 0.24 0.01 0.00 -0.13
PCT_CMU60+ Pourcentage de la population de plus de 60 ans (par rapport à la population totale de plus de
60 ans résidant dans la commune) bénéficiaire de la couverture maladie universelle (CMU)
en 2009
336
Annexes
(3) Corrélations de Spearman entre les variables de mortalité et de surmortalité et les

indicateurs résidentiels

de Spearman
PCT_SSSDB 0.46 0.42 0.45 0.32 0.37 0.33
PCT_HLM 0.02 -0.06 -0.01 0.12 0.04 0.17
N = 143

de Spearman
PCT_SSSDB 0.11 0.01 0.05 0.01 -0.02 0.00
PCT_HLM -0.05 -0.18 -0.13 0.07 0.03 0.18

PCT_HLM Pourcentage de résidences HLM par rapport au nombre total de résidence en 2006
337
Annexes
ANNEXE 19. Matrices des nuages de points des corrélations entre les variables de
mortalité, de surmortalité, les indicateurs démographiques, socio-économiques et
résidentiels
(1) La matrice des relations entre la mortalité, la surmortalité et les indicateurs

démographiques
0.0 0.4 0.8 0.0 0.4 0.8
MA
Frequency
0.8
0.4
0.0
PCT_65+
Frequency
0.8
x
0.4
0.0
PCT65+_SEUL
Frequency
0.8
x
0.4
0.0
SMO
Frequency
0.8
x
0.4
0.0
0.0 0.4 0.8 0.0 0.4 0.8
338
Annexes
(2) La matrice des relations entre la mortalité, la surmortalité et les indicateurs

socio-économiques
REV_D9
GINI
REV_INTD
REV_D1
REV_Q2
MA
PCT_CMU60+
SMO
339
Annexes
(3) La matrice des relations entre la mortalité, la surmortalité et les indicateurs résidentiels
0.0 0.4 0.8 0.0 0.4 0.8
MA
Frequency
0.8
0.4
0.0
PCT_HLM
Frequency
0.8
x
0.4
0.0
PCT_SSSBD
Frequency
0.8
x
0.4
0.0
SMO
Frequency
0.8
x
0.4
0.0
0.0 0.4 0.8 0.0 0.4 0.8
340

These Ariane Sakhy Tel

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These Ariane Sakhy Tel

Transféré par

Droits d'auteur :

Formats disponibles

Îlots de chaleur et morphologie urbaine de

l’agglomération parisienne. Conséquences sur la

To cite this version:

HAL Id: tel-01405777

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

Îlots de chaleur et morphologie urbaine dE l’agglomération parisienne.

Thèse dirigée par

Gilles ARNAUD-FASSETTA Professeur à l’Université Paris Diderot (Examinateur)

Îlots de chaleur et morphologie urbaine dE l’agglomération parisienne.

Thèse dirigée par

Gilles ARNAUD-FASSETTA Professeur à l’Université Paris Diderot (Examinateur)

« Quel pur travail de fins éclairs consume

Il me tient à cœur de remercier Jean-Luc Salagnac (CSTB - Centre Scientifique et Technique du

PARTIE I : Extrêmes thermiques, formes urbaines et population dans

chapitre 1 - Les aspects climatiques de l’agglomération parisienne 29

PARTIE II : Données et méthodes d’investigation...................................................103

PARTIE III : Les interactions entre températures, morphométrie urbaine et végétation.

chapitre 8 - Vagues de chaleur et îlots de chaleur urbain

PARTIE IV : Analyses de la mortalité et de la surmortalité dans

Conclusion générale et perspectives................................................................... 261

La probabilité d’une augmentation de la fréquence et de l’intensité des épisodes de forte chaleur

Figure a. Vue transversale d’un îlot de chaleur [OKE, 1973].

Nombre de décès entre PARIS

Total 3 782 2 193 808

65 ans et + 2 793 1 616 613

65 ans et + décédés à domicile 667 408 171

Nombre de décès entre PARIS

Total 8 942 5 813 2 107

65 ans et + 7 401 4 865 1 792

65 ans et + décédés à domicile 2 635 2 037 886

*Haut-de-Seine (92), Seine-Saint-Denis (93) et Val-de-Marne(94)

Néanmoins, le seul facteur température ne peut suffire à expliquer le caractère excessivement

Îlot de chaleur urbain

FRAGILITÉS SOCIALES CONSÉQUENCES

entre la répartition spatiale des températures et celle de la morphologie urbaine.

la surmortalité à Paris et dans la petite couronne. Il s’agit ici d’observer et d’évaluer

VAGUE DE CHALEUR DE 2003

ESPACES URBAINS, HABITATS ET POPULATIONS

« Nous avons perdu le trône d’assurance

1.1. Approche régionale : circulation atmosphérique et normales saisonnières

1.1.1. Situation de l’étude

1.1.2. Le régime atmosphérique régional

1.1.3. Températures, ensoleillement et régime pluviométrique

1.2. De la vague de chaleur à l’îlot de chaleur urbain en période estivale

La période estivale s’accompagne de belles journées ensoleillées ; en termes météorologiques, il s’agit

1.2.1. Qu’est-ce qu’une vague de chaleur ?

1.2.1.1. Définition météorologique

1.2.1.2. La vague de chaleur de 2003

Nombre de décès Températures (°C)

Décès 2003 Temp. max. 2003 Temp. min. 2003

1.2.2. L’îlot de chaleur urbain

1.2.2.1. Le contexte général

Du point de vue spatial, l’extension de l’ICU résulte de la combinaison de plusieurs facteurs en

1.2.2.2. Le contexte estival à Paris

1.2.3. Les impacts de la ville sur le climat : le bilan d’énergie en ville

La surface de la terre absorbe majoritairement le rayonnement solaire en courtes longueurs d’onde.

1.2.3.1. Le bilan d’énergie

RN F RAYONNEMENT NET (RN)

RN RAYONNEMENT NET (RN)

1.2.3.2. Diminution de la chaleur latente : faible présence de végétation

1.2.3.3. Augmentation du flux de chaleur sensible : imperméabilité des surfaces, géométrie et

à l’échelle locale et à l’échelle micro-climatique.

Zone Zone Zone Zone Zone

Zone Zone Zone Zone Zone