Date(s) : 25/09/2017 iCal
15 h 30 min - 16 h 30 min
Le krigeage est une méthode d’interpolation de données spatiales. Après avoir rappelé les bases théoriques de cette méthode lorsque les données spatiales se présentent sous forme de courbes, nous en proposons une extension lorsqu’on dispose d’une covariable fonctionnelle. A partir d’un exemple pris sur des données climatiques (courbes de température et précipitation en France), nous tenterons d’apporter des éléments de réponse au problème suivant. Sur des stations d’un domaine spatial, deux variables fonctionnelles sont observées, parfois simultanément, parfois seules :
–
– Peut-on prévoir une variable fonctionnelle, ou l’autre, ou les deux courbes, sur des stations qui n’ont pas été échantillonnées?
–
– Comment utiliser l’information donnée par une covariable, sur quelques stations seulement, pour la prévision d’une variable à un endroit où elle est manquante?
–
Nous discuterons des problèmes théoriques soulevés par ces questions et proposerons un certain nombre de solutions opérationnelles.
–
Ref : D. Nerini, C. Manté & P. Monestiez, Extending functional kriging when data are multivariate curves : some technical considerations and operational solutions, in Geostatistics for Functional Data, Wiley Series in Probability & Statistics, Submitted (2017)
–
http://www.mio.univ-amu.fr/~nerini/
Catégories Pas de Catégories