Mise-à-jour de données de haute incertitude spatiale Présentation dans le cadre du groupe de discussion sur la fusion de données géospatiales – 22 nov.

Slides:



Advertisements
Présentations similaires
RAPPORT DAVANCEMENT Par Narcisse Talla Tankam CURAT-LETSfévrier-mars 2004.
Advertisements

Base de sondage et Plan de sondage Pres. 5
Gestion de portefeuille
STATISTIQUE INFERENTIELLE L ’ESTIMATION
Module 8- Les étapes de la démarche d'évaluation
Recherche de motifs par méthodes exploratoires: Comparaisons de performances et statistiques sur le score.
But de la lecture critique
RECONNAISSANCE DE FORMES
Test statistique : principe
2- La théorie du producteur
Les TESTS STATISTIQUES
Les TESTS STATISTIQUES
Programmes du cycle terminal
Prévisions des ventes :
L’échange naturel Le choix individuel de Robinson l’amène à déterminer les termes d’un contrat naturel d’échange, selon lequel, en échange des quantités.
Traitement de données socio-économiques et techniques d’analyse :
Eric Guilbert, Marc Daniel *, Eric Saux
Principes de la technologie orientée objets
Marketing Engineering
Chapitre 7: Les polynômes
L’aire, limite d’une somme
RECONNAISSANCE DE FORMES
Rebecca Tittler, Christian Messier et Andrew Fall
Méthode des k plus proches voisins
Champs de Markov cachés pour la classification de gènes..
Corrélation Principe fondamental d’une analyse de corrélation
RECHERCHE COMMERCIALE
Objectifs Chapitre 8: Mesure en psychologie
Détection du meilleur format de compression pour une matrice creuse dans un environnement parallèle hétérogène Olfa HAMDI-LARBI.
SEMINAIRE DE CONTACT novembre 2008 Outils de gestion de projet.
Présenté par Mohamed Bakillah Mir Abolfazl Mostafavi: directeur
Application d’algorithmes d’extraction de la couleur et des textures à partir d’images aériennes dans le contexte de l’extraction de bâtiments pour supporter.
Fusion de données, un aperçu
l’algorithme du simplexe
InDesign 2 Com 3562 Aude Dufresne et Jorge Zeledon.
Présentation de la méthode des Eléments Finis
TRAITEMENT INSTRUMENTÉ DE CORPUS
Logiciels et technologies de l'information de gestion
Coupes efficaces pour la relaxation lagrangienne
1 Modèles de particules Reeves, W. T., "Particle Systems - A technique for Modeling a Class of Fuzzy Objects," SIGGRAPH 83, Reeves, W. T., and.
Méthodes de Biostatistique
Viabilité Réduire, réutiliser, recycler… Conservation Coaches Network Formation des coachs.
Institut de Recherche en Communications et Cybernétique de Nantes 1 Implémentation en précision finie modélisation et recherche de réalisations optimales.
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
GRAPHISME PAR ORDINATEUR
Deux sujets traités La segmentation d’images
École La Dauversière, Montréal, juin 2000
Évaluation des titres : actifs sans risque
La progressivité des apprentissages par niveaux
Vue d’ensemble des outils du PRISM Dakar, 3 au 21 Mai 2010
Les principes de la modélisation de systèmes
Chimiometrie (Chemometrics)
SURPOIDS et OBESITE CHEZ LES ENFANTS DE 7 à 9 ANS
Les Solutions et Les Mélanges
1 Alain Casali Christian Ernst Extraction de Règles de Corrélation Décisionnelles 29 Janvier 2009.
Présentation du marché obligataire
François CARCENAC,Frédéric BONIOL ONERA-DTIM Zoubir MAMMERI IRIT
G. Edwards le 12 décembre, 2001 La fusion des données - approches qualitatives.
Apparence globale 1 image = 1 vecteur Base apprentissage Rotation –capture les variabilités Troncature –Quelques coefficients Représentation linéaire Espace.
Couche limite atmosphérique
Romain Dupont encadré par J.Aubourg et P. Fuchs
1.  On souhaite comparer deux traitements dans le cadre d’un essai randomisé sur les lombosciatiques :  corticoïdes par infiltrations  placebo  Critère.
Comparaison multi-échelle des précipitations du modèle Méso-NH et des données radar Colloque CNFSH – Ecole des Ponts ParisTech – 11/12 juin 2009 A., Gires.
CHAPITRE 2 LES SITUATIONS FONCTIONNELLES
Couche limite atmosphérique Micrométéorologie. Exemples de paramétrisations de K Contraintes: K=0 quand il n ’y a pas de turbulence K=0 au sol (z=0) K.
Institut Technologique FCBA : Forêt, Cellulose, Bois - construction, Ameublement Regards croisés sur les valeurs de la forêt FCBA : Alain Thivolle-Cazat,
La rédaction d’articles scientifiques: L’article scientifique comme reflet de la démarche scientifique et comme style littéraire. Atelier ouvert, 20 avril.
Construire un projet sylvopastoral en forêt communale soumise La forêt du Colombier Alpes de Haute Provence Jean Luc JARDIN – ONF Alpes de Haute Provence.
Caractéristiques de la première éclaircie dans les peuplements de Pin maritime des Landes de Gascogne Céline Meredieu, Thierry Labbé, Lucie Rupil Cécile.
Groundwater GIS reference layer Submission/compilation status and evaluation ONEMA 16 juin 2011 GIGE.
Transcription de la présentation:

Mise-à-jour de données de haute incertitude spatiale Présentation dans le cadre du groupe de discussion sur la fusion de données géospatiales – 22 nov 2000 Par Tom De Groeve

Contexte de la mise-à-jour –Haute incertitude spatiale = espace rempli d’objets –les frontières d’un objet influencent les frontières des objets voisins (proches et même plus loin) distinction entre les objets n’est pas évidente –définition des objets à partir de caractéristiques non-spatiales –définition des frontières des objets à partir de caractéristiques spatiales et non-spatiales –détermination de l’existence et de l’étendu spatial d’un objet est basé sur un seuillage subjectif des caractéristiques non- spatiales contraintes additionnelles –surface cartographique minimale –forme convexe des polygones

Contexte de la mise-à-jour Problématique

Contexte de la mise-à-jour –Mise-à-jour Révision des croyances actuelles basée sur une nouvelle information –croyances = intégration de l’information du passé ex. cartes forestières existantes avec connaissances But: intégrer/fusionner une nouvelle information pour obtenir des meilleures croyances pour un objectif donné

Objectif Établir une méthodologie pour combler la problématique de la mise-à-jour de données de haute incertitude spatiale –Comparaison des croyances --> mesure –Révision --> action –Seuillage --> décision Mise-à-jour d’une carte forestière basée sur trois cartes forestières décennales du même site Données antérieures Nouvelles données Comparaison Décision Action Données meilleures

1. Comparaison des croyances Comparer deux objets d’une carte thématique –caractéristiques d’un objet non-spatiales –attributs définissants: essence, hauteur, densité, âge –limités selon différents systèmes de classification spatiales –position, forme, longueur des frontières –convexité, superficie, élongation des aires –limité selon différentes procédures cartographiques –deux approches différentes comparaison des caractéristiques spatiales comparaison des caractéristiques non-spatiales Comparaison

1. Comparaison des croyances Comparaison des caractéristiques non-spatiales –Retour vers définitions des classes via analyse des systèmes de classifications pour chaque système de classification: classes --> intervalles définissants –ex. densité: A = [75%, 100%], B = [50%, 75%], … comparaison des intervalles: relations de Allen pour intervalles –distinct –touche –superpose –égal –contient/dedans Attributs différents Attributs égales Comparaison

1. Comparaison des croyances Comparaison des caractéristiques non-spatiales –Quantification de l’état de la superposition des intervalles LL L+L+ L-L- I 01 D 01 inclusiondistance 0,5 Comparaison

1. Comparaison des croyances Comparaison des caractéristiques non-spatiales –Seuillage: superposition --> touche, égal I = 0,7 D I égal (attributs égales) touche (attributs différents) 01 1 Attributs différents Attributs égales Comparaison

1. Comparaison des croyances Comparaison des caractéristiques non-spatiales –Résultat: Système de classification commun La comparaison des attributs d’une carte avec les attributs d’une autre carte est possible Essence Comparaison

1. Comparaison des croyances Comparaison des caractéristiques spatiales –Retour vers définition des polygones via analyse des procédures cartographiques superficie minimale attributs définissants –certaines frontières dans une carte n ’existeraient pas selon le système de classification dans une autre ex. carte écoforestière carte forestière –Comparaison des polygones polygone = intervalle en 2D Relations de Allen/Egenhofer pour des aires Comparaison

1. Comparaison des croyances Comparaison des caractéristiques spatiales –Relations de Allen/Egenhofer pour des aires –Distinct –Touche –Superposition –Égal –Contient/dedans –Réalité: superposition = état normal Comparaison

1. Comparaison des croyances Comparaison des caractéristiques spatiales –Quantification de l’état de la superposition AA A–A– A+A+ Comparaison

1. Comparaison des croyances Comparaison des caractéristiques spatiales –Seuillage: les 5 états émergent Égale: Polygone cohérent: I > 0.7 & D  0.5 Contient/dedans: Inclusion: I > 0.7 & D > 0.5 Superposition Lobe: 0.1  I/D < 0.3 Incohérence: I/D > 0.3 & I < 0.7 Touche: Frontière cohérente: 0 < I/D < 0.1 Distinct: I < 0 Comparaison

1. Comparaison des croyances Comparaison des caractéristiques spatiales –Critère additionnel pour ‘touche’: forme de polygone S > 0  frontière cohérente (touche) S < 0  autres… F   F = 1 forme Fgrandeur Comparaison

1. Comparaison des croyances Comparaison des caractéristiques spatiales –Extension pour plus que deux cartes comparaison deux par deux + combinaison des états –un point fait parti d’un seul polygone sur chaque carte –pour ce point, on calcule l’état de chaque pair de polygones –un état final est ‘choisi’ en fonction de l’ensemble des états observés pour ce point contienttouche = = ++ Comparaison

Résultats 1. Intégration spatiale de n=3 cartes 2. Carte de cohérence Comparaison

2. Révision des croyances Pour effectuer une mise-à-jour, il faut réviser les données existantes en fonction des nouvelles données –intégration (faite pour ma thèse) : superposition spatiale des cartes => augmentation énorme du nombre de polygones superposition non-spatiales des cartes: associer les attributs de chaque carte à chaque polygone => augmentation énorme de la taille de la base de données –fusion (pas faite, mais plusieurs méthodes existent) : simplifier/synthétiser/résumer/combiner/fusionner l’information spatiale et non-spatiale –remplacement Action

2. Révision des croyances Option 1: Intégration Action

2. Révision des croyances Option 2: Fusion –non-spatiale classe/valeur la plus probable coefficient/mesure de variation –spatiale position la plus probable d’une frontière cohérente force d’une frontière (  nombre de fois qu’elle a été vue) largeur floue d’une frontière Force=6 Force=2 Action

2. Révision des croyances Fusion de frontières à partir d’une intégration –la force des frontières (couleurs) –la largeur floue Action

3. Décision Hypothèses pour révision de connaissance –En absence de changement, les croyances sont équivalentes –En présence de changement, les croyances plus récentes valent plus Action –Pas de changement  fusionner –Changement  remplacer (+fusionner) Alors, détection de changement –les causes d’un écart observé durant la comparaison Décision

3. Décision Causes d’un écart non-spatial changements: modèles de croissance, coupes forestières, feu forestiers, autres incertitude: confusion entre certaines classes plus probable qu’entre d’autres classes comportement spécifique et détectable des attributs Causes d’un écart spatial changements: colonisation, coupes forestières, feu forestiers, croissance différentielle, … incertitude: superficie du polygone, longueur d’une frontière, type droite/gauche de la frontière, … comportement spécifique et détectable des polygones Décision

3. Décision Décision Lobe (SUPERPO SITION) Inclusion (DEDANS) Frontière cohérente (TOUCHE) Polygone cohérent (ÉGALE) IncertitudeFeu forestier Coupe totale Croissance spatiale attributs fusionneremplace fusionne enlève remplace fusionne remplace fusionne remplace fusionne Etc.

Résumé de la méthodologie Changement Incertitude spatiale non-spatiale spatiale non-spatiale Fusion Remplacement Comparaison spatiale Comparaison non-spatiale Chaque point Meilleure caractérisation de l’espace dans le point

Conclusions Retour aux définitions Mise-à-jour nécessite fusion –À cause de la haute incertitude spatiale –Information sur l’incertitude nécessaire dans le produit de la fusion pour des mises-à-jour ultérieures Révision des croyances implique –Fusion –Remplacement Mon contexte: fusion de jeux de données équivalents (plusieurs versions de la même donnée)  fusion de données complémentaires

Questions pour le groupe Approche de fusion –Perte de détails sur l’origine de la nouvelle donnée (i.e. les réalisations multiples ne sont pas conservées) –Gain d’information (i.e. une information à jour et sa fiabilité) Fusion  remonter des niveau d’abstraction –Retour aux définitions –Contexte commun pour toutes les données Fusion spatiale –L’insertion/modification/mise-à-jour d’un objet n’influence pas juste l’objet, mais influence son voisinage aussi