Semaine 3 — Du catalogue à l’échantillon analysable

Outils informatiques pour les géosciences II

Sébastien Biass

sebastien.biasse@unige.ch

1st floor, office 103

23 octobre 2026

Statistiques univariées

Une variable à la fois

En sciences de la Terre, des variables peuvent être:

• le volume d’un glissement de terrain
• la taille des grains d’un sédiment
• la concentration d’un élément

• l’âge d’un cristal
• l’épaisseur d’une unité
• le débit d’une rivière

Les statistiques univariées décrivent une seule variable à la fois. Le but n’est pas encore d’expliquer les relations entre plusieurs propriétés, mais de comprendre la distribution d’une mesure.

Décrire une distribution

Propriété	Question	Exemples de résumés
Position	Où se situent les valeurs?	moyenne, médiane, quantiles
Dispersion	À quel point diffèrent-elles?	étendue, écart-type, IQR
Forme	Comment se répartissent-elles?	asymétrie, modes, valeurs extrêmes

La semaine 4 reviendra sur ces trois propriétés. Nous ne calculerons pas de coefficient d’asymétrie, mais nous observerons la forme avec les histogrammes et les graphiques de distribution.

Échantillon et population

La population

La population est l’ensemble complet des objets auxquels la question scientifique s’intéresse.

Exemple: tous les glissements de terrain capables de déclencher un tsunami.

 

Cette population est généralement inaccessible:

• certains événements n’ont pas été observés
• certains événements anciens n’ont laissé aucune mesure
• certaines régions sont mieux documentées que d’autres

La population doit être définie par la question. Elle ne correspond pas automatiquement à toutes les lignes disponibles dans un fichier.

L’échantillon

L’échantillon est l’ensemble limité des observations disponibles utilisées dans l’analyse.

Exemple: les glissements ayant déclenché un tsunami qui ont été documentés, validés et dont le volume est disponible.

 

L’échantillon dépend:

• de la manière dont les événements ont été documentés
• des variables disponibles
• des critères appliqués pendant la préparation

Insister sur le fait qu’un échantillon n’est pas simplement « le fichier ». Il résulte d’un processus d’observation et de décisions analytiques.

D’autres exemples

Echantillon

---

Population

---

Epaisseurs mesurées dans un nombre limité d’affleurements, de forages ou de profils géophysiques

→ Permet d’estimer l’épaisseur moyenne de l’unité entière

Concentrations en arsenic mesurées dans l’eau prélevée dans un nombre limité de puits

→ Estimer la concentration typique et sa variabilité dans l’aquifère

Granulométrie dans prélèvements réalisés à quelques endroits

→ Estimer la granulométrie de l’unité

De l’échantillon à la population

Echantillon

---

Population

---

= Observations disponibles

= Ensemble visé par la question

Statistiques empiriques calculées:

Paramètres recherchés:

• moyenne \(\bar{x}\)
• écart-type \(s\)
• médiane et quantiles

• moyenne \(\mu\)
• écart-type \(\sigma\)
• distribution complète

L’inférence évalue ce que l’échantillon permet d’estimer sur la population, avec quelle incertitude et sous quelles hypothèses.

Le bloc des semaines 3–5

Semaine	Étape	Question principale
3	Préparation des données	Quelles observations pouvons-nous analyser?
4	Description et visualisation	Comment les valeurs sont-elles distribuées?
5	Inférence	Que suggère l’échantillon sur la population?

 

Volume d’un glissement de terrain

1. Préparer: Quels volumes sont disponibles et admissibles?

2. Décrire: Comment les volume sont-ils distribués?

3. Inférer: Une différence observée entre deux mécanismes peut-elle être généralisée au-delà des observations disponibles?

Cette progression suit la pensée statistique. Il serait prématuré de calculer une moyenne ou de réaliser un test avant d’avoir défini l’unité d’analyse et les observations retenues.

Le catalogue étudié

Tsunamis générés par un glissement

Un glissement qui entre dans l’eau peut déplacer brutalement un volume d’eau et produire un tsunami.

• Environ 10 % des tsunamis observés ont été déclenchés par des glissements, seuls ou combinés à d’autres mécanismes.
• Ils peuvent produire des vagues locales extrêmement hautes.
• La proximité entre la source et la côte limite le temps d’alerte.
• Leur localisation et leurs caractéristiques restent incertaines.

L’article souligne que les vagues de tsunamis déclenchés par des glissements peuvent dépasser celles des tsunamis sismiques, mais qu’elles s’atténuent souvent rapidement avec la distance.

Un catalogue global

Distribution des événements (Dohmen et al. 2025)

• Recensement de tous les cas documentés jusqu’au 30 octobre 2024
• 355 entrées issues de sources historiques et scientifiques
• 38 entrées exclues: origine incorrecte, preuves insuffisantes ou mécanisme réfuté
• 317 glissements considérés comme valides
• 297 tsunamis distincts associés à ces glissements

Faire observer les concentrations le long des marges actives, en Méditerranée et aux hautes latitudes. L’absence de points peut refléter l’absence d’événements, mais aussi l’absence d’observations ou de publications.

Vingt entrées appartiennent à des tsunamis générés par plusieurs glissements. Les propriétés du tsunami ne peuvent pas être attribuées séparément à chacun de ces glissements.

Six catégories de causes

a) séisme, b) activité volcanique, c) conditions paraglaciaires, d) précipitations, e) activité anthropique, f) cause inconnue (Dohmen et al. 2025)

Ces catégories combinent des déclencheurs immédiats et des conditions préparatoires. Les auteurs reconnaissent qu’une cause unique reste parfois impossible à déterminer, d’où la catégorie inconnue.

Vingt entrées appartiennent à des tsunamis générés par plusieurs glissements. Les propriétés du tsunami ne peuvent pas être attribuées séparément à chacun de ces glissements.

Structure du catalogue

Données

Famille	Exemples	Rôle
Identifiants	landslide_id, tsunami_id	relier une ligne au phénomène étudié
Catégories	cause, type, plan d’eau	décrire le mécanisme et le contexte
Mesures	volume, hauteur d’eau, distance	quantifier le glissement ou le tsunami
Impacts	décès, dommages	documenter les conséquences

Nombre de lignes, de glissements et de tsunamis

Événement	landslide_id	tsunami_id	Pays
Seram Elpaputi Bay (1899)	95	95	Indonésie
Seram Kawa (1899)	96	95	Indonésie
Seram Piru Bay (1899)	97	95	Indonésie
Seram Teluti Bay (1899)	98	95	Indonésie

1. Un identifiant peut être stocké comme un nombre sans constituer une variable quantitative.
2. 4 landslides → 1 tsunami

Disponibilité

Les variables (colonnes) varient en complétude:

• localisation du glissement: 89 %
• hauteur d’eau maximale: 84 %
• type de glissement: 57 %
• matériau: 41 %
• volume: 35 %

Une valeur manquante signifie que l’information n’est pas disponible. Elle ne signifie pas que le phénomène est absent ou que sa valeur est nulle.

Echantillon du cours

1. les entrées considérées comme valides
2. les glissements dont le volume est renseigné et strictement positifs

La disponibilité dépend aussi de la cause et du contexte. Les glissements sous-marins déclenchés par des séismes sont particulièrement difficiles à observer et à mesurer.

Aujourd’hui

À vous

1. Créez un notebook semaine_03.ipynb dans le dossier outils_info
2. Téléchargez les données et placez-les dans le dossier outils_info/data
3. Suivre Semaine 3 depuis le site
   • Copier/coller le code fournit (tout en expérimentant!)
   • Répondez aux questions
4. Utilisez les cheat sheets et la documentation simplifiée pour expérimenter et découvrir de nouvelles fonctionnalités
5. Répondez à la Mini investigation et documentez votre code avec Markdown
6. Sauvegardez la table préparée pour la semaine 4

Question fil rouge

La question technique est:

• Comment préparer et clarifier la structure d’un jeu de données pour en préparer l’analyse?

La question scientifique est:

• Quelle est la complétude d’enregistrement des volumes associés aux glissements de terrain dans le catalogue?

À la fin du notebook, nous devrons pouvoir expliquer:

• ce que représente une ligne / quelle unité répond à chaque question
• quelles observations ont été exclues / combien d’observations restent disponibles
• quelle population nos résultats peuvent décrire

Objectifs

À la fin de l’exercice, vous devriez pouvoir:

• distinguer population et échantillon
• identifier ce que représentent les lignes et les colonnes
• compter des objets distincts et des catégories
• choisir une table adaptée à l’unité d’analyse
• évaluer la complétude d’une variable
• construire et documenter un échantillon analysable

References

Dohmen K, Blum P, Braun A, Fernandez-Steeger TM (2025) Landslide-Triggered Tsunamis – a Review. Natural Hazards 121:22341‑22373. https://doi.org/10.1007/s11069-025-07551-2