Pierrette Chagneau (MMIP, AgroParisTech)

Modélisation bayésienne hiérarchique pour la prédiction multivariée de processus spatiaux non gaussiens et processus ponctuels hétérogènes d’intensité liée à une variable prédite. Application en foresterie.

vendredi 5 février 2010, 9h30 - 10h45

Salle de réunion, espace Turing


Un des points faibles des modèles de dynamique forestière spatialement
explicites est la modélisation de la régénération. Un inventaire détaillé du
peuplement et des conditions environnementales a permis de mettre en évidence
les effets de ces deux facteurs sur la densité locale de juvéniles. Mais
en pratique, la collecte de telles données est coûteuse et ne peut être réalisée à grande échelle : seule une partie des juvéniles est échantillonnée et
l’environnement n’est connu que partiellement. L’objectif est ici de proposer
une approche pour prédire la répartition spatiale et le génotype des juvéniles
sur la base d’un échantillonnage raisonnable des juvéniles, des adultes et de
l’environnement. La position des juvéniles est considérée comme la réalisation
d’un processus ponctuel marqué, les marques étant constituées par les
génotypes. L’intensité du processus traduit les mécanismes de dispersion à
l’origine de l’organisation spatiale et de la diversité génétique des juvéniles.
L’intensité dépend de la survie des graines, qui dépend elle-m »me des conditions
environnementales. Il est donc nécessaire de prédire l’environnement
sur toute la zone d’étude. L’environnement, représenté par un champ aléatoire
multivarié, est prédit grâce à un modèle hiérarchique spatial capable
de traiter simultanément des variables de nature différente. Contrairement
aux modèles existants où les variables environnementales sont considérées
comme connues, le modèle de régénération proposé doit prendre en compte
les erreurs liées à la prédiction de l’environnement. La méthode est appliquée
à la prédiction de la régénération des juvéniles en for »t tropicale (Guyane
française).