Search

La catedral de Toledo vivió un periodo de gran actividad con la elevación del claustro y las edificaciones que lo rodeaban. Esta investigación propone una nueva lectura sobre su historia constructiva y la organización de los talleres de pedreros que trabajaron en la gran cantería castellana. ¿Quiénes eran estos maestros y de dónde venían? ¿Cómo se formaban? ¿Con qué materiales y medios trabajaban? ¿Cuándo y en qué condiciones lo hacían? ¿Qué «señales» dejaron en las piedras del claustro? Para responder a estas preguntas se ha contrastado lo edificado con la documentación conservada y se ha incluido, en el análisis de los paramentos, el estudio de los signos lapidarios. La aplicación de un Sistema de Información Geográfica para las «señales» identificadas ha permitido transcender la historia de lo construido. La construction du cloître de la cathédrale de Tolède a eu lieu entre les xive et xve siècles. La confrontation de la documentation comptable qu'elle a générée avec le monument lui-même et les signes lapidaires identifiés grâce à l'application des nouvelles technologies, a permis d'approcher la vie quotidienne de l'une des plus grandes entreprises de construction du Moyen Âge castillan et de contribuer à une nouvelle lecture des moyens, des personnes et de l'organisation des ateliers de taille de pierre. The construction of the cloister of Toledo Cathedral took place between the 14th and 15th centuries. The comparison of the accounting documentation it generated with the monument itself and the lapidary signs identified thanks to the application of new technologies, has made it possible to approach the daily life of one of the most important construction undertakings of the Castilian Middle Ages and to contribute to a new reading of the resources, the people and the organization of the stonemasonry workshops.

En el corazón de la ciudad de Toledo, aprovechando parte del lugar sacralizado, primero ocupado por una basílica visigoda y, más tarde, por la mezquita aljama, se proyectó la catedral gótica, que fue creciendo poco a poco desde la cabecera hasta la fachada occidental, envolviendo a la vieja mezquita que seguía en pie y se utilizaba como iglesia. La obra se inició bajo el patronazgo del rey Fernando III el Santo, gracias a la decisión y el entusi...

El estudio de la fábrica del claustro de la catedral de Toledo, a partir de los fondos del Archivo Capitular y de la observación y análisis del propio edificio, nos ha permitido, con el auxilio de la geomática, recuperar algunas claves para entender la compleja organización de una construcción medieval. Las fuentes documentales producidas durante la construcción de la catedral, sobre todo la serie de Obra y Fábrica, con diversa informaci...

La construcción de la monumental catedral de Toledo estuvo marcada, como vimos, por la progresiva liberación del espacio, en una ciudad en la que el nuevo templo ocupó barrios enteros duplicando, prácticamente, la superficie de la vieja mezquita. La iglesia, comenzada por la cabecera en la tercera década del siglo xiii, bajo la dirección del maestro Martín, completaba sus muros perimetrales en los años treinta del siglo xiv. Terminada la campaña constructiva que había llegado hasta el hastial...

El aprovisionamiento de los materiales fue una de las grandes preocupaciones de los responsables de las obras catedralicias. Era necesario tener todos a pie de obra, en cantidad y calidad suficiente, en los plazos previstos y a un precio razonable. El propio Suger, impulsor del monumento referente del arte gótico europeo, la abadía de Saint-Denis, contaba el afortunado descubrimiento de una cantera cercana, con piedra de gran calidad, que ...

Le réseau MUSTARDijon offre la possibilité de procéder à une cartographie fine des températureshoraires sur Dijon Métropole. La méthode proposée ici repose sur des régressions linéaires multiplesmobilisant deux familles de prédicteurs : des descripteurs du relief et des descripteurs de l’occupation dusol. L’application porte sur la canicule de l’été 2020 (6-9 août). Deux configurations sont comparées. L’une,en mode recherche, laisse la possibilité aux descripteurs de varier dynamiquement en fonction de leurpertinence statistique, l’autre, en mode opérationnel, impose les 5 mêmes descripteurs en entrée. Entermes de performance statistique ou de structure spatiale, l’impact de la méthode n’est pas négligeable.

Nurseries in estuary ecosystems represent essentials areas to the renewal of adult populations. They provide resources needed to the juveniles' growth and are characterized by higher survival rates compared to other habitats, partly because of a reduced pressure from predation. Furthermore, estuarine systems are under numerous anthropic pressures which disturb the nursery's functioning, consequently decreasing favourable habitats to juveniles' settlement. To improve knowledge on these nurseries, it is key to understand juveniles' spatio-temporal dynamics and its associated mechanisms. In order to answer this problematic, fish communities in the Seine estuary are studied integrating multidimensional aspects, spatial scales and temporal evolution. This work is supported by a 14 years-long survey of fish communities conducted by Ifremer since 1995. It explores various biotic scales from the whole community to intra-specific relationships as well as inter-specific interactions between juveniles populations. Geostatistical developments provide a diverse set of analysis for the integration of the spatial dimension, which completes the multivariates approaches that characterize the communities and their dynamics.The Seine estuary shelters four specific assemblage, each containing juveniles. Two of them possess numerous species with an economic interest and a large proportion of juveniles in two distinct areas (pelagic and benthic). However, the decreases in chlorophyll a and turbidity seem to have impacted juveniles' densities and the occurrence of both assemblages. Functional analysis of species assemblages also indicates a reduction of planktivorous taxa such as herring and sprat. Despite physical changes in the estuary caused by the harbour's development, sole, plaice and dab juveniles are occurring in three assemblages covering distinct habitats also stable in time. Each species follow its own spatial dynamic, not showing a common one that would be govern by environmental or human-induced changes. Nonetheless, a linear model of coregionalization describing spatial interactions between biotic and abiotic variables allowed to defined two scales of spatial structures; fine (6km) and medium (12km), highlighting scale-dependent relations between flatfish juveniles and environment. Therefore, environmental variables such as salinity, which were not structuring the density of juveniles, are empathised. The importance of interspecific relationships attested in our work along with the scale dependency at which they are considered reinforce the need for an explicit integration of biotic variables and spatial dimensions when modelling flatfish distributions within estuarine systems.; Les zones de nourriceries en milieu estuarien représentent des espaces essentiels au renouvellement de populations adultes. Elles fournissent les ressources nécessaires à la croissance des juvéniles et sont caractérisées par des taux de survie des juvéniles supérieurs à ceux observés dans d'autres habitats, entre autre du fait d'une pression de prédation réduite. Par ailleurs, les milieux estuariens sont soumis à de nombreuses pressions anthropiques qui impactent le fonctionnement des zones de nourriceries, et réduisent ainsi les habitats favorables à l'installation des juvéniles. Afin d'améliorer les connaissances de ces zones, il est essentiel de comprendre la dynamique spatio-temporelle des juvéniles et les processus associés. Pour répondre à cette problématique, les communautés de l'estuaire de Seine sont étudiées au travers de méthodes intégrant implicitement aspects multidimensionnels, échelles spatiales et évolutions temporelles Ces travaux s'appuient sur 14 années de suivi des communautés halieutiques grâce aux campagnes NOURSEINE de l'Ifremer depuis 1995. Les travaux menés explorent différentes échelles biotiques allant de l'ensemble de la communauté jusqu'aux relations intra-spécifiques, en passant par les interactions inter-spécifiques entre populations de juvéniles. Des développement géostatistiques fournissent une diversité d'analyses afin d'approcher la dimension spatiale, complétant les approches multivariées qui caractérisent les communautés et leur dynamique.L'estuaire de Seine présente quatre assemblages spécifiques contenant chacun des populations de juvéniles. Deux d'entre eux présentent de nombreuses espèces d'intérêt économique et une forte richesse en juvéniles dans deux zones distinctes (pélagique et benthique). Cependant, les diminutions en concentration de chlorophylle a et de turbidité semblent avoir affectées les densités de juvéniles et la présence de ces deux assemblages. L'analyse fonctionnelle des assemblages d'espèces montre également la diminution des densités des taxons planctonophages tels que le hareng et le sprat. En dépit des modifications physiques de l'estuaire du fait de l'extension portuaire, les juvéniles de sole, de plie et de limande sont présents dans trois assemblages couvrant des habitats distincts et stables dans le temps. Chaque espèce suit sa propre dynamique spatiale, et aucune d'elles ne montre une dynamique commune qui serait gouvernée par des changements environnementaux et d'origine anthropique. Néanmoins, un modèle linéaire de corégionalisation, décrivant les interactions spatiales entre variables biotiques et abiotiques a permis de définir deux échelles de structurations spatiales, à fine échelle (6km) et à moyenne échelle (12km), mettant en évidence des relations dépendantes des échelles spatiales entre les juvéniles de poissons plats et l'environnement. Ainsi, des variables environnementales, telles que la salinité, qui n'étaient jusque-là pas structurantes de la densité dans les résultats, sont mises en avant. L'importance des relations inter-spécifiques démontrées par nos travaux ainsi que la dépendance des relations avec l'environnement aux échelles auxquelles elles sont considérées, appuient la nécessité d'intégrer explicitement les variables biotiques et la dimension spatiale dans la modélisation de distributions de poissons plats, dans les milieux estuariens.

Malaria is an infectious and potentially fatal disease which affects nearly half of the world’s population. It kills one person every 30 seconds in endemic area. An effective surveillance through early and accurate diagnosis is essential to fight against this pandemic.This work proposes a new malaria diagnosis methodology based on multispectral imaging.Our first contribution is an algorithm that reduces the acquisition time of blood cell images while maintaining the normalization preprocessing. The normalization is an essential pre-processing step in the diagnostic which ensure uniformity of brightness in the images. The method is based on estimation of the Bright reference image which represents luminosity and contrast variability function from the background part of the image. This is accomplished by two different re-sampling methodologies namely gaussian random field simulation by a geostatistical method (variogram analysis) and Bootstrap re-sampling. To avoid intensity saturation problem of some pixels, we addressed the electronic noise by Hampel’s Outlier Detection and Imputation Method. The proposed solution is very fast and takes less than 20 seconds.The second contribution is about an erythrocyte detection and segmentation process; taking advantage of Beer Lambert's law by using first statistical standardization equation applied to transmittance, the local adaptive threshold algorithms, watershed algorithm and contour closure by hysteresis.To identify parasitized RBCs, a classification process is performed on 12 textures descriptors of segmented cells for 13 wavelengths and three geometries (Scattering, Refection and Transmission). A multivariate functional principal component analysis was performed on the data and then unsupervised classification, by K-means partitioning algorithms and hierarchical ascending classification (CAH) allowing to isolate the classes of parasitized and healthy cells. Finally, the supervised classification is done by machine learning algorithms.To summarize, our process reduced the acquisition time to a third from 12 to 4 minutes. Also, segmentation and classification processes, both take about 8 minutes, this could lead to real-time diagnosis. In addition, the segmentation process requires any preprocessing. It thus has an advantage in considering low contrast images.In addition, our methods outperform state-of-the-art methods of multispectral and multimodal unstained blood smears images in terms of contrast enhancement, similarity index (SSIM) and mean squared error (MSE) according to normalization methodology. Segmentation recorded a precision of 98.47% and Recall of 98.23%, a degree of precision (F-Measurement) of 98.34% and an accuracy of 96.75%.; Une surveillance efficace par un diagnostic précoce et exact est cruciale pour la lutte contre la pandémie du paludisme. En effet, le paludisme est une maladie infectieuse qui touche près de la moitié de la population mondiale et tue une personne toutes les 30 secondes dans les zones endémiques.Dans ce travail, nous présentons une nouvelle méthodologie de diagnostic basée sur l’imagerie multispectrale. La première contribution permet de réduire le temps d’acquisition des images de cellules sanguines tout en conservant le processus de pré-traitement de normalisation. L’objectif de ce pré-traitement est de soustraire les bruits optiques et électriques, d’assurer l’homogénéité de la luminosité. Nous nous appuyons, pour cela sur des méthodes de statistique spatiale (géostatistique) pour la reconstitution de l’image de référence basée sur la seule image de l’échantillon. Une deuxième approche de reconstruction est le ré-échantillonnage par Bootstrap. Aussi, avons-nous adressé les bruits électroniques par la méthode de détection et d’imputation des données aberrantes d’Hampel. La solution proposée est très rapide et s’exécute en moins de 20 secondes. Nous avons ensuite mis en place un processus de détection des érythrocytes, en exploitant la standardisation statistique des images multispectrales en transmission, des algorithmes de segmentation adaptative, de ligne de partage des eaux et la fermeture de contour par hystérésis.Afin d’isoler des cellules parasitées, une procédure de classification est proposée sur 12 descripteurs de textures de cellules segmentées pour plusieurs longueurs d’onde et trois géométries (diffusion, réflexion et transmission). L’analyse en composantes principales pour données fonctionnelles multivariées a été effectuée sur les données ainsi constituées avant une classification non supervisée, par les algorithmes de partitionnement K-moyennes et classification ascendante hiérarchique (CAH) permettant d’isoler les classes de cellules parasitées et saines. Lesquelles sont ensuite utilisées pour une classification supervisée des cellules.En définitive, nous avons réduit au tiers le temps d’acquisition qui est passé de 12 à 4 minutes. De plus, les deux processus de segmentation et de classification combinés s’exécutent à environ 8 minutes, ceci pourrait donner lieu à un diagnostic en temps réel.En outre, le processus de segmentation ne nécessite aucun prétraitement. Il présente ainsi un avantage dans la prise en compte des images de mauvaise qualité (faible contraste).Par ailleurs, nos méthodes surpassent celles de l'état de l’art en termes d’amélioration du contraste, d’indice de similarité et erreur quadratique moyenne pour ce qui de la normalisation. La segmentation quant à elle a enregistré une précision de 98,47%, rappel de 98,23% et un degré de précision de 98,34%.

Les taux d’échec répétés dans les différents projets d’adduction en eau potable en région de socle, poussent à mener des études préliminaires sur la productivité des aquifères. La région de Man à l’Ouest de la Côte d’Ivoire présente un relief accentué. Approvisionné à 85% par des eaux souterraines, l’étude du potentiel de productivité des aquifères de fractures demeure primordiale. Les données d’étude sont constituées en 155 débits de forages, le MNT de la région et les données linéamentaires. Le rôle de chacun de ces paramètres (fracture, relief) dans la productivité des forages est évalué et exprimé sous le terme d’indice de productivité. Celui-ci est une valeur numérique simulée selon le poids exercé par le paramètre dans la productivité des aquifères. Une sommation des différentes valeurs d’indice de productivité a été effectuée et spatialisée par la méthode géostatistique. D’une manière générale, la région de Man présente des potentialités en eau souterraine importante, avec environ 90% de la région à potentiel de productivité élevé., Environmental and Water Sciences, public Health and Territorial Intelligence Journal, Vol. 5, No 2 (2021)

Spatial extreme value theory helps model and predict the frequency of extreme events in a spatial context like, for instance, extreme precipitations, extreme temperatures. It is well adapted to time series. However, in some cases, such types of data cannot be accessed: only one or just a few records are made available. This is the case, for instance in soil contamination evaluation. This situation is rarely addressed in the spatial extremes community, contrary to Geostatistics,which typically deals with such issues. The aim of this thesis is to make some connections between both disciplines,in order to better handle the study of spatial extreme events, and especially their spatial dependence structure, when having only one set of spatial observations. A link is first established through the concept of integral range. It is a geostatistical parameter that characterizes the statistical fluctuations of a stationary random field at large scale. When the latter is max-stable, we show that its extremal coefficient function (ECF), which is a measure of spatial dependence, is closely related to the integral range of the corresponding exceedance field above a threshold. From this, we move toproposing a new nonparametric estimator of the ECF. Its asymptotic properties are derived when it is computed from a single and partially observed realization of a stationary max-stable random field. Specifically, under some assumptions on the aforementioned integral range, we prove that it is consistent and asymptotically normal. Finally, we develop a novel algorithm to perform exact simulations in a continuous domain of storm processes with deterministic shape function. It distinguishes itself from most existing procedures, which apply to simulation domains made of a finite number of points. Most part of the algorithm are designed to be parallelizable; La théorie spatiale des valeurs extrêmes permet de modéliser et prédire la fréquence d'évènements extrêmes ayant une étendue spatiale comme, par exemple, des pluies ou des températures extrêmes, ou encore de fortes concentrations de pollution atmosphérique. Elle s'adapte bien aux données temporelles, lorsque le phénomène spatial étudié est observé plusieurs fois dans le temps. Cependant, nous n'avons parfois pas accès à de telles données: seulement un ou quelques enregistrements sont disponibles. C'est le cas, par exemple, des études sur l'estimation des ressources minières ou sur l'évaluation de la pollution des sols et plus généralement de toute recherche dont l'objet d'étude varie très peu au cours du temps ou pour lequel le coût d'échantillonnage est trop élevé. Ce cas de figure est très peu abordé par la communauté des extrêmes. Au contraire, c'est un cadre d'analyse auquel la Géostatistique s'intéresse particulièrement. Les travaux réalisés au cours de cette thèse ont pour objectif d'établir des connexions mathématiques entre ces deux disciplines afin de mieux appréhender les évènements extrêmes, lorsque le phénomène spatial sous-jacent n'est observé qu'une seule fois.Nous nous intéressons, dans un premier temps, au concept de portée intégrale. Intrinsèquement lié aux propriétés d'ergodicité et de mélange, ce paramètre issu de la théorie géostatistique caractérise les fluctuations statistiques, à large échelle, d'un champ aléatoire stationnaire. Lorsque ce dernier est un champ max-stable, nous montrons que sa fonction coefficient extrémal (ECF) est fortement liée à la portée intégrale du champ des excès, au dessus d'un certain seuil, correspondant. Cette approche permet de retrouver et de compléter des résultats précédemment établis dans un contexte de risque spatialisé. Elle met également en évidence une nouvelle expression de la fonction coefficient extrémal qui dépend du variogramme du champ des excès.À partir de cette formule, nous proposons un nouvel estimateur non-paramétrique de l'ECF. Ses propriétés asymptotiques sont établies lorsqu'il est évalué à partir d'une unique réalisation, partiellement observée, d'un champ stationnaire max-stable. En particulier, lorsque le nombre d'observations se densifie en même temps que le champ d'observation grandit, et sous certaines hypothèses concernant la portée intégrale susmentionnée, nous montrons qu'il est consistent et asymptotiquement normal. Il est donc pertinent d'utiliser les outils géostatistiques pour enrichir l'analyse des valeurs extrêmes.Finalement, nous développons un nouvel algorithme permettant de simuler, en continu, des processus aléatoires tempête pour lesquels la fonction de forme est déterministe. Il se distingue donc de la plupart des algorithmes existants qui s'utilisent exclusivement lorsque le domaine de simulation est composé d'un nombre fini de points. À cet égard, il permet d'étudier plus facilement la géométrie des réalisations de tels processus. Cela est particulièrement intéressant quand la caractéristique géométrique étudiée mêle différentes échelles d'observation.

Spatial extreme value theory helps model and predict the frequency of extreme events in a spatial context like, for instance, extreme precipitations, extreme temperatures. It is well adapted to time series. However, in some cases, such types of data cannot be accessed: only one or just a few records are made available. This is the case, for instance in soil contamination evaluation. This situation is rarely addressed in the spatial extremes community, contrary to Geostatistics,which typically deals with such issues. The aim of this thesis is to make some connections between both disciplines,in order to better handle the study of spatial extreme events, and especially their spatial dependence structure, when having only one set of spatial observations. A link is first established through the concept of integral range. It is a geostatistical parameter that characterizes the statistical fluctuations of a stationary random field at large scale. When the latter is max-stable, we show that its extremal coefficient function (ECF), which is a measure of spatial dependence, is closely related to the integral range of the corresponding exceedance field above a threshold. From this, we move toproposing a new nonparametric estimator of the ECF. Its asymptotic properties are derived when it is computed from a single and partially observed realization of a stationary max-stable random field. Specifically, under some assumptions on the aforementioned integral range, we prove that it is consistent and asymptotically normal. Finally, we develop a novel algorithm to perform exact simulations in a continuous domain of storm processes with deterministic shape function. It distinguishes itself from most existing procedures, which apply to simulation domains made of a finite number of points. Most part of the algorithm are designed to be parallelizable; La théorie spatiale des valeurs extrêmes permet de modéliser et prédire la fréquence d'évènements extrêmes ayant une étendue spatiale comme, par exemple, des pluies ou des températures extrêmes, ou encore de fortes concentrations de pollution atmosphérique. Elle s'adapte bien aux données temporelles, lorsque le phénomène spatial étudié est observé plusieurs fois dans le temps. Cependant, nous n'avons parfois pas accès à de telles données: seulement un ou quelques enregistrements sont disponibles. C'est le cas, par exemple, des études sur l'estimation des ressources minières ou sur l'évaluation de la pollution des sols et plus généralement de toute recherche dont l'objet d'étude varie très peu au cours du temps ou pour lequel le coût d'échantillonnage est trop élevé. Ce cas de figure est très peu abordé par la communauté des extrêmes. Au contraire, c'est un cadre d'analyse auquel la Géostatistique s'intéresse particulièrement. Les travaux réalisés au cours de cette thèse ont pour objectif d'établir des connexions mathématiques entre ces deux disciplines afin de mieux appréhender les évènements extrêmes, lorsque le phénomène spatial sous-jacent n'est observé qu'une seule fois.Nous nous intéressons, dans un premier temps, au concept de portée intégrale. Intrinsèquement lié aux propriétés d'ergodicité et de mélange, ce paramètre issu de la théorie géostatistique caractérise les fluctuations statistiques, à large échelle, d'un champ aléatoire stationnaire. Lorsque ce dernier est un champ max-stable, nous montrons que sa fonction coefficient extrémal (ECF) est fortement liée à la portée intégrale du champ des excès, au dessus d'un certain seuil, correspondant. Cette approche permet de retrouver et de compléter des résultats précédemment établis dans un contexte de risque spatialisé. Elle met également en évidence une nouvelle expression de la fonction coefficient extrémal qui dépend du variogramme du champ des excès.À partir de cette formule, nous proposons un nouvel estimateur non-paramétrique de l'ECF. Ses propriétés asymptotiques sont établies lorsqu'il est évalué à partir d'une unique réalisation, partiellement observée, d'un champ stationnaire max-stable. En particulier, lorsque le nombre d'observations se densifie en même temps que le champ d'observation grandit, et sous certaines hypothèses concernant la portée intégrale susmentionnée, nous montrons qu'il est consistent et asymptotiquement normal. Il est donc pertinent d'utiliser les outils géostatistiques pour enrichir l'analyse des valeurs extrêmes.Finalement, nous développons un nouvel algorithme permettant de simuler, en continu, des processus aléatoires tempête pour lesquels la fonction de forme est déterministe. Il se distingue donc de la plupart des algorithmes existants qui s'utilisent exclusivement lorsque le domaine de simulation est composé d'un nombre fini de points. À cet égard, il permet d'étudier plus facilement la géométrie des réalisations de tels processus. Cela est particulièrement intéressant quand la caractéristique géométrique étudiée mêle différentes échelles d'observation.

International audience; The book covers the main mining issues where geostatistics, a discipline founded in the 1960s to study regionalised variables measured at a limited number of points in space, is expected to play a role, from geological interpretation and modelling to exploitation and grade control, evaluation of in situ resources and recoverable resources, long-term mine planning, geotechnics, geometallurgy and sampling. The presentation, with more than 150 illustrations, is systematically oriented towards a practical exposure of the problems and proposed solutions and is illustrated through case studies in Chilean copper porphyry deposits. It is the result of the work published by the authors, researchers from Mines ParisTech and the University of Chile, made in collaboration with the Chilean company Codelco since the late 1990s and early 2000s. The range of problems addressed and their practical presentation make this book unique and usable by a very wide audience - students, researchers, geologists, engineers, geotechnicians and metallurgists.; L’ouvrage couvre les principales problématiques minières où la géostatistique, discipline fondée dans les années 1960 pour étudier les variables mesurées en un nombre limité de points de l’espace, joue un rôle essentiel. Sont concernés l’interprétation et la modélisation géologique, l’exploitation et le contrôle des teneurs, l’évaluation des ressources, la planification minière, la géotechnique, la géométallurgie et l’échantillonnage. Riche de plus de 150 illustrations, la présentation est systématiquement orientée vers une exposition pratique des problèmes posés par l’industrie et des solutions mises en œuvre. Transposables à d’autres types de gisements, les cas concrets concernent ici des gisements porphyriques cuprifères chiliens, études publiées par les auteurs et réalisées en collaboration avec l’entreprise chilienne Codelco depuis la fin des années 1990. L’éventail des problèmes abordés et leur présentation pratique rendent l’ouvrage utilisable par un large public – entre autres étudiants, chercheurs, géologues, ingénieurs, géotechniciens et métallurgistes.

This paper reviews recent advances made in testing in spatial statistics and discussed at the Spatial Statistics conference in Avignon 2015. The rank and directional quantile envelope tests are discussed and practical rules for their use are provided. These tests are global envelope tests with an appropriate type I error probability. Two novel examples are given on their usage. First, in addition to the test based on a classical one-dimensional summary function, the goodness-of-fit of a point process model is evaluated by means of the test based on a higher dimensional functional statistic, namely a two-dimensional smoothed residual field. Second, a goodness-of-fit test of a geostatistical model is performed based on two-dimensional raw residuals.

Process-based reservoir models are generated by the simulation of the main sedimentation processes in time. In particular, three-dimensional models of meandering channelized systems can be constructed from three main processes: migration of the channel, aggradation of the system and avulsions, as it is performed in Flumy software for fluvial environments. For an operational use, for instance flow simulation, these simulations need to be conditioned to available exploration data (well logging, seismic, …). The work presented here, largely based on previous developments, focuses on the conditioning of the Flumy model to well data.Two main questions have been considered during this thesis. The major one concerns the reproduction of known data at well locations. This is currently done by a "dynamic conditioning" procedure which consists in adapting the model processes while the simulation is running. For instance, the deposition of sand at well locations is favored, when desired, by an adaptation of migration or avulsion processes. However, the way the processes are adapted may generate undesirable effects and could reduce the model realism. A thorough study has been conducted in order to identify and analyze undesirable impacts of the dynamic conditioning. Such impacts were observed to be present both at the location of wells and throughout the block model. Developments have been made in order to improve the existing algorithms.The second question is related to the determination of the input model parameters, which should be consistent with the well data. A special tool is integrated in Flumy – the Non Expert User calculator (Nexus) – which permits to define the simulation parameters set from three key parameters: the sand proportion, the channel maximum depth and the sandbodies lateral extension. However, natural reservoirs often consist in several stratigraphic units with their own geological characteristics. The identification of such units within the studied domain is of prime importance before running a conditional simulation, with consistent parameters for each unit. A new method for determining optimal stratigraphic units from well data is proposed. It is based on the Hierarchical Geostatistical Clustering applied to the well global Vertical Proportion Curve (VPC). Stratigraphic units could be detected from synthetic and field data cases, even when the global well VPC was not visually representative.; Les modèles génétiques de réservoirs sont construits par la simulation des principaux processus de sédimentation dans le temps. En particulier, les modèles tridimensionnels de systèmes chenalisés méandriformes peuvent être construits à partir de trois processus principaux : la migration du chenal, l’aggradation du système et les avulsions, comme c’est réalisé dans le logiciel Flumy pour les environnements fluviatiles. Pour une utilisation opérationnelle, par exemple la simulation d'écoulements, ces simulations doivent être conditionnées aux données d'exploration disponibles (diagraphie de puits, sismique, …). Le travail présenté ici, basé largement sur des développements antérieurs, se concentre sur le conditionnement du modèle Flumy aux données de puits.Deux questions principales ont été examinées au cours de cette thèse. La première concerne la reproduction des données connues aux emplacements des puits. Cela se fait actuellement par une procédure de "conditionnement dynamique" qui consiste à adapter les processus du modèle pendant le déroulement de la simulation. Par exemple, le dépôt de sable aux emplacements de puits est favorisé, lorsque cela est souhaité, par une adaptation des processus de migration ou d'avulsion. Cependant, la manière dont les processus sont adaptés peut générer des effets indésirables et réduire le réalisme du modèle. Une étude approfondie a été réalisée afin d'identifier et d'analyser les impacts indésirables du conditionnement dynamique. Les impacts ont été observés à la fois à l'emplacement des puits et dans tout le modèle de blocs. Des développements ont été réalisés pour améliorer les algorithmes existants.La deuxième question concerne la détermination des paramètres d’entrée du modèle, qui doivent être cohérents avec les données de puits. Un outil spécial est intégré à Flumy - le "Non-Expert User Calculator" (Nexus) - qui permet de définir les paramètres de simulation à partir de trois paramètres clés : la proportion de sable, la profondeur maximale du chenal et l’extension latérale des corps sableux. Cependant, les réservoirs naturels comprennent souvent plusieurs unités stratigraphiques ayant leurs propres caractéristiques géologiques. L'identification de telles unités dans le domaine étudié est d'une importance primordiale avant de lancer une simulation conditionnelle avec des paramètres cohérents pour chaque unité. Une nouvelle méthode de détermination des unités stratigraphiques optimales à partir des données de puits est proposée. Elle est basée sur la Classification géostatistique hiérarchique appliquée à la courbe de proportion verticale (VPC) globale des puits. Les unités stratigraphiques ont pu être détectées à partir d'exemples de données synthétiques et de données de terrain, même lorsque la VPC globale des puits n'était pas visuellement représentative.

Process-based reservoir models are generated by the simulation of the main sedimentation processes in time. In particular, three-dimensional models of meandering channelized systems can be constructed from three main processes: migration of the channel, aggradation of the system and avulsions, as it is performed in Flumy software for fluvial environments. For an operational use, for instance flow simulation, these simulations need to be conditioned to available exploration data (well logging, seismic, …). The work presented here, largely based on previous developments, focuses on the conditioning of the Flumy model to well data.Two main questions have been considered during this thesis. The major one concerns the reproduction of known data at well locations. This is currently done by a "dynamic conditioning" procedure which consists in adapting the model processes while the simulation is running. For instance, the deposition of sand at well locations is favored, when desired, by an adaptation of migration or avulsion processes. However, the way the processes are adapted may generate undesirable effects and could reduce the model realism. A thorough study has been conducted in order to identify and analyze undesirable impacts of the dynamic conditioning. Such impacts were observed to be present both at the location of wells and throughout the block model. Developments have been made in order to improve the existing algorithms.The second question is related to the determination of the input model parameters, which should be consistent with the well data. A special tool is integrated in Flumy – the Non Expert User calculator (Nexus) – which permits to define the simulation parameters set from three key parameters: the sand proportion, the channel maximum depth and the sandbodies lateral extension. However, natural reservoirs often consist in several stratigraphic units with their own geological characteristics. The identification of such units within the studied domain is of prime importance before running a conditional simulation, with consistent parameters for each unit. A new method for determining optimal stratigraphic units from well data is proposed. It is based on the Hierarchical Geostatistical Clustering applied to the well global Vertical Proportion Curve (VPC). Stratigraphic units could be detected from synthetic and field data cases, even when the global well VPC was not visually representative.; Les modèles génétiques de réservoirs sont construits par la simulation des principaux processus de sédimentation dans le temps. En particulier, les modèles tridimensionnels de systèmes chenalisés méandriformes peuvent être construits à partir de trois processus principaux : la migration du chenal, l’aggradation du système et les avulsions, comme c’est réalisé dans le logiciel Flumy pour les environnements fluviatiles. Pour une utilisation opérationnelle, par exemple la simulation d'écoulements, ces simulations doivent être conditionnées aux données d'exploration disponibles (diagraphie de puits, sismique, …). Le travail présenté ici, basé largement sur des développements antérieurs, se concentre sur le conditionnement du modèle Flumy aux données de puits.Deux questions principales ont été examinées au cours de cette thèse. La première concerne la reproduction des données connues aux emplacements des puits. Cela se fait actuellement par une procédure de "conditionnement dynamique" qui consiste à adapter les processus du modèle pendant le déroulement de la simulation. Par exemple, le dépôt de sable aux emplacements de puits est favorisé, lorsque cela est souhaité, par une adaptation des processus de migration ou d'avulsion. Cependant, la manière dont les processus sont adaptés peut générer des effets indésirables et réduire le réalisme du modèle. Une étude approfondie a été réalisée afin d'identifier et d'analyser les impacts indésirables du conditionnement dynamique. Les impacts ont été observés à la fois à l'emplacement des puits et dans tout le modèle de blocs. Des développements ont été réalisés pour améliorer les algorithmes existants.La deuxième question concerne la détermination des paramètres d’entrée du modèle, qui doivent être cohérents avec les données de puits. Un outil spécial est intégré à Flumy - le "Non-Expert User Calculator" (Nexus) - qui permet de définir les paramètres de simulation à partir de trois paramètres clés : la proportion de sable, la profondeur maximale du chenal et l’extension latérale des corps sableux. Cependant, les réservoirs naturels comprennent souvent plusieurs unités stratigraphiques ayant leurs propres caractéristiques géologiques. L'identification de telles unités dans le domaine étudié est d'une importance primordiale avant de lancer une simulation conditionnelle avec des paramètres cohérents pour chaque unité. Une nouvelle méthode de détermination des unités stratigraphiques optimales à partir des données de puits est proposée. Elle est basée sur la Classification géostatistique hiérarchique appliquée à la courbe de proportion verticale (VPC) globale des puits. Les unités stratigraphiques ont pu être détectées à partir d'exemples de données synthétiques et de données de terrain, même lorsque la VPC globale des puits n'était pas visuellement représentative.

Geostatistical methods are commonly used in air quality mapping. In France, since 2003, the PREV'AIR system has been broadcasting daily three-days forecasts as well as national and European air quality maps. They are built by a kriging of the observations using the deterministic chemistry-transport model CHIMERE outputs as an external drift. However, many issues or developments remain unresolved.The first part of the thesis aims at improving the local, national and european maps of the main regulated pollutants. Regarding the analysis (mapping of the past observations), we get back to the question of the use of explanatory variables in kriging. What are the best options for a covariate-based modelling of the underlying non stationarity, that also enables downscaling the model outputs? The statistical modelling for the deterministic component of the stochastic process is investigated, as well as the modelling for the covariance of the residual. A focus is also made on the spatial sampling of the monitoring network. The use of PM10 observations to map PM2.5, whose monitoring network is less dense, is studied and a thought is also given to the estimation in far-off extrapolation. Last, we discuss how to extend these methods to the prediction problem (mapping of the future, where no observations are available). Therefore, we could improve the PREV'AIR system which currently dissociates the time and the spatial components of the underlying process. A review of spatio-temporal methods is carried out, and some of them are evaluated.In a second part, some pragmatic though justified approximations are presented to deal with regulatory requirements. At both local and national levels, how the analyses can be used to deduce probability maps of exceedances of the regulatory thresholds? Along this line, we also come back to the question of the spatial representativeness of the monitoring stations. Last, the pragmatic approximations are confronted to non-linear estimations, theoretically more convenient to deal with non-linear functions of the concentrations. We engage a discussion to show the need of considering the appropriate estimation method to compute the surface exceeding the limit value.; Les méthodes géostatistiques sont couramment utilisées pour la cartographie de la qualité de l'air. En France, le système PREV'AIR diffuse depuis 2003 des prévisions quotidiennes à trois jours ainsi que des cartographies de qualité de l'air à l'échelle nationale et européenne. Ces cartographies sont construites par krigeage des observations en utilisant les sorties du modèle déterministe de chimie-transport CHIMERE en dérive externe. Dans ce domaine, de nombreuses questions et développements restent en suspens.La première partie de la thèse vise à améliorer les cartographies locales, nationales et européennes des principaux polluants réglementaires. En mode analyse (réalisation de cartographies à partir des observations passées, et donc connues), on revient sur l'utilisation des variables explicatives dans le krigeage : il s'agit de voir comment ces variables peuvent être intégrées à l'estimation pour la modélisation des non stationnarités et l’élaboration de cartographies de plus haute résolution spatiale que les simulations du modèle de chimie-transport. La réflexion porte sur la modélisation de la composante déterministe du processus stochastique, mais aussi sur la covariance du résidu. Une attention particulière est portée au réseau de mesures. L'utilisation des observations PM10 pour cartographier les PM2.5, dont le réseau de mesures est moins dense, est explorée. L'estimation dans les zones peu informées est également examinée. Enfin, une réflexion est menée sur l'extension de ces méthodes au mode prévision, afin d'améliorer le système PREV'AIR, qui dissocie les composantes temporelles et spatiales de la prévision. Après une revue des méthodes spatio-temporelles d'estimation, différentes méthodes sont évaluées.Dans la deuxième partie sont présentées des approximations pragmatiques permettant d'exploiter au mieux les cartographies produites quotidiennement ou ponctuellement afin de satisfaire aux exigencesréglementaires. A l'échelle nationale, l'exploitation des sorties des cartes analysées (horaires, journalières) de PREV'AIR permet de déduire des cartes de probabilités de dépassement des seuils réglementaires. Ces travaux amènent à reconsidérer la question de la représentativité spatiale des stations de mesures. Enfin, on insiste sur la nécessité d'utiliser des méthodes d’estimation appropriées pour le calcul des surfaces en dépassement de valeurs réglementaires.

This paper presents theoretical advances in the application of the Stochastic Partial Differential Equation (SPDE) approach in geostatistics. We show a general approach to construct stationary models related to a wide class of linear SPDEs, with applications to spatio-temporal models having non-trivial properties. Within the framework of Generalized Random Fields, a criterion for existence and uniqueness of stationary solutions for this class of SPDEs is proposed and proven. Their covariance are then obtained through their spectral measure. We present a result relating the covariance in the case of a White Noise source term with that of a generic case through convolution. Then, we obtain a variety of SPDE-based stationary random fields. In particular, well-known results regarding the Mat\'ern Model and Markovian models are recovered. A new relationship between the Stein model and a particular SPDE is obtained. New spatio-temporal models obtained from evolution SPDEs of arbitrary temporal derivative order are then obtained, for which properties of separability and symmetry can be controlled. We also obtain results concerning stationary solutions for physically inspired models, such as solutions to the heat equation, the advection-diffusion equation, some Langevin's equations and the wave equation., Comment: Corrected typos and style. Corrected mistakes in references (verified the cross cite, added new references and erasing non-used ones). Reorganization of the Section 6 in order to obtain a "general to particular" exposition. Appendix E is erased, its content is now present in the corpus. Some clarifications to proofs in Appendix B are added

International audience; Countless regions of the world have already been hit, at least once, by extreme flood events that have caused high socioeconomic and environmental losses, among others. Precipitation estimation data are essential to predict these events and generate alerts that can minimize the damage that can be caused. One of the main characteristics of these events is the high spatial and temporal variability. Due their complexity, the prediction has several sources of uncertainties, such as uncertainties from the observed rainfalls. These data, in turn, play an important role in the forecasting systems performances. This study has as main goal to develop a methodology, based on geostatistical method, able to generate possible scenarios of rainfall using meteorological radar and pluviometers data. The area of study is located in the region of Campinas, in the state of São Paulo, where numerous extreme events have already been detected. The obtained results show that the developed method in this study can be a solution to quantify the uncertainties that can be found in the precipitation data.

The world we live in is an increasingly spatial and temporal data-rich environment, and agriculture is no exception. However, data needs to be processed in order to first get information and then make informed management decisions. The concepts of &lsquo, Precision Agriculture&rsquo, and &lsquo, Smart Agriculture&rsquo, are and will be fully effective when methods and tools are available to practitioners to support this transformation. An open-source software called GeoFIS has been designed with this objective. It was designed to cover the whole process from spatial data to spatial information and decision support. The purpose of this paper is to evaluate the abilities of GeoFIS along with its embedded algorithms to address the main features required by farmers, advisors, or spatial analysts when dealing with precision agriculture data. Three case studies are investigated in the paper: (i) mapping of the spatial variability in the data, (ii) evaluation and cross-comparison of the opportunity for site-specific management in multiple fields, and (iii) delineation of within-field zones for variable-rate applications when these latter are considered opportune. These case studies were applied to three contrasting crop types, banana, wheat and vineyards. These were chosen to highlight the diversity of applications and data characteristics that might be handled with GeoFIS. For each case-study, up-to-date algorithms arising from research studies and implemented in GeoFIS were used to process these precision agriculture data. Areas for future development and possible relations with existing geographic information systems (GIS) software is also discussed.

La pollution atmosphérique constitue un risque environnemental majeur dont les effets néfastes sur la santé et sur l’environnement sont déjà clairement démontrés. Toutefois, la mesure d’exposition des populations aux polluants tels que les particules fines et l’ozone troposphérique demeure approximative en raison de la faible densité des stations d’échantillonnage de ces polluants. Peu d’études ont considéré la variation spatiale intra-urbaine dans la modélisation spatiale des concentrations de polluants. Certaines études ont cependant combiné interpolation spatiale et corrélation avec des facteurs locaux. De plus, l’effet du régime météorologique (par exemple l’occurrence d’une inversion de température) sur l’amplitude de ces corrélations n’est pas pris en compte. Cette thèse a donc pour objectif d’évaluer de nouvelles manières de caractériser la distribution spatiale et temporelle des particules fines (PM2.5) et de l’ozone troposphérique (O3) à l’échelle intra-urbaine. Plus particulièrement, nous avons développé un modèle de géostatistique multivariable appelée krigeage avec dérive externe (KED, kriging with external drift) basé sur l’intégration de variables auxiliaires dans le processus d’estimation journalière des PM2.5 et de l’O3. Le krigeage constitue une forme d’interpolation spatiale des données de stations de mesures éparses, alors que la dérive externe mise sur des corrélations entre des conditions locales (axes de transport routier, espaces verts, etc.) et la concentration des polluants atmosphériques. Afin de prendre en compte les variations temporelles, notamment celles reliées aux conditions météorologiques, ces modèles ont été développés par groupes basés sur des conditions synoptiques et six classes d’états établies selon la température, le vent, l’humidité relative et les précipitations, d’après des données météorologiques journalières. Les résultats montrent que l’intégration des variables auxiliaires telles que la densité de la végétation et les zones des activités industrielles locales dans le KED expliquent en partie les variations intra-urbaines des PM2.5 de l’île de Montréal, mais que cet apport est variable selon la classe météorologique. Ainsi, lorsque les corrélations sont très faibles, une interpolation spatiale simple, comme la méthode IDW (inverse distance weighting) est plus exacte que l’interpolation multivariable, alors que pour d’autres conditions synoptiques le KED produit les prédictions les plus certaines. Nous avons pour cette raison proposé un modèle d’interpolation hybride (KED-IDW) s’adaptant aux conditions météorologiques. Nous avons également montré, particulièrement dans le cas de l’O3, que le krigeage avec dérive externe améliore les résultats obtenus par krigeage ordinaire (sans variables auxiliaires). Cette thèse a aussi permis d’évaluer l’apport d’un modèle spatio-temporel (BME, bayesian maximum entropy) dans l’estimation de l’effet à court terme de l’exposition à l’O3 sur les décès à Montréal. Les résultats suggèrent que ce modèle spatio-temporel dans les conditions développées (par ex. basé sur les données de 12 stations de mesures, pour un territoire de 1 310 km2) n’apporte pas de gains significatifs dans l’estimation de l’effet de l’exposition. Dans l’ensemble, cette thèse contribue au progrès de modélisation spatiale empirique des polluants atmosphériques en se fondant notamment sur l’adaptation aux conditions météorologiques et par l’ajout de certains facteurs météorologiques comme prédicteurs. Dans ce contexte, cette thèse ouvre une voie prometteuse pour l’amélioration des estimations de polluants atmosphériques à l’échelle intra-urbaine et de la capacité à évaluer les risques à la santé de la population par une meilleure caractérisation de l’exposition. Mots-clés : pollution de l’air, particules fines, ozone troposphérique, santé, géostatistique, krigeage avec dérive externe, environnement urbain., Air pollution is a major environmental hazard with clearly demonstrable adverse effects on health and the environment. However, the measurement of populations’ exposure to pollutants such as particulate matter and ground-level ozone remains approximate due to the low density of sampling stations for these pollutants. Moreover, intra-urban spatial variation in the spatial modeling of pollutant concentrations has received little research attention. If anything, some studies have combined spatial interpolation and correlation with local factors; however, they do so without examining the effect of the weather regime (e.g., a temperature inversion) on the magnitude of these correlations. In order to overcome these shortcomings, this dissertation aims to evaluate new ways of characterizing the spatial and temporal distribution of fine particles (PM2.5) and ground-level ozone (O3) at the intra-urban scale. In particular, we developed a multivariable geostatistical model called “kriging with external drift” (KED) based on the integration of auxiliary variables into the process of estimating daily PM2.5 and O3 concentrations. Kriging is a form of spatial interpolation of data from measurement stations that are dispersed, while external drift is based on correlations between local conditions (road transport arteries, green spaces, etc.) and the concentration of atmospheric pollutants. In order to take account of temporal variations, especially those related to weather conditions, we designed these models around six synoptic weather classes based on daily meteorological data (such as temperature, wind, relative humidity and precipitation). v The results show that the integration of auxiliary variables (such as vegetation density and local industrial activity areas) in KED partly explains the intra-urban variations of PM2.5 on the island of Montreal, but that this contribution is variable depending on the weather conditions. Thus, when the correlations are very low, a simple spatial interpolation (such as the inverse distance weighting (IDW) method) is more accurate than multivariable interpolation, whereas for other synoptic conditions KED produces the most certain predictions. For this reason, we proposed a hybrid interpolation model (KED-IDW) that can adapt to different weather conditions. We have also shown, particularly in the case of O3, that KED improves the results obtained from ordinary kriging (without auxiliary variables). This dissertation also allowed to evaluate the contribution of a spatial-temporal model—BME (bayesian maximum entropy)—in the estimation of the short-term effect of exposure to O3 on deaths in Montreal. The results suggest that this spatio-temporal model under the determined conditions (e.g., based on data from 12 measurement stations, for a territory of 1 310 km2) does not offer significant improvements to the estimation of the effect of exposure. Overall, this dissertation contributes to the advancement of the empirical spatial modeling of air pollutants, namely by taking into account the adaptation to weather conditions as well as certain predictive meteorological factors. In this context, the dissertation opens up a promising path for improving the estimation of air pollution at the intra-urban scale and the capacity to assess population health risks through better characterization of exposure.

A travers des exemples de travaux publiés, nous illustrons l’apport de la géostatistique dans l’analyse et la modélisation spatialisée de l’organisation et du fonctionnement des sols. La majeure partie de ces travaux de recherche concerne des applications de la géostatistique dans des voies très diversifiées du point de vue des méthodes. Ainsi, l’analyse structurale, l’estimation linéaire et les modèles non stationnaires ont été mobilisés, pour analyser et modéliser l’organisation spatiale des sols en fonction des facteurs de la pédogenèse. L’interpolation géostatistique multivariée a permis de compléter quelques mesures coûteuses de l'attribut d'intérêt par des données plus abondantes sur des attributs qui lui sont corrélés. Les méthodes multivariées, telles que l'analyse factorielle krigeante, ont été utilisées pour étudier comment la corrélation entre les variables change en fonction de l'échelle spatiale, et pour améliorer notre compréhension des échelles de dépendance des processus physiques. La déconvolution d’un signal caractérisant un sol grâce au krigeage des composantes a permis d’extraire l’information pertinente dans des données exhaustives à référence spatiale. Il a ainsi été démontré que le krigeage des composantes permet de détecter puis de modéliser et de cartographier séparément les différentes échelles de variabilité d’un signal. Grâce à cette méthode, nous avons pu focaliser sur une échelle particulière du signal en l’incorporant dans le système d’équations du krigeage pour améliorer l’estimation d’une variable cible. La conjugaison de deux méthodes (l'analyse factorielle krigeante et le krigeage des composantes) a permis de définir les zones de fonctionnement homogène d’une couverture pédologique dans le cadre de projets sur l’Agriculture de Précision. Enfin, la question de la quantification de l’incertitude inhérente à la prédiction spatiale a été traitée par des techniques de simulations conditionnelles.

[Departement_IRSTEA]Eaux [TR1_IRSTEA]RIVAGE; Hydraulic works – dams and dikes – are risky civil engineering structures. Dramatic consequences in terms of human and material losses may be induced by their failure. Embankment dams represent an important part of the whole dams in France and the majority of dams worldwide, without considering the important lengths of fluvial and coastal dikes. The structural safety of such structures is traditionally evaluated with limit-state deterministic or semi-probabilistic methods. Nevertheless, French regulations regarding hydraulic works has recently evolved and now impose for all large dams the realization of risk assessment studies based on probabilistic approach. In this purpose, the principal objective of this thesis work is to develop a probabilistic approach to evaluate earth dam reliability concerning the sliding mechanism, which is one of the designing limit-state of such structures. Three scientific issues have to be treated for developing such approach: · elaboration of an hydro-mechanical model for the dam deterministic evaluation towards sliding mechanism; · probabilistic modeling of hydraulic and mechanical soil properties spatial variability; · mechanical-reliability coupling with integration of the spatial variability representations in the hydro-mechanical model. Some research studies already exist on these issues. However these works concern generally only a part of the general issue: the lack of global work is to be deplored. Our work proposes a global methodologic approach taking into account the whole scientific issues and applying hydraulic and mechanical modeling approaches based on real data available in the earth dam. The developed approach is then applied on a dam case study. Hydro-mechanical model uses finite element method and is developed with the user-free code Cast3M which is compatible for a research use. This code allows the safety factor calculation through the strength reduction technique with integration of the pore pressures field estimated in transient condition. The spatial variability of embankment properties is represented with random fields based on a geostatistical analysis of construction controls data. These random fields are then integrated into the finite element model. A coupling between the physical finite element code Cast3M and the reliability software OpenTURNS finally allows assessing the uncertainties propagation and the reliability evaluation of the studied dam.; Les ouvrages hydrauliques – barrages et digues – sont des ouvrages de génie civil à risque. Leur rupture engendre des conséquences humaines et matérielles souvent dramatiques. Parmi eux, les barrages en remblai représentent une part importante du parc de barrages au niveau national comme mondial, auxquels s’ajoutent d’importants linéaires de digues en remblai fluviales et maritimes. La sécurité structurale de ces ouvrages est traditionnellement évaluée par des méthodes déterministes ou semi-probabilistes aux états-limites. Cependant, la réglementation française en matière d’ouvrages hydrauliques a récemment évolué en préconisant pour les grands barrages la réalisation d’études de dangers (EDD) basées sur les méthodes d’analyse de risques et impliquant l’utilisation de démarches probabilistes. Dans ce cadre, l’objectif principal de la thèse est de développer une démarche probabiliste pour l’évaluation de la fiabilité structurale des ouvrages hydrauliques en remblai vis-à-vis du mécanisme de glissement, qui constitue l’état-limite conditionnant la géométrie de ces ouvrages. Le développement d’une telle démarche nécessite de traiter trois questions scientifiques principales : · l’élaboration d’un modèle hydromécanique pour l’évaluation déterministe de la stabilité de l’ouvrage vis-à-vis du mécanisme de glissement ; · la modélisation probabiliste de la variabilité spatiale des propriétés mécaniques et hydrauliques des matériaux constituant le remblai ; · le couplage mécano-fiabiliste intégrant les modèles de variabilité spatiale au modèle hydromécanique. De nombreux travaux de recherche ont été réalisés sur ces questions et sont disponibles dans la littérature scientifique. Cependant, ils ne traitent qu’une partie des aspects de la problématique globale d’évaluation de la fiabilité et l’absence de recherches intégratrices est à déplorer. Notre travail, propose une démarche méthodologique complète intégrant l’ensemble des questions scientifiques, en mettant en oeuvre des démarches de modélisation hydraulique et mécanique s’appuyant sur des données réelles disponibles sur un barrage en remblai. La démarche générale développée est appliquée à un barrage bien documenté servant de cas d’étude. Le modèle hydromécanique utilise la méthode des éléments finis et est développé avec le code élément finis Cast3M ouvert et compatible avec un usage en recherche scientifique. Le modèle développé permet le calcul du facteur de sécurité de l’ouvrage par la méthode de réduction de paramètres en intégrant un champ de pressions interstitielles calculé en régime transitoire. La variabilité spatiale des paramètres des matériaux du remblai est modélisée à partir d’une analyse géostatistique des mesures de contrôle de compactage sous forme de champs aléatoires qui sont intégrés au modèle éléments finis. Un couplage mécano-fiabiliste entre le code de calcul Cast3M et le logiciel de fiabilité OpenTURNS permet au final de propager les incertitudes et d’évaluer la fiabilité de l’ouvrage.

We present an overview of (geo-)statistical models, methods and techniques for the analysis and prediction of continuous spatio-temporal processes residing in continuous space. Various approaches exist for building statistical models for such processes, estimating their parameters and performing predictions. We cover the Gaussian process approach, very common in spatial statistics and geostatistics, and we focus on R-based implementations of numerical procedures. To illustrate and compare the use of some of the most relevant packages, we treat a real-world application with high-dimensional data. The target variable is the daily mean PM10 concentration predicted thanks to a chemistry-transport model and observation series collected at monitoring stations across France in 2014. We give R code covering the full work-flow from importing data sets to the prediction of PM10 concentrations with a fitted parametric model, including the visualization of data, estimation of the parameters of the spatio-temporal covariance function and model selection. We conclude with some elements of comparison between the packages that are available today and some discussion for future developments.; Nous présentons un aperçu des modèles, méthodes et techniques (géo-)statistiques pour l’analyse et la prévision de processus spatio-temporels continus. De nombreuses approches sont possibles pour la construction de modèles statistiques pour ces processus, l’estimation de leurs paramètres et leur prédiction. Nous avons choisi de présenter l’approche par processus gaussien, la plus communément utilisée en statistiques spatiales et en géostatistiques, ainsi que son implémentation avec le logiciel R. La variable cible est la moyenne de la concentration quotidienne PM10 à l’échelle de la France, prédite à l’aide d’un modèle de transport en chimie de l’atmosphère et de séries d’observations obtenues à des stations de surveillance de la qualité de l’air. En suivant le fil d’une application réelle de grande dimension, nous comparons certains des paquets R les plus utilisés. Le code R permettant la visualisation des données, l’estimation des paramètres de la fonction de covariance spatio-temporelle ainsi que la sélection d’un modèle et la prédiction de la concentration de PM10 est également présenté afin d’illustrer l’enchaînement des étapes. Nous concluons avec une comparaison entre les paquets qui sont disponibles aujourd’hui et ainsi que les pistes de développement qui nous paraissent intéressantes.

Soumission; We present an overview of (geo-)statistical models, methods and techniques for the analysis and prediction of continuous spatio-temporal processes residing in continuous space. Various approaches exist for building statistical models for such processes, estimating their parameters and performing predictions. We cover the Gaussian process approach, very common in spatial statistics and geostatistics, and we focus on R-based implementations of numerical procedures. To illustrate and compare the use of some of the most relevant packages, we treat a real-world application with high-dimensional data. The target variable is the daily mean PM10 concentration predicted thanks to a chemistry-transport model and observation series collected at monitoring stations across France in 2014. We give R code covering the full work-flow from importing data sets to the prediction of PM10 concentrations with a fitted parametric model, including the visualization of data, estimation of the parameters of the spatio-temporal covariance function and model selection. We conclude with some elements of comparison between the packages that are available today and some discussion for future developments.; Nous présentons un aperçu des modèles, méthodes et techniques (géo-)statistiques pour l’analyse et la prévision de processus spatio-temporels continus. De nombreuses approches sont possibles pour la construction de modèles statistiques pour ces processus, l’estimation de leurs paramètres et leur prédiction. Nous avons choisi de présenter l’approche par processus gaussien, la plus communément utilisée en statistiques spatiales et en géostatistiques, ainsi que son implémentation avec le logiciel R. La variable cible est la moyenne de la concentration quotidienne PM10 à l’échelle de la France, prédite à l’aide d’un modèle de transport en chimie de l’atmosphère et de séries d’observations obtenues à des stations de surveillance de la qualité de l’air. En suivant le fil d’une application réelle de grande dimension, nous comparons certains des paquets R les plus utilisés. Le code R permettant la visualisation des données, l’estimation des paramètres de la fonction de covariance spatio-temporelle ainsi que la sélection d’un modèle et la prédiction de la concentration de PM10 est également présenté afin d’illustrer l’enchaînement des étapes. Nous concluons avec une comparaison entre les paquets qui sont disponibles aujourd’hui et ainsi que les pistes de développement qui nous paraissent intéressantes.

La résistivité électrique des sols a été choisie pour décrire l’hétérogénéité spatiale des sols des micro-parcelles d’essais variétés. Les mesures de résistivité ont été enregistrées à l’automne 2011 pour trois profondeurs (0.5m, 1m et environ 2m) appelées voies de mesures et on observe un nombre de mesures par micro-parcelle faible. Aussi, la résistivité a été spatialisée pour chaque voie de mesure par krigeage ordinaire (KO). Pour caractériser l’hétérogénéité spatiale des sols des micro-parcelles par rapport à la résistivité, les valeurs estimées par KO ont été classées en fonction de leur position par rapport à la moyenne (scénario 1) et à la médiane (scénario 2). Cette discrétisation a conduit à définir deux types de zones (zones avec la résistivité inférieure à la moyenne et inversement) pour chaque paramètre de position. La typologie établie a été validée par une analyse factorielle discriminante (AFD), qui a montré que la résistivité électrique des sols est une variable discriminante des deux types de zones établies. Quelle que soit la voie de mesure et quel que soit le scénario, la probabilité de classement erroné est inférieure à 5%. Par ailleurs, la moyenne des valeurs de la résistivité dans les deux types de zones sont statistiquement différentes (ANOVA : test de Tukey). Les mesures de résistivités des trois voies spatialisées par KO ont aussi été synthétisées par une analyse en composante principale (ACP). Les procédures de discrétisation (les deux scénarii) et de validation (AFD et ANOVA) appliquées à la première composante issue de l’ACP montrent des résultats similaires à ceux obtenus en considérant les voies de mesure de manière individuelle. Enfin, la comparaison des deux scénarii montre un taux de coïncidence compris entre 93.5 % et 96 % selon la voie et le scénario considérés. On peut donc indifféremment considérer la moyenne ou la médiane pour discrétiser la surface des micro-parcelles dans ce contexte d’étude., The electrical resistivity of soils was used to describe the spatial heterogeneity of micro plots soils. The resistivity measurements were recorded at the autumn 2011 for three soil depths (0.5m, 1m and approximately 2m). The number of resistivity measurements by micro plot is low. The resistivity was thus mapped for each depth by ordinary kriging (OK). To describe the spatial heterogeneity of soils in micro-plots relative to resistivity, OK estimates were classified according to their position at the mean (scenario 1) and the median (scenario 2). This classification has led to the definition of two types of areas (resistivity lower to the mean and conversely) for each position parameter. The established typology was validated by a factorial discriminant analysis (FDA), which showed that resistivity is a discriminant variable of the two types of areas established. Regardless the depth of measurement and the scenario considered, the probability of misclassification is less than 5%. Moreover, the mean resistivity values in the two types of areas are statistically different (ANOVA: Tukey test). OK estimates were also summarized through a principal component analysis (PCA). The classification procedure (both scenarios) as well as that of validation (FDA and ANOVA) applied to the first component achieved by PCA show similar results to those obtained by considering separately the resistivity measurements of three depths. Finally, the comparison of the two scenarios shows a coincidence rate ranges from 93.5% to 96% as function of resistivity measurements depth and the scenario considered. Therefore, we can indifferently consider the mean or the median to discretize the surface of the micro plots in the context of this study.

We present an overview of (geo-)statistical models, methods and techniques for the analysis and prediction of continuous spatio-temporal processes residing in continuous space. Various approaches exist for building statistical models for such processes, estimating their parameters and performing predictions. We cover the Gaussian process approach, very common in spatial statistics and geostatistics, and we focus on R-based implementations of numerical procedures. To illustrate and compare the use of some of the most relevant packages, we treat a real-world application with high-dimensional data. The target variable is the daily mean PM10 concentration predicted thanks to a chemistry-transport model and observation series collected at monitoring stations across France in 2014. We give R code covering the full work-flow from importing data sets to the prediction of PM10 concentrations with a fitted parametric model, including the visualization of data, estimation of the parameters of the spatio-temporal covariance function and model selection. We conclude with some elements of comparison between the packages that are available today and some discussion for future developments., Nous présentons un aperçu des modèles, méthodes et techniques (géo-)statistiques pour l’analyse et la prévision de processus spatio-temporels continus. De nombreuses approches sont possibles pour la construction de modèles statistiques pour ces processus, l’estimation de leurs paramètres et leur prédiction. Nous avons choisi de présenter l’approche par processus gaussien, la plus communément utilisée en statistiques spatiales et en géostatistiques, ainsi que son implémentation avec le logiciel R. La variable cible est la moyenne de la concentration quotidienne PM10 à l’échelle de la France, prédite à l’aide d’un modèle de transport en chimie de l’atmosphère et de séries d’observations obtenues à des stations de surveillance de la qualité de l’air. En suivant le fil d’une application réelle de grande dimension, nous comparons certains des paquets R les plus utilisés. Le code R permettant la visualisation des données, l’estimation des paramètres de la fonction de covariance spatio-temporelle ainsi que la sélection d’un modèle et la prédiction de la concentration de PM10 est également présenté afin d’illustrer l’enchaînement des étapes. Nous concluons avec une comparaison entre les paquets qui sont disponibles aujourd’hui et ainsi que les pistes de développement qui nous paraissent intéressantes.

Even at low concentrations, the presence of arsenic and mercury in soils can lead to ecological and health impacts. The recent European-wide LUCAS Topsoil Survey found that the arsenic concentration of a large proportion of French soils exceeded a threshold which indicated that further investigation was required. A much smaller proportion of soils exceeded the corresponding threshold for mercury but the impacts of mining and industrial activities on mercury concentrations are not well understood. We use samples from the French national soil monitoring network (RMQS: Réseau de Mesures de la Qualité des Sols) to explore the variation of topsoil arsenic and mercury concentrations across mainland France at a finer spatial resolution than was reported by LUCAS Topsoil. We use geostatistical methods to map the expected concentrations of these elements in the topsoil and the probabilities that the legislative thresholds are exceeded. We find that, with the exception of some areas where the geogenic concentrations and soil adsorption capacities are very low, arsenic concentrations are generally larger than the threshold which indicates that further assessment of the area is required. The lower of two other guideline values indicating risks to ecology or health is exceeded in fewer than 5% of RMQS samples. These exceedances occur in localised hot-spots primarily associated with mining and mineralization. The probabilities of mercury concentrations exceeding the further assessment threshold value are everywhere less than 0.01 and none of the RMQS samples exceed either of the ecological and health risk thresholds. However, there are some regions with elevated concentrations which can be related to volcanic material, natural mineralizations and industrial contamination. These regions are more diffuse than the hot-spots of arsenic reflecting the greater volatility of mercury and therefore the greater ease with which it can be transported and redeposited. The maps provide a baseline against which future phases of the RMQS can be compared and highlight regions where the threat of soil contamination and its impacts should be more closely monitored.

International audience; The shear strength of discontinuities plays a key role in the stability of rock masses, particularly in the case of analysing the sliding stability of the rock foundations of gravity dams. This paper proposes a methodology for analysing the spatial variability of shear strength along the joints of rock mass, based on the input parameters of the Barton and Choubey's model. The aim of this approach is to evaluate the reduction of the variance of the parameters involved at full-scale by identifying a deterministic trend varying in depth and a spatial correlation calculated from a variographic analysis. An advantage of this methodology is to use a simple experimental protocol (a laser profilometer, a portable shear test apparatus and a concrete sclerometer), which generates large sets of shear strength properties for assessing their spatial variability. The methodology is illustrated in the case of the rock foundation of a concrete gravity dam. Analysis of the spatial variability conducted for this case study led to a significant reduction of the variance of the variable analysed. The advantage of this method is demonstrated through the evaluation of the probability of failure performed in a study of this structure's stability. Taking variance reduction into account in the case study led to significantly reducing the probability of failure assessed through a reliability analysis.

Soumission; We present an overview of (geo-)statistical models, methods and techniques for the analysis and prediction of continuous spatio-temporal processes residing in continuous space. Various approaches exist for building statistical models for such processes, estimating their parameters and performing predictions. We cover the Gaussian process approach, very common in spatial statistics and geostatistics, and we focus on R-based implementations of numerical procedures. To illustrate and compare the use of some of the most relevant packages, we treat a real-world application with high-dimensional data. The target variable is the daily mean PM10 concentration predicted thanks to a chemistry-transport model and observation series collected at monitoring stations across France in 2014. We give R code covering the full work-flow from importing data sets to the prediction of PM10 concentrations with a fitted parametric model, including the visualization of data, estimation of the parameters of the spatio-temporal covariance function and model selection. We conclude with some elements of comparison between the packages that are available today and some discussion for future developments.; Nous présentons un aperçu des modèles, méthodes et techniques (géo-)statistiques pour l’analyse et la prévision de processus spatio-temporels continus. De nombreuses approches sont possibles pour la construction de modèles statistiques pour ces processus, l’estimation de leurs paramètres et leur prédiction. Nous avons choisi de présenter l’approche par processus gaussien, la plus communément utilisée en statistiques spatiales et en géostatistiques, ainsi que son implémentation avec le logiciel R. La variable cible est la moyenne de la concentration quotidienne PM10 à l’échelle de la France, prédite à l’aide d’un modèle de transport en chimie de l’atmosphère et de séries d’observations obtenues à des stations de surveillance de la qualité de l’air. En suivant le fil d’une application réelle de grande dimension, nous comparons certains des paquets R les plus utilisés. Le code R permettant la visualisation des données, l’estimation des paramètres de la fonction de covariance spatio-temporelle ainsi que la sélection d’un modèle et la prédiction de la concentration de PM10 est également présenté afin d’illustrer l’enchaînement des étapes. Nous concluons avec une comparaison entre les paquets qui sont disponibles aujourd’hui et ainsi que les pistes de développement qui nous paraissent intéressantes.

International audience; Les estimations des quantités de terres polluées qui devront être excavées, puis traitées, éliminées ou bien encore valorisées, jouent un rôle déterminant dans l’économie globale des opérations de réhabilitation de sites. Des écarts significatifs entre les estimations menées en phase diagnostic et les quantités réellement dépolluées en phase travaux sont en effet lourds de conséquences, que ce soit en termes de dépassements de budget, de retards pris dans les travaux, ou de risques sanitaires associés aux pollutions résiduelles.Malgré l’expérience des professionnels de la dépollution acquise au cours des 20 dernières années, il semble que des écarts importants peuvent encore être observés dans certaines opérations. Mais qu’en est-il vraiment ? Est-ce que cela concerne uniquement quelques cas isolés, ou bien encore une bonne partie des sites traités ? Quelles sont dans ce cas les raisons ayant conduit à ces situations, et pourrait-on les éviter en améliorant certaines pratiques ?Tel fut l’objet de l’étude confiée en 2015 aux sociétés eOde et Geovariances par l’association RECORD. Des données de 23 sites déjà dépollués ont été mises à disposition par des industriels, bureaux d’études et sociétés de dépollution, membres de RECORD et autres, pour mener une analyse comparative des cas. L’analyse a été précédée d’une enquête auprès des professionnels pour vérifier que les cas rassemblés étaient représentatifs des situations fréquemment rencontrées et recueillir leur expérience. La validité opérationnelle des recommandations fournies en fin d’étude a été assurée par un comité de suivi composé de membres de RECORD, et par un comité d’experts indépendants.