RESULTATS ET DISCUSSIONS
III. 2.3- Analyse des données
Dans cette partie de l’étude, les données sont exprimées en flux de matières qui intègre les débits. Tous les points sont pris en compte.
Tableau III.7 Matrice de corrélations sur l’ensemble des prélèvements :
Pour la matrice de corrélation, il existe une corrélation entre deux vecteurs x et y si : x Corrélation positive : x et y varient dans le même sens
x Corrélation négative : x et y varient dans le sens opposé de l’autre x Pas de corrélation : x et y varient de manière indépendante
Pour notre cas, les métaux sont corrélés entre eux ; leurs quantités varient de manière générale dans le même sens. Compte tenu du nombre de mesure la corrélation est statistiquement significative pour un coefficient de corrélation supérieur à 0.75 en valeur absolue.
Valeurs propres
L’étude réalisée au niveau de la brasserie montre qu’à partir de deux composantes permet d’expliquer près de 66% des variations observés ; avec trois composantes on atteint 74%. On pourra donc utiliser des représentations graphiques bidimensionnelles ou tridimensionnelles.
Tableau III. 8 Matrice des facteurs sur l’ensemble des valeurs :
.
L’axe principal 1 est construit avec la quasi-totalité des métaux de la conductivité électrique du pH et des anions, l’axe 2 avec la Température et la turbidité.
Représentation en deux dimensions (2D)
Représentation des variables en deux dimensions
On retrouve sous forme graphique les informations déjà vu dans la matrice de corrélations. Conductivité et pH sont proches donc relativement corrélés. Les métaux sont regroupés indiquant une bonne corrélation entre eux. La conductivité est anti corrélée par rapport à ces derniers (vecteurs en opposition).
Représentation des individus :
a) Individus étiquetés selon les points de prélèvements
Figure 3.24 Représentation des individus
Nous n’observons pas de regroupements significatifs de points que ce soit en 2D ou même en 3D.
b) Individus étiquetés selon les points de débits (haut moyen bas)
Figure 3.25 Représentation des individus
Dans ce cas, nous observons une partition en trois groupes à peu près distincts qui se différencient par le débit. Les hauts débits se caractérisent par des pH moins basiques, une plus faible conductivité et des flux de métaux plus importants certainement à la dilution des rejets.
Une piste intéressante pour différentier la pollution du fleuve est de pouvoir tenir compte des débits. Les informations dont nous disposions nécessiteraient d’être complétées avec d’autres échantillons. Dans l’avenir un système de mesure automatique du débit pourrait être couplé par la prise d’échantillons analysés.
Afin de voir s’il était possible d’améliorer l’analyse des résultats, nous avons décidé d’étudier les pollutions de manière sectorielle : Brasserie, sucrerie et abattoir avec comme étiquetage les débits. Ces études s’effectueront avec un jeu de données complètes ; aucuns points n’auront été supprimés pour effectuer l’analyse des données.
Données issues de la brasserie :
Tableau III. 9 Matrice de corrélations selon les débits :
Comme précédemment, les métaux sont corrélés entre eux ; leurs quantités varient de manière générale dans le même sens.
Compte tenu du nombre de mesures la corrélation est statistiquement significative pour un coefficient de corrélation supérieur à 0.75 en valeur absolue.
Valeurs propres
Figure 3.26 Matrice des valeurs propres
L’étude réalisée au niveau de la brasserie montre qu’à partir de deux composantes permet d’expliquer près de 70% des variations observés avec trois composantes on atteint 80%.
Pouvoir explicatif d’une composante
Tableau III. 10 Matrice des facteurs
L’axe principal 1 est obtenu avec la quasi-totalité des métaux et la conductivité, l’axe 2 avec la Température et le Nickel qui semble jouer un rôle particulier pour ce site de prélèvement. Pour l’axe 3 la variable la plus importante est la turbidité.
Représentation en deux dimensions (2D)
Figure 3.27 Représentation des variables
On retrouve sous forme graphique les informations déjà vu dans la matrice de corrélations. Conductivité et pH sont proches donc relativement corrélés. pH et Nickel sont des variables indépendantes (vecteurs orthogonaux) de même que nickel et phosphates. Les métaux sont regroupés indiquant une bonne corrélation entre eux. La conductivité est anti corrélée par rapport à ces derniers (vecteurs en opposition).
Représentation des individus :
Figure 3.28 Représentation des individus
On observe trois groupes distincts qui se différencient par le débit. Ces graphiques confirment une bonne séparation entre de hauts débits et les autres, séparation plus nuancé entre certains moyens débits et faibles débits.
Données issues de la compagnie sucrière :
Tableau III. 11 Matrice de corrélations
Comme précédemment, les métaux sont corrélés entre eux ; leurs quantités varient de manière générale dans le même sens. De nombreux facteurs semblent corrélés avec la température : Compte tenu du nombre de mesures la corrélation est statistiquement significative pour un coefficient de corrélation supérieur à 0.75 en valeur absolue.
Valeurs propres
Figure 3.29 Matrice des valeurs propres
L’étude réalisée au niveau de la compagnie sucrière montre qu’à partir de deux composantes permet d’expliquer près de 71% des variations observés ; avec trois composantes on atteint 82%.
Tableau III. 12 Matrice des facteurs
L’axe principal 1 est obtenu avec la quasi-totalité des métaux et les données physico-chimiques, l’axe 2 avec la conductivité et le Nickel. Pour l’axe 3 la variable la plus importante est la turbidité.
Graphiques des résumés
Figure 3.30 Matrice des variables
On retrouve les tendances précédemment observées. Il existe une forte corrélation entre la température et les métaux et les anions.
Figure 3.31 Matrice des individus
Données issues de l’abattoir :
Tableau III. 13 Matrice de corrélations
De nouveau, comme dans l’analyse globale, seuls les métaux sont corrélés entre eux ; leurs quantités varient de manière générale dans le même sens.
Compte tenu du nombre de mesures la corrélation est statistiquement significative pour un coefficient de corrélation supérieur à 0.75 en valeur absolue.
Valeurs propres :
Figure 3.32 Matrice des valeurs propres
L’étude réalisée au niveau de la brasserie montre qu’à partir de deux composantes permet d’expliquer près de 75% des variations observés ; avec trois composantes on atteint 82%.
Tableau III. 14 Matrice des facteurs :
L’axe principal 1 est obtenu avec la quasi-totalité des métaux en particulier le fer, le cuivre et le cadmium qui contribue de manière importante à la construction de cette axe. L’axe 2 est lui composé principalement de la température et de la turbidité.
Graphiques des résumés
Figure 3.33 Matrice des variables
Ce graphique confirme l’importance du fer du cuivre et du cadmium dans la construction de l’axe 1, pour ce site des abattoirs.
Figure 3.34 Matrice des individus
Dans ce cas, on obtient encore une séparation très distincte en trois groupes selon les débits. Les points sont plus concentrés autour de l’axe 1 notamment pour les débits élevés en relation avec les flux important de fer de cuivre et de cadmium.
Conclusions :
Compte tenu du nombre d’échantillons relativement faibles, on ne peut qu’indiquer des tendances :
x Parmi les paramètres physico chimiques l’influence de la température de la turbidité et de la conductivité pour les trois sites
x Pour les métaux, le nickel semble jouer un rôle plus important pour décrire la pollution des sites de la brasserie et de la sucrerie tandis que pour les abattoirs le fer le cuivre et le cadmium mériteraient d’être étudié ultérieurement en augmentant le nombre d’analyses.