Le bassin du fleuve Colorado, qui alimente en eau 40 millions de personnes dans l’ouest des États-Unis, est menacé par une sécheresse historique, un changement climatique et la demande en eau des villes en croissance. Une réponse potentielle consiste à encourager les individus à conserver l’eau, et une nouvelle étude pourrait aider à identifier les personnes les plus susceptibles de modifier leurs comportements pour contribuer, selon les scientifiques.
« Le bassin du fleuve Colorado subit un niveau de sécheresse presque sans précédent, peut-être le pire que la région ait connu en 100 ans », a déclaré Renee Obringer, professeure adjointe d’ingénierie énergétique et minérale à Penn State. « Récemment, les gestionnaires de l’eau ont de plus en plus cherché à encourager les comportements de conservation, mais le succès de ces stratégies nécessite une compréhension des attitudes et des croyances spécifiques à la communauté. »
Les scientifiques ont puisé dans les données d’une enquête auprès de 3 000 habitants de trois villes occidentales – Phoenix, Las Vegas et Denver – dans le cadre d’un projet de 2018 visant à évaluer les attitudes à l’égard du changement climatique. L’équipe a analysé les réponses à l’aide d’un algorithme de regroupement de pointe et a pu identifier des groupes distincts de consommateurs d’eau dans les villes.
« Ce que notre étude essaie de faire, c’est de développer des archétypes d’attitudes envers la conservation », a déclaré Obringer. « Ces informations peuvent ensuite être utilisées pour mieux comprendre les populations et potentiellement pour développer des interventions ciblées qui pourraient en fait viser à changer les attitudes. »
Sept archétypes ont émergé de l’analyse – allant des négateurs confiants, qui sont sûrs de leur capacité à conserver l’eau mais nient qu’il soit nécessaire de le faire, aux participants potentiels, qui peuvent être disposés à conserver mais ne le font pas encore.
Les participants potentiels faisaient partie du groupe le plus important dans les trois villes, et les scientifiques ont déclaré que ces résultats suggèrent que des campagnes de conservation ciblées pourraient convertir ces résidents en participants et avoir un impact réel sur la consommation d’eau.
« Étant donné qu’il y a un si grand groupe, il y a une réelle opportunité de faire des campagnes d’information pour aider les gens à savoir ce qu’ils peuvent faire, même pendant les années sans sécheresse, pour participer », a déclaré Obringer. « Si vous pouvez convaincre les gens de changer d’attitude, vous pourriez avoir cette réduction de la demande à long terme sans avoir besoin de faire des mandats, qui ne sont pas très populaires et peuvent ne pas produire de changements durables une fois les mandats levés. »
Les scientifiques ont rapporté leurs découvertes dans la revue Gestion des ressources en eau.
Les travaux antérieurs dans ce domaine se sont concentrés sur des villes individuelles, aboutissant à des résultats spécifiques à la ville avec une utilisation limitée pour d’autres communautés, ont déclaré les scientifiques. Les archétypes identifiés dans la nouvelle étude, cependant, étaient cohérents dans les trois villes, ce qui suggère que les résultats ne se contentent pas de regrouper les résidents de chaque communauté.
« Il doit y avoir cet entre-deux où nous avons suffisamment de spécificité pour pouvoir appliquer ce que nous apprenons, mais pas trop spécifique pour que le processus ne puisse pas être transféré ailleurs », a déclaré Obringer. « Je pense que cette étude trouve vraiment ce terrain d’entente. »
L’algorithme de clustering est un type d’apprentissage automatique qui permet à un ordinateur de cartographier et d’apprendre des similitudes relatives entre des points de données. L’apprentissage automatique est un outil puissant qui peut extraire des modèles que l’œil humain ne peut pas voir.
« C’est vraiment ce que les ordinateurs peuvent faire – prendre ces chiffres et regarder de manière holistique et dire en moyenne que ce répondant est plus similaire à ce répondant ici et qu’ils devraient être regroupés », a déclaré Obringer. « Il examine à quel point ils sont similaires et continue d’itérer jusqu’à ce qu’il trouve la division finale où ils ne se chevauchent plus et où ils sont regroupés. »
Les scientifiques ont déclaré que la prochaine étape de cette recherche consiste à élaborer une technique de simulation qui leur permet d’attribuer des architypes aux ménages et de modéliser si des changements dans la participation entraînent des différences dans la disponibilité de l’eau.
Plus d’information:
Renee Obringer et al, Tirer parti de l’apprentissage non supervisé pour développer une typologie des attitudes des usagers résidentiels de l’eau envers la conservation, Gestion des ressources en eau (2022). DOI : 10.1007/s11269-022-03354-3