Spatial environmental analyses using functional approaches: application to multifrequential fisheries acoustics data - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2023

Spatial environmental analyses using functional approaches: application to multifrequential fisheries acoustics data

Analyses environnementales spatiales à l'aide d'approches fonctionnelles : application aux données acoustiques multifréquentielles halieutiques

Résumé

In the field of functional statistics applied to the environment, the focus of this research lies in the analysis of data presented in functional form. Functional statistics explores a sector of statistics dedicated to handling functional data, providing methods for dimension reduction, supervised and unsupervised learning, while taking into account the temporal and/or spatial dependencies inherent in such data. The rise of modern technologies has made these types of data increasingly accessible, especially in fields such as environmental sciences. A concrete example of the application of functional statistics lies in fisheries acoustics techniques, which enable the collection of spatial and temporal samples of marine organisms at different depths and spatial scales, without requiring intrusion. Within this research, a set of multi-frequency acoustic data, extracted by scientific fishery echosounders, has been meticulously analyzed to explore the spatial structure of aggregations of micronektonic marine organisms, commonly referred to as "Sound Scattering Layers" (SSL). The examination of the characteristics of these complex biological entities, such as their thickness, relative density, and depth, was conducted in correlation with their pelagic environment. The detailed representation of this environment was made possible through the use of a multiparametric system towed behind the vessel (ScanFish). In this approach, we initiated the analysis using standard multivariate statistical methods, and then exploited techniques of functional data analysis, with or without consideration of spatial dimension. In our initial exploratory analysis, multivariate Functional Principal Component Analysis provided precise information about parameter variation along depths, unlike classical Principal Component Analysis. In the context of regression tasks, our analyses, whether integrating spatial dimension or not, revealed interactions between SSL characteristics and key environmental variables on a spatial scale. Significant geographical distinctions were observed among SSLs in our dataset, i.e., between northern and southern zones, as well as between coastal and offshore zones during this study. These conclusions remain relevant in the second part of the thesis, where a recent supervised learning method is used, leveraging the concept of signatures extracted from environmental data. The final, more methodological contribution introduces a new approach to principal component analysis for multivariate spatial functional data. Compared to multivariate functional principal component analysis, this methodology is suited for exploring and reducing the dimensionality of dependent spatial data. Thethesis findings highlight the crucial importance of spatial-functional statistical analysis in ecological research involving spatially complex entities. These results underscore the added value of considering spatial dimension in the analysis of these complex biological phenomena. Beyond our specific case study, the application of functional data analysis opens promising avenues for a wide range of ecological studies involving massive spatial data
Au sein du domaine de la statistique fonctionnelle appliquée à l’environnement, l’accent de cette recherche est mis sur l’analyse de données présentées sous forme fonctionnelle. La statistique fonctionnelle explore un secteur de la statistique dédié à la manipulation de données fonctionnelles, fournissant des méthodes pour la réduction de dimension, l’apprentissage supervisé et non supervisé, tout en prenant en compte les dépendances temporelles et/ou spatiales inhérentes à ces données. L’essor des technologies modernes a rendu ces types de données de plus en plus accessibles, en particulier dans des domaines tels que les sciences de l’environnement. Un exemple concret d’application de la statistique fonctionnelle réside dans les techniques d’acoustique des pêches, qui permettent d’obtenir des échantillons spatiaux et temporels d’organismes marins à différentes profondeurs et échelles spatiales, sans nécessiter d’intrusion. Au sein de cette recherche, un ensemble de données acoustiques multi-fréquences, extraites par des échosondeurs scientifiques halieutiques, a été minutieusement analysé pour explorer la structure spatiale des agrégations d’organismes marins micronectoniques, communément désignées sous le terme de couches diffusantes et en anglais de "Sound Scattering Layers" (SSL). L’examen des caractéristiques de ces entités biologiques complexes, telles que leur épaisseur, leur densité relative, et leur profondeur, a été réalisé en corrélation avec leur environnement pélagique. La représentation fine de cet environnement a été rendue possible grâce à l’utilisation d’un système multiparamétrique tracté derrière le navire (ScanFish). Dans cette démarche, nous avons initié l’analyse en recourant à des méthodes standards de statistique multivariée, pour ensuite exploiter des techniques de l’analyse de données fonctionnelles, avec ou sans prise en compte de la dimension spatiale. Dans notre première analyse exploratoire, l’Analyse en Composantes Principales Fonctionnelle multivariée a fourni des informations précises sur la variation des paramètres le long des profondeurs, contrairement à l’Analyse en Composantes Principales classique. Dans le cadre des tâches de régression, nos analyses, qu’elles intègrent ou non la dimension spatiale, ont mis en évidence des interactions entre les caractéristiques des SSL et les variables environnementales clés à l’échelle spatiale. Des distinctions géographiques significatives ont été constatées entre les SSL de notre jeu de données, i.e. entre les zones septentrionales et méridionales, ainsi qu’entre ceux des zones côtières et hauturières au cours de cette étude. Ces conclusions demeurent pertinentes dans la seconde partie de la thèse, où une méthode d’apprentissage supervisé récente est employée, exploitant la notion de signatures extraites des données environnementales. La dernière contribution, plutôt méthodologique, introduit une nouvelle approche d’analyse en composante principale pour les données fonctionnelles multivariées spatiales. Comparée à l’analyse en composante principale fonctionnelle multivariée classique, cette méthodologie est adaptée à l’exploration et à la réduction de la dimension des données spatiales dépendantes. Les conclusions de la thèse mettent en lumière l’importance cruciale de l’analyse statistique spatiale- fonctionnelle dans les recherches écologiques portant sur des entités spatialement complexes. Ces résultats mettent en évidence la valeur ajoutée de la prise en compte de la dimension spatiale dans l’analyse de ces phénomènes biologiques complexes. Au-delà de notre étude de cas spécifique, l’application de l’analyse de données fonctionnelles ouvre des perspectives prometteuses pour un large éventail d’études écologiques impliquant des données spatiales massives
Fichier principal
Vignette du fichier
129041_KANDE_2023_archivage.pdf (33.17 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-04517911 , version 1 (22-03-2024)

Licence

Domaine public

Identifiants

  • HAL Id : tel-04517911 , version 1

Citer

Yoba Kande. Spatial environmental analyses using functional approaches: application to multifrequential fisheries acoustics data. Statistics [math.ST]. Université de Lille; Université Cheikh Anta Diop de Dakar (Sénégal), 2023. English. ⟨NNT : ⟩. ⟨tel-04517911⟩
1 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More