Notions élémentaires sur les symboles

En général, les données représentées sur les cartes, et en réalité les cartes elles-mêmes, sont des représentations symboliques de phénomènes géographiques et de la surface de la Terre sur une feuille de papier ou sur un écran d’ordinateur. Seule une échelle de 1/1 permettrait de représenter les données physiques à leur grandeur réelle et avec tous leurs détails. Comme l’utilisation de cette échelle est rarement pratique, toutes les entités et les données thématiques représentées sur une carte doivent être soumises à un processus de simplification, de généralisation (parfois d’exagération) et, finalement, de symbolisation.

Phénomènes géographiques : Les cartographes et les géographes utilisent des symboles sur les cartes pour représenter divers phénomènes géographiques dans lesquels interviennent une position, une distance, un volume, un mouvement,une fonction, un processus, une corrélation, etc. Ces phénomènes peuvent être classés en quatre catégories de base : points (données adimensionnelles), lignes (données unidimensionnelles), aires (données bidimensionnelles) et volumes (données tridimensionnelles) (Wright, 1955). La difficulté en matière de conception de symboles cartographiques découle du fait qu’il faut représenter sur les cartes quatre catégories de données en utilisant seulement trois types de symboles de base : symboles ponctuels, symboles linéaires et symboles surfaciques. Par conséquent, il faut faire preuve de beaucoup d’imagination pour concevoir des symboles de cartes qui représentent simultanément plusieurs caractéristiques des données.

Un symbole ponctuel représente une entité ou un événement géographique caractérisé par une position et des attributs. La position peut être représentée par une simple paire de coordonnées « x,y », alors que les attributs peuvent être nombreux. Par exemple, une zone habitée ou un site minier peut être représenté par un symbole ponctuel.

Un symbole linéaire représente une entité géographique caractérisée par une dimension linéaire, mais pas une aire. Dans la technologie numérique, une ligne est une séquence ou une suite de coordonnées de points avec un noeud à chaque extrémité (données vectorielles) qui représente une entité linéaire, par exemple une route, un cours d’eau ou une frontière.

Un symbole surfacique représente une entité géographique zonale délimitée, une région géométrique bidimensionnelle ou un polygone. Une division de recensement, un lac ou une province (toute surface définie géographiquement) sont des exemples d’entités zonales.

Le texte qui précède indique comment chacun des trois types de symboles représente des entités géographiques élémentaires différentes, par exemple les entités représentées sur les cartes topographiques ou les cartes de référence. Cependant, en cartographie thématique, ces symboles peuvent aussi être utilisés pour représenter des données géostatistiques, par exemple le volume ou la densité.

Symboles utilisés habituellement sur une carte topographique :

[D]
Cliquez ici pour en savoir plus, 7 KB
Figure 1 : Symboles utilisés habituellement sur une carte topographique

Conception des symboles : Après avoir établi l’objet d’une carte, il faut déterminer quelles entités géographiques doivent y être représentées et de quelle façon elles le seront. L’échelle de la carte constitue un paramètre important pour la détermination des entités qui peuvent être représentées et de la façon dont ils le seront. Certaines données ne peuvent pas être représentées à toutes les échelles. Des données représentées à la mauvaise échelle peuvent paraître trop condensées ou trop clairsemées.

En général, deux types de symboles fondamentaux peuvent être utilisés pour représenter l’information sur les cartes : les symboles figuratifs et les symboles abstraits.

Les symboles figuratifs ressemblent aux entités qu’ils représentent. Ils ont généralement la forme et la couleur de l’entité. Par exemple, le symbole d’une aire de pique-nique peut être une table de pique-nique et le symbole d’une zone de végétation, un polygone vert.

[D]
Cliquez ici pour en savoir plus, 2 KB
Figure 2 : Symbole : images

Les symboles abstraits servant à représenter une entité peuvent avoir n’importe quelle forme géométrique. Par exemple, une série de points et/ou de carrés proportionnels peuvent représenter des zones habitées sur une carte de référence. D’autre part, des polygones colorés ou à motifs peuvent représenter des densités variables, sur une carte de densité de population.

[D]
Cliquez ici pour en savoir plus, 2 KB
Figure 3 : Élément graphique abstrait

La façon de concevoir les symboles pour l’affichage dans un environnement informatique diffère peu de celle qui est utilisée pour la représentation sur les cartes classiques en papier. Les principaux problèmes dans un environnement de cartographie assistée par ordinateur ont trait à la résolution de l’écran, à l’échelle de la carte et à la couleur.

Pour ce qui est de la résolution de l’écran, la plus petite taille d’un symbole qui peut être affiché dépend de la taille d’un pixel physique sur l’écran. Par exemple, pour représenter une route, un symbole linéaire de 0,007 po de largeur (épaisseur) normalement utilisé en cartographie classique ne convient pas pour l’affichage sur écran d’ordinateur. Une ligne de cette faible largeur ne peut pas être affichée sur un écran d’ordinateur à sa taille réelle. Pour être affichés sur un écran d’ordinateur, un symbole linéaire, un symbole ponctuel ou un symbole surfacique doivent avoir comme taille minimale la hauteur et la largeur d’un pixel. Les tailles des pixels sont les suivantes : sur un PC, il y a environ 96 pixels par pouce (PPI); sur un Mac, il y en a environ 72. Comme il est impossible d’afficher des fractions de pixels, la spécification de la taille des symboles doit être basée sur des multiples de pixels entiers. Remarquer que cette restriction s’applique uniquement aux éléments graphiques et au texte affichés sur un écran. Les symboles et éléments graphiques créés sur un PC ou sur un Mac, puis envoyés à une imprimante, paraissent sur l’imprimé avec la taille spécifiée dans l’application.

Pour ce qui est de l’échelle de la carte et des outils de cartographie Web, des problèmes peuvent survenir dans l’établissement de la taille des symboles. Un symbole conçu pour être lisible sur une carte à petite échelle peut paraître trop petit lorsque la carte est visualisée à une échelle plus grande. D’autre part, un symbole dont on a établi la dimension de façon à ce qu’il soit bien représenté à une grande échelle peut paraître exagéré à une plus petite échelle.

Il faut faire appel à son jugement et à son expérience pour l’établissement de la taille des symboles afin que ceux-ci conviennent pour la gamme d’échelles auxquelles la carte peut être visualisée. Parfois, la meilleure taille sélectionnée peut être le résultat d’un compromis.

Pour une étude approfondie de l’utilisation des couleurs en infographie, voir la section sur la conception des couleurs et les outils.

Remarquer que sur toute carte, quel que soit le type de symbole ou le support utilisé, tous les symboles doivent être expliqués clairement dans la légende.

Évaluation et classification des données

Avant d’assigner des symboles à la carte, il est important de bien comprendre les données à cartographier. On peut explorer la distribution d’un ensemble de données en calculant des variables statistiques descriptives, par exemple la moyenne, le mode, la médiane, l’étendue et l’écart-type. En traçant un diagramme de dispersion ou un histogramme des données, on peut déterminer la forme de la distribution. Une bonne connaissance de ces notions statistiques élémentaires est utile pour la classification de toutes données. Il peut être nécessaire de traiter des données provenant de diverses sources pour leur donner une forme normalisée, ce qui permet de compenser pour les différences relatives à la façon dont les données sont recueillies ou exprimées. Par exemple, lorsqu’on effectue des comparaisons ou des combinaisons de données provenant de différentes sources, ces données doivent exprimées en unités de mesure comparables et être du même niveau de mesure (données nominales, données ordinales, données de type intervalle et données de type rapport). (Le niveau de mesure est aussi appelé l’échelle de mesure.)

Classification des données : Dans le cas d’un gros ensemble de données, il n’est pas pratique d’assigner un symbole unique à chaque enregistrement. Par conséquent, aux fins de la cartographie, il est essentiel que les données soient classées ou regroupées. Il existe plusieurs méthodes de classification des données. Pour choisir la bonne méthode, il faut tenir compte du niveau de mesure et de la distribution sous-jacente de l’ensemble de données. La méthode de classification choisie doit décrire adéquatement le phénomène à cartographier et faciliter en même temps la représentation cartographique des configurations spatiales. Toutes les méthodes de classification reposent sur des classes exhaustives et mutuellement exclusives. Les classes exhaustives contiennent toutes les valeurs d’un intervalle de données défini; aucune valeur n’est omise. Les classes mutuellement exclusives ne chevauchent pas; aucune valeur ne peut appartenir à deux classes.

Avant de classer ou de regrouper les données, il faut déterminer si les données sont qualitatives ou quantitatives et déterminer le niveau de mesure. Il est important de posséder ces renseignements pour être en mesure, au besoin, d’appliquer les analyses appropriées à l’ensemble de données. Certaines analyses ne peuvent être appliquées qu’à des types particuliers de données.

Les données peuvent être décrites et/ou cartographiées en tant que données qualitatives ou quantitatives.

Les données qualitatives sont des données qui sont regroupées en classes selon des différences de type ou de qualité. Les données qualitatives ne comportent aucune valeur numérique. Les données nominales appartiennent à cette catégorie. (Les données ordinales peuvent aussi être considérées comme des données qualitatives, lorsqu’elles ne comportent pas de valeurs numériques.)

Les données quantitatives sont des données qui contiennent des attributs indiquant des différences de valeur et elles peuvent être exprimées sous forme de valeurs numériques. Les données ordinales, les données de type intervalle et les données de type rapport font partie de cette catégorie.

Les données peuvent aussi être décrites par le niveau de mesure. Il existe habituellement quatre niveaux de mesure à prendre en considération : données nominales, données ordinales, données de type intervalle et données de type rapport. Dans certains documents et dans certains logiciels statistiques, aucune distinction n’est faite entre les données de type intervalle et les données de type rapport, les données des deux types étant qualifiées de continues. Cependant, cette façon de procéder n’est pas correcte sur le plan technique, puisque les données de type intervalle ne comprennent pas un zéro naturel *, alors que les données de type rapport en comprennent un.

Les données nominales sont discrètes (c'est-à-dire, mutuellement exclusives) et elles sont classées selon le type ou la qualité. Par exemple, une ligne pourrait représenter un chemin ou un cours d’eau, et un polygone d’utilisation des terres pourrait représenter une zone résidentielle, commerciale ou récréative. Les données nominales sont souvent désignées par des nombres ou des lettres, mais ces identificateurs n’ont aucune signification du point de vue du classement. Une donnée nominale ne peut être examinée que du point de vue de sa similarité physique ou de sa différence par rapport à d’autres données, ou du point de vue de sa fréquence d’apparition.

Les données ordinales fournissent des renseignements sur le rang ou la hiérarchie; autrement dit, elles sont des valeurs relatives. Ainsi, il est possible de décrire un élément comme étant plus grand ou plus petit qu’un autre, ou comme étant petit, moyen ou grand. Cependant, il est impossible de mesurer les différences entre des données ordinales, puisqu’elles ne comportent pas de valeurs numériques particulières. Les données utilisées pour classer les routes en tant que routes express, grand-routes et routes secondaires sont un exemple de données ordinales.

Les données de type intervalle, en plus d’être ordonnées, comprennent des valeurs numériques. L’information peut être disposée le long d’une échelle à l’aide d’une unité normalisée. Par conséquent, il est possible de calculer la distance ou la différence entre des rangs, qu’il faut exprimer en fonction d’une unité normalisée. Par exemple, dans une échelle de température, on utilise des degrés (°F ou °C) comme unité de mesure normalisée. Entre 20° et 35°, il y a une différence de 15°. Comme le montre cet exemple de données du type intervalle, on ne peut pas dire qu’un milieu à 35° est 1,75 fois plus chaud qu’un milieu à 20°, car l’échelle de mesure de la température est arbitraire. Par exemple, en °C, le point de congélation de l’eau correspond à 0°, alors qu’en °F, il correspond à 32°. Les données de type intervalle, comme on l’a montré, ne comprennent pas de zéro naturel *.

Les données de type rapport sont identiques aux données de type intervalle, sauf qu’elles comprennent un zéro naturel; par conséquent, il est possible d’exprimer des données sous forme de rapports. Les mesures physiques de hauteur, de poids et de longueur sont des exemples de variables de type rapport. Avec ce type de données, dire qu’une mesure est le double d’une autre a une signification. Le rapport considéré reste valable quelle que soit l’unité de mesure utilisée (par exemple, mètre ou pied), parce que ce type de données comprend un zéro naturel *.

* Un zéro naturel est un point de départ non arbitraire pour les données. Par exemple, une mesure de distance de zéro unités correspond à une longueur nulle; de plus, il est logique de dire qu’une longueur de deux mètres est le double d’une longueur d’un mètre. Par contre, dans le cas de la mesure du temps, l’année zéro est arbitraire, de sorte qu’il n’est pas logique de dire que l’an 2000 est le double de l’an 1000.

Construction d’intervalles de classes : L’attribution d’intervalles de classes ou de points de coupure à des ensembles de données nominales et ordinales est assez directe. Cependant, en raison de la nature plus complexe des données de type intervalle/rapport, il faut explorer l’ensemble de données de façon plus approfondie. D’abord, il faut comprendre la distribution sous-jacente des données. Dans le cas de la cartographie thématique, différentes méthodes de classification (ou de rangement) sont utilisées pour généraliser différents types de distributions de données. Chaque méthode convient à une forme de distribution particulière. En traçant un diagramme de dispersion ou un histogramme qui utilise des variables statistiques descriptives élémentaires (comme la moyenne, le mode, la médiane, l’intervalle ou l’écart-type), on peut observer la forme de la distribution. Cette forme aidera à sélectionner la méthode de classification qui convient le mieux.

Il existe de nombreuses méthodes statistiques de classification ou de rangement des données de type intervalle/rapport. En cartographie, les quatre méthodes les plus couramment utilisées sont les suivantes : méthode des échelons égaux, méthode des quantiles, méthode de l’écart-type et méthode des séparations naturelles.

Dans la méthode des échelons égaux, on divise l’ensemble de données en classes séparées par des intervalles égaux. Les données peuvent être disposées par ordre descendant de valeurs ou par ordre ascendant de valeurs. La différence entre les valeurs élevées et les valeurs basses de la distribution est divisée en un certain nombre d’échelons espacés uniformément. Cette technique de classification est utile pour représenter les distributions rectangulaires et lorsque les secteurs de dénombrement sont de même taille.

Dans la méthode de classification par quantiles, les données sont disposées par ordre ascendant de valeurs et le nombre d’observations individuelles est compté. Les observations sont ensuite réparties dans le nombre sélectionné de classes, toutes les classes contenant le même nombre d’observations. On parle de quartiles lorsque les données sont réparties dans quatre classes, de quintiles lorsqu’elles sont réparties en cinq classes, de sextiles s’il y a six classes, et ainsi de suite. Cette méthode est utile pour la représentation des distributions rectangulaires.

Dans la méthode de l’écart-type, il faut d’abord calculer la moyenne ou la valeur centrale de la distribution de données. L’écart-type est ensuite utilisé pour définir les classes. Les observations sont regroupées selon la position qu’elles occupent sur le graphe en fonction du nombre d’écarts-types par rapport à la moyenne. Cette méthode est utile lorsque la distribution de données correspond à une courbe normale.

La méthode des séparations naturelles est basée sur la reconnaissance subjective de lacunes dans la distribution, où la diminution du nombre d’observations est significative. Tracer un histogramme des données permet de reconnaître ces lacunes. Cette méthode, élaborée par George Jenks, réduit la variation à l’intérieur des classes et augmente la variation entre les classes. Elle est très utile lorsque l’ensemble de données contient plusieurs valeurs modales.

Symbolisation des données

Après avoir sélectionné, généralisé et classé les entités et les données géographiques aux fins de la carte, il faut choisir la représentation graphique ou les symboles appropriés pour l’information. Les symboles ont des caractéristiques qu’on peut manipuler pour les adapter à la catégorie de données qui sont cartographiées. Ces caractéristiques sont appelées des variables visuelles ou ressources visuelles. Les variables visuelles comprennent la taille, la forme, l’orientation, la configuration (texture), la teinte (couleur) et la valeur de couleur (luminosité et clarté) des symboles (Bertin, 1983).

[D]
Cliquez ici pour en savoir plus, 9 KB
Figure 4 : Les variables visuelles

Ces variables, prises individuellement ou combinées, peuvent être appliquées à la conception des symboles de carte. Cependant, les variables ne s’appliquent pas toutes aussi bien à la symbolisation de tous les types de phénomènes géographiques ou d’ensembles de données.

La symbolisation des données nominales ou qualitatives est habituellement la moins difficile. Dans ce cas, le type de symbole devrait indiquer simplement la différence de classe et être totalement indépendant de l’ordre. Les variables de forme, de configuration et de teinte peuvent être utilisées pour les données qualitatives. La symbolisation des données quantitatives est plus complexe, nécessitant souvent la représentation des données sous forme d’une progression logique. Dans ce cas, les variables de taille et de valeur de couleur sont plus importantes.

Données nominales

Les symboles ponctuels sur les cartes représentant des données nominales devraient avoir des formes et/ou des teintes nettement différentes et non des tailles différentes. (Cette règle s’applique également aux symboles linéaires utilisés pour représenter des données nominales.)

Les symboles linéaires utilisés pour représenter des données nominales devraient ne présenter que des variations de configuration et/ou de teinte, et non d’épaisseur. Des symboles linéaires peuvent aussi être utilisés pour représenter la connectivité (par exemple, des routes) et la séparation (par exemple, des frontières).

Pour les symboles surfaciques utilisés sur des cartes représentant des données nominales, par exemple sur les cartes chorochromatiques, on ne devrait utiliser que des teintes ou des configurations surfaciques différentes, et non des valeurs différentes de teintes sélectionnées.

[D]
Cliquez ici pour en savoir plus, 5 KB
Figure 5 : Données nominales

Données ordinales

Les symboles ponctuels utilisés sur les cartes représentant des données ordinales peuvent avoir des formes géométriques abstraites ou être des symboles figuratifs et être classés selon la taille. Une autre façon de représenter les données ordinales consiste à utiliser le même symbole ponctuel avec différentes valeurs de couleur. La taille et la valeur de couleur peuvent être combinées pour accentuer l’effet.

L’épaisseur, le style ou la teinte des symboles linéaires permettent de classer les données. Toute combinaison de ces méthodes peut être utilisée, et elle permettra à l’utilisateur de distinguer plus facilement les classes de données sur la carte.

Selon leur teinte/valeur de couleur et le remplissage des motifs, les symboles surfaciques peuvent représenter des différences quantitatives des données. Pour accentuer l’effet, on peut aussi utiliser des motifs de différentes couleurs.

[D]
Cliquez ici pour en savoir plus, 9 KB
Figure 6 : Données ordinales

Données de type intervalle et de type rapport

Les symboles ponctuels qui représentent les données de type intervalle et de type rapport peuvent avoir différentes couleurs, formes et tailles, notamment : points, cercles, carrés, barres, piles de blocs et graphiques circulaires proportionnels, etc.

Les symboles linéaires représentant des données de type intervalle peuvent être proportionnels, comme dans le cas de la symbolisation des flux de produits. Une isarithme est un symbole linéaire reliant des points d’égale valeur. Les courbes de niveau (lignes reliant des points de même altitude) sont la forme la plus connue de ce type de symbole linéaire. Les courbes de niveau représentent graphiquement l’altitude et la position, et elles permettent le calcul de la pente.

[D]
Cliquez ici pour en savoir plus, 11 KB
Figure 7 : Données : intervalles et ratios

Selon leur valeur de couleur et leur configuration, les symboles surfaciques représentant des données de type intervalle et de type rapport peuvent indiquer une progression graduelle des valeurs des données.

[D]
Cliquez ici pour en savoir plus, 2 KB
Figure 8 : Valeurs des couleurs et motifs

Des progressions de couleur dans une teinte unique représentent un accroissement des valeurs des données qui accompagne l’accroissement de valeur de couleur, en passant du blanc à la couleur pure. Cet outil convient particulièrement pour les cartes monochromes, où les classes de données sont présentées sous la forme d’un changement graduel, passant par exemple du gris pâle au gris foncé.

[D]
Cliquez ici pour en savoir plus, 2 KB
Figure 9 : Progression de teintes d'une seule couleur

Les progressions spectrales de teintes partielles mélangent une couleur avec une autre.

[D]
Cliquez ici pour en savoir plus, 2 KB
Figure 10 : Progression spectrale de teintes

Les progressions bipolaires affichent des données qui passent du positif au négatif. Notons, par exemple, les teintes hypsométriques qui montrent l'élévation au-dessus et en dessous du niveau de la mer.

[D]
Cliquez ici pour en savoir plus, 2 KB
Figure 11 : Progression bipolaire

Tous les renseignements fournis dans la présente sont jugés fiables sous certaines réserves et devraient faire l’objet d’une vérification.