Exploiter l'approche hiérarchique bayésienne pour la modélisation statistique de structures spatiales. Application en écologie des populations - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Access content directly
Theses Year : 2008

Exploiter l'approche hiérarchique bayésienne pour la modélisation statistique de structures spatiales. Application en écologie des populations

Abstract

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 présent e 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)).
Fichier principal
Vignette du fichier
40687_20120308104547275_1.pdf (6.25 Mo) Télécharger le fichier
Origin : Publisher files allowed on an open archive
Loading...

Dates and versions

tel-02824869 , version 1 (06-06-2020)

Identifiers

  • HAL Id : tel-02824869 , version 1
  • PRODINRA : 40687

Cite

Sophie S. Ancelet. Exploiter l'approche hiérarchique bayésienne pour la modélisation statistique de structures spatiales. Application en écologie des populations. Mathématiques [math]. Ecole Doctorale Agriculture Alimentation Biologie Environnement Santé; AgroParisTech, 2008. Français. ⟨NNT : ⟩. ⟨tel-02824869⟩
119 View
54 Download

Share

Gmail Facebook X LinkedIn More