Spatial environmental analyses using functional approaches : application to multifrequential fisheries acoustics data - Laboratoire Paul Painlevé (UMR8524) Accéder directement au contenu
Thèse Année : 2023

Spatial environmental analyses using functional approaches : application to multifrequential fisheries acoustics data

Analyses spatiales environnementales par approches fonctionnelles : application aux données multifrequentielles d’acoustiques halieutiques

Yoba Kandé
  • Fonction : Auteur
  • PersonId : 1382731
  • IdRef : 277530164

Résumé

This thesis falls within the framework of functional statistics applied to the environment.Functional data analysis is a field of statistics that studies data in functional forms. It provides techniques for dimension reduction, supervised and unsupervised learning, while considering temporal and/or spatial dependencies in functional data. Such data types are increasingly available in various fields, particularly in environmental sciences, thanks to modern technologies. One example is the use of fisheries acoustics, which allows for obtaining spatial and temporal samples of marine organisms at various depths and spatial scales, without intrusiveness.In this thesis, we analyzed a set of multifrequency acoustic data collected by scientific echosounders to study the spatial structure of marine organism aggregations, commonly known as "Sound Scattering Layers." We examined the characteristics of these complex biological entities, such as thickness, relative density, and depth, in relation to their environment, represented at a fine scale using a towed multiparametric system. To do so, we initially applied standard multivariate statistical methods and then incorporated functional data analysis techniques, with or without the spatial dimension.In our initial exploratory analysis, Multivariate Functional Principal Component Analysis provided precise information about parameter variation along depths, unlike traditional Principal Component Analysis. In regression tasks, our analyses, whether incorporating spatial dimension or not, revealed interactions between "Sound Scattering Layers" descriptors and key environmental variables on a spatial scale. We noted significant differences between the "Sound Scattering Layers" in the northern and southern regions, as well as between those in coastal and offshore zones. It is worth noting that considering the spatial dimension improved modeling quality. These results highlight spatial-functional statistical analysis as a key method in ecological studies involving spatially complex objects.Beyond our specific case study, the application of functional data analysis offers promising prospects for a wide range of ecological studies involving massive spatial data.
Cette thèse s'inscrit dans le cadre de la statistique fonctionnelle appliquée à l'environnement.La statistique fonctionnelle constitue un domaine de la statistique qui se penche sur des données présentées sous forme fonctionnelle. Elle propose des techniques pour la réduction de dimension, l'apprentissage supervisé et non supervisé, tout en tenant compte des dépendances temporelles et/ou spatiales des données fonctionnelles. Ce type de données est de plus en plus disponible dans de nombreux domaines, notamment les sciences de l'environnement, grâce aux technologies modernes. C'est notamment le cas des techniques d'acoustique des pêches, qui permettent d'obtenir des échantillons spatiaux et temporels d'organismes marins à diverses profondeurs et échelles spatiales, sans intrusivité.Dans le cadre de cette thèse, nous avons analysé un ensemble de données acoustiques multifréquences extraites par des échosondeurs scientifiques afin d'étudier la structure spatiale des agrégations d'organismes marins, communément appelées "Sound Scattering Layers". Nous avons examiné les caractéristiques de ces objets biologiques complexes, telles que leur épaisseur, leur densité relative et leur profondeur, en relation avec leur environnement. Cet environnement a été représenté à une échelle fine grâce à un système multiparamétrique tracté. Pour ce faire, nous avons d'abord utilisé des méthodes standards de statistique multivariée, puis nous avons mobilisé des techniques de l'analyse de données fonctionnelles, avec ou sans la dimension spatiale.Dans notre première analyse exploratoire, l'Analyse en composantes Principales fonctionnelle multivariée a fourni des informations précises sur la variation des paramètres le long des profondeurs, contrairement à l'Analyse en composantes Principales classique. Dans le cadre des tâches de régression, nos analyses, qu'elles intègrent ou non la dimension spatiale, ont mis en évidence des interactions entre les caractéristiques des "Sound Scattering Layers" et les variables environnementales clés à l'échelle spatiale. Nous avons observé des différences significatives entre les "Sound Scattering Layers" du nord et du sud, ainsi qu'entre ceux des zones côtières et des zones hauturières. Il est à noter que la prise en compte de la dimension spatiale a amélioré la qualité de la modélisation. Ces résultats démontrent que l'analyse statistique spatiale-fonctionnelle revêt une importance cruciale dans les études écologiques portant sur des objets spatialement complexes.Au-delà de notre étude de cas spécifique, l'application de l'analyse de données fonctionnelles ouvre des perspectives prometteuses pour un large éventail d'études écologiques impliquant des données spatiales massives.
Fichier principal
Vignette du fichier
These_KANDE_Yoba.pdf (33.18 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04575674 , version 1 (15-05-2024)

Identifiants

  • HAL Id : tel-04575674 , version 1

Citer

Yoba Kandé. Spatial environmental analyses using functional approaches : application to multifrequential fisheries acoustics data. Statistics [math.ST]. Université de Lille; Université Cheikh Anta Diop (Dakar), 2023. English. ⟨NNT : 2023ULILB047⟩. ⟨tel-04575674⟩
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More