Search

Your search keyword '"Saint-Geours, N."' showing total 20 results
Start Over Author "Saint-Geours, N."
20 results on '"Saint-Geours, N."'

2. Influence of sampling design parameters on biomass predictions derived from airborne lidar data

Author

Bouvier, M., Durrieu, S., Fournier, Richard, Saint-Geours, N., Vincent, G., Guyon, D., Grau, Eloi, Hérault, Bruno, Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), Centre d'Applications et de Recherches en TELédétection (CARTEL), Université de Sherbrooke [Sherbrooke], Botanique et Modélisation de l'Architecture des Plantes et des Végétations (UMR AMAP), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [France-Sud]), UMR1391, Institut National de la Recherche Agronomique (INRA), Ecologie des forêts de Guyane (UMR ECOFOG), Université des Antilles (UA)-Université de Guyane (UG)-Centre National de la Recherche Scientifique (CNRS)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), Centre d'Applications et de Recherches en TELédétection [Sherbrooke] (CARTEL), Département de géomatique appliquée [Sherbrooke] (UdeS), Université de Sherbrooke (UdeS)-Université de Sherbrooke (UdeS), Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)-Institut National de la Recherche Agronomique (INRA)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut de Recherche pour le Développement (IRD [France-Sud]), and Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-AgroParisTech-Université de Guyane (UG)-Centre National de la Recherche Scientifique (CNRS)-Université des Antilles (UA)

Subjects
LIDAR, BIOMASSE, ECHANTILLONNAGE, [SDE]Environmental Sciences, SAMPLING, SENSITIVITY ANALYSIS, ANALYSE DE SENSIBILITE, TELEDETECTION, MODELISATION, REMOTE SENSING
Abstract

[Departement_IRSTEA]Territoires [TR1_IRSTEA]SYNERGIE [Axe_IRSTEA]TETIS-ATTOSSilviLaser 2015, La Grande Motte, FRA, 28-/09/2015 - 30/09/2015; International audience; The study provides technical guidelines to optimize sampling design parameters in the context of the implementation of biomass predictive models from airborne lidar data. Parameters under study were those easily controlled when implementing an area-based approach, i.e. lidar pulse density and both field sampling protocols and measurements. Parameters most impacting the model accuracy were identified by conducting a one-factor- at -a-time and a global sensitivity analyses. Number and size of field plot, and plot center position accuracy were identified to be the parameters most impacting model accuracy.

Published
2015

3. Propagating Geometric Uncertainties from Image Segmentation to Spatial Indicators of Urban Sprawl

Author

Laurent, V.C.E., Saint-Geours, N, Bailly, Jean-Stéphane, Chéry, J.-P, Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), Laboratoire d'étude des Interactions Sol - Agrosystème - Hydrosystème (UMR LISAH), Institut de Recherche pour le Développement (IRD)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), IAMG, Institut de Recherche pour le Développement (IRD)-Institut de Recherche pour le Développement (IRD [ Madagascar])-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro), and Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)

Subjects
[SDU.STU]Sciences of the Universe [physics]/Earth Sciences
Abstract

International audience; Urban sprawl is a crucial issue for governments at all administrative levels. Monitoring urban sprawl requires spatial indicators at varying spatial scales. These indicators integrate information about impervious areas, population census, socioeconomic context, agricultural activities and soil quality. All the input data, however, suffer from uncertainties which affect the accuracy of the spatial indicator maps. In this contribution, we aim to: 1) evaluate the geometric and thematic uncertainties of the impervious areas extracted from remote sensing images, 2) propagate them to the spatial indicators using simulation, and 3) produce uncertainty maps for two spatial indicators: the area consumption per inhabitant, and the dispersion of impervious areas. In the region Languedoc-Roussillon, which covers 27,376 km 2 in the south of France, a methodology exists to obtain impervious polygons by segmentation and classification (S dataset) of 5 m resolution RapidEye imagery. Reference impervious polygons (R dataset) were digitalized on the RapidEye images for 75 randomly selected municipalities. The segmentation accuracy was evaluated using the intersection area of S and R, and the boundary distance distribution signature (BDDS) (Huang and Dom 1995). The BDDS is the histogram of the distance between each vertex of S to the closest vertex of R, calculated using only the polygons of S having more than 50% area overlap with R. In a Monte-Carlo set up, 1,000 simulations of impervious polygons were generated using Gaussian random fields of polar coordinates of the polygon vertices. The corresponding 1,000 spatial indicator maps allowed mapping the uncertainties and calculating confidence intervals for each indicator of urban sprawl.

Published
2014

4. Hazard-asset spatial overlays and induced uncertainty in natural risk assessments

Author

Saint-Geours, N., Langer, T., Bailly, J. -S, Frédéric Grelot, Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), Laboratoire d'étude des Interactions Sol - Agrosystème - Hydrosystème (UMR LISAH), Institut de Recherche pour le Développement (IRD)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Gestion de l'Eau, Acteurs, Usages (UMR G-EAU), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut de Recherche pour le Développement (IRD [France-Sud]), Institut de Recherche pour le Développement (IRD)-Institut de Recherche pour le Développement (IRD [ Madagascar])-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut de Recherche pour le Développement (IRD [France-Sud])-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech, and Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)

Subjects
geographical information systems, INONDATION, monitoring, flooding, RISQUE NATUREL, SYSTEME D'INFORMATION GEOGRAPHIQUE, [SDE.IE]Environmental Sciences/Environmental Engineering, spatial data, SURVEILLANCE, [SPI.GCIV.RISQ]Engineering Sciences [physics]/Civil Engineering/Risques, DONNEE SPATIALE, natural risk
Abstract

[Departement_IRSTEA]Territoires [TR1_IRSTEA]SYNERGIE [Axe_IRSTEA]TETIS-USIG; International audience; We investigate how hazard spatial datasets and land use spatial datasets can be overlaid in natural risk assessments. Based on a case-study of a flood damage assessment on the Orb River, France, we show that the variability of spatial overlay techniques may result in significant uncertainty in natural risk assessments.

Published
2014

5. Simulating geometric uncertainties of impervious areas based on image segmentation accuracy metrics

Author

Laurent, V., Saint Geours, N., Bailly, Jean-Stéphane, Chery, J.-P., Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), and Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)

Subjects
GEOMETRY, ANALYSE SPATIALE, SIMULATION, [SDE]Environmental Sciences, MESURE, SPATIAL DATA ANALYSIS, Computer Science::Computational Geometry, TELEDETECTION, HUMAN SETTLEMENT, GEOMETRIE, SEGMENTATION D'IMAGE, REMOTE SENSING
Abstract

International audience; Urban sprawl monitoring is important for developing land management policies at various spatial scales. Segmentation and classification of satellite images allows obtaining polygons of impervious areas regularly over large areas, e.g. as has been implemented for the region Languedoc‐Roussillon in the south of France using 5 m RapidEye images. Starting from the results of this previous study, we aim to: i) evaluate the geometric and thematic accuracy of the impervious polygons (S) using segmentation accuracy metrics, and ii) use these metrics to simulate polygons having the same level of uncertainty. A manual segmentation (M) was used to evaluate the accuracy. After matching the polygons, the distance (d) and azimuth (a) of each vertex of M to the closest segment of the boundary of S was calculated. Spherically correlated random fields of d and a were used to randomly move the vertices of S. Realistic simulations of impervious polygons were obtained.

Published
2014

6. Identifying optimal classification rules for geographic object-based image analysis

Author

Arvor, Damien, Saint-Geours, N., Dupuy, S., Andrés, S., Durieux, Laurent, Expertise et spatialisation des connaissances en environnement (ESPACE), Institut de Recherche pour le Développement (IRD), Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), and Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)

Subjects
GEOBIA, RULE-BASED APPROACH, U10 - Informatique, mathématiques et statistiques, SYSTEME D'INFORMATION GEOGRAPHIQUE, SEPARABILITY, ANALYSE SPATIALE, SVM, FEATURE, CLASSIFICATION, B10 - Géographie, THRESHOLD, DONNEE D'IMAGE, CONCEPTION ORIENTEE OBJET, [SDE]Environmental Sciences, U30 - Méthodes de recherche, TELEDETECTION, ANALYSE DE DONNEES
Abstract

[Departement_IRSTEA]Territoires [TR1_IRSTEA]SYNERGIE; National audience; In Geographic Object-based Image Analysis (GEOBIA), remote sensing experts benefit from a large spectrum of characteristics to interpret images (spectral information, texture, geometry, spatial relations, etc). However, the quality of a classification is not always increased by considering a higher number of features. The experts are then used to define classification rules based on a laborious "trial-and-error" process. In this paper, we test a methodology to automatically determine an optimal subset of features for discriminating features. This method assumes that a reference land cover map (or at least training samples) is available. Two approaches were considered: a rule-based approach and a Support Vector Machine approach. For each approach, the method consists in ranking the features according to their potential for discriminating two classes. This task was performed thanks to the Jeffries-Matusita distance and Support Vector Machine-Ranking Feature Extraction (SVM-RFE) algorithm. Then, it consists in training and validating a classification algorithm (rule-based and SVM), with an increasing number of features: first only the best-ranked feature is included in the classifier, then the two best-ranked features, etc., until all the N features are included. The objective is to analyze how the quality of the classification evolves according to the numbers of features used. The optimal subset of features is finally determined through the analysis of the Akaike information criterion. The methodology was tested on two classes (urban an non urban areas) on a Spot5 image regarding a study area located in the La Réunion island.

Published
2013

8. Une méthode pour déterminer le sous-ensemble optimal d'attributs pour la classification orientée objet d'images satellitaires

Author

ARVOR, Damien, Wiefels, Alexandre, Saint Geours, N., Almeida, Claudio, Durieux, Laurent, Ose, Kenji, Irstea Publications, Migration, Littoral, Environnement, Télédétection, Géomatique (LETG - Rennes), Littoral, Environnement, Télédétection, Géomatique UMR 6554 (LETG), Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Brest (UBO)-École pratique des hautes études (EPHE)-Université de Nantes (UN)-Université d'Angers (UA)-Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 2 (UR2), Normandie Université (NU)-Normandie Université (NU), Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), ird (Unité Espace S140), Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-Université d'Angers (UA)-École pratique des hautes études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Brest (UBO)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Centre National de la Recherche Scientifique (CNRS)-Institut de Géographie et d'Aménagement Régional de l'Université de Nantes (IGARUN), Université de Nantes (UN)-Université de Nantes (UN)-Université de Caen Normandie (UNICAEN), Université de Nantes (UN)-Université de Nantes (UN), UMR 228 Espace-Dev, Espace pour le développement, Université de Guyane (UG)-Université des Antilles (UA)-Institut de Recherche pour le Développement (IRD)-Université de Perpignan Via Domitia (UPVD)-Avignon Université (AU)-Université de La Réunion (UR)-Université de Montpellier (UM), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), INPE BELEM BRA, Partenaires IRSTEA, Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), ARVOR, Damien, and Institut de Recherche pour le Développement (IRD)-Université de Perpignan Via Domitia (UPVD)-Avignon Université (AU)-Université de La Réunion (UR)-Université de Montpellier (UM)-Université de Guyane (UG)-Université des Antilles (UA)

Subjects
[SDE] Environmental Sciences, IMAGE PROCESSING, GEOBIA, [SHS.GEO] Humanities and Social Sciences/Geography, SVM, [SDE]Environmental Sciences, GUYANE FRANCAISE, SMV, AMAZONIE, [SHS.GEO]Humanities and Social Sciences/Geography, ComputingMilieux_MISCELLANEOUS, REMOTE SENSING
Abstract

International audience; In GEOBIA, remote sensing experts benefit from a large spectrum of characteristics to interpret images (spectral information, texture, geometry, spatial relations, etc). However, the quality of a classification is not always increased by inserting a higher number of features. The experts are then used to define classification rules based on a laborious "trial-and-error" process. In this paper, we propose a methodology to automatically determine an optimal subset of features for discriminating features. This process assumes that a reference land cover map is available. The method consists in ranking the features according to their potential for discriminating two classes. This task was performed thanks to the Support Vector Machine-Ranking Feature Extraction (SVM-RFE) algorithm. Then, it consists in training and validating a classification algorithm (SVM), with an increasing number of features: first only the best-ranked feature is included in the classifier, then the two best-ranked features, etc., until all the N features are included. The objective is to analyze how the quality of the classification evolves according to the numbers of features used. The optimal subset of features is finally determined through the analysis of the Akaike information criterion. The methodology was tested on two classes of pastures in a study area located in the Amazon. Two features were considered as sufficient to discriminate both classes.

Published
2012

9. Analytical properties of Sobol' sensitivity indices for a model with spatially distributed input/output

Author

Saint-Geours, N., Lavergne, C., Jean-Stéphane Bailly, Frédéric Grelot, Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre National de la Recherche Scientifique (CNRS)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), Université Paul-Valéry - Montpellier 3 (UPVM), Gestion de l'Eau, Acteurs, Usages (UMR G-EAU), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF)-Institut de Recherche pour le Développement (IRD [France-Sud])-Centre International de Hautes Etudes Agronomiques Méditerranéennes - Institut Agronomique Méditerranéen de Montpellier (CIHEAM-IAMM), Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM)-Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM), and Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SDE]Environmental Sciences, INDICES DE SOBOL, MODELE SPATIALISE, ANALYSE DE SENSIBILITE
Abstract

National audience; Plusieurs publications proposent des méthodes permettant d'intégrer dans une analyse de sensibilité de Sobol des facteurs d'entrée Xi ou des sorties Y distribués spatialement. Dans cette présentation, on explore les propriétés analytiques des indices de Sobol estimés dans un tel cadre. On met en évidence des propriétés liées à la nature spatialisée des entrées et sorties d'un modèle : influence des changements d'échelle, de l'auto-corrélation spatiale dans les facteurs d'entrée Xi, de la représentation de l'espace sur une grille discrète. Ces développements confirment l'intérêt de l'analyse de Sobol pour aborder la complexité de modèle environnementaux spatialisés. Une application sur un modèle d'évaluation économique du risque d'inondation est proposée.

Published
2011

10. Analyse de sensibilité de Sobol d'un modèle à facteurs d'entrée spatialisés : application à un outil d'évaluation du risque d'inondation

Author

Saint-Geours, N., Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre National de la Recherche Scientifique (CNRS)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF), and Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SDE]Environmental Sciences, INDICES DE SOBOL
Abstract

National audience; Le modèle ACBDE repose sur l'emboîtement de sous-modules de natures différentes, fortement non-linéaires (module hydrologique, hydraulique, évaluation des dommages,des coûts... ), qui utilisent notamment des données cartographiques (carte d'occupation du sol, étendue des plaines d'inondation, topologie du terrain, localisation des enjeux...). Les sources d'incertitude sont nombreuses, et présentent une caractéristique commune : elles sont spatialisées. Pour traiter cette question, on peut s'appuyer sur une méthode d'analyse de sensibilité globale basée sur la variance et calculer des indices de Sobol pour chaque facteur d'entrée. Cette approche est ici adaptée pour pouvoir tenir compte des facteurs d'entrée qui sont spatialisés (cartes). On se propose ici de détailler comment cette approche a été mise en oeuvre sur le cas d'étude de l'outil ACBDE appliqué à la basse vallée de l'Orb (Hérault).

Published
2010

11. Comparison of three spatial sensitivity analysis techniques

Author

Saint-Geours, N., Linda Lilburne, Irstea Publications, Migration, Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF), Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Manaaki Whenua – Landcare Research [Lincoln], Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Centre National de la Recherche Scientifique (CNRS), Saint-Geours, Nathalie, and Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre National de la Recherche Scientifique (CNRS)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)

Subjects
[SDE] Environmental Sciences, [STAT.TH] Statistics [stat]/Statistics Theory [stat.TH], Gaussian random field, NEW-ZEALAND, MORRIS, LHS, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], SENSIBILITE, sensitivity analysis, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], NOUVELLE ZELANDE, [SDE]Environmental Sciences, [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST], OAT, SOBOL
Abstract

International audience; Trois techniques d'analyse de sensibilité (One-At-A-Time , Morris et Sobol) sont comparées sur un modèle spatialisé de diffusion des polluants d'origine agricoles dans les eaux souterraines. La zone d'étude recouvre une partie des plaines du Canterbury en Nouvelle-Zélande. Les trois méthodes comparées aboutissent à un classement similaires des paramètres d'entrée du modèle, mais diffèrent dans leurs résultats quantitatifs: l'approche de Sobol, plus coûteuse en temps de calcul, permet néanmoins de quantifier avec plus de précision l'impact de chaque facteur d'entrée sur la variabilité des sorties du modèle.

Published
2010

12. Risk perception and economic valuation of flood exposure. Study of two hydrologically contrasted territories

Author

Grelot, F., Arnal, J., Bremond, Pauline, Erdlenbruch, Katrin, Durand, C., Durand, S., Gleyses, G., Jarnet, P., Liberti, M., Martini, S., Richard-Ferroudji, A., Albrecht, L., Bailly, Jean-Stéphane, Saint-Geours, N., Dupont, N., van Tilbeurgh, V., Quesseveur, E., Anguil, G., Gilbert, E., Lescoulier, C., Rielland, P.A., Gestion de l'Eau, Acteurs, Usages (UMR G-EAU), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF)-Institut de Recherche pour le Développement (IRD [France-Sud])-Centre International de Hautes Etudes Agronomiques Méditerranéennes - Institut Agronomique Méditerranéen de Montpellier (CIHEAM-IAMM), Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM)-Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut de Recherche pour le Développement (IRD)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), UHB RENNES UMR COSTEL FRA, Partenaires IRSTEA, Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), UHB RENNES UMR RESO FRA, EGIS, Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF), Littoral, Environnement, Télédétection, Géomatique UMR 6554 (LETG), Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-Université d'Angers (UA)-École pratique des hautes études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Brest (UBO)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Centre National de la Recherche Scientifique (CNRS)-Institut de Géographie et d'Aménagement Régional de l'Université de Nantes (IGARUN), Université de Nantes (UN)-Université de Nantes (UN), Espaces et Sociétés (ESO), Le Mans Université (UM)-Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-Université d'Angers (UA)-AGROCAMPUS OUEST-Université de Rennes 2 (UR2), National Recherche, irstea, MEEDDM. Programme de recherche Risque-Décision-Territoire, Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut de Recherche pour le Développement (IRD), Institut de Géographie et d'Aménagement Régional de l'Université de Nantes (IGARUN), Université de Nantes (UN)-Université de Nantes (UN)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université d'Angers (UA)-Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-Le Mans Université (UM), Normandie Université (NU)-Normandie Université (NU)-Université d'Angers (UA)-École Pratique des Hautes Études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Brest (UBO)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-Institut de Géographie et d'Aménagement Régional de l'Université de Nantes (IGARUN), and Normandie Université (NU)-Normandie Université (NU)-Le Mans Université (UM)-Université d'Angers (UA)-AGROCAMPUS OUEST-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-Institut de Géographie et d'Aménagement Régional de l'Université de Nantes (IGARUN)

Subjects
[SHS.ENVIR]Humanities and Social Sciences/Environmental studies, RIVIERE ORB, [SHS.ECO]Humanities and Social Sciences/Economics and Finance
Abstract

[Departement_IRSTEA]Eaux [TR1_IRSTEA]GEUSI [TR2_IRSTEA]SYNERGIE; Objectives of this project are at different levels. First, it aims at strengthen and links two research actions conducted in parallel so far. The first action is an interdisciplinary study of risk perception, conducted on Vilaine catchment, second one is an economic valuation of territory exposure to flood, conducted in Orb catchment. The link expected between the two research actions consists in applying each action (perception and valuation) in both catchment. We expect that contrasted hydrological contexts and spatial approach underlying each action is an opportunity to study relations between a territory exposure and the perception inhabitants or actors have of flood risk. The choice of two catchments with contrasted characteristics is perceived as a necessary condition for generalization of results. Second, we expect results for each research actions. For the perception study, we aim at testing and strengthening survey techniques for collecting opinions from different group of social actors. Methodology used will used both opened and closed surveys, with an effort of interdisciplinary (economic, geomatics, sociology and economics). Aims of the surveys are to identify main parameters that contribute to the construction of flood perception. For the economic valuation of territory exposure study, we aim at propose a modelling of territory vulnerability (relation between of submersion hazard and induced consequences). The question of the scale of study will be investigated, depending on stakes studied. A consequent part of the study will concern the study of uncertainty of the modelling proposed, which will be allowed by an interdisciplinary approach (economics, geography, geomatics, hydrology and hydraulics). We expect to find an articulation between both approaches: perception and economic valuation. Consolidation of knowledge on both study areas is also en expected outcome.; Les objectifs de cette proposition sont à différents niveaux. Au premier niveau, cette proposition vise à consolider deux actions de recherche menées de façon parallèle et à les mettre en réseau. La première action de recherche consiste en une étude interdisciplinaire sur la perception du risque d'inondation sur le bassin versant de la Vilaine, la seconde en une évaluation économique de l'exposition d'un territoire aux inondations, avec pour cas d'étude le bassin versant de l'Orb. Cette mise en réseau consistera en l'application de chacune des actions (perception ou évaluation) sur chacun des bassins. Elle est justifiée par les faits que (1) les contextes (au moins hydrologiques) des deux bassins versants sont contrastés et (2) l'approche spatialisée favorisée pour les deux actions est un atout pour étudier les relations pressenties entre exposition d'un territoire aux inondations et perception du risque par les habitants ou acteurs de ce territoire. Le choix de deux bassins versants aux caractéristiques contrastées est d'ailleurs une condition nécessaire à une montée en généralité des résultats de la présente proposition. Au second niveau, les objectifs de recherche sont propres à chacune des approches. Concernant la perception, la proposition visera à tester et consolider les techniques de recueil de la perception du risque d'inondation pour différents groupes d'acteurs sociaux (acteurs de la prévention; individus directement soumis au risque; individus non directement soumis au risque). Les méthodes s'appuieront sur des enquêtes ouvertes et fermées, avec un effort particulier d'interdisciplinarité (géographie, géomatique, sociologie et économie). L'objectif de ces enquêtes sera d'identifier les principaux paramètres qui participent à la construction des perceptions des inondations par les acteurs sociaux. Concernant l'évaluation de l'exposition d'un territoire aux inondations, la proposition visera à proposer une modélisation de la vulnérabilité du territoire (relation entre événement de submersion et conséquences induites). En s'appuyant sur les approches existantes, cette modélisation aura une entrée spatiale forte (les enjeux seront localisés, les conséquences subies dépendront de la submersion qu'ils subissent). La proposition visera à discuter le grain de résolution adéquat en fonction du type d'enjeux (ponctuel, surfacique, non territorialisé pour les effets indirects par exemple); l'adéquation entre la modélisation proposée et la disponibilité des données. Un accent particulier sera mis sur l'analyse des incertitudes. Les différents points de cette discussion seront favorisés par une approche interdisciplinaire (économie, géographie, géomatique, hydrologie-hydraulique). Outre les avancées sur chacune des approches, l'un des enjeux de recherche central à notre proposition repose sur l'articulation possible entre les approches elles-mêmes (approche plutôt «objective» de l'évaluation et approche plutôt «subjective» de la perception). Cette articulation est l'un des enjeux de cette proposition, qui vise à dépasser une simple juxtaposition d'approches supposées complémentaires. La consolidation des connaissances sur chacun des terrains d'études est aussi un des résultats attendus.

Published
2009

13. Modèles spatialisés, incertitudes et analyse de sensibilité

Author

Saint-Geours, N., Gestion de l'Eau, Acteurs, Usages (UMR G-EAU), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF)-Institut de Recherche pour le Développement (IRD [France-Sud])-Centre International de Hautes Etudes Agronomiques Méditerranéennes - Institut Agronomique Méditerranéen de Montpellier (CIHEAM-IAMM), Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM)-Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM), Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Centre National de la Recherche Scientifique (CNRS), and Mastère SILAT

Subjects
[SDE]Environmental Sciences
Abstract

[Departement_IRSTEA]Eaux [TR1_IRSTEA]GEUSI [TR2_IRSTEA]SYNERGIE [Encadrant_IRSTEA]Grelot, F.; Complex spatial models are developped to support decision making processes in various field of environmental management. These models use environmental data that is spatially distributed and is always partly uncertain. Sensitivity and uncertainty analysis techniques should be used to assess the impact of the propagation of uncertainties in these models. Sensitivity analysis techniques aim at examining the extent of output variation of a model when parameters are systematically varied over a range of interest. Here, spatial Sobol sensitivity analysis has been applied to CBA AD (Cost Benefit Analysis Avoided Damages), a tool for flood risk assesment. Based on spatially distributed models, this tool is used to assess the economic efficiency of projects for flood risk mitigation. All sources of uncertainty in the models have been described through probabilistic distributions or through geostatistical simulations. These uncertainties were then propagated through the model with a stochastic Monte-Carlo process. Finally, Sobol' sensitivity indices were computed for each uncertain model inputs. They allowed the robustness of model predictions to be checked, and the most influential model inputs to be identifed.; L'analyse des incertitudes qui pèsent sur les entrées et les sorties d'un modèle environnemental est une étape incontournable dans la construction d'outils utiles aux décideurs, notamment dans le domaine de la gestion des risques naturels. L'objet de cette thèse professionnelle SILAT, commanditée par le CEMAGREF (UMR G-EAU), est de contribuer à une meilleure prise en compte des incertitudes dans le modèle « Analyse Coût Bénéfice Dommages Evités » (ACBDE), outil spatialisé qui permet d'évaluer économiquement des projets de protection contre le risque d'inondation. Une analyse de sensibilité globale (méthode de Sobol), prenant en compte les incertitudes pesant sur les variables d'entrée spatialisées (Modèle Numérique de Terrain et carte des enjeux), a été appliquée à l'outil ACBDE. Le caractère incertain de chaque facteur d'entrée a été décrit par une distribution de probabilité ou par des simulations géostatistiques. Ces incertitudes ont ensuite été propagées à travers le modèle par une procédure stochastique de type Monte-Carlo. Enfin, des indices de sensibilité (indices de Sobol) ont été calculés pour chaque facteur d'entée du modèle. Cette démarche a permis d'évaluer la robustesse des résultats fournis par l'outil ACBDE, ainsi que d'identifier les variables d'entrée dont le caractère incertain influence le plus la variabilité des sorties du modèle.

Published
2009

16. Computing first-order sensitivity indices with contribution to the sample mean plot.

Author

Saint-Geours, N., Tarantola, S., Kopustinskas, V., and Bolado-Lavin, R.

Subjects
*SENSITIVITY analysis, *STATISTICAL sampling, *ANALYSIS of variance, *MONTE Carlo method, *POLYNOMIALS
Abstract

In this paper, we investigate the use of the contribution to the sample mean plot (CSM plot) as a graphical tool for sensitivity analysis (SA) of computational models. We first provide an exact formula that links, for each uncertain model inputXj, the CSM plotCj(·) with the first-order variance-based sensitivity indexSj. We then build a new estimate forSjusing polynomial regression of the CSM plot. This estimation procedure allows the computation ofSjfromgiven data, without any SA-specific design of experiment. Numerical results show that this newSjestimate is efficient for large sample sizes, but that at small sample sizes it does not compare well with otherSjestimation techniques based on given data, such as the effective algorithm for computing global sensitivity indices method or metamodel-based approaches. [ABSTRACT FROM PUBLISHER]

Published
2015
Full Text
View/download PDF

17. Variance-based global sensitivity analysis of a spatially distributed model

Author

Saint-Geours, N., Lavergne, C., Jean-Stéphane Bailly, Frédéric Grelot, Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Centre National de la Recherche Scientifique (CNRS), Université Paul-Valéry - Montpellier 3 (UPVM), Gestion de l'Eau, Acteurs, Usages (UMR G-EAU), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut de Recherche pour le Développement (IRD [France-Sud]), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), and Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre National de la Recherche Scientifique (CNRS)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)

Subjects
[SPI]Engineering Sciences [physics], ORB, Modélisation, Analyse de sensibilité, [SDE]Environmental Sciences, HERAULT, ComputingMilieux_MISCELLANEOUS, SOBOL
Abstract

National audience; L’analyse de sensibilité globale peine à se développer dans le champ de la modélisation environnementale. Dans sa formulation initiale, elle est limitée à l’étude de modèles Y = f(X1,...,Xp) où les variables d’entrée Xj et la sortie Y sont scalaires, alors que nombre de modèles environnementaux incluent une dimension spatiale, soit qu’ils fassent appel à des cartes comme variables d’entrée, soit que leurs sorties soient distribuées spatialement. Au travers d’une étude de cas détaillée, nous présentons dans cet article une application de l’analyse de sensibilité globale à l’étude de modèles spatialisés. Le modèle étudié, nommé ACB-DE, est un outil d’évaluation économique du risque d’inondation. Il est ici appliqué sur la vallée de l’Orb (Hérault). Des spécifications spatialisées de l’incertitude sont utilisées pour générer un nombre fini de réalisations aléatoires équiprobables des variables d’entrée qui sont des cartes: les effets de structure spatiale ou d’auto-corrélation dans ces cartes peuvent ainsi être pris en compte. La réalisation de cartes d’indices de sensibilité permet d’étudier les sorties spatialisées du modèle ACB-DE et de rendre compte de la variabilité spatiale des indices de Sobol. L’influence relative des variables d’entrée à différentes échelles d’étude est analysée par la réalisation de cartes d’indices de sensibilité de résolution croissante. L’analyse réalisée permet d’identifier les variables d’entrée incertaines qui expliquent la plus grande part de la variabilité de l’indicateur économique fourni par le modèle ACB-DE; elle apporte un éclairage nouveau sur le choix de l’échelle adéquate de représentation spatialisée de cet indicateur selon la précision des variables d’entrée.

18. Flood damage maps: ranking sources of uncertainty with variance-based sensitivity analysis

Author

Saint Geours, N., Frédéric Grelot, Jean-Stéphane Bailly, Lavergne, C., Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), Gestion de l'Eau, Acteurs, Usages (UMR G-EAU), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut de Recherche pour le Développement (IRD [France-Sud]), and Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)

Subjects
ECHELLE SPATIALE, RISQUE D'INONDATION, MODELISATION, INONDATION, INCERTITUDE, [SDE]Environmental Sciences, AVOIDED DAMAGE, MODELISATION SPATIALE, FLOOD, SENSITIVITY, ANALYSE DE SENSIBILITE, CBA, SCALE, SOBOL, CARTOGRAPHIE
Abstract

[Departement_IRSTEA]Territoires [TR1_IRSTEA]SYNERGIE [TR2_IRSTEA]ARCEAU; International audience; In order to increase the reliability of flood damage assessment, we need to question the uncertainty associated with the whole flood risk modeling chain. Using a case study on the basin of the Orb River, France, we demonstrate how variance-based sensitivity analysis can be used to quantify uncertainty in flood damage maps at different spatial scales and to identify the sources of uncertainty which should be reduced first.

19. Échantillonnage latin hypercube de champs gaussiens aléatoires pour l'analyse de sensibilité de modèles à entrées spatialisées et sortie scalaire

Author

Saint-Geours, N., Bailly, J. -S, Frédéric Grelot, Lavergne, C., Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre National de la Recherche Scientifique (CNRS)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF), Laboratoire d'étude des Interactions Sol - Agrosystème - Hydrosystème (UMR LISAH), Institut de Recherche pour le Développement (IRD)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Gestion de l'Eau, Acteurs, Usages (UMR G-EAU), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF)-Institut de Recherche pour le Développement (IRD [France-Sud])-Centre International de Hautes Etudes Agronomiques Méditerranéennes - Institut Agronomique Méditerranéen de Montpellier (CIHEAM-IAMM), Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM)-Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM), Université Paul-Valéry - Montpellier 3 (UPVM), Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Institut de Mathématiques et de Modélisation de Montpellier (I3M), Centre National de la Recherche Scientifique (CNRS)-Université Montpellier 2 - Sciences et Techniques (UM2)-Université de Montpellier (UM), University of Glasgow, Beatson West of Scotland Cancer Centre, and Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
GAUSSIAN RANDOM FIELD, UNCONDITIONNAL SIMULATION, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [SDE]Environmental Sciences, LATIN HYPERCUBE SAMPLING, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], GLOBAL SENSITIVITY ANALYSIS
Abstract

4 pages; International audience; The variance-based Sobol' approach is one of the few global sensitivity analysis methods that is suitable for complex models with spatially distributed inputs. Yet it needs a large number of model runs to compute sensitivity indices: in the case of models where some inputs are 2D Gaussian random fields, it is of great importance to generate a relatively small set of map realizations capturing most of the variability of the spatial inputs. The purpose of this paper is to discuss the use of Latin Hypercube Sampling (LHS) of geostatistical simulations to reach better efficiency in the computation of Sobol' sensitivity indices on spatial models. Sensitivity indices are estimated on a simple analytical model with a spatial input, for increasing sample size, using either Simple Random Sampling (SRS) or LHS to generate input map realizations. Results show that using LHS rather than SRS yields sensitivity indices estimates which are slightly more precise (smaller variance), with no significant improvement of bias.

20. Analyse de sensibilité globale d'un modèle spatialisé pour l'évaluation économique du risque d'inondation

Author

Saint-Geours, N., Lavergne, C., Jean-Stéphane Bailly, Frédéric Grelot, Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF), Institut de Mathématiques et de Modélisation de Montpellier (I3M), Centre National de la Recherche Scientifique (CNRS)-Université Montpellier 2 - Sciences et Techniques (UM2)-Université de Montpellier (UM), Gestion de l'Eau, Acteurs, Usages (UMR G-EAU), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-AgroParisTech-Centre national du machinisme agricole, du génie rural, des eaux et forêts (CEMAGREF)-Institut de Recherche pour le Développement (IRD [France-Sud])-Centre International de Hautes Etudes Agronomiques Méditerranéennes - Institut Agronomique Méditerranéen de Montpellier (CIHEAM-IAMM), Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM)-Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM), and Université Montpellier 2 - Sciences et Techniques (UM2)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
INONDABILITE, ANALYSE SPATIALE, FRANCE, SENSIBILITE, SPATIAL, LANGUEDOC ROUSSILLON, EVALUATION DES RISQUES, INONDATION, MODELE, ORB, [SDE]Environmental Sciences, FLOOD, HERAULT, SENSITIVITY, VARIANCE-BASED, SOBOL
Abstract

[Departement_IRSTEA]Territoires [TR1_IRSTEA]SYNERGIE; L'analyse de sensibilité globale peine à se développer dans le champ de la modélisation environnementale. Dans sa formulation initiale, elle est limitée à l'étude de modèles Y = f (X1; : : : ;Xp) où les variables d'entrée Xj et la sortie Y sont scalaires, alors que nombre de modèles environnementaux incluent une dimension spatiale marquée, soit qu'ils fassent appel à des cartes comme variables d'entrée, soit que leurs sorties soient distribuées spatialement. Au travers d'une étude de cas détaillée, nous présentons dans cet article une extension de l'analyse de sensibilité globale à l'étude de modèles spatialisés. Le modèle étudié, nommé ACB-DE, est un outil d'évaluation économique du risque d'inondation. Il est ici appliqué sur la basse-vallée de l'Orb (Hérault). Des spécifications spatialisées de l'incertitude sont utilisées pour générer un nombre fini de réalisations aléatoires équiprobables des variables d'entrée qui sont des cartes : les effets de structure spatiale ou d'auto-corrélation dans ces cartes peuvent ainsi être pris en compte. La réalisation de cartes d'indices de sensibilité permet ensuite d'étudier les sorties spatialisées du modèle ACB-DE et de rendre compte de la variabilité spatiale des indices de Sobol. L'influence relative des variables d'entrée à différentes échelles d'étude est analysée par la réalisation de cartes d'indices de sensibilité de résolution croissante. L'analyse réalisée permet d'identifier les variables d'entrée incertaines qui expliquent la plus grande part de la variabilité de l'indicateur économique fourni par le modèle ACB-DE ; elle apporte un éclairage nouveau sur le choix de l'échelle adéquate de représentation spatialisée de cet indicateur selon la précision des variables d'entrée. L'approche proposée pourrait être aisément appliquée à d'autres modèles spatialisés peu coûteux en temps de calcul. / Variance-based Sobol' global sensitivity analysis (GSA) was initially designed for the study of models with scalar inputs and outputs, while many models in the environmental field are spatially explicit. As a result, GSA is not a common practise in environmental modelling. In this paper we describe a detailed case study where GSA is performed on a spatially dependent model for flood risk economic assessment on the Orb valley (southeast France). Spatial input factors are handled by associating randomly generated map realizations to scalar values sampled from discrete uniform distributions. The realisations of random input maps can be generated by any method including geostatistical simulation techniques, allowing for spatial structure and auto-correlation to be taken into account. The estimation of sensitivity indices on ACB-DE spatial outputs makes it possible to produce maps of sensitivity indices. These maps describe the spatial variability of Sobol' indices. Sensitivity maps of different resolutions are then compared to discuss the relative influence of uncertain input factors at different scales.

Catalog

Books, media, physical & digital resources
See catalog results