| Titre : |
Contribution à la statistique spatiale et fonctionnelle :Modélisation spatio-temporelle des ressources halieutiques du Sénégal |
| Type de document : |
texte imprimé |
| Auteurs : |
Mamadou Ndiaye, Auteur |
| Editeur : |
Dakar : Université Cheikh Anta Diop de Dakar : Ecole Doctorale Mathématiques et Informatique |
| Année de publication : |
2020 |
| Importance : |
97 P. |
| Format : |
29 cm |
| Langues : |
Français (fre) |
| Mots-clés : |
Estimation non-paramétrique estimateur à noyau Régression statistique spatiale donnée fonctionnelle Prédiction Classification supervisée classification Machine Learning estimation biomasse distribution spatiale espèce démersale Ressource halieutique statistique fonctionnelle modelisation spatio-temporelle modelisation produit halieutique peche senegal ecosysteme donnée spatiale statistique écosystème marin modèles de régression noyau double |
| Résumé : |
L’aménagement du secteur de la pêche maritime requiert, entre autres, des connaissances sur le fonctionnement
de l’écosystème. En particulier, dans le cadre de la gestion de la ressource marine, une connaissance
approfondie de l’environnement marin et des relations inter-spécifiques en son sein est indispensable.
L’analyse spatio-temporelle, des facteurs environnementaux ou ceux liés à la pression de pêche qui
influencent l’évolution de la ressource ainsi que sa production, s’avère ainsi d’une importance capitale. La
présente étude se veut une approche écosystémique prédictive. Elle met en oeuvre un modèle de relation
explicative entre la ressource halieutique et son environnent marin. Cette étude est basée essentiellement
sur une analyse spatiale et fonctionnelle de données concernant les ressources halieutiques, démersales
côtières notamment, au large du Sénégal. Elle est réalisée à l’aide de la modélisation non-paramétrique
spatiale dans le temps et dans l’espace, ce qui fait appel à des méthodes statistiques spatiales de nature
infinie (données fonctionnelles). L’approche non-paramétrique est particulièrement adaptée pour la modélisation
des données spatiales de grande dimension, en particulier pour les ressources halieutiques observées
dans le temps et à des endroits spécifiques. En effet, elle considère des modèles qui prennent en
compte une large classe de processus. Elle permet de caractériser et de quantifier les facteurs influençant
l’évolution spatio-temporelle de la ressource au sein de l’écosystème marin, tout en tenant compte de la
probabilité de capture de la ressource. Dans un premier temps, nous nous sommes intéressés aux aspects
mathématiques des modèles de régressions. Deux approches, d’estimations de la fonction de régression,
basées sur la méthode du noyau double ont été proposées. Elles sont définies suivant la structure des données
et la nature des co-variables. La particularité de telles approches réside dans le fait de prendre en
compte la proximité entre les sites (la structure spatiale) et celle entre les observations, dans un contexte
de dépendance spatiale. Nous avons étudié les comportements asymptotiques des estimateurs proposés et
établi ainsi la convergence presque complète entrainant celle presque-sûre. La première approche est une
méthode finie (non-fonctionnelle) basée sur l’approche des k-plus proches voisins. Elle est très adaptée aux
données dont la structure présente une certaine hétérogénéité.Une méthode de prédiction, et de classification
en particulier, découle de l’estimateur des k-plus proches voisins proposé. La procédure de classification
supervisée appliquée sur les données bio-écologiques donne les meilleures précisions de classement
comparée aux méthodes classiques. La seconde, est une méthode de régression fonctionnelle très adaptée
à des données de grande dimension. Une méthode de prédiction fonctionnelle et, particulièrement, une
nouvelle procédure de classification supervisée découlent de l’estimateur de la régression fonctionnelle.
La convergence ponctuelle et celle uniforme ont été établies. L’application de la prédiction fonctionnelle
sur les données bi-écologiques donne les erreurs de prédictions plus petites que celles classiques. L’application
de la nouvelle règle de classification supervisée sur les données bi-écologiques montre que celle-ci
est une alternative par rapport à de récentes méthodes. Les résultats obtenus prouvent que cette méthode
donne généralement plus de précisions dans les classements avec des taux de classifications correctes plus
grands sur l’ensemble des classes. L’application nous a permis d’analyser la distribution spatio-temporelle
des espèces démersales côtières et d’étudier celles-ci par rapport aux paramètres environnementaux qui
influencent la variabilité et la distribution de la ressource. |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=421 |
Contribution à la statistique spatiale et fonctionnelle :Modélisation spatio-temporelle des ressources halieutiques du Sénégal [texte imprimé] / Mamadou Ndiaye, Auteur . - Dakar : Université Cheikh Anta Diop de Dakar : Ecole Doctorale Mathématiques et Informatique, 2020 . - 97 P. ; 29 cm. Langues : Français ( fre)
| Mots-clés : |
Estimation non-paramétrique estimateur à noyau Régression statistique spatiale donnée fonctionnelle Prédiction Classification supervisée classification Machine Learning estimation biomasse distribution spatiale espèce démersale Ressource halieutique statistique fonctionnelle modelisation spatio-temporelle modelisation produit halieutique peche senegal ecosysteme donnée spatiale statistique écosystème marin modèles de régression noyau double |
| Résumé : |
L’aménagement du secteur de la pêche maritime requiert, entre autres, des connaissances sur le fonctionnement
de l’écosystème. En particulier, dans le cadre de la gestion de la ressource marine, une connaissance
approfondie de l’environnement marin et des relations inter-spécifiques en son sein est indispensable.
L’analyse spatio-temporelle, des facteurs environnementaux ou ceux liés à la pression de pêche qui
influencent l’évolution de la ressource ainsi que sa production, s’avère ainsi d’une importance capitale. La
présente étude se veut une approche écosystémique prédictive. Elle met en oeuvre un modèle de relation
explicative entre la ressource halieutique et son environnent marin. Cette étude est basée essentiellement
sur une analyse spatiale et fonctionnelle de données concernant les ressources halieutiques, démersales
côtières notamment, au large du Sénégal. Elle est réalisée à l’aide de la modélisation non-paramétrique
spatiale dans le temps et dans l’espace, ce qui fait appel à des méthodes statistiques spatiales de nature
infinie (données fonctionnelles). L’approche non-paramétrique est particulièrement adaptée pour la modélisation
des données spatiales de grande dimension, en particulier pour les ressources halieutiques observées
dans le temps et à des endroits spécifiques. En effet, elle considère des modèles qui prennent en
compte une large classe de processus. Elle permet de caractériser et de quantifier les facteurs influençant
l’évolution spatio-temporelle de la ressource au sein de l’écosystème marin, tout en tenant compte de la
probabilité de capture de la ressource. Dans un premier temps, nous nous sommes intéressés aux aspects
mathématiques des modèles de régressions. Deux approches, d’estimations de la fonction de régression,
basées sur la méthode du noyau double ont été proposées. Elles sont définies suivant la structure des données
et la nature des co-variables. La particularité de telles approches réside dans le fait de prendre en
compte la proximité entre les sites (la structure spatiale) et celle entre les observations, dans un contexte
de dépendance spatiale. Nous avons étudié les comportements asymptotiques des estimateurs proposés et
établi ainsi la convergence presque complète entrainant celle presque-sûre. La première approche est une
méthode finie (non-fonctionnelle) basée sur l’approche des k-plus proches voisins. Elle est très adaptée aux
données dont la structure présente une certaine hétérogénéité.Une méthode de prédiction, et de classification
en particulier, découle de l’estimateur des k-plus proches voisins proposé. La procédure de classification
supervisée appliquée sur les données bio-écologiques donne les meilleures précisions de classement
comparée aux méthodes classiques. La seconde, est une méthode de régression fonctionnelle très adaptée
à des données de grande dimension. Une méthode de prédiction fonctionnelle et, particulièrement, une
nouvelle procédure de classification supervisée découlent de l’estimateur de la régression fonctionnelle.
La convergence ponctuelle et celle uniforme ont été établies. L’application de la prédiction fonctionnelle
sur les données bi-écologiques donne les erreurs de prédictions plus petites que celles classiques. L’application
de la nouvelle règle de classification supervisée sur les données bi-écologiques montre que celle-ci
est une alternative par rapport à de récentes méthodes. Les résultats obtenus prouvent que cette méthode
donne généralement plus de précisions dans les classements avec des taux de classifications correctes plus
grands sur l’ensemble des classes. L’application nous a permis d’analyser la distribution spatio-temporelle
des espèces démersales côtières et d’étudier celles-ci par rapport aux paramètres environnementaux qui
influencent la variabilité et la distribution de la ressource. |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=421 |
|  |
Accueil
Contribution à la statistique spatiale et fonctionnelle :Modélisation spatio-temporelle des ressources halieutiques du Sénégal (2020)
