{"id":10622,"date":"2025-06-03T20:59:18","date_gmt":"2025-06-04T00:59:18","guid":{"rendered":"https:\/\/canue.ca\/fr\/?p=10622"},"modified":"2025-06-03T21:08:44","modified_gmt":"2025-06-04T01:08:44","slug":"10622-2","status":"publish","type":"post","link":"https:\/\/canue.ca\/fr\/10622-2\/","title":{"rendered":"Classement environnemental des \u00e9coles de Toronto : un projet pilote"},"content":{"rendered":"

Introduction :<\/strong><\/p>\n

Dans le cadre d’un cours d’exp\u00e9rience professionnelle \u00e0 l’Universit\u00e9 de Toronto, les \u00e9tudiants de premier cycle Kevin Yuan, Kasandra Tworzyanski et Nick Chan ont men\u00e9 un projet pilote pour CANUE au cours de l’ann\u00e9e universitaire. Le projet visait \u00e0 \u00e9valuer les conditions environnementales dans les cours d’\u00e9cole et les rues avoisinantes en \u00e9tablissant un classement bas\u00e9 sur cinq variables environnementales cl\u00e9s : la pollution de l’air, la pollution sonore, la couverture du couvert v\u00e9g\u00e9tal, les arbres de rue et l’acc\u00e8s \u00e0 des points de vente d’aliments sains. Les classements ont \u00e9t\u00e9 \u00e9tablis sur la base des valeurs de ces variables dans une zone d\u00e9finie. L’analyse s’est concentr\u00e9e sur 10 \u00e9coles publiques de Toronto s\u00e9lectionn\u00e9es au hasard. Chaque \u00e9cole a re\u00e7u un classement refl\u00e9tant la qualit\u00e9 des conditions environnementales \u00e0 l’int\u00e9rieur et autour de l’\u00e9cole.<\/p>\n

Pour comprendre les expositions environnementales auxquelles les \u00e9l\u00e8ves peuvent \u00eatre confront\u00e9s sur le chemin de l’\u00e9cole, une analyse a \u00e9t\u00e9 men\u00e9e en deux parties. Dans la partie A, les cours d’\u00e9cole elles-m\u00eames ont \u00e9t\u00e9 examin\u00e9es, o\u00f9 quatre des cinq variables environnementales, \u00e0 l’exception de l’acc\u00e8s \u00e0 des points de vente d’aliments sains, ont \u00e9t\u00e9 r\u00e9sum\u00e9es en fonction de leurs valeurs \u00e0 l’int\u00e9rieur des limites de la cour d’\u00e9cole. Dans la partie B, les conditions environnementales autour des rues des \u00e9coles ont \u00e9t\u00e9 \u00e9valu\u00e9es en r\u00e9sumant les valeurs des cinq variables \u00e0 une distance d\u00e9finie de chaque \u00e9cole.<\/p>\n

 <\/p>\n

M\u00e9thodes :<\/strong><\/p>\n

Pour le projet, nous avons inclus des couches de donn\u00e9es vectorielles et matricielles. Les couches de donn\u00e9es vectorielles sont des points indiquant l’emplacement des arbres de rue et des points de vente d’aliments sains, et ont \u00e9t\u00e9 obtenues \u00e0 partir d’OpenStreetMap et des donn\u00e9es ouvertes de la ville de Toronto. Une couche vectorielle du Toronto District School Board (TDSB) d\u00e9crivant les limites des \u00e9coles a \u00e9t\u00e9 utilis\u00e9e comme ligne directrice pour d\u00e9finir les cours d’\u00e9cole. Les couches de donn\u00e9es matricielles que nous avons utilis\u00e9es comprennent la pollution sonore, la pollution atmosph\u00e9rique et la canop\u00e9e des arbres, obtenues \u00e0 partir de la plateforme publique de CANUE, HealthyPlan.City. La figure 1 montre les trois couches de donn\u00e9es matricielles cartographi\u00e9es aux limites de la ville de Toronto.<\/p>\n

\"\"<\/p>\n

Figure 1 : Couches de donn\u00e9es matricielles illustrant la pollution sonore, la pollution atmosph\u00e9rique et la couverture du couvert v\u00e9g\u00e9tal. Sur chaque carte, les teintes plus fonc\u00e9es indiquent des valeurs plus \u00e9lev\u00e9es, soit une pollution plus importante, soit un couvert v\u00e9g\u00e9tal plus dense.<\/em><\/p>\n

 <\/p>\n

M\u00e9thodes d’analyse spatiale :<\/em><\/p>\n

Pour la partie A, nous avons utilis\u00e9 ArcGIS Pro pour r\u00e9viser les 10 polygones repr\u00e9sentant les cours d’\u00e9cole obtenus aupr\u00e8s du TDSB. Pour la partie B, nous avons utilis\u00e9 la m\u00e9thode d’analyse de r\u00e9seau dans ArcGIS Pro pour cr\u00e9er trois isochrones de marche pour chaque \u00e9cole. Ces trois isochrones indiquent les zones qui peuvent \u00eatre atteintes \u00e0 pied en 5, 10 et 15 minutes de l’\u00e9cole. La figure 2 montre un \u00e9chantillon des isochrones cr\u00e9\u00e9s et un contour de l’une des limites de l’\u00e9cole, avec la trame de la canop\u00e9e des arbres superpos\u00e9e.<\/p>\n

Pour les couches de donn\u00e9es ponctuelles, nous avons utilis\u00e9 l’outil Spatial Join pour compter le nombre de points \u00e0 l’int\u00e9rieur de chaque polygone. Pour les couches de donn\u00e9es matricielles, nous utilisons des statistiques zonales pour r\u00e9sumer les niveaux moyens de pollution atmosph\u00e9rique et sonore et la couverture du couvert v\u00e9g\u00e9tal dans chaque polygone. Ces moyennes et valeurs de comptage ont \u00e9t\u00e9 obtenues pour chaque \u00e9cole.<\/p>\n

\"\"\"\"<\/p>\n

Figure 2 : L’image de gauche montre trois isochrones de marche autour d’une \u00e9cole, superpos\u00e9s \u00e0 une trame de couvert arbor\u00e9 o\u00f9 le vert plus fonc\u00e9 indique un couvert arbor\u00e9 plus dense. L’image de droite montre le contour polygonal des limites d’une \u00e9cole.<\/em><\/p>\n

 <\/p>\n

M\u00e9thode de classement :<\/em><\/p>\n

Le langage de programmation R a \u00e9t\u00e9 utilis\u00e9 pour classer les \u00e9coles en fonction de leur score pour chaque variable environnementale, et les valeurs brutes des moyennes et des comptages ont \u00e9t\u00e9 converties en classements de 1 \u00e0 5 pour chaque variable. Deux classements distincts ont \u00e9t\u00e9 cr\u00e9\u00e9s pour les parties A et B. Un score global pour les parties A et B a ensuite \u00e9t\u00e9 calcul\u00e9 \u00e0 l’aide d’un syst\u00e8me de classement pond\u00e9r\u00e9. Pour la partie B, les valeurs brutes ont \u00e9t\u00e9 obtenues en calculant la moyenne ou le total de chaque variable environnementale pour les trois isochrones.<\/p>\n

Les pond\u00e9rations appliqu\u00e9es \u00e0 chaque variable environnementale \u00e9taient les suivantes : pollution de l’air (40 %), pollution sonore (30 %), couvert v\u00e9g\u00e9tal (25 %) et points d’arbres (5 %). Lorsque des points de vente d’aliments sains ont \u00e9t\u00e9 inclus dans la partie B, ils ont \u00e9t\u00e9 pond\u00e9r\u00e9s \u00e0 hauteur de 5 %, le pourcentage restant \u00e9tant r\u00e9parti de la m\u00eame mani\u00e8re entre les autres variables. Ces pond\u00e9rations s’appuient sur des sources externes qui soulignent que la pollution atmosph\u00e9rique et la pollution sonore sont les d\u00e9terminants les plus importants des effets n\u00e9fastes sur la sant\u00e9 (Carrier et al., 2016).<\/p>\n

 <\/p>\n

R\u00e9sultats :<\/strong><\/p>\n

Une carte Web a \u00e9t\u00e9 cr\u00e9\u00e9e pour visualiser les r\u00e9sultats et les classements finaux de l’analyse pour les 10 \u00e9coles. En cliquant sur la carte, les utilisateurs peuvent visualiser les valeurs brutes de chaque variable environnementale et voir comment chaque \u00e9cole se classe (de 1 \u00e0 10) pour les parties A et B de l’analyse. Des images sont \u00e9galement incluses pour illustrer les conditions physiques des cours d’\u00e9cole et des rues avoisinantes, ce qui aide \u00e0 comprendre les expositions environnementales.<\/p>\n

Les figures 3 et 4 montrent un \u00e9chantillon de ces images pour les \u00e9coles les mieux et les moins bien class\u00e9es, respectivement.<\/p>\n

\"\"\"\"<\/p>\n

Figure 3 : Images de l’\u00e9cole la mieux class\u00e9e en raison de ses vastes espaces verts, de sa couverture arbor\u00e9e et de son environnement r\u00e9sidentiel calme, ce qui indique une faible pollution sonore.<\/em><\/p>\n

\"\"\"\"<\/p>\n

Figure 4 : Images de l’\u00e9cole la moins bien class\u00e9e de l’\u00e9valuation. La cour de l’\u00e9cole semble beaucoup plus petite et les arbres y sont peu nombreux. Son emplacement \u00e0 proximit\u00e9 de rues passantes et du centre-ville sugg\u00e8re des niveaux plus \u00e9lev\u00e9s de pollution atmosph\u00e9rique et sonore.<\/em><\/p>\n

 <\/p>\n

Conclusion :<\/strong><\/p>\n

Ce projet a d\u00e9montr\u00e9 comment les donn\u00e9es g\u00e9ographiques peuvent \u00eatre utilis\u00e9es pour \u00e9valuer l’environnement \u00e0 l’int\u00e9rieur et autour des \u00e9coles. L’extension de ce travail pourrait servir d’outil pour identifier les in\u00e9galit\u00e9s dans les facteurs environnementaux cl\u00e9s \u00e0 l’int\u00e9rieur et autour des environnements scolaires dans la ville de Toronto ou dans toute la province.<\/p>\n

 <\/p>\n

R\u00e9f\u00e9rences :<\/strong><\/p>\n