Séance Séminaire

Soutenances de thèses

Analyse statistique de données géomorphologiques et compositionnelles spatiales par apprentissage : applications à la cartographie d'habitats marins et à la prédiction de données de recouvrement

Ce mémoire de thèse s’intéresse à l’analyse statistique de données spatiales de géomorphologie et de composition, dans le but de développer des approches utiles à la cartographie des récifs coralliens. Cette recherche est motivée par la nécessité de disposer de méthodes automatiques et reproductibles, capables de soutenir la caractérisation à grande échelle des habitats marins, là où les méthodes usuelles demeurent coûteuses en temps, subjectives et difficilement reproductibles.
La première partie du travail présente une méthodologie statistique pour la construction automatisée de cartes géomorphologiques. Ce cadre méthodologique intègre des algorithmes de classification et de clustering. La méthodologie est mise en œuvre sur des jeux de données incluant des mesures bathymétriques (profondeur du fond marin) ainsi que des relevés de terrain in situ, recueillis au banc du Geyser, un complexe récifal situé dans l’océan Pacifique au large de Madagascar et des îles Comores. Outre la production des cartes, la méthodologie proposée introduit des outils spécifiques permettant d’évaluer et de comparer la qualité des cartes géomorphologiques générées à différentes résolutions spatiales mais aussi d’optimiser l’effort d’échantillonnage, offrant ainsi une évaluation systématique des performances de cartographie dans divers contextes.
La deuxième partie du mémoire est consacrée à la modélisation de données compositionnelles spatiales, qui fournissent des informations sur les proportions relatives de différents types de substrats ou de classes de couverture benthique. Ces données de couverture sont fréquemment utilisées pour affiner les cartes géomorphologiques. Nous commençons par dresser un état de l’art des approches existantes, en mettant en évidence leurs points forts et leurs limites au travers d’études de simulation. Sur la base de cette analyse, nous proposons un nouvel estimateur spécifiquement conçu pour les données compositionnelles spatiales, prenant en compte à la fois la présence de zéros et la coexistence de covariables de différentes natures: catégorielles ou quantitatives. Le modèle proposé est d’abord évalué sur des jeux de données simulées afin d’examiner sa robustesse, puis appliqué à des données réelles issues du banc du Geyser, apportant ainsi de nouvelles perspectives pour la cartographie des habitats marins.