Résumé : Cette thèse concerne la modélisation des dynamiques de maladies foliaires de cultures pérennes tropicales à différentes échelles spatiales. Cette approche de modélisation est appliquée à la cercosporiose noire du bananier. Il s’agit d’explorer et de déterminer les paramètres environnementaux et de résistance de l’hôte ayant une influence significative sur la dynamique spatiotemporelle de la maladie et d’apporter des éléments associés au contrôle de la cercosporiose noire.Deux modèles ont été développés dans le cadre de cette thèse. La dynamique épidémiologique au niveau de la plante est décrite par un modèle mécaniste décomposé en un modèle de croissance de la plante et un module épidémiologique décrivant le cycle épidémique du pathogène. L’architecture du bananier est prise en compte par le biais de compartiments foliaires positionnés dans l’espace. Le modèle a été validé par un jeu de données indépendant. Les expérimentations numériques et l’analyse de sensibilité du modèle réalisées par les méthodes de Morris et de e-FAST ont permis de mieux comprendre le fonctionnement épidémique de cette maladie et d’identifier les paramètres influant le plus la dynamique épidémique en particulier la vitesse d’extension des lésions, la durée d’incubation et l’efficacité d’infection .L’approche bayésienne a permis de prendre en compte l’information a priori disponible pour ces trois paramètres sur lesquels a porté l’inférence statistique. L’analyse de sensibilité du modèle a également permis d’identifier l’influence de deux paramètres liés à la croissance de la plante : le nombre de feuilles sur une plante et le rythme d’émission foliaire Un modèle de dynamique spatio-temporelle de la cercosporiose noire a été développé à l’échelle d’un territoire à partir d’enquêtes effectuées enMartinique pendant la période d’invasion de cette maladie de septembre 2010 à mai 2012. Les données récoltées étant censurées, l’inférence des paramètres du modèle a été réalisée dans un cadre bayésien en utilisant un algorithme d’augmentation de données. Le modèle et l’inférence développés permettent de reconstruire la dynamique spatio-temporelle de l’invasion et de prédire la fin d’invasion sur le territoire.Les deux modèles de dynamiques spatio-temporelles développés à deux échelles spatiales différentes ont permis d’acquérir des informations importantes pour construire des outils de conception de méthode de contrôle de la cercosporiose noire des bananiers.
This thesis concerns the modeling of the dynamics of foliar diseases of tropical tree crops at different spatial scales. This modeling approach is applied to black Sigatoka of banana. It is to explore and determine the environmental parameters and host resistance has a significant influence on the spatiotemporal dynamics of the disease and to provide elements associated with the control of Sigatoka noire.Deux models were developed as part of this thesis. The epidemiological dynamics at the plant is described by a mechanistic model decomposed into a growth model of the plant and an epidemiological unit describing the pathogen epidemic cycle. The architecture of the banana is taken into account through foliar compartments positioned in space. The model was validated by an independent data set. Numerical experiments and model sensitivity analysis performed by the methods of Morris and e-FAST enabled to better understand the functioning of this epidemic disease and identify the parameters affecting the most dynamic epidemic especially speed extension of the lesions, the incubation period and efficiency of Bayesian .L'approche infection allowed to take into account prior information available for these three parameters that were the statistical inference. The model sensitivity analysis also identified the influence of two parameters related to plant growth: the number of leaves on a plant and rate of leaf emission A dynamic model of space-time Black Sigatoka has been developed at the scale of a territory from surveys enMartinique during the period of invasion of the disease from September 2010 to May 2012. The data collected being censored, inference of model parameters has was performed in a Bayesian framework, using a data augmentation algorithm. The model developed and inference possible to reconstruct the spatiotemporal dynamics of the invasion and predict the end of the invasion territoire.Les two spatio-temporal dynamics models developed at two different spatial scales has been gained important information for build tools design method of control of black Sigatoka of banana.

http://www.theses.fr/2015AGUY0835/document

Éditeur(s) : HAL CCSD INRIA
Résumé : International audience
Computational probabilistic modeling and Bayesian inference has met a great success over the past fifteen years through the development of Monte Carlo methods and the ever increasing performance of computers. Through methods such as Monte Carlo Markov chain and sequential Monte Carlo Bayesian inference effectively combines with Markovian modelling. This approach has been very successful in ecology and agronomy. We analyze the development of this approach applied to a few examples of natural resources management.
La modélisation probabiliste et l'inférence bayésienne computationnelles rencontrent un très grand succès depuis une quinzaine d'années grâce au développement des méthodes de Monte Carlo et aux performances toujours croissantes des moyens de calcul. Au travers d'outils comme les méthodes de Monte Carlo par chaîne de Markov et les méthodes de Monte Carlo séquentielles, l'inférence bayésienne se combine efficacement à la modélisation markovienne. Cette approche est également très répendue dans le domaine de l'écologie et l'agronomie. Nous faisons le point sur les développements de cette approche appliquée à quelques exemples de gestion de ressources naturelles.
ARIMA

inria-00506383
https://hal.inria.fr/inria-00506383
https://hal.inria.fr/inria-00506383/document

Éditeur(s) : HAL CCSD
Résumé : Point processes are often used as spatial or spatio-temporal distribution models of occurrences. In this PhD dissertation, we focus first on Cox processes driven by a hidden process associated with a Dirichlet process. This model corresponds to hidden occurrences influencing the stochastic intensity of observed occurrences. We generalize the notion of "Shot noise Cox process" introduced by M{o}ller and develop its bayesian analysis by a Gibbs sampler combined with a Metropolis-Hastings algorithm. We show that our MCMC method is a reversible jump one. The model takes into account a random number of hidden contributions producing effects on the observed point process intensity. Therefore the parameter space has a variable dimension. We focus the statistical inference on the estimation of the hidden contribution expected value, the hidden contribution expected number, the spatial influence and correlation parameters. The contribution equality test and contribution independence test are proposed. Applications in epidemiology and ecology are shown from extit{Rubus fruticosa} data, extit{Ibicella lutea} data and death number data in counties of Georgia, USA. Two situations are considered with respect to available data~: firstly, the spatial positions of occurrences are observed between several pairs of consecutive dates; secondly, counts are carried out over a fixed time interval in several spatial sampling units. Secondly, we focus on point processes with memory introduced by Kagan, Ogata and Vere-Jones, pioneers in statistical seismology. In fact, spatio-temporal point processes play an important role in the studies of earthquake catalogs since they consist of seismic events with their dates and spatial locations. We studied an ETAS (Epidemic Type Aftershock Sequence) model with time independent background intensity and several triggering functions taking into account previous events. We illustrate our approach with a seismicity study of the Lesser Antilles arc. A comparaison study of Gamma, Weibull, Log-Normal and modified Omori law triggering function models is also carried out. We show that the modified Omori law does not fit the Lesser Antilles seismic data and the best adjusted triggering function is the Weibull model. Consequently, the waiting time between aftershocks is weaker in the Lesser Antilles zone compared to the one in regions with seismicity described by the modified Omori law. In other words, aftershock aggregativity is higher in the Lesser Antilles region. The stochastic background intensity following a Dirichlet process centered on a spatial log-normal process is discussed.
Les processus ponctuels sont souvent utilisés comme modèles de répartitions spatiales ou spatio-temporelles d'occurrences. Dans cette thèse, nous nous intéressons tout d'abord à des processus de Cox dirigés par un processus caché associé à un processus de Dirichlet. Ce modèle correspond à des occurrences cachées influençant l'intensité stochastique des occurrences observées. Nous généralisons la notion de " Shot noise Cox process " introduite par Moller et développons le traitement bayésien par un échantillonneur de Gibbs combiné à un algorithme de Metropolis-Hastings. Nous montrons que cette méthode MCMC est à sauts réversibles. Le modèle prend en compte, en effet, un nombre aléatoire de contributions cachées influençant l'intensité du processus ponctuel observé donc a un espace paramétrique de dimension variable. Nous focalisons l'inférence statistique sur l'estimation de la valeur espérée de chaque contribution cachée, le nombre espéré de contributions cachées, le degré d'influence spatiale de ces contributions et leur degré de corrélation. Le test d'égalité des contributions et celui de leur indépendance sont ainsi développés. L'utilité en épidémiologie et en écologie est alors démontrée à partir de données de Rubus fruticosa, Ibicella lutea et de mortalité dans les cantons de Georgia, USA. En termes de données observées, deux situations sont considérées: premièrement, les positions spatiales des occurrences sont observées entre plusieurs paires de dates consécutives; deuxièmement, des comptages sont effectués, au cours d'une période fixée, dans des unités d'échantillonnage spatiales. D'autre part, nous nous intéressons aux processus ponctuels à mémoire introduits par Kagan, Ogata et Vere-Jones, précurseurs de la statistique sismologique. En effet, les processus ponctuels spatio-temporels ont une place importante dans l'étude des catalogues sismiques puisque ces derniers sont généralement constitués d'événements sismiques datés et géo-référencés. Nous avons étudié un modèle ETAS (Epidemic Type Aftershock Sequence) avec une intensité d'arrière-plan indépendante du temps et plusieurs fonctions déclenchantes permettant d'intégrer les événements antérieurs récents. Cette approche est utilisée pour étudier la sismicité de l'arc des Petites Antilles. Une étude comparative des modèles Gamma, Weibull, Log-Normal et loi d'Omori modifiée pour les fonctions déclenchantes est menée. Nous montrons que la loi d'Omori modifiée ne s'ajuste pas aux données sismiques des Petites Antilles et la fonction déclenchante la plus adaptée est le modèle de Weibull. Cela implique que le temps d'attente entre répliques dans la zone des Petites Antilles est plus faible que celui des régions à sismicité décrite par la loi d'Omori modifiée. Autrement dit, l'agrégation des répliques après un événement majeur est plus prononcée dans la zone des Petites Antilles. La possibilité d'inclure une intensité d'arrière-plan suivant un processus de Dirichlet centré sur un processus spatial log-gaussien est discutée.
https://tel.archives-ouvertes.fr/tel-00841146

Droits : info:eu-repo/semantics/OpenAccess
NNT : 2012AGUY0555
tel-00841146
https://tel.archives-ouvertes.fr/tel-00841146
https://tel.archives-ouvertes.fr/tel-00841146/document
https://tel.archives-ouvertes.fr/tel-00841146/file/these_VALMY.pdf

Éditeur(s) : HAL CCSD INRIA
Résumé : International audience
Markov chain Monte Carlo (MCMC) methods together with hidden Markov models are extensively used in the Bayesian inference for many scientific fields like environment and ecology. Through simulated examples we show that the speed of convergence of these methods can be very low. In order to improve the convergence properties, we propose a method to make parallel chains interact. We apply this method to a biomass evolution model for fisheries.
Les méthodes de Monte Carlo par chaînes de Markov (MCMC) couplées à des modèles de Markov cachés sont utilisées dans de nombreux domaines, notamment en environnement et en écologie. Sur des exemples simples, nous montrons que la vitesse de convergence de ces méthodes peut être très faible. Nous proposons de mettre en interaction plusieurs algorithmes MCMC pour accélérer cette convergence. Nous appliquons ces méthodes à un modèle d'évolution de la biomasse d'une pêcherie.
ISSN: 1638-5713

inria-00506386
https://hal.inria.fr/inria-00506386
https://hal.inria.fr/inria-00506386/document
https://hal.inria.fr/inria-00506386/file/campillo2008d.pdf