En Agriculture de Précision, on s’attache souvent à vouloir prédire les valeurs d’une variable d’intérêt. Plus que souvent, cette variable est coûteuse ou chronophage à acquérir et l’on cherche alors à développer un modèle plus ou moins complexe pour réussir à estimer correctement cette variable. Par exemple, il est clair que les analyses de sol sont En savoir plus surComment valider un modèle de prédiction ?[…]
Auto-corrélation des observations spatiales agronomiques et environnementales Un exemple de structure spatiale de la biomasse au sein d’une parcelle Dans les domaines de l’agronomie et de l’environnement, les observations spatiales sont généralement auto-corrélées, dans une plus ou moins grande mesure. Ces données spatiales partagent effectivement des caractéristiques plus proches avec leurs observations voisines qu’avec les En savoir plus surAutocorrélation spatiale et violation de l’hypothèse d’indépendance entre les observations dans les tests statistiques classiques[…]
La simulation de jeux de données avec une structure spatiale connue est une stratégie intéressante lorsque l’on cherche à évaluer, de manière objective, la pertinence d’une méthode de traitement de données. L’avantage majeur des simulations est de pouvoir contrôler la distribution des données au sein de la parcelle et donc de contrôler le contexte autour En savoir plus surSimulation de données spatiales avec une structure spatiale connue[…]
Lorsque l’on s’intéresse aux géostatistiques, on a du mal à passer à côté du variogramme. L’utilisation de cet outil est soumise à plusieurs hypothèses fondamentales qui sont souvent présentées de manière très théorique. Ces hypothèses sont généralement mises de côté parce qu’elles sont relativement difficiles à comprendre. Je dois admettre que les équations mathématiques et la théorie en En savoir plus surHypothèses fondamentales du variogramme : stationnarité d’ordre 2, stationnarité intrinsèque… Qu’est ce que tout cela signifie vraiment?[…]