Dans le cadre des variables spatiales, la caractéristique de localisation est cruciale. La première approche à réaliser avec ce type de données est l'étude de la relation entre la valeur et la localisation de la variable spatiale. Afin d'y parvenir nous formalisons les positions de la variable spatiale par une matrice de poids ou de voisinage et nous utilisons l'indice de Moran dans le but de détecter une possible autocorrélation spatiale. Les variables spatiales se décomposent en trois grandes classifications. La seconde approche est l'utilisation des méthodes propre à chaque catégorie. Dans un espace géographique définit, nous pouvons étudier la répartition des localisations et établir la présence d'une interaction entre les positions. Une autre démarche, réalisée grâce à la méthode du Kriging, est d'interpoler la valeur de la variable spatiale sur un nouvel emplacement géographique. La dernière méthode est l'utilisation de modèles de régression, adaptés dans le cadre spatiale, dans le but d'étudier l'influence de certains facteurs sur la variable spatiale.
la date de réponse | 30 août 2022 |
---|
langue originale | Français |
---|
L'institution diplômante | |
---|
Superviseur | Germain Van Bever (Promoteur) |
---|
- données ponctuelles
- données continues
- données surfaciques
- Ripley
- Moran
- Kriging
- variogramme
- interaction spatiale
- maximum de vraisemblance
- Lagrange
ANALYSE DE DONNÉES SPATIALES
DELVOSAL, M. (Auteur). 30 août 2022
Student thesis: Master types › Master en sciences mathématiques à finalité spécialisée en perspectives professionnelles des mathématiques appliquées