A Maya predictive model
A study on the use of Geographic Information Systems in a multi-scale archaeological project
Previous page Table of content Next page

C. Study of the existing GIS

Tout travail effectué dans le cadre d'un projet GIS se doit de suivre une certaine organisation afin d'assurer un bon déroulement de celui-ci. Ceci est d'autant plus vrai pour le projet El Pilar du fait que dans le cadre d'une application à l'archéologie, les systèmes d'information géographique sont parfois utilisés par des personnes n'ayant pas de connaissances approfondies dans ce domaine. Cela peut conduire à une idée approximative de ce qu'est un GIS et de ses possibilités, qui sont sur ou sous-évaluées. Dans le cas où une personne non archéologue gère la partie GIS du projet, le risque est au contraire que l'aspect archéologique soit sous estimé. Il convient donc d'utiliser les outils mis à disposition par les logiciels tout en gardant à l'esprit l'aspect et les besoins archéologiques (Gaffney et al. 1996)⁠.

La première tâche effectuée dans le cadre du projet El Pilar a donc été de regarder comment le GIS actuel est organisé. Cela a permis de faire ressortir les points faibles et les points forts de la situation existante afin d'effectuer un premier diagnostic.

1. Data

i. Quantity

Le premier constat qui apparaît lors de la découverte du GIS de la forêt Maya est lié à l'abondance des données. Celles-ci sont en effet l'élément de base d'un GIS, et leur collecte peut être longue et couteuse.

Le GIS ici étudié bénéficie de données acquises depuis de nombreuses années sur le terrain par l'équipe du projet El Pilar, ainsi que d'autres provenant de sources diverses. Il est ainsi possible de trouver des données relatives à l'hydrologie, à la pédologie, à l'emplacement de sites archéologiques, ou encore concernant les actuels jardiniers forestiers et leur utilisation du sol.

L'importance du projet simplifie également l'acquisition d'éventuelles données manquantes, pouvant être fournies par diverses organisations travaillant au niveau de la région d'étude.

ii. Quality

Le facteur quantitatif n'est cependant évidemment pas le plus important, la question de la qualité des données pour une certaine utilisation se posant également. Cette qualité peut être évaluée de deux manières :

La source humaine, bien que parfois nécessaire, n'est pas vraiment satisfaisante. Dire qu'une donnée est de bonne qualité sans pouvoir quantitativement donner sa précision par exemple n'avance pas à grand chose, surtout quand le jugement ne provient pas d'une personne ayant des connaissances poussées sur le sujet étudié.

Les métadonnées (données à propos d'une donnée) sont donc primordiales pour une approche qualitative efficace. Depuis l'établissement du Federal Geographic Data Comittee en 2004, et l'apparition de divers standards pour les métadonnées, de nombreux logiciels d'édition et de validation sont apparus (Benvenuti 2003)⁠. ArcCatalog permet notamment l'import, l'export et l'édition de celles-ci : une première vision globale de la qualité des métadonnées peut ainsi être obtenue en ouvrant certains fichiers du GIS avec ce logiciel.

Dans le cadre du projet El Pilar, il apparaît hélas que la majorité des métadonnées sont de mauvaise qualité. Les informations renseignées sont la plupart du temps insuffisantes, que ce soit au niveau de la provenance des données ou de leur précision, et les champs requis par le profil utilisé (ESRI, 2003)⁠ ne sont notamment pas respectés. Il est dans ce cadre difficile de déterminer la qualité des données disponibles pour une utilisation particulière. Les droits d'accès et d'utilisation ne sont pas non plus mentionnés, ce qui peut amener d'éventuels problèmes.

L'illustration 2 présente ainsi deux jeux de mêmes sites archéologiques disponibles à l'échelle régionale. Certains d'entre eux se retrouvent distants de près de deux kilomètres, et aucune métadonnée ne permet de savoir la précision respective de ces jeux. Cela ne pose pas de problème dans le cadre d'une analyse suffisamment générale, mais dans le cas où une localisation plus fine d'un site serait demandée, rien ne permet de décider quel jeu devrait être utilisé. Cela participe également à la désorganisation du GIS puisque les données sont dupliquées : en connaissant le niveau de précision de la localisation des points, le meilleur jeu pourrait être gardé.

Illustration 2: exemple de problèmes où l'absence de métadonnées s'avère très gênante
css Copyright © 2018 Sébastien Merlet (Sebeto) xhtml