Academic literature on the topic 'Modélisation hiérarchique spatiale'

La connaissance de l'apparentement génétique entre individus permet d'estimer l'héritabilité des caractères d'intérêt. La possibilité d'estimer l'héritabilité en milieu naturel suscite un intérêt croissant pour l'amélioration génétique des populations. Mais en milieu naturel, le pedigree n'est pas connu. L'utilisation des marqueurs moléculaires permet d'estimer l'apparentement puis d'estimer l'héritabilité. Néanmoins, les approches classiques ne permettent pas d'introduire une information exogène comme l'information spatiale. Or, nous pouvons supposer que deux individus proches géographiquement sont proches génétiquement. L'objectif de ce travail est de développer des modèles statistiques pour l'estimation de l'apparentement et de l'héritabilité à l'aide des marqueurs moléculaires en prenant en compte l'information spatiale. Premièrement, nous construisons un modèle spatial hiérarchique bayésien de l'apparentement. Comme la vraisemblance des observations, modes d'identité par état entre génotypes, est complexe, le modèle statistique pour l'apparentement considéré est celui de la vraisemblance composite. Le lien entre le mode d'identité par descendance et la distance spatiale se fait par l'intermédiaire d'un GLM probit ordinal. Deuxièmement, nous proposons une modélisation simultanée de l'apparentement et de l'héritabilité. Dans la troisième partie, nous proposons différents algorithmes MCMC pour l'inférence des paramètres des modèles. Finalement, l'intérêt du modèle spatial pour l'apparentement est illustré par une application à des données sur le karité (Vitellaria paradoxa)
Knowledge of genetic relatedness between individuals combined with phenotypic information allows estimating the heritability of character of interest. Estimate the heritability in natural populations remains an actual challenge. But, in natural populations, pedigree is unknown. The use of molecular markers allows estimating first relatedness and then the heritability. However, classical approaches do not allow introducing exogeneous information such as geographical information. Nevertheless, we can assume that more two individuals are spatially closed more they are genetically closed. The aim of this study was to develop statistical models allowing the estimation of the relatedness and the heritability simultaneously using molecular markers as well as the spatial information. In the first part, we developed a hierarchical spatial bayesian model for relatedness taking into account spatial information. As the likelihood of data given by the identity-by-state mode of pairs of genotypes, is not tractable, we proposed the use of the composite likelihood approaches. The link between identity-by-descent mode and spatial distance is made using ordinal Probit models belonging to the generalized linear models. In the second part, we proposed to model relatedness and heritability simultaneously. We gave, in the third part, different MCMC algorithms for model inference. Finally, the spatial model for relatedness interest is emphasized by an application on Shea tree (Vitellaria paradoxa) data

La physique de la lumière ainsi que les outils géométriques pour la Conception Assistée par Ordinateur sont à la base des logiciels de simulation des phénomènes lumineux pour la fabrication des systèmes optiques. Ce n'est pas sans difficulté que les industriels conçoivent ces logiciels dont un des principaux handicaps est que les simulations sont très coûteuses en temps. L'objectif principal de ce travail est de rechercher et développer des algorithmes de calcul plus performants. Dans un premier temps, on décrit précisément le modèle du transport des photons dans ce contexte, composé de l'équation de Boltzmann accompagné de conditions de bord, et qui, dans le cas de milieux homogènes par morceaux, se ramène à l'équation de radiosité. Ensuite, on présente les outils géométriques utilisés dans le modeleur hybride CSG (Constructive Solid Geometry) et BRep (Boundary Representation) ainsi que les algorithmes de base nécessaires à la recherche d'intersections entre des demi-droites et des objets géométriques. Puis, un tour d'horizon des méthodes d'accélération des calculs en radiométrie par localisation spatiale est présenté. En tenant compte des contraintes industrielles, une telle méthode d'accélération est alors adaptée au contexte puis développée dans un environnement logiciel existant. Des expérimentations numériques montrent l'efficacité des nouvelles bibliothèques. Enfin, une étude théorique des complexités en temps et en mémoire liées aux méthodes de localisation spatiale, faisant intervenir les sommes de Minkowski d'ensembles géométriques, débouche sur une stratégie consistant à minimiser la complexité en temps pour choisir les paramètres de localisation.

La thèse étudie l'impact de l'aménagement urbain optimal surla diffusion des prix des logements dans un marché immobilier local. À travers une analyse du champ de la localisation optimale et de l'économétrie spatiale, cette étude vise à considérer comment les propriétés des graphes et les modèles de localisation optimale peuvent contribuer à mieux comprendre et à évaluer les impacts des effets de multiplicateur spatial dans l'économie. Pour ce faire, la recherche s'appuie sur une méthodologie combinant la création d'outils d'aide à la décision et l'étude des prix immobiliers par un modèle économétrique spatiale hiérarchique. Les résultats démontrent que la prise en compte des relations spatiales optimales permet une étude plus précise des impacts de l'aménagement urbain sur la diffusion des prix. A contrario, la considération de relations spatiales “classiques" sur ou sous-estime les impacts
This dissertation studies the effect of optimal urban planning on housing prices diffusion in local real-estate markets. The study uses facility location theory and spatial econometrics to investigate how graph properties and optimal location models can contribute to a better understanding and evaluation of the impact of spatial multiplier effects in the economy. To this end, the research is based on a methodology that combines the creation of decision-support tools and the study of real estate prices using hierarchical spatial econometric models. The results states that using optimal spatial relationships enables a more precise analysis of the impacts of urban planning on the diffusion of prices. Conversely, the consideration of “classical” spatial relationships either underestimates or overestimates the spatial impacts

La cartographie de la répartition des espèces d’intérêts halieutiques et l'identification de leurs zones fonctionnelles est cruciale pour assurer le renouvellement des espèces et pour l’aménagement de l’espace marin. Pour autant, la localisation des habitats essentiels des poissons, et plus particulièrement des frayères, reste incertaine pour de nombreuses espèces exploitées.Les données de référence pour cartographier la distribution des espèces exploitées et identifier leurs frayères sont issues de campagnes scientifiques qui bénéficient d'un protocole d'échantillonnage standardisé. Ces campagnes ont généralement lieu une ou deux fois par an, elles prélèvent un nombre limité d'échantillons et elles peuvent ne pas correspondre à la période de reproduction des espèces étudiées. Elles sont donc limitées pour identifier les frayères des espèces d’intérêt halieutique.Par ailleurs, les déclarations de capture des pêcheurs (logbook) fournissent des informations sur l'ensemble de l’année avec une densité d'échantillonnage supérieure à celle des données scientifiques.En les combinant aux données de géolocalisation des navires disponibles par le système de surveillance des navires de pêche (VMS), les données de déclarations peuvent permettre de compléter l’information apportée par les données de campagne.Dans cette thèse, nous avons développé un modèle statistique qui permet de combiner les données commerciales et scientifiques pour inférer la distribution des espèces d’intérêt halieutique à une résolution spatio-temporelle fine. Le modèle permet de prendre en compte le comportement de ciblage des pêcheurs (échantillonnage préférentiel) et d’intégrer les données de déclarations qui sont définies à une résolution spatiale grossière pour inférer la distribution des espèces à une résolution fine (changement de support). Les cartes de la distribution des espèces permettent d’identifier les zones d'agrégation pendant la saison de reproduction. Nous décrivons également les applications potentielles du cadre de modélisation pour l’aménagement de l'espace marin et les extensions qui pourraient être ajoutées à la version actuelle du modèle
Mapping fish distribution and identifying fish essential habitats grounds is key to ensure species renewal and manage the marine space. Information on the location of fish essential habitats and specifically of fish spawning grounds is still lacking for many harvested species.The reference data to map fish distribution and identify spawning grounds are scientific survey data. These data benefit from a standardized sampling protocol. However, due to their costs, they also generally suffer from a low sampling density in space and time. In particular, they generally occur once or twice a year and they may mismatch fish reproduction.Commercial declarations combined with Vessel Monitoring System data could prove highly valuable to complement the information brought by scientific survey data as fishermen landings provide information on the full year with a much denser sampling density. In this PhD, we developed an integrated statistical framework that allows to combine commercial and scientific data sources to infer fish distribution in space and time. Our approach accounts for fishermen targeting behavior towards areas of higher biomass (preferential sampling) and allows to infer fine scale species distribution based on spatially aggregated declarations data (change of support). We demonstrate the ability of the framework to produce monthly maps of fish distribution and to identify aggregation areas during reproduction season. We also outline the potential applications of the framework for Marine Spatial Planning and discuss several extensions that could be added to the actual model

Dans la plupart des questions écologiques, les phénomènes aléatoires d'intérêt sont spatialement structurés et issus de l'effet combiné de multiples variables aléatoires, observées ou non, et inter-agissant à diverses échelles. En pratique, dès lors que les données de terrain ne peuvent être directement traitées avec des structures spatiales standards, les observations sont généralement considérées indépendantes. Par ailleurs, les modèles utilisés sont souvent basés sur des hypothèses simplificatrices trop fortes par rapport à la complexité des phénomènes étudiés. Dans ce travail, la démarche de modélisation hiérarchique est combinée à certains outils de la statistique spatiale afin de construire des structures aléatoires fonctionnelles "sur-mesure" permettant de représenter des phénomènes spatiaux complexes en écologie des populations. L'inférence de ces différents modèles est menée dans le cadre bayésien avec des algorithmes MCMC. Dans un premier temps, un modèle hiérarchique spatial (Geneclust) est développé pour identifier des populations génétiquement homogènes quand la diversité génétique varie continûment dans l'espace. Un champ de Markov caché, qui modélise la structure spatiale de la diversité génétique, est couplé à un modèle bivarié d'occurrence de génotypes permettant de tenir compte de l'existence d'unions consanguines chez certaines populations naturelles. Dans un deuxième temps, un processus de Poisson composé particulier,appelé loi des fuites, est présenté sous l'angle de vue hiérarchique pour décrire le processus d'échantillonnage d'organismes vivants. Il permet de traiter le délicat problème de données continues présentant une forte proportion de zéros et issues d'échantillonnages à efforts variables. Ce modèle est également couplé à différents modèles sur grille (spatiaux, régionalisés) afin d'introduire des dépendances spatiales entre unités géographiques voisines puis, à un champ géostatistique bivarié construit par convolution sur grille discrète afin de modéliser la répartition spatiale conjointe de deux espèces. Les capacités d'ajustement et de prédiction des différents modèles hiérarchiques proposés sont comparées aux modèles traditionnellement utilisés à partir de simulations et de jeux de données réelles (ours bruns de Suède, invertébrés épibenthiques du Golfe-du-Saint-Laurent (Canada)).

Les maladies d'origine tellurique sont difficilement contrôlables par la lutte chimique ou variétale et se caractérisent par des processus et des échelles spatio-temporelles différents de ceux des maladies aériennes. En particulier, les modes de dispersion des agents pathogènes du sol permettent l'apparition et le maintien d'une forte structure spatiale de ces maladies, qui se développent souvent sous forme de foyers. Cette agrégation influence à la fois la dynamique temporelle des épidémies et la relation dégâts-dommages, ce qui en fait un élément important du raisonnement des méthodes de lutte. L'objectif de cette thèse est de comprendre et de modéliser le développement spatio-temporel des épidémies d'origine tellurique afin d'en déduire des stratégies de gestion susceptibles de limiter les risques associés, en particulier en agissant sur la structure spatiale de ces maladies. Pour ce faire, deux modèles ont été développés. Le premier, spatialement explicite et assez détaillé biologiquement, a été paramétré en conditions contrôlées dans le cas du piétin-échaudage du blé. Le test de ce modèle à l'aide de données issues du champ montre une bonne précision malgré un biais positif et indique des pistes pour améliorer la valeur prédictive du modèle. Le second modèle, plus simple et plus générique, utilise la théorie de la hiérarchie pour simuler le développement d'épidémies à plusieurs échelles spatiales simultanément. Il permet de tester des hypothèses concernant le fonctionnement des épidémies et les liens entre incidences à différentes échelles, et en particulier l'effet de la structure spatiale du peuplement hôte et de l'inoculum primaire sur la dynamique et l'agrégation de la maladie. Dans le cas du piétin-échaudage, pour lequel nous avons montré l'importance de la structure spatiale de l'inoculum primaire, ces simulations conduisent à préconiser des semis différents en fonction du rang dans la succession culturale.

Un des points faibles des modèles de dynamique forestière spatialement explicites est la modélisation de la régénération. Un inventaire détaillé du peuplement et des conditions environnementales a permis de mettre en évidence les effets de ces deux facteurs sur la densité locale de juvéniles. Mais en pratique, la collecte de telles données est coûteuse et ne peut être réalisée à grande échelle : seule une partie des juvéniles est échantillonnée et l'environnement n'est connu que partiellement. L'objectif est ici de proposer une approche pour prédire la répartition spatiale et le génotype des juvéniles sur la base d'un échantillonnage raisonnable des juvéniles, des adultes et de l'environnement. La position des juvéniles est considérée comme la réalisation d'un processus ponctuel marqué, les marques étant constituées par les génotypes. L'intensité du processus traduit les mécanismes de dispersion à l'origine de l'organisation spatiale et de la diversité génétique des juvéniles. L'intensité dépend de la survie des graines, qui dépend elle-même des conditions environnementales. Il est donc nécessaire de prédire l'environnement sur toute la zone d'étude. L'environnement, représenté par un champ aléatoire multivarié, est prédit grâce à un modèle hiérarchique spatial capable de traiter simultanément des variables de nature différente. Contrairement aux modèles existants où les variables environnementales sont considérées comme connues, le modèle de régénération proposé doit prendre en compte les erreurs liées à la prédiction de l'environnement. La méthode est appliquée à la prédiction de la régénération des juvéniles en forêt tropicale (Guyane française)
One of the weak points of forest dynamics models is the recruitment. Classically, ecologists make the assumption that recruitment mainly depends on both spatial pattern of mature trees and environment. A detailed inventory of the stand and the environmental conditions enabled them to show the effects of these two factors on the local density of seedlings. In practice, such information is not available: only a part of seedlings is sampled and the environment is partially observed. The aim of the paper is to propose an approach in order to predict the spatial distribution and the seedlings genotype on the basis of a reasonable sampling of seedling, mature trees and environmental conditions. The spatial pattern of the seedlings is assumed to be a realization of a marked point process. The intensity of the process is not only related to the seed and pollen dispersal but also to the sapling survival. The sapling survival depends on the environment; so the environment must be predicted on the whole study area. The environment is characterized through spatial variables of different nature and predictions are obtained using a spatial hierarchical model. Unlike the existing models which assume the environmental covariables as exactly known, the recruitment model we propose takes into account the error related to the prediction of the environment. The prediction of seedling recruitment in tropical rainforest in French Guiana illustrates our approach

La thèse vise à explorer le potentiel des résultats empiriques dans l'identification des centres et sous-centres urbains en utilisant des données accumulées extraites d'images de télédétection et d'analyses fractales disponibles gratuitement. Il répond au défi de l’indisponibilité des données dans ce contexte. Bien que diverses méthodes aient été utilisées dans la littérature, telles que le seuil minimum, les méthodes statistiques spatiales et la méthode des prix hédoniques, celles-ci sont principalement basées sur le contexte local des pays développés, avec des études limitées axées sur les pays en développement en raison de la rareté des données. Cette recherche cherche à combler cette lacune en étudiant l'efficacité de la géométrie fractale pour identifier explicitement les centres et sous-centres urbains, caractériser leur organisation spatiale pour l'analyse de la croissance urbaine et délimiter les modèles de croissance urbaine basés sur la disposition spatiale des centres urbains, des sous-centres et des transports primaires. réseaux. Comprendre ces dynamiques est crucial pour des décisions éclairées en matière d’urbanisme et d’infrastructure. En utilisant la zone métropolitaine du Grand Accra (GAMA) comme étude de cas, des images satellite disponibles gratuitement couvrant la période 1991 à 2022 ont été téléchargées et classées à l'aide de diverses techniques, notamment la forêt aléatoire, la machine à vecteurs de support et le cluster itératif linéaire simple (SLIC) avec K-Means. pour extraire des modèles construits. Une analyse longitudinale a été menée pour évaluer l'impact de la croissance urbaine sur la biodiversité, révélant des changements dans la composition de la couverture terrestre, les zones bâties dominant de plus en plus la végétation, conduisant à une fragmentation de l'habitat. La couverture terrestre et les modèles de paysage pour 2030 ont été prédits avec succès, soulignant l'importance de la connectivité du paysage et de la fragmentation de l'habitat dans l'évaluation des processus écologiques et des impacts du développement urbain. En outre, l'analyse fractale multiradiale et la morphologie mathématique ont été utilisées pour identifier les centres et sous-centres urbains à partir de données de télédétection, sur la base des dimensions fractales et de l'organisation spatiale. Un modèle conceptuel de croissance urbaine a été développé pour visualiser les modèles d'expansion urbaine attendus. Ces résultats contribuent de manière significative à l’identification et à l’organisation spatiale des centres et sous-centres urbains, en particulier dans les villes manquant de données statistiques ou géospatiales adéquates, en particulier dans les pays en développement. La reproduction de cette méthodologie pourrait contribuer à une base de données mondiale plus complète sur les villes
The thesis aims to explore the potential of empirical results in identifying urban centers and subcenters by utilizing built-up data extracted from freely-available remote sensing images and fractal analyses. It addresses the challenge of data unavailability in this context. While various methods have been employed in literature, such as minimum cut-off point, spatial statistical methods, and hedonic price method, these are predominantly based on the local context of developed nations, with limited studies focused on developing nations due to data scarcity. This research seeks to fill this gap by investigating the effectiveness of fractal geometry in explicitly identifying urban centers and subcenters, characterizing their spatial organization for urban growth analysis, and delineating urban growth patterns based on the spatial arrangement of urban centers, subcenters, and primary transportation networks. Understanding these dynamics is crucial for informed urban planning and infrastructure decisions. Using the Greater Accra Metropolitan Area (GAMA) as a case study, freely available satellite images spanning from 1991 to 2022 were downloaded and classified using various techniques including random forest, support vector machine, and simple linear iterative cluster (SLIC) with K-Means to extract built-up patterns. A longitudinal analysis was conducted to assess the impact of urban growth on biodiversity, revealing shifts in land cover composition with built-up areas increasingly dominating over vegetation, leading to habitat fragmentation. Land cover and landscape patterns for 2030 were successfully predicted, emphasizing the importance of landscape connectivity and habitat fragmentation in evaluating ecological processes and urban development impacts. Furthermore, multi-radial fractal analysis and mathematical morphology were employed to identify urban centers and subcenters from remote sensing data, based on fractal dimensions and spatial organization. A conceptual urban growth model was developed to visualize expected urban expansion patterns. These findings contribute significantly to the identification and spatial organization of urban centers and subcenters, particularly in cities lacking adequate statistical or geospatial data, especially in developing countries. Replicating this methodology could contribute to a more comprehensive global database on cities