Vulnérabilité aux inondations et changements climatiques

1. Introduction

Le réchauffement climatique augmente les risques d’inondation grave et la fréquence de ces catastrophes dans les villes canadiennes. Comme 80 % d’entre elles sont construites sur des plaines inondables, leurs populations, leurs propriétés et leurs infrastructures sont exposées à ces risques (Golnaraghi et coll., 2020; Jakob et coll., 2015). De plus, avec la croissance de la population, les nouveaux aménagements en zone inondable et la fréquence et l’intensité accrue des phénomènes météorologiques extrêmes liés aux changements climatiques, le bilan socioéconomique des inondations en milieu urbain devrait s’alourdir (Burn et coll., 2016; Honegger et Oehy, 2016; Zhang et coll., 2019).

Le risque d’inondation en milieu urbain découle de l’interaction entre trois variables : les dangers (ou aléas) d’inondation, l’exposition des populations et des actifs, et la vulnérabilité des populations et des actifs aux répercussions de la catastrophe (Agrawal et coll., 2014; Armenakis et coll., 2017; L. Chakraborty, 2021). Si la plupart des études du Canada mesurent l’ampleur et la gravité des dangers d’inondation de même que l’exposition des populations, des propriétés et des infrastructures menacées, elles passent souvent outre la vulnérabilité socioéconomique. En contexte d’inondation, les vulnérabilités socioéconomiques correspondent aux caractéristiques d’une personne ou d’un groupe qui influencent sa capacité à se préparer et à réagir à ce danger climatique, et à s’en remettre (Cutter, 1996; Cutter et coll., 2003; Wisner et coll., 2004).

Des études d’autres pays indiquent que les communautés présentant des vulnérabilités sociales sont démesurément exposées aux inondations et beaucoup plus affectées par leurs répercussions, mais peu d’analyses comparables ont été menées au Canada (J. Chakraborty et coll., 2019; Collins et coll., 2019). Fondamentale pour la détermination des risques d’inondation à l’échelle locale, l’analyse spatiale des vulnérabilités socioéconomiques (Cutter et coll., 2013; Guillard-Gonçalves et coll., 2015) se base sur les données existantes concernant les dangers d’inondation pour mesurer l’exposition des propriétés et des populations. Il est impératif de mesurer la répartition des vulnérabilités socioéconomiques au sein des communautés pour pouvoir fournir les ressources limitées aux personnes les plus à risque en priorité.

Les méthodes de mesure des vulnérabilités socioéconomiques aux risques d’inondation au Canada n’en sont qu’à leurs balbutiements. Une étude de cas telle que la nôtre, qui vise à valider les méthodes, à cerner les données manquantes et à dégager les implications potentielles en matière de politiques publiques, nous aidera donc à approfondir notre compréhension. Nous avons choisi de nous pencher sur la ville de Windsor, en Ontario, en raison de son exposition considérable aux risques d’inondation. Les résultats révèlent des zones particulièrement à risque dans les quartiers comportant à la fois une grande concentration de groupes présentant des vulnérabilités sociales et une grande exposition aux inondations. Nous avons également étudié les possibilités d’interventions stratégiques visant à pallier ces risques d’inondation concentrés géographiquement en nous concentrant sur la vulnérabilité socioéconomique.

Objectifs de l’étude

Comprendre la validité des données sur la vulnérabilité socioéconomique pour mesurer les risques d’inondation.
Générer des connaissances sur l’étendue et la distribution géographique des risques d’inondation dans un grand centre urbain et déterminer si les communautés vulnérables sont démesurément exposées aux inondations.
Étudier des recommandations en matière de politiques visant à pallier les risques d’inondation en milieu urbain de façon à protéger spécifiquement les personnes les plus vulnérables.

2. Méthode

Cette étude de cas comporte des analyses géospatiales et quantitatives menées à l’aide de cartes nationales et d’ensembles de données sur les dangers d’inondation, les propriétés résidentielles et des données de recensement (tableau 1). La zone à l’étude est la région métropolitaine de recensement (RMR) de Windsor, en Ontario, au Canada, et les données sont analysées à l’échelle du secteur de recensement.¹ Nous avons évalué les risques d’inondation à l’aide de la carte des zones inondables au Canada 2018 de JBA Risk Management, qui quantifie les risques d’inondation fluviale (liée aux cours d’eau) et pluviale (liée aux précipitations) avec une résolution horizontale de 30 mètres.² Nous avons choisi comme scénario de danger l’inondation de récurrence de 100 ans – d’une ampleur ayant 1 % de chance de se produire au cours d’une année donnée (Holmes et Dinicola, 2010).

Nous avons déterminé le nombre de propriétés résidentielles en zone inondable au moyen d’une analyse spatiale basée sur un système d’information géographique d’un ensemble national de données (points adressables) de 2018 produit par DMTI Spatial Inc. Nous avons calculé les vulnérabilités socioéconomiques des populations exposées se trouvant à ces points adressables à l’aide des variables socioéconomiques, raciales ou ethniques et démographiques provenant du recensement de Statistique Canada. Nous avons effectué une analyse en composantes principales³ de ces données pour élaborer un indice de défavorisation par quartier qui présente les disparités socioéconomiques dans la communauté. Nous avons ensuite superposé les cartes de l’exposition des résidences aux inondations et des vulnérabilités socioéconomiques pour montrer la concentration géographique des risques d’inondation dans la RMR. Enfin, nous avons mené une analyse de corrélation à deux variables pour déterminer l’exposition des groupes socialement vulnérables aux risques d’inondation.

Tableau 1. Ensembles de données

2.1 Zone à l’étude

La RMR de Windsor englobe la population de la ville de Windsor et des municipalités d’Amherstburg, de LaSalle, de Lakeshore et de Tecumseh. Entre 2011 et 2016, la population de la RMR a connu une croissance de 3,1 %, passant de 319 246 à 329 144 habitants. La RMR de Windsor est la 16^e plus grande région métropolitaine au Canada, devant celles de Saskatoon, de Regina, de Sherbrooke, de St. John’s et de Barrie, mais derrière celles de Victoria, d’Oshawa, d’Halifax, de St. Catharines-Niagara et de London (Ville de Windsor, 2018 et 2021). Le profil sociodémographique de Windsor, dont les principaux aspects sont résumés au tableau 2, est assez typique d’une ville de cette dimension au Canada.

Tableau 2. Principales caractéristiques sociodémographiques – RMR de Windsor⁴

Windsor est situé dans une zone de faible altitude adjacente au lac Sainte-Claire et à la rivière Détroit. La ville est aux prises avec des inondations récurrentes, notamment les catastrophes de 2016, de 2017 et de 2020 (Battagello, 2020; Canadian Underwriter, 2017; CBC News, 2017). De fortes pluies en 2017, par exemple, ont entraîné l’inondation de plus de 6 000 sous-sols et des pertes assurées de 165 millions de dollars (Bureau d’assurance du Canada, 2019). En réponse à la catastrophe, la ville a lancé son Sewer and Coastal Flood Protection Master Plan, un plan directeur conçu pour évaluer et bonifier ses stratégies d’atténuation des inondations (CBC News, 2020). Son exposition aux risques d’inondation et ses récents efforts visant à en améliorer l’atténuation font de Windsor un cas idéal pour étudier la valeur et les implications des analyses de vulnérabilité socioéconomique.

Résultats et discussion

3.1 Exposition aux inondations des propriétés résidentielles

Par des méthodes établies, nous avons déterminé l’exposition aux inondations en trois étapes (Qiang, 2019). D’abord, nous avons calculé le nombre de propriétés résidentielles par îlot de diffusion⁵. Nous avons choisi les îlots de diffusion pour le dénombrement des propriétés, car il s’agit de la plus petite région géographique et qu’ils couvrent tout le territoire du Canada, qui en compte 489 676 aux identifiants et aux caractéristiques uniques (Statistique Canada, 2018). Deuxièmement, nous avons agrégé le nombre total de propriétés résidentielles à l’échelle des îlots de diffusion pour obtenir les totaux par secteur de recensement. Enfin, nous avons calculé le pourcentage de propriétés résidentielles exposées aux dangers d’inondation dans chaque secteur de recensement en utilisant l’équation suivante :

(1)

Nous avons importé les ensembles de données sur les dangers d’inondation de JBA dans ArcMap 10.7.1 pour visualiser les zones inondables de la carte des zones inondables du Canada (figure 1). Nous avons ensuite réparti sur la carte des dangers d’inondation les points adressables provenant de la base de données d’adresses résidentielles de DMTI (DMTI Spatial Inc., 2018).[enf_note]Comme un point adressable correspond à une unité (ex. : appartement), parfois, plusieurs adresses avaient la même localisation géographique (ex. : immeubles en copropriété, duplex). Pour tous les points adressables, nous avons inclus dans l’ensemble de données les caractéristiques de données de LAT (latitude), LON (longitude) et PRIM_USE (utilisation principale). Nous avons ajouté une zone tampon de 15 m aux propriétés résidentielles dont nous ne connaissions pas l’empreinte de bâtiment.[/efn_note]

Figure 1. Exposition aux dangers d’inondation fluviale et pluviale dans la RMR de Windsor

À l’aide des propriétés résidentielles représentées sur la carte, nous avons effectué une analyse binaire (1 = oui et 2 = non) pour indiquer si une propriété faisait partie d’une zone présentant un danger d’inondation. La RMR de Windsor compte 73 secteurs de recensement, comptant 118 038 propriétés résidentielles en tout, et au moins 74 chacun. Les résultats de l’analyse d’exposition basée sur un système d’information géographique ont été résumés dans une feuille de calcul, puis superposés aux limites cartographiques à l’échelle des secteurs de recensement. Cette analyse a révélé que 26 722 propriétés résidentielles (22,6 %) étaient exposées à un danger d’inondation fluviale et que 19 582 propriétés résidentielles (16,6 %) étaient exposées à un danger d’inondation pluviale.

3.2 Indice de vulnérabilité socioéconomique

L’indice de vulnérabilité socioéconomique a été élaboré en regroupant les indicateurs de défavorisation sociale pertinents du quartier. Les indices de défavorisation sont conçus pour indiquer le statut socioéconomique des habitants d’un quartier (Bell et Hayes, 2012; Chan et coll., 2015). Deux indices de défavorisation répondaient mieux à notre objectif : l’instabilité du quartier et l’insécurité économique.

L’indice d’instabilité du quartier reflète le niveau de défavorisation sociale en mesurant la proportion de la population qui aurait le plus de difficulté à se remettre d’un choc inattendu ou d’une perturbation. Les principaux indicateurs qui le composent sont le fait de ne pas être propriétaire de sa résidence, le revenu insuffisant, les coûts de logement élevés par rapport au revenu, l’absence de véhicule privé et la précarité de l’emploi ou le chômage. En comparaison, l’indice d’insécurité économique indique le niveau de défavorisation sociale en mesurant la distribution de la population qui n’a pas assez de ressources économiques pour maintenir un niveau médian de bien-être social. Une personne est dite en situation d’insécurité économique si elle vit dans un logement qui nécessite d’importantes rénovations, habite dans une propriété dont la valeur est sous la médiane du Canada, a un niveau de scolarité inférieur aux études secondaires, a besoin d’aide sociale ou a un handicap physique.

Ces indices ont un autre avantage dans le cadre d’une analyse de vulnérabilité socioéconomique : on peut les mettre en rapport avec les données démographiques du recensement. L’évaluation de cette relation permet de déterminer si des populations historiquement marginalisées ou défavorisées vivent dans des quartiers très défavorisés, en plus d’être exposées à un danger. Les statistiques descriptives des variables utilisées dans l’étude de cas sont présentées dans le tableau A.1 (annexe A). Les méthodes utilisées pour composer l’indice de défavorisation des quartiers et garantir sa validité et sa fiabilité sont décrites à l’annexe B.

3.3 Analyse des points chauds : l’intersection de l’exposition aux inondations et des vulnérabilités socioéconomiques

Pour cerner les zones à haut risque d’inondation fluviale, les secteurs de recensement ont été classés et cartographiés en cinq catégories aux couleurs distinctes : très bas, bas, modéré, élevé et très élevé, selon le pourcentage de propriétés exposées aux dangers d’inondation (figure 2a) et leur score de vulnérabilité socioéconomique (figure 2b). Lorsque nous avons superposé les cartes, nous avons mis en évidence les points chauds inondables, soit les secteurs de recensement aux scores d’exposition aux inondations et de vulnérabilité socioéconomique élevés ou très élevés (code de couleur orange et rouge, figure 2c). Nous avons suivi le même procédé pour les inondations fluviales (figure 3a, 3b et 3c).

Figure 2. Évaluation des risques d’inondation fluviale dans la RMR de Windsor

Diagram

Description automatically generated

A picture containing diagram

Description automatically generated

Figure 3. Évaluation du risque d’inondation pluviale de la RMR de Windsor

On constate ici que dans la RMR de Windsor, l’exposition des propriétés résidentielles au danger d’inondation et les vulnérabilités socioéconomiques varient grandement d’un secteur de recensement à l’autre. Les secteurs où les propriétés résidentielles et les populations occupent des zones à risque d’inondation intérieure (principalement le nord-est de la ville de Windsor) sont particulièrement touchés. Le risque d’inondation riveraine (fluviale) s’ajoute aux vulnérabilités socioéconomiques dans les secteurs de recensement le long de la rivière Détroit, tandis que le risque d’inondation par ruissellement (pluviale) s’ajoute aux vulnérabilités socioéconomiques principalement dans les quartiers densément peuplés du centre-ville.

3.4 Une analyse de corrélation pour comprendre les inégalités liées aux inondations

Pour mieux saisir les inégalités environnementales liées aux inondations, nous avons mené une analyse visant à trouver les corrélations entre l’exposition aux inondations et plusieurs variables démographiques que de précédentes recherches ont associées à des populations vivant des inégalités et de l’injustice sociales. Ces variables sont résumées au tableau A.1 (annexe A).

En utilisant les données du recensement, nous avons regroupé des minorités visibles sous deux catégories : « Sud-asiatique », qui comprend des personnes d’origine chinoise, philippine, japonaise, coréenne et sud-asiatique, et « Autre minorité visible », qui comprend des personnes d’origine arabe, latino-américaine et asiatique occidentale. Le sous-groupe de population autochtone est constitué d’Autochtones et de personnes ayant indiqué comme première origine ethnique « Première nation, « Inuit » ou « Métis ». Comme dans le cas d’autres analyses de la justice et de l’équité environnementale au Canada (Bocquier et coll., 2013; Carrier et coll.; 2016b, 2016a; Dale et coll., 2015), nous avons utilisé quatre autres caractéristiques sociodémographiques de la population en plus des indices de race ou d’origine ethnique et de défavorisation par quartier : 1) le pourcentage de femmes; 2) le pourcentage de la population âgée de plus de 65 ans; 3) le pourcentage de la population âgée de 15 ans et moins; 4) le pourcentage de personnes seules.

Les coefficients de corrélation à deux variables sont utiles pour évaluer si certaines populations historiquement marginalisées affrontent aussi des risques démesurés d’inondation par rapport à d’autres groupes (J. Chakraborty et coll., 2019; Grineski et coll., 2015). Notre étude utilise les coefficients de corrélation de Pearson pour tester l’hypothèse que les groupes défavorisés sur le plan socioéconomique sont surreprésentés dans les zones présentant des dangers d’inondation intérieure, comme les zones à risque d’inondation fluviale et pluviale de Windsor (tableau 3).

Tableau 3. Coefficients de corrélation à deux variables et signification statistique

^{Note : Les mentions * p < 0,05, ** p < 0,01 et *** p < 0,001 indiquent un seuil de signification (bilatérale) de 5 %, 1 % et 0,1 %, respectivement. N = 73 secteurs de recensement d’au moins 260 habitants. Toutes les variables sauf les indices d’instabilité et d’insécurité sont des proportions.}

L’analyse de corrélation a produit des résultats statistiquement significatifs. Comme l’indique le coefficient de corrélation de 0,35^**à la colonne 2, par exemple, les ménages de Noirs sont plus exposés aux risques d’inondation par ruissellement (pluviale) que ceux d’autres sous-groupes de population à l’étude. Les ménages d’Autochtones, d’autres minorités visibles et de familles monoparentales sont également grandement exposés à ce type d’inondation. De plus, les risques d’inondation pluviale sont supérieurs dans les secteurs à l’instabilité et à l’insécurité économique élevées.

Cependant, nous n’avons pas trouvé les mêmes corrélations quant aux risques d’inondation riveraine (fluviale). En effet, la plupart des coefficients de la colonne 1 indiquent soit une relation négative ou statistiquement négligeable entre l’exposition aux inondations et les caractéristiques raciales ou ethniques, et socioéconomiques. Par exemple, le coefficient de -0,37^**à la colonne 1 indique que les ménages de Noirs courent moins de risques d’inondation fluviale. De la même façon, le coefficient de -0,20 des populations autochtones à la colonne 1 indique que les risques d’inondation fluviale de ce sous-groupe ne s’écartent pas considérablement de ceux des autres sous-groupes. Ces résultats tendent à indiquer que l’exposition aux inondations riveraines de la RMR de Windsor ne présente pas de disparité raciale ou sociale importante. Autrement dit, les populations marginalisées et racisées de Windsor sont probablement plus exposées aux risques d’inondation pluviale qu’aux risques d’inondation fluviale.

4. Implications en matière de politiques concernant la gestion des risques d’inondation

L’intégration de mesures de la vulnérabilité socioéconomique à l’évaluation des risques d’inondation comporte plusieurs avantages. D’abord, elle permet de dresser un portrait plus exhaustif et juste des risques d’inondation. Dans le cas de Windsor, en Ontario, l’ajout des vulnérabilités socioéconomiques a révélé que les risques d’inondation fluviale se concentrent hors des zones captées par les méthodes traditionnelles se limitant à l’exposition aux dangers et à la vulnérabilité physique. En analysant la vulnérabilité socioéconomique aux inondations pluviales, nous avons constaté que la distribution des risques était plus complexe et nuancée que ce que laissait croire l’évaluation de l’exposition seule. D’autres analyses de la distribution des risques chez les populations marginalisées et racisées ont révélé les injustices environnementales potentielles associées aux risques d’inondation qui les guettent dans la RMR de Windsor. La reproduction de ce type d’analyse pour d’autres municipalités pourrait mener à des conclusions différentes, quoique tout aussi importantes, sur l’intersection des vulnérabilités socioéconomiques et des inondations.

Grâce à une meilleure évaluation des risques, les politiques gouvernementales pourraient être orientées vers les populations et les communautés qui profiteraient le plus de la réduction des risques d’inondation. Par exemple, les programmes fédéraux et provinciaux ont dans leur mire les risques d’inondation riveraine (fluviale), mais les inondations par ruissellement (pluviales) sont une source croissante de risques, car les pluies de plus en plus fortes dans un contexte de réchauffement climatique font déborder les infrastructures de drainage dans les rues et les bâtiments avoisinants (Gaur et coll., 2019). Comme cette analyse le montre, même s’ils habitent très loin des rivières, certains groupes marginalisés et racisés courent de plus grands risques d’inondation en raison de leur exposition aux inondations par ruissellement et de leur vulnérabilité socioéconomique accrue.

Les résultats donnent également quelques pistes quant aux politiques de gestion des risques d’inondation. La communication et la sensibilisation, par exemple, visent à informer les habitants des risques d’inondation et à les encourager à s’y préparer. Compte tenu de la corrélation entre les risques d’inondation et les communautés marginalisées et racisées, cette analyse indique que ces campagnes de communication et de sensibilisation devraient être adaptées et pensées pour les plus vulnérables (Ziolecki et Thistlethwaite, 2019).

L’évaluation et la cartographie des risques offrent également un moyen de mieux calibrer les politiques et programmes sociaux non liés aux inondations qui visent ces communautés. Comme nous l’avons déjà expliqué, les risques d’inondation en milieu urbain découlent de l’interaction entre le danger d’inondation, l’exposition des populations et des actifs, et leur vulnérabilité aux répercussions des inondations. Si les infrastructures physiques peuvent réduire les dommages et la planification avisée, réduire l’exposition des populations et des actifs, les risques d’inondation peuvent également être réduits par des programmes sociaux qui ciblent les déterminants des vulnérabilités socioéconomiques, comme le faible revenu, le chômage et les coûts de logement élevés (Joakim et Doberstein, 2013; McEntire, 2012). Par exemple, le financement ciblé provenant de programmes d’aide en cas de catastrophe, de subventions ou de bons pourrait rendre les assurances contre les inondations plus abordables, ce qui renforcerait la résilience des communautés aux inondations récurrentes, tout en réduisant les vulnérabilités socioéconomiques en général.

5. Conclusion

Cette étude de cas a examiné la faisabilité de combiner des méthodes géospatiales et statistiques pour comprendre et évaluer la vulnérabilité socioéconomique aux dangers d’inondation. Étant donné sa grande exposition à divers risques d’inondation, nous avons déterminé que la RMR de Windsor, en Ontario, était un bon endroit pour intégrer les vulnérabilités socioéconomiques à l’évaluation des risques d’inondation. Notre méthode a impliqué l’utilisation de nombreux ensembles de données et méthodes statistiques pour trianguler les risques d’inondation en fonction des vulnérabilités socioéconomiques. Les résultats confirment qu’il y a de grands avantages au Canada à procéder à une évaluation des risques qui va au-delà de l’approche traditionnelle centrée sur les dangers, l’exposition et les vulnérabilités physiques pour intégrer les vulnérabilités socioéconomiques. Dans le cas de Windsor, cette intégration a modifié l’ampleur et l’emplacement des risques d’inondation fluviale et pluviale.

Ces résultats portent à croire que les décideurs devraient intégrer les vulnérabilités socioéconomiques à leurs évaluations des risques d’inondation. En effet, les approches actuelles limitent les avantages de la gestion des risques d’inondation en dirigeant les ressources vers des secteurs exposés aux dangers sans tenir compte des vulnérabilités socioéconomiques, plutôt que de cibler les secteurs vulnérables sur ce plan (L. Chakraborty, 2021). Dans le cas de la RMR de Windsor, par exemple, certaines communautés marginalisées et racisées sont grandement exposées aux inondations pluviales. La compréhension des forces systémiques à l’origine de ce résultat est cruciale, tout comme la nécessité de diriger les mesures d’atténuation des inondations et les ressources de rétablissement vers les communautés pour qui l’investissement réduirait les vulnérabilités et produirait plus de retombées pour l’économie locale.

Il est à noter que l’étude a fait ressortir des zones d’ombre qui seraient à éclaircir pour améliorer l’évaluation des risques d’inondation tenant compte des vulnérabilités socioéconomiques. Cette étude s’appuyait sur une approche descendante de l’agrégation statistique et de la modélisation, qui nécessite une validation sur le terrain des hypothèses basées sur les risques d’inondation locaux. Par exemple, les données sur plusieurs inondations récentes que détient Windsor pourraient servir à valider les résultats du modèle d’inondation spatial. Des données numériques sur l’élévation en meilleure résolution et des modèles hydrologiques et hydrauliques plus poussés pourraient également améliorer les strates analysées pour parvenir à une meilleure précision que 30 mètres.

Ajoutons que les données sur les inondations ne tiennent pas compte de défenses locales comme les bermes et les petites digues pour contenir les dangers fluviaux; l’intégration de ces infrastructures pourrait produire d’autres résultats quant à l’étendue et la gravité des inondations par secteur. Une analyse rigoureuse de l’exposition – en incluant d’autres actifs importants comme les routes, les infrastructures d’urgence et de santé et les sites ayant une importance culturelle – est également nécessaire pour réduire l’incertitude. Enfin, comme les risques d’inondation continueront de s’accentuer et de se modifier dans un climat plus chaud et instable, les données sur le danger et l’exposition devraient intégrer les projections des changements climatiques et les aménagements territoriaux en cours, y compris l’exploration de la façon dont divers scénarios d’émissions et d’aménagement influenceront les risques dans les prochaines décennies.

Malgré ces limites, cette étude de cas prouve qu’il est faisable d’utiliser les vulnérabilités socioéconomiques pour améliorer l’évaluation et la gestion des risques d’inondation. Cette intégration aurait comme principal avantage d’améliorer le rapport coût-efficacité et l’équité des politiques d’atténuation et de rétablissement en dirigeant les ressources vers les secteurs qui en ont le plus besoin.

6. Références

Armenakis, C., E. X. Du, S. Natesan, R. A. Persad et Y. Zhang (2017). « Flood risk assessment in urban areas based on spatial analytics and social factors », Geosciences (Suisse), vol. 7, n^o 4, p. 1-15. Sur Internet : https://doi.org/10.3390/geosciences7040123.

Bartlett, M. S. (1954). « A Note on the Multiplying Factors for Various Chi-squared Approximations », Journal of the Royal Statistical Society, vol. 16, n^o 2, p. 296-298.

Battagello, D. (9 mars 2020). « Huge flooding woes on horizon for several areas in Windsor-Essex, ERCA says », Windsor Star. Sur Internet : https://windsorstar.com/news/local-news/huge-flooding-woes-on-the-horizon-for-several-areas-in-windsor-essex-erca-says.

Bell, N., et M. V. Hayes. « The Vancouver area neighbourhood deprivation index », Canadian Journal of Public Health, vol. 103 (supplément 2), p. 528-532.

Bocquier, A., S. Cortaredona, C. Boutin, A. David, A. Bigot, B. Chaix, J. Gaudart et P. Verger (2013). « Small-area analysis of social inequalities in residential exposure to road traffic noise in Marseilles, France », European Journal of Public Health, vol. 23 n^o 4, p. 540-546. Sur Internet : https://doi.org/10.1093/eurpub/cks059.

Bureau d’assurance du Canada (2019). Assurances de dommages au Canada 2019. Sur Internet : http://assets.ibc.ca/Documents/Facts%20Book/Facts_Book/2019/IBC-2019-Facts-FR.pdf.

Burn, D. H., P. H. Whitfield et M. Sharif (2016). « Identification of changes in floods and flood regimes in Canada using a peaks over threshold approach », Hydrological Processes, vol. 30, n^o 18, p. 3303-3314. Sur Internet : https://doi.org/10.1002/hyp.10861.

Canadian Underwriter (31 août 2017). City of Windsor records nearly 2,700 basement flooding reports from severe rain event. Canadian Underwriter. Sur Internet : https://www.canadianunderwriter.ca/insurance/city-windsor-records-nearly-2700-basement-flooding-reports-severe-rain-event-1004119926/.

Carrier, M., P. Apparicio et A.-M. Séguin (2016a). « Road traffic noise geography during the night in Montreal: An environmental equity assessment », Le Géographe canadien, vol. 60, n^o 3, p. 394-405. Sur Internet : https://doi.org/10.1111/cag.12281.

Carrier, M., P. Apparicio et A.-M. Séguin (2016b). « Road traffic noise in Montreal and environmental equity: What is the situation for the most vulnerable population groups? », Journal of Transport Geography, vol. 51, p. 1-8. Sur Internet : https://doi.org/10.1016/j.jtrangeo.2015.10.020.

CBC News (11 septembre 2017). « Number of Windsor basement flooding reports tops 6,000 », CBC News. Sur Internet : https://www.cbc.ca/news/canada/windsor/number-of-windsor-basement-flooding-reports-tops-6-000-1.4284041.

CBC News (27 juillet 2020). « City of Windsor approves $4.9B master plan to tackle flooding », CBC News. Sur Internet : https://www.cbc.ca/news/canada/windsor/windsor-city-council-sewer-masterplan-1.5664651.

Chakraborty, J., T. W. Collins et S. E. Grineski (2019). « Exploring the environmental justice implications of Hurricane Harvey flooding in greater Houston, Texas », American Journal of Public Health, vol. 109, n^o 2, vol. 244-250. Sur Internet : https://doi.org/10.2105/AJPH.2018.304846.

Chakraborty, L. (2021). Social Equity Dimensions of Flood Risk Management in Canada. UWSpace (Université de Waterloo). Sur Internet : http://hdl.handle.net/10012/17156.

Chakraborty, L., H. Rus, D. Henstra, J. Thistlethwaite et D. Scott (2020). « A place-based socioeconomic status index: Measuring social vulnerability to flood hazards in the context of environmental justice », International Journal of Disaster Risk Reduction, vol. 43, 101394. Sur Internet : https://doi.org/10.1016/j.ijdrr.2019.101394.

Chan, E., J. Serrano, L. Chen, D. M. Stieb, M. Jerrett et A. Osornio-Vargas (2015). « Development of a Canadian socioeconomic status index for the study of health outcomes related to environmental pollution », BMC Public Health, vol. 15, n^o 1, p. 1-8. Sur Internet : https://doi.org/10.1186/s12889-015-1992-y.

Collins, T. W., S. E. Grineski, J. Chakraborty et A. B. Flores (2019). « Environmental injustice and Hurricane Harvey: A household-level study of socially disparate flood exposures in Greater Houston, Texas, USA », Environmental Research, vol. 179, 108772. Sur Internet : https://doi.org/10.1016/j.envres.2019.108772.

Cronbach, L. J. (1951). « Coefficient alpha and the internal structure of tests », Psychometrika, vol. 16, n^o 3, p. 297-334. Sur Internet : https://doi.org/10.1007/BF02310555.

Cutter, S. L. (1996). « Vulnerability to environmental hazards », Progress in Human Geography, vol. 20, n^o 4, p. 529-539. Sur Internet : https://doi.org/10.1177/030913259602000407.

Cutter, S. L., B. J. Boruff et W. L. Shirley (2003). « Social Vulnerability to Environmental Hazards », Social Science Quarterly, vol. 84, n^o 2, p. 242-261. Sur Internet : https://doi.org/10.1111/1540-6237.8402002.

Cutter, S. L., C. T. Emrich, D. P. Morath et C. M. Dunning (2013). « Integrating social vulnerability into federal flood risk management planning », Journal of Flood Risk Management, vol. 6, n^o 4, p. 332-344. Sur Internet : https://doi.org/10.1111/jfr3.12018.

Dale, L. M., S. Goudreau, S. Perron, M. S. Ragettli, M. Hatzopoulou et A. Smargiassi (2015). « Socioeconomic status and environmental noise exposure in Montreal, Canada », BMC Public Health, vol. 15, n^o1, p. 1-8. Sur Internet : https://doi.org/10.1186/s12889-015-1571-2.

DMTI Spatial Inc. (2018). DMTI CanMap Route Logistics (fichier informatique).

Gaur, A., A. Gaur, D. Yamazaki et S. P. Simonovic (2019). « Flooding related consequences of climate change on Canadian cities and flow regulation infrastructure », Water (Suisse), vol. 11, n^o 1. Sur Internet : https://doi.org/10.3390/w11010063.

Golnaraghi, M., J. Thistlethwaite, D. Henstra et C. Stewart (2020). Flood Risk Management in Canada: Building flood resilience in a changing climate. Sur Internet : https://doi.org/10.1111/jfr3.12612.

Grineski, S. E., T. W. Collins, J. Chakraborty et M. Montgomery (2015). « Hazardous air pollutants and flooding: a comparative interurban study of environmental injustice », GeoJournal, vol. 80, n^o 1, p. 145-158. Sur Internet : https://doi.org/10.1007/s10708-014-9542-1.

Guillard-Gonçalves, C., S. L. Cutter, C. T. Emrich et J. L. Zêzere (2015). « Application of Social Vulnerability Index (SoVI) and delineation of natural risk zones in Greater Lisbon, Portugal », Journal of Risk Research, vol. 18, n^o 5, p. 651-674. Sur Internet : https://doi.org/10.1080/13669877.2014.910689.

Holmes, R. R., et K. Dinicola (2010). « 100-Year Flood – It’s All About Chance », dans U.S. Geological Survey General Information Product 106. Sur Internet : https://pubs.usgs.gov/gip/106/pdf/100-year-flood_041210.pdf.

Honegger, C., et C. Oehy (2016). The road to flood resilience in Canada. Sur Internet : https://www.preventionweb.net/files/49295_theroadtofloodresilienceincanada.pdf.

Jakob, M., K. Holm, E. Lazarte et M. Church (2015). « A flood risk assessment for the City of Chilliwack on the Fraser River, British Columbia, Canada », International Journal of River Basin Management, vol. 13, n^o 3, p. 263-270. Sur Internet : https://doi.org/10.1080/15715124.2014.903259.

Joakim, E., et B. Doberstein (2013). « Policy Recommendations for Reducing Vulnerability to Disasters in Canada: Perspectives From Practitioners in Waterloo Region, Ontario », Risk, Hazards & Crisis in Public Policy, vol. 4, n^o 4, p. 274-291. Sur Internet : https://doi.org/10.1002/rhc3.12041.

Kaiser, H. F. (1974). « An index of factorial simplicity », Psychometrika, vol. 39, n^o 1. Sur Internet : https://doi.org/10.1007/BF02291575.

Krishnan, V. (2010). Constructing an Area-based Socioeconomic Index: A Principal Components Analysis Approach. Early Child Development Mapping Project Alberta: Canada. Sur Internet : https://pdfs.semanticscholar.org/b115/2cdc9e9ca217434db492a9e1c4ba519640ce.pdf.

McEntire, D. (2012). « Understanding and reducing vulnerability: From the approach of liabilities and capabilities », Disaster Prevention and Management, vol. 21, n^o2, p. 206-225. Sur Internet : https://doi.org/10.1108/09653561211220007.

Messer, L. C., B. A. Laraia, J. S. Kaufman, J. Eyster, C. Holzman, J. Culhane, I. Elo, J. G. Burke et P. O’Campo (2006). « The development of a standardized neighborhood deprivation index », Journal of Urban Health, vol. 83, n^o 6, p. 1041-1062. Sur Internet : https://doi.org/10.1007/s11524-006-9094-x.

Nirupama, N., C. Armenakis et M. Montpetit (2014). « Is flooding in Toronto a concern? », Natural Hazards, vol. 72, n^o 2, p. 1259-1264. Sur Internet : https://doi.org/10.1007/s11069-014-1054-2.

Qiang, Y. (2019). « Flood exposure of critical infrastructures in the United States », International Journal of Disaster Risk Reduction, vol. 39, 101240. Sur Internet : https://doi.org/10.1016/j.ijdrr.2019.101240.

Statistique Canada (2017). Windsor, City [Subdivision de recensement], Ontario et Ontario [Province]. Profil du recensement, Recensement de 2016, produit n^o 98-316-X2016001 au catalogue de Statistique Canada, Ottawa, diffusé le 29 novembre 2017. Sur Internet : https://www12.statcan.gc.ca/census-recensement/2016/dp-pd/prof/details/page.cfm?Lang=F&Geo1=CSD&Code1=3537039&Geo2=PR&Code2=35&SearchText=Windsor&SearchType=Begins&SearchPR=01&B1=All&GeoLevel=PR&GeoCode=3537039&TABID=1&type=0.

Statistique Canada (2018). « Dictionnaire, Recensement de la population, 2016 », dans Le Quotidien : Statistique Canada – n^o 98-301-X2016001 au catalogue. Sur Internet : https://www12.statcan.gc.ca/census-recensement/2016/ref/dict/98-301-x2016001-fra.pdf.

Statistique Canada (2019). Dictionnaire, Recensement de la population, 2016 : index complet de A à Z. Sur Internet : https://www12.statcan.gc.ca/census-recensement/2016/ref/dict/az1-fra.cfm.

Ville de Windsor (2018). Windsor, Ontario: 2016 Canada Census. Sur Internet : https://www.citywindsor.ca/residents/planning/Plans-and-Community-Information/About-Windsor/Demographics/Documents/Windsor 2016 Census Complete Report.pdf.

Ville de Windsor (2021). Windsor Demographics. About Windsor. Sur Internet : https://www.citywindsor.ca/residents/planning/Plans-and-Community-Information/About-Windsor/Demographics/Pages/Demographics.aspx.

Wisner, B., P. Blaikie, T. Cannon et I. Davis (2004). At Risk: Natural Hazards, People’s Vulnerability, and Disasters (2^e éd.). Routledge. Sur Internet : https://doi.org/10.4324/9780203428764.

Zhang, X., G. Flato, M. Kirchmeier-Young, L. A. Vincent, H. Wan, X. Wang, R. Rong, J. C. Fyfe et G. Li (2019). « Les changements de température et de précipitations au Canada », dans Rapport sur le climat changeant du Canada. Sur Internet : https://changingclimate.ca/CCCR2019/fr/chapitre/4-0/.

Ziolecki, A., et J. Thistlethwaite (2019). Communicating Flood Risk to Canadians: Understanding the Challenges and Developing Best Practices. Résultats d’un atelier de recherche.

7. Annexe A : Description des variables

Tableau A.1. Statistique descriptive

Toutes les variables du tableau A.1 sauf celles se rapportant aux logements occupés par un propriétaire sont des proportions par secteur de recensement. Le logarithme de la valeur médiane des logements a été mis à l’échelle en soustrayant de la valeur maximale de la variable les valeurs individuelles par secteur de recensement. Plus l’écart entre la valeur la plus élevée et la valeur par secteur de recensement est grand, plus la variable représente une défavorisation socioéconomique élevée et significative.

8. Annexe B : Analyse en composantes principales

En utilisant la méthode de composition de l’indice de défavorisation du quartier (Messer et coll., 2006), nous avons appliqué l’analyse en composantes principales avec le critère de Kaiser à 17 variables socioéconomiques normalisées afin de cerner les indicateurs significatifs de défavorisation d’un quartier. Nous avons employé plusieurs autres méthodes pour analyser les problèmes de multicolinéarité, la validité et la fiabilité des ensembles de données.⁶ Comme nos données de recensement sélectionnées avaient passé les trois tests diagnostiques, nous avons appliqué l’analyse en composantes principales aux variables choisies pour extraire des composantes indépendantes, soit les facteurs de défavorisation (tableau B.1).

Tableau B.1. Analyse en composantes principales – charges, scores et post-estimation

Les données indiquent que 82 % de la variance totale est attribuable à deux composantes de défavorisation. Comme les composantes de défavorisation et les indicateurs socioéconomiques qui s’y rattachent accroissent la vulnérabilité socioéconomique, nous avons calculé un indice de vulnérabilité socioéconomique non normalisé (IVS) en ajoutant les valeurs absolues de ces composantes, comme le suggèrent Cutter et coll. (2003), dans le modèle de vulnérabilité socioéconomique « hazards-of-place » (danger du lieu) (Guillard-Gonçalves et coll., 2015). Nous avons ensuite normalisé l’indice en suivant la méthode décrite dans Chakraborty et coll. (2020), afin de rapporter les scores IVS en nombres entre 0 et 100 pour en faciliter l’interprétation (la vulnérabilité socioéconomique augmentant proportionnellement à l’indice). Enfin, nous avons reporté l’indice sur une carte en utilisant la technique choroplèthe permettant de visualiser les disparités spatiales de la vulnérabilité socioéconomique entre les secteurs de recensement dans la RMR de Windsor.

Les auteurs

Liton Chakraborty est analyste principal des politiques dans le Secteur de la gestion des urgences et des programmes de Sécurité publique Canada. Ses travaux portent sur l’analyse des vulnérabilités socioéconomiques, des inégalités sociales et des disparités raciales et ethniques par rapport aux risques environnementaux. Il vise ainsi à ce que l’analyse comparative entre les sexes plus soit prise en compte dans les décisions fédérales favorisant l’équité dans l’élaboration de politiques en matière de gestion des catastrophes et des urgences au Canada.

Jason Thistlethwaite est professeur agrégé à l’École d’environnement, d’entreprise et de développement de la Faculté de l’environnement de l’Université de Waterloo, directeur associé de Partners for Action et codirigeant du Climate Risk Research Group. Ses travaux portent principalement sur des stratégies innovatrices visant à atténuer les répercussions sociales des changements climatiques et des catastrophes naturelles.

Daniel Henstra est professeur agrégé de science politique et codirigeant du Climate Risk Research Group de l’Université de Waterloo. Ses travaux portent principalement sur la gouvernance multiniveau de secteurs de politiques complexes comme l’adaptation aux changements climatiques, la gestion des urgences et la gestion des risques d’inondation.

Statistique Canada définit les secteurs de recensement comme de petites régions géographiques relativement stables qui comptent habituellement une population de moins de 10 000 habitants d’après les données du Programme du recensement précédent sur la population (Statistique Canada, 2019). Le secteur de recensement était la plus petite unité d’analyse pouvant être utilisée dans le cadre de l’étude de cas pour préserver la confidentialité des données et respecter les lignes directrices de Statistique Canada concernant la publication de ces données.
Un seul pixel représente une zone de 30 mètres sur 30 mètres au sol.
L’analyse en composantes principales est une méthode servant à réduire le nombre de variables dans un grand ensemble de données en les convertissant en un plus petit ensemble de variables (composantes principales) tout en préservant le plus de renseignements possible. Elle vise à faciliter la visualisation et la comparaison des données.
Certaines caractéristiques sont basées sur des données-échantillon (25 %), dont l’absence de certificat, de diplôme ou de grade; la population inactive; les logements privés occupés par un propriétaire; les logements privés occupés par un locataire; les groupes de minorités visibles et le taux de chômage (Statistique Canada, 2017).
Statistique Canada définit un îlot de diffusion comme un territoire dont tous les côtés sont délimités par des rues et/ou des limites de régions géographiques normalisées (Statistique Canada, 2018). Il s’agit de la plus petite région géographique pour laquelle les chiffres de population et des logements sont diffusés.
En suivant les méthodes statistiques décrites dans Chakraborty et coll. (2020), nous avons également utilisé des tests de post-estimation d’analyse en composantes principales comme la mesure Kaiser-Meyer-Olkin (KMO) servant à évaluer la pertinence de l’échantillon (Kaiser, 1974; Krishnan, 2010), le test de sphéricité de Bartlett (Bartlett, 1954) et le coefficient alpha (α) de Cronbach (Cronbach, 1951) pour analyser les problèmes de multicolinéarité, la validité et la fiabilité des ensembles de données.