Descriptif

• Modèle linéaire généralisé.

Ce modèle étend le modèle linéaire classique à des variables plus complexes, en particulier non continues : binaires, comptages, ou catégorielles. Exemples d'application: modélisation de probabilité de dépassement de seuil d'un polluant, de comptages de végétaux en fonction de pratiques agricoles, ….

• Analyse de données fonctionnelles.

Dans certains contextes l’observation n’est pas un simple vecteur, mais une fonction. C’est le cas de des données climatiques (par exemple la courbe de température sur un intervalle de temps) ou l’évolution de la concentration d’un polluant au fil du temps (p.ex. l’émission du CO2 sur un intervalle d’observation). Nous verrons des techniques et des modèles pour traiter ce type de données, à savoir la représentation fonctionnelle des données, une extension de l’analyse en composantes principales et des méthodes de clustering pour des données fonctionnelles pour résumer l’information. 

• Requêtes sur les données géographiques : requêtes sémantiques et requêtes géographiques
• Opérations arithmétiques logiques et statistiques sur les tables de données
• Opérations de calculs géographiques (surface, périmètre ...)
• Jointures entre données : jointure sémantique et jointure spatiale
• Géoréférencement et rectification géographique des données : référentiels géographiques, intégration de cartes scannées, photo aériennes.
• Intégration de données GPS
• Création de données géographiques par numérisation sur fond de plan
• Croisement de couches vecteurs : combinaison d'information et statistiques spatiales