Propagation et réduction des incertitudes dans les modèles de changement d’occupation des sols - TEL - Thèses en ligne
Theses Year : 2017

Propagation and reduction uncertainty in land cover change models

Propagation et réduction des incertitudes dans les modèles de changement d’occupation des sols

Abstract

This thesis presents an approach for propagating and reducing uncertainty related to the process of land cover change (LCC). LCC models have, almost, two sources of uncertainty which are the uncertainty related to model parameters and the uncertainty related to model structure. Furthermore, uncertainties can be subdivided into two types: aleatory and epistemic. The former comes from the natural variability, while the latter represents a lack of knowledge. The main problem is that classical probability theory does not make a clear distinction between aleatory and epistemic uncertainties in the way they are represented, i.e., both of them are described with a probability distribution. The aim of this thesis is to propagate and reduce the uncertainty related to LCC models using belief function theory. More precisely, the proposed approach is divided into six main steps: 1) a step for parameter uncertainty identification used to identify the uncertain input parameters, their types of uncertainty and their correlations, 2) a step for parameter modeling used to model and to transform all uncertain parameters in belief functions framework, 3) a step for parameter uncertainty propagation used to propagate aleatory and epistemic uncertainty of input parameters with considering correlations, 4) a step for model structure modeling and propagating used to model and propagate the uncertainty associated to model structure, 5) a step for sensitivity analysis performed to test the effect of uncertainty sources, and 6) a step for estimation based on confidence limits of KolmogorovSmirnov used to optimize the selected ones. In this thesis, the proposed approach is applied to an urbanization scenario. The present and future changes of a case study were studied using multi-temporal Landsat satellite images. These data are used for the preparation of a prediction map of the year 2025. Results show that the proposed approach based on the belief function theory has a potential for reducing uncertainty in LCC modeling.
Cette thèse présente une approche de propagation et de réduction des incertitudes liées au processus de changement d’occupation des sols (COS). Les modèles de COS ont, généralement, deux sources d’incertitude qui sont l’incertitude liée aux paramètres du modèle et l’incertitude liée à la structure du modèle. En outre, les incertitudes peuvent être subdivisées en deux types : aléatoire et épistémique. Le premier provient de la variabilité naturelle, alors que, le deuxième provient d’un manque de connaissance. Le problème principal est que la théorie de probabilités classique ne fait pas une distinction claire entre les incertitudes aléatoires et épistémiques de la manière dont elles sont représentées, c’est-à-dire les deux types sont décrits avec une distribution de probabilités. L’objectif de cette thèse est de propager et de réduire les incertitudes liées aux modèles de COS en utilisant la théorie des fonctions de croyance. Plus précisément, l’approche proposée est divisée en six étapes principales : 1) une étape d’identification des incertitudes de paramètres permettant d’identifier les paramètres d’entrée incertains, leurs types d’incertitude et leurs corrélations, 2) une étape de modélisation des paramètres permettant de modéliser et transformer tous les paramètres incertains dans le cadre de la théorie des fonctions de croyance, 3) une étape de propagation des incertitudes de paramètres permettant de propager les incertitudes aléatoires et épistémiques de paramètres tout en considérant les corrélations, 4) une étape de modélisation et de propagation des incertitudes liées à la structure du modèle permettant de modéliser et propager les incertitudes associées à la structure du modèle, 5) une étape d’analyse de sensibilité permettant de tester l’effet des sources d’incertitudes, et 6) une étape d’estimation basée sur les limites de confiance de Kolmogorov-Smirnov permettant d’optimiser les sources sélectionnées. Dans cette thèse, l’approche proposée est appliquée sur un scénario d’urbanisation. Les changements actuels et futurs d’une étude de cas ont été étudiés en se basant sur des images satellitaires Landsat multitemporelles. Ces données sont utilisées pour la préparation de la carte de prédiction de l’année 2025. Les résultats montrent que l’approche proposée basée sur la théorie des fonctions de croyance a le potentiel de réduire les incertitudes dans les modèles de COS.
Fichier principal
Vignette du fichier
Rapport_Thèse_Ahlem.pdf (3.99 Mo) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

tel-01667936 , version 1 (02-01-2018)

Identifiers

  • HAL Id : tel-01667936 , version 1

Cite

Ahlem Ferchichi. Propagation et réduction des incertitudes dans les modèles de changement d’occupation des sols . Intelligence artificielle [cs.AI]. Université de la Manouba 2017. Français. ⟨NNT : ⟩. ⟨tel-01667936⟩

Collections

TDS-MACS
406 View
695 Download

Share

More