Vous êtes sur la page 1sur 23

SIG et Analyse multicritères

pour la prise de décision

Pr. MEZRHAB A.

Equipe Technologie de l’Inf ormation Géographique et Gestion d e l’Espace

Faculté des Lettres et des Sciences Humaines

Université Mohamed Premier Oujda


Objectif

• L’objectif de cette présentation est de présenter les principes, les méthodes


et les différentes applications de l’évaluation Multicitères par SIG

2
Introduction
Introduction
 la terre est une ressource naturelle rare
 la demande ne cesse de croitre
 Pour satisfaires les besoins des êtres humains
 Les gens doivent choisir la meilleure utilisation de cette ressource
 maintenir la durabilité pour préserver les avantages fournies par cette ressource
aux futures générations
 Cependant, les gens ont des comportements, des croyances, des connaissances,
des priorités, objectifs, des intérêts et des préoccupations

 la prise de décisions sur la façon dont une ressource particulière devrait être utilisé
n'est pas une tâche facile
Principes de base de MCE par le SIG

MCDA – Analyse Multiritères pour la prise de décision

 Problème
 le
problème de la décision spatiale impliquent généralement un grand nombre
d’alternatives et de multiples critères d'évaluation
o la plupart du temps ces critèress sont contradictoires

 alternatives et les critères sont souvent évaluées par un certain nombre de personnes
(décideurs, les gestionnaires, les intervenants, les groupes d'intérêt).
o la plupart du temps, ils ont aussi des idées contradictoires, les préférences, les objectifs, etc.

de nombreux problèmes de décision spatiales donnent lieu à la MCDA basé sur un SIG

Principes de base de MCE par le SIG

o pour faciliter le processus de prise de décision


 SIG
 Techniques et procédures ayant un rôle important à jouer dans l'analyse des problèmes de décision
o reconnu comme un système d’aide à la décision comprenant un ensemble de données
numériques géolocalisées, Structurées à l’intérieur d’un système de traitement informatique

 MCE
offre une riche collection de techniques et procédures pour la structuration des problèmes de décision
Et la conception, l'évaluation et la priorité d'autres décisions

•SIG-MCE
 peut être considéré comme un processus qui transforme et combine les données géographiques
et les valeurs de jugement (les préférences du décideur) afin d'obtenir des informations pour la prise de décision
Principes de base de MCE par le SIG

Definitions
 Decision
 c’est un choix entre plusieures alternatives
c'est à dire la meilleure utilisation des terres entre les différentes alternatives d'utilisation des

terres

 Criteria

 c’est un ensemble de directives ou exigences utilisées
comme base pour la décision

 Deux types : facteurs et contraintes


o Les facteurs sont les critères qui augmentent ou
diminuent lesdistance
C’est à dire préférences
par rapport à la route (proche = très préférée; far = least suitable)
d’une alternative spécifique pour l’activité en considération
Principes de base de MCE par le SIG

o Les contraintes ont pour but de limiter les alternatives considérées. Elles sont
exprimées sous forme d’une couche codée en binaire (0 et 1). La valeur 0 est affectée
aux zones exclues du travail, tandis que celles potentiellement exploitables sont codées
avec la valeur 1.
Exemple zones protégés ; plan d’eau, dunes de sable)

6
Principes de base de MCE par le SIG

Definitions
 Règle de décision
 procédé par lequel les critères sont combinées pour arriver à une évaluation
particulière.
 1) Fonction de choix - fournit un moyen mathématique pour comparer les
alternatives;
numériques, les règles de décision exactes;
 2) Choix heuristique - prévoit une procédure à suivre plutôt que d'une
fonction
 Objectif
 la mesure par laquelle la règle de décision fonctionne (ex. identification des zones
appropriées
pour un projet de logement)
 dans une évaluation unique objectif multi-critères, il est également considéré comme
a'goal '
Principes de base de MCE par le SIG

'
 pertinence
 est la caractéristique de posséder les attributs préférés ou exigences d'un
but précis

 Analyse de la pertinence
 est un processus basé sur un SIG utilisé pour déterminer la pertinence
d'une zone donnée (terres ressources) pour une utilisation spécifique, agriculture, de la foresterie,
des affaires, le développement urbain, des projets de subsistance, etc.
Principes de base de MCE par le SIG

o Analyse multicritères /prise de décision


o Evaluation multicritère MCE
oil est parfois aussi appelée évaluation multi-attributs ou multi-attributs DecisionAnalysis (MADA)
o Exemple: Analyse de la pertinence du site pour le développement du logement (objectif
spécifique unique)
o Objectif de l’évaluation multicritère
o Parfois, il est appelé analyse de la décision multiobjectifs
o Exemple: analyse de la meilleure utilisation des terres (forêt, de l'agriculture, résidentiel, etc.)
o 1) analyse la pertinence par l'utilisation des terres;2) Multi-Objectif affectation des terres (MOLA)
GIS-based MCDA (Adopted from Eastman et al.,1995)

8
Principes de base de MCE par le SIG
o Analyse multicritères /prise de décision
o Evaluation multicritère MCE
o il est parfois aussi appelée évaluation multi-attributs ou multi-attributs DecisionAnalysis (MADA)
o Exemple: Analyse de la pertinence du site pour le développement du logement (objectif spécifique unique)
o Objectif de l’évaluation multicritère
o Parfois, il est appelé analyse de la décision multiobjectifs
o Exemple: analyse de la meilleure utilisation des terres (forêt, de l'agriculture, résidentiel, etc.)
o 1) analyse la pertinence par l'utilisation des terres;2) Multi-Objectif affectation des terres (MOLA)
GIS-based MCDA (Adopted from Eastman et al.,1995)
Example of Multi-Criteria Evaluation (MCE) structure

Suitable
Goal land for
housing
project

Criteria Factor1 Factor2 Factor3 Constraints

Attributes Attributes Attributes Attributes Attributes

8
Méthode de l’évaluation multicritère(MCE)

Etapes:
1. Identifier l'objectif / définir le problème
2. Déterminez les critères (facteurs / contraintes)
3. Standariser les facteurs / scores critère
4. Déterminer le poids de chaque facteur
5. Combiner les critères
6. Valider / vérifier le résultat
Méthode de l’évaluation multicritère(MCE)
 Etapes

1.Définir l’objectif, définir le problème


 En règle générale, un objectif doit être :

S – Spécifique
M – mesurable
A – réalisable
R – pertinent
T – limités dans le temps

10
Méthode de l’évaluation multicritère(MCE)
Etapes

2.Détéreminer les critères (facteurs/contraintes)

 combien de détails sont nécessaires à l’analyse réservée à l’ensemble


des critères utilisées
o à savoir les routes principales seulement ou inclure
routes secondaires; Nombre de maisons ou numéro de maisons; etc.
 Les critères devrait être mesurables
 Si ce n'est pas déterminable, utiliser un proxy
o à savoir la stabilité de la pente peut être représentée par le gradient de pente
Méthode de l’évaluation multicritère(MCE)

Etapes
3.Standardisation des facteurs
harmonizer la representation des facteurs en choisissant une échelle commune pour
que la comparaison soit possible
o il est difficile de comparer des choses différentes

 Elevation (m)
 Slope (%)
 Les convertir à une échelle commune 0– 255
 0 = moins appropriés;255 = plus appropriés

most suitable - 255 most suitable - 255

Suitability Suitability

least suitable - 0 low high least suitable - 0 low high


Elevation (m) Slope (%)
Méthode de MCE
 Steps
standardisation des facteurs

 Fuzzy Membership
Functions are used to
standardize the criterion
scores.
 Decision-makers have to
decide based on their
knowledge & fair judgment
which function should be
used for each criterion.

Linear Membership Function

Source (Figures):Eastman (1999;2006)


13
Méthode de l’évaluation multicritère

 Etape
4.Déterminer les poids des facteurs

 Il existe plusieurs méthodes


o Classement
3 facteurs : classer les facteurs de 1,2, et 3, où 1 est le moins important
tandis que 3 est le plus important
o Evaluation
 3 facteurs : évaluer les facteurs en utilisant les percentiles - Facteur 1 avec le plus bas
pourcentage le moins important et le facteur 3 avec le pourcentage le plus élevé
comme les plus importants

o Classement et évaluation ont généralement convertis en poids numérique


s sur une échelle de 0 à 1 avec la somme globale de 1 (normalisation).
o
i.e.Factor 1 = 0.17;Factor 2 = 0.33;& Factor 3 = 0.50;
Methods of Multi-Criteria Evaluation (MCE)

 Steps
4.Determine the weight of each factor
 There are several methods (cont’d)
o Pairwise comparison
Analytical Hierarchy Process (AHP) (Saaty,1980)
 A matrix is constructed,where each criterion is compared with the other
criteria,relative to its importance,on a scale from 1 to 9.
 where 1 = equal preference between two factors;9 = a particular factor is extremely
favored over the other
 a weight estimate is calculated & used to derive a consistency ratio (CR) of the
pairwise comparisons
•  If CR > 0.10,then some pairwise values need to be reconsidered & the process is
repeated until the desired value of CR < 0.10 is reached.
 Like in ranking & rating,AHP weights are also expressed in numerical weights
that sum up to 1.
4. Determine the weight of each factor (using AHP)
Step 3 – Normalization & weight determination
Example:Using 3 factors F1 F2 F3 Priority
*
Step 1 – Compare the factors
vectoror
Very Very
Extreme Strong Strongly Slightly Slightly StronglyStrong Extreme Weight
favors favors favors favorsEqual favors favors favors favors
F1 0.6923 0.6000 0.7143 0.6689
F1 F2 F2 0.0769 0.0667 0.0476 0.0637
9 7 5 3 1 3 5 7 9
F3 0.2308 0.3333 0.2381 0.2674
F1 F3 *Priority vector is also called normalized principal Eigen vector.
9 7 5 3 1 35 97 •To normalize the values,divide the cell value by its column total.
•To calculate the priority vector or weight,determine the mean value
F2 F3 of the rows.
9 7 5 3 1 35 97
Note:2,4,6 & 8 are intermediate values.F1,F2,& F3 are factors. Step 4 – Calculate the Consistency Ratio (CR)

CR = Consistency index (CI)/Random Consistency Index (RI)


Step 2 – Complete the matrix
• CI = (λmax – n)/n – 1
F1 F2 F3 • λmax is the Principal EigenValue; n is the number of factors
Basic rules:
1. If the judgment value is on• λmax = Σ of the products between each element of the priority vector
F1 1 9 3 the left side of 1, we put and column totals.
the actual judgment
F2 1/9 1 1/5 • λmax = (1.44*0.67) + (15*0.06) + (4.20*0.27) = 3.0445
value.
2. If the judgment value is on • CI = (3.0445 – 3)/3-1 CI = 0.0445/2 CI = 0.0222
F3 1/3 5 1 the right side of 1, we put
the reciprocal value . • CR = 0.0222/0.58 CR = 0.04 < 0.10 (Acceptable)
Σ 1.4444 15.0000 4.2000
Note: Values in blue are reciprocals. Random Consistency Index (RI) (Saaty,1980).
•n - 1 2 3 4 5 6 7 9 8 10
• RI - 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49
Methods of Multi-Criteria Evaluation (MCE)
 Steps
5.Aggregate the criteria
 Weighted Linear Combination
o is the most commonly used decision rule

Formula: S = ∑wixi x ∏cj

Where:
S – is the composite suitability score
xi – factor scores (cells)
wi – weights assigned to each factor
cj – constraints (or Boolean factors)
∑ -- sum of weighted factors
∏ -- product of constraints (1-suitable,0-unsuitable)

• Example:
Applying it in GIS raster calculator
S =((F1 * 0.67) + (F2 * 0.06) + (F3 * 0.27)) * cons_boolean

Note:F1,F2,F3 & cons_boolean are thematic layers representing the factors & constraints.
Methods of Multi-Criteria Evaluation (MCE)
 Steps
6.Validate/verify the result
 to assess the reliability of the output
o Ground truth verification
 i.e. conduct a field survey to verify sample areas
o Sensitivity analysis
 How do the following affect the result?
 altering the set of criteria (plus or minus)
 altering the respective weights of the factors
 Is the result reasonable?
 Does the result reflect reality?
 Etc.
Examples: Applications of GIS-based MCE
1.Suitability analysis for beekeeping sites in La union,Philippines,using GIS &
MCE techniques
 Goal
– to produce a map showing the suitable areas for beekeeping
 Criteria
Factors
Categorical data
o Land use/cover – scores/suitability values (0-255) assigned to the different land
uses/covers were based on the availability of source of nectar and pollen
Continuous data
o Distance to river – standardized to 0-255 scale:suitability values decreases with the
distance to river
o Distance to road – standardized to 0-255 scale:suitability values decreases with the
distance to road (starting from a buffer of 25 m).
o Elevation – standardized to 0-255 scale: suitability values decreases with elevation

Constraints
o built-up areas,sand,water body,riverwash,& areas within 25 m from the roads

For more details,see: Estoque,R C & Murayama,Y (2010).Suitability analysis for beekeeping sites in La union,Philippines,using GIS & MCE techniques.
Research Journal ofApplied Sciences,5,242 – 253.
Also in: Murayama,Y &Thapa,R B (Eds),SpatialAnalysis and Modeling in GeographicalTransformation Process:GIS-based Applications.
(as a book chapter) Dordrecht:Springer Science +Business Media B.V.,isbn:978-94-007-0670-5
Examples: Applications of GIS-based MCE
2.Suitability analysis for best site for a new school
 Goal
– to produce a map showing the best site for a new school
 Criteria
Factors
o Distance to recreational sites – areas near to recreational facilities are
preferred
o Distance to existing schools – areas away from existing schools are
preferred
o Slope – areas on flat terrain are preferred
o Land use – agricultural land is most preferred followed by barren land,
bush/transitional areas,forest,& built-up areas.
Constraints
o Water & wetlands