représentation des incertitudes pour le raisonnement spatialisé laurent lardon, jean-noël paoli,...
TRANSCRIPT
![Page 1: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/1.jpg)
Représentation des incertitudes pour le raisonnement spatialisé
Laurent Lardon, Jean-Noël Paoli, Serge GuillaumeUMR ITAP, Montpellier
04 Octobre 2005
![Page 2: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/2.jpg)
Raisonnement spatial
Raisonnement spatialisé : identifier des connaissances valides, nouvelles, utiles et compréhensibles à partir de cartes.
Connaissances expertesSource d’informationVariable linguistiqueDialogue pendant le raisonnement
Mesures collectéesIrrégularité du maillage
Incertitude de localisation et de mesureHétérotopie
Objectif : intégration de la variable zone au logiciel FisPro (induction de règles floues).(www.inra.fr/bia/M/fispro)
Extraire des zones floues représentatives des phénomènes observés (et des incertitudes liées)
Définir les interactions spatiales entre les zones
Estimer des valeurs floues sur ces zones
![Page 3: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/3.jpg)
Parcelle de 1.5 ha de Merlot située en Navarre (Espagne)
Exemple de données spatialisées
![Page 4: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/4.jpg)
Mesure automatisée de paramètres
Rendement
Résistivité du solRésistivimètre (30 pts/ha)
TopographieTachéomètre (100 pts/ha)
Capteurs embarqués sur MAV Pellenc S.Alocalisée par dGPS (2400 pts/ha)
Taux de sucre
Vigueur Diamètre des ceps (30 pts/ha)
Prélèvements complémentaires
Profondeur de sol
Superficiel
Profond
Exemple de données spatialisées
Délimitation experte approximative
![Page 5: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/5.jpg)
1
u0
Support
Noyau
Représentation d’une donnée spatiale
![Page 6: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/6.jpg)
Former des zones identifiables à des noyaux à partir d’un algorithme de zonageQuantifier l’appartenance à ces zones sur la carte.
Extraction de “noyaux” de zones
Stratégie analyse de données :
FCM avec contrainte spatiale
Stratégie analyse d’image : Union-find, watershed
Formation de zones floues interprétables
Partition floue forte spatiale
La donnée des noyaux suffit à caractériser l’appartenance relative aux zones
Définition du voisinage dans un maillage irrégulier
Analogie 1 zone = 1 classe
![Page 7: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/7.jpg)
Relation de voisinage
Triangulation de Delaunay : sensible à un échantillonnage irrégulier
lignes de vue quadrants par quadrants: élimination des voisins trop proches entre eux, recherche de voisins dans toutes les directions
k-ppv ou rayon : ne garantit pas la présence de voisins
Formation de zones floues interprétables
Delaunay lignes de vue
![Page 8: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/8.jpg)
Segmentation par watershed
Assimile le niveau de gris à une altitude et extrait les bassins versantsTendance à la sursegmentation (lissage, fonction de marquage préalables)Nécessite l’identification initiale des “fonds de vallées”
Formation de zones floues interprétables
![Page 9: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/9.jpg)
Segmentation par union-find
Fusion de points en zones de taille croissante selon un critère de dissimilarité.Paramètre d’arrêt de fusion
Formation de zones floues interprétables
Sens de la fusion
![Page 10: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/10.jpg)
Comment juger du sens des zones obtenues ? : Critère d’homogénéitéDialogue expert (nb de zones attendues,…)Comparaison autres cartes
Passer des noyaux aux SEF : Dilatation jusqu’au premier noyau
Formation de zones floues interprétables
![Page 11: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/11.jpg)
Raisonnement spatial
Raisonnement spatialisé : identifier des connaissances valides, nouvelles, utiles et compréhensibles à partir de cartes.
Connaissances expertesSource d’informationVariable linguistiqueDialogue pendant le raisonnement
Mesures collectéesIrrégularité du maillage
Incertitude de localisation et de mesureHétérotopie
Extraire des zones floues représentatives des phénomènes observés (et des incertitudes liées)
Estimer des valeurs floues sur ces zones
![Page 12: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/12.jpg)
Source d’information Zone de requête
Estimation spatiale d’une zone de requête
Représentation graphique
![Page 13: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/13.jpg)
Cette estimation dépend :
• de la répartition des données sur la zone de requête
• de la structure spatiale de la variable étudiée
Estimation spatiale d’une zone de requête
![Page 14: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/14.jpg)
Estimation spatiale d’une zone de requête
Information correctement répartie :
• faible dilatation de la composante de localisation,• faible imprécision de la composante de mesure.
![Page 15: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/15.jpg)
Estimation spatiale d’une zone de requête
Information mal répartie :
• forte dilatation de la composante de localisation,• forte imprécision de la composante de mesure.
![Page 16: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/16.jpg)
Le variogramme : forme simplifiée
0 dp
p
0
(variance)
d (distance)
Évaluation imprécise (par des intervalles) des éléments remarquables du variogramme (recours aux expert, aux fractiles sur nuée variographique…) :
d0 : portée0 : effet pépitep : variance a priori
Les deux courbes obtenues englobent l’ensemble des modèles possibles
Estimation spatiale d’une zone de requête
![Page 17: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/17.jpg)
d
v
d
+
0
-
f+( )
f-()
Le variogramme : interprétation
Estimation spatiale d’une zone de requête
![Page 18: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/18.jpg)
Objectif
o SEF englobant les mesures
Contraintes
o Filtrage des valeurs extrêmes
o Prise en compte de la position des donnéespar rapport à la zone de requête
Estimation spatiale d’une zone de requête
![Page 19: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/19.jpg)
Le calcul des bornes du SEF pourrait s’appuyer sur une intégrale de Choquet
(un opérateur de ce type a déjà été défini pour l’agrégation de degrés de confiance - possibilité, nécessité - dans un contexte spatialisé)
B1 B4
B3B2
Paoli, J-N. (2004), Fusion de données spatialisées – Applications à la Viticulture de Précision. Thèse de doctorat, Agro.M – UMR ITAP. Paoli, J-N., Strauss, O., Tisseyre, B., Roger, J-M., Guillaume, S. (2004). Fusion de données géoréférencées, Actes de la XIIe conférence sur la logique floue et ses applications. pp. 77-84.
Estimation spatiale d’une zone de requête
![Page 20: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/20.jpg)
Estimation spatiale d’une zone de requête
Zone renseignéeValeurs élevées
Démonstration sur données simulées
![Page 21: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/21.jpg)
Estimation spatiale d’une zone de requête
Zone renseignéeValeurs faibles
Démonstration sur données simulées
![Page 22: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/22.jpg)
Estimation spatiale d’une zone de requête
Zone non renseignée
Démonstration sur données simulées
![Page 23: Représentation des incertitudes pour le raisonnement spatialisé Laurent Lardon, Jean-Noël Paoli, Serge Guillaume UMR ITAP, Montpellier 04 Octobre 2005](https://reader033.vdocuments.site/reader033/viewer/2022042714/551d9d7e497959293b8b6fbd/html5/thumbnails/23.jpg)
Estimation spatiale d’une zone de requête
o Test sur données réelles à différentes résolutions
o Utilisation de paramétrage expert pour les données à faible résolution
o Comparaison avec les géostatistiques sur des données à forte résolution
Travaux à venir : zonage
o Critère de sélection des noyaux / rejet des outliers : dialogue expert, comparaison de cartes
o Implémentation et interfaçage avec FisPro
o Exploitation de données paysagères et hydrauliques
Travaux à venir : estimation spatiale