Relations entre les caractéristiques socio-économiques de la population et l'exposition au risque d'inondation en Wallonie

Abstract

Le phénomène naturel d’inondation est un sujet de préoccupation des politiques de gestion de l’environnement. C’est dans ce contexte que le plan de Prévention et LUtte contre les Inondations et leurs Effets sur les Sinistrés (PLUIE) a été élaboré. Ce plan est à l’origine de la cartographie de l’aléa d’inondation. L’objectif de notre recherche est de déterminer si la population présente dans ces zones à risque d’inondation présente des caractéristiques socio-économiques dites faibles. Pour ce faire, deux approches sont envisagées. D’une part, la population des secteurs statistiques, échelle à laquelle notre recherche est effectuée, est caractérisée par le revenu médian et par l’écart relatif entre le revenu médian du secteur et le revenu médian de sa commune. Des régressions linéaires multiples sont réalisées pour expliquer les deux variables en tenant compte de 3 variables indépendantes, du statut d’inondation du secteur et de l’autocorrélation spatiale de la variable dépendante. Le statut d’inondation d’un secteur est défini par une variable binaire. Elle qualifie un secteur statistique « d’inondé » ou de « non inondé » en fonction de la part de sa surface habitée en zone à risque d’inondation. Ensuite, une auto-régression spatiale LAG est effectuée avec les 3 mêmes variables explicatives. D’autre part, un indice synthétique, créé à partir d’une analyse en composantes principales et décrivant le niveau de vie des secteurs statistiques, est exploité pour caractériser la population. Un test d’indépendance du Chi² et une ANOVA à un et deux facteurs sont utilisés afin de déterminer s’il existe une relation entre le statut d’inondation d’un secteur et son niveau de vie. Ensuite, nous avons exploité une régression Logit ayant pour but de prédire l’occurrence des évènements « inondés » et « non inondés » en fonction du niveau de vie. Les résultats de ces deux approches sont mitigés quant à l’influence du statut d’inondation d’un secteur statistique sur les caractéristiques socio-économiques de la population de celui-ci. Certains résultats maintiennent que la population située dans un secteur inondé possède un revenu médian et un niveau de vie faible ainsi qu’un écart relatif des revenus négatif. Cependant la tendance générale des résultats infirme l’hypothèse de départ, c’est-à-dire que la population définie par des caractéristiques socio-économiques faibles ne vit pas incontestablement dans les secteurs statistiques à risque d’inondation élevé.

The natural phenomenon of flooding is a concern of environmental management policies. Therefore the plan of « Prévention et LUtte contre les Inondations et leurs Effets sur les Sinistrés » (PLUIE) was developed. This plan is at the origin of flood hazard mapping. The objective of our research is to determine whether the population living in these flood risk areas has so-called low socio-economic characteristics. For this purpose, two approaches are considered. On the one hand, the population of statistical sectors, at which scale our research is conducted, is characterized by the median income and by the relative difference between the median income of the sector and the median income of its municipality. Multiple linear regressions are performed to explain the two variables taking into account 3 independent variables, the flooding status of the area and the spatial autocorrelation of the dependent variable. The flood status of an area is defined by a binary variable. It qualifies a statistical sector as "flooded" or "unflooded" according to the proportion of its inhabited area in the flood risk zone. Then, a spatial LAG auto-regression is performed with the same 3 explicative variables. On the other hand, a synthetic index, created from a principal components analysis and describing the quality of life of statistical sectors, is used to characterize the population. A Chi² independence test and one- and two-way ANOVA are used to determine whether there is a relationship between the flood status of an area and its quality of life. Then, we applied a Logit regression aiming to predict the occurrence of "flooded" and "unflooded" events in function of the quality of life. The results of these two approaches are mitigated regarding the influence of the flood status of a statistical sector on the socio-economic characteristics of its population. Some results maintain that the population living in a flooded area has a low median income and a low quality of life as well as a negative relative income difference. However, the general trend of the results reverses the initial hypothesis, i.e. that the population defined by low socio-economic characteristics does not undoubtedly live in statistical sectors at high risk of flooding.