Centre de documentation
scientifique

Dépouillements

Uncertainty propagation in wildland fire behaviour modelling / A. Bachmann in International journal of geographical information science IJGIS, vol 16 n° 2 (march 2002)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 16 n° 2 (march 2002) . - pp 115 - 127 Titre : Uncertainty propagation in wildland fire behaviour modelling Type de document : Article/Communication Auteurs : A. Bachmann, Auteur ; B. Allgower, Auteur Année de publication : 2002 Article en page(s) : pp 115 - 127 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] aide à la décision [Termes IGN] combustible [Termes IGN] incendie [Termes IGN] incendie de forêt [Termes IGN] incertitude géométrique [Termes IGN] modèle d'incertitude [Termes IGN] modélisation spatiale [Termes IGN] risque naturel Résumé : (Auteur) Rothermel's model is the most widely used fire behaviour model in wildland fire research and management. It is a complex model that considers 17 input variables describing fuel type, fuel moisture, terrain and wind. Uncertainties in the input variables can have a substantial impact on the resulting errors and have to be considered, especially when the results are used in spatial decision making. In this paper it is shown that the analysis of uncertainty propagation can be carried out with the Taylor series method. This method is computationally cheaper than Monte Carlo and offers easy-to-use, preliminary sensitivity estimations. Numéro de notice : A2002-023 Affiliation des auteurs : non IGN Thématique : FORET/GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.1080/13658810110099080 En ligne : https://doi.org/10.1080/13658810110099080 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21940 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-02021	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Assessing effects of input uncertainty in structural landscape classification / Frank Canters in International journal of geographical information science IJGIS, vol 16 n° 2 (march 2002)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 16 n° 2 (march 2002) . - pp 129 - 149 Titre : Assessing effects of input uncertainty in structural landscape classification Type de document : Article/Communication Auteurs : Frank Canters, Auteur ; W. De Genst, Auteur ; H. Dufourmont, Auteur Année de publication : 2002 Article en page(s) : pp 129 - 149 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] classification [Termes IGN] incertitude géométrique [Termes IGN] modèle d'erreur [Termes IGN] modèle d'incertitude [Termes IGN] modèle numérique de terrain [Termes IGN] modélisation spatiale [Termes IGN] paysage [Termes IGN] simulation Résumé : (Auteur) This paper presents the results of a study aimed at assessing the effects of input uncertainty on the outcome of a raster-based model for structural landscape classification. The model uses a DEM and a land-cover map as input, and calculates four structural indices from these data. The first two indices determine the openness of the landscape, the other two determine the degree of landscape homogeneity. By combining both aspects, nine different landscape types are defined. Applying Monte Carlo simulation, the effect of DEM error, uncertainty in land-cover classification, and the combined effect of both sources of uncertainty on the outcome of the landscape model are assessed. Special attention is paid to the spatial structure of uncertainty in both data sources. Numéro de notice : A2002-024 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.1080/13658810110099143 En ligne : https://doi.org/10.1080/13658810110099143 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21941 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-02021	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Modelling a discrete spatial response using generalized linear mixed models: application to Lyme disease vectors / Abhik Das in International journal of geographical information science IJGIS, vol 16 n° 2 (march 2002)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 16 n° 2 (march 2002) . - pp 151 - 166 Titre : Modelling a discrete spatial response using generalized linear mixed models: application to Lyme disease vectors Type de document : Article/Communication Auteurs : Abhik Das, Auteur ; S.R. Lele, Auteur ; G.E. Glass, Auteur ; T. Shields, Auteur ; J. Patz, Auteur Année de publication : 2002 Article en page(s) : pp 151 - 166 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] corrélation automatique de points homologues [Termes IGN] distribution de Poisson [Termes IGN] distribution spatiale [Termes IGN] maladie bactérienne [Termes IGN] modélisation spatiale Résumé : (Auteur) Predicting disease risk by identifying environmental factors responsible for the geographical distribution of disease vectors can help target control strategies and optimize preventive measures. In this study we present a hierarchical approach to model the distribution of Lyme disease ticks as a function of environmental factors. We use the Poisson framework natural for count data while allowing for spatial correlations. To help identify environmental factors that best explain tick abundance, we develop an intuitive procedure for covariate selection in the spatial context. These methods could be useful in analysing effects of environmental and climatological changes on the distribution of disease vectors, and the spatial extrapolation of vector abundance under such scenarios. Numéro de notice : A2002-025 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.1080/13658810110099134 En ligne : https://doi.org/10.1080/13658810110099134 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21942 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-02021	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Geostatistical modelling of spatial uncertainty using P-field simulation with conditional probability fields / P. Goovaerts in International journal of geographical information science IJGIS, vol 16 n° 2 (march 2002)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 16 n° 2 (march 2002) . - pp 167 - 178 Titre : Geostatistical modelling of spatial uncertainty using P-field simulation with conditional probability fields Type de document : Article/Communication Auteurs : P. Goovaerts, Auteur Année de publication : 2002 Article en page(s) : pp 167 - 178 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] géostatistique [Termes IGN] histogramme [Termes IGN] image SPOT [Termes IGN] incertitude géométrique [Termes IGN] modèle d'erreur [Termes IGN] modèle d'incertitude [Termes IGN] réflectance végétale [Termes IGN] seuillage d'image [Termes IGN] simulation Résumé : (Auteur) This paper presents a variant of p-field simulation that allows generation of spatial realizations through sampling of a set of conditional probability distribution functions (ccdf) by sets of probability values, called p-fields. Whereas in the common implementation of the algorithm the p-fields are non conditional realizations of random functions with uniform marginal distributions, they are here conditional to 0.5 probability values at data locations, which entails a preferential sampling of the central part of the ecdf around these locations. The approach is illustrated using a randomly sampled (200 observations of the NIR channel) SPOT scene of a semi-deciduous tropical forest. Results indicate that the use of conditional probability fields improves the reproduction of statistics such as histogram and semi-variogram, while yielding more accurate predictions of reflectance values than the common p-field implementation or the more CPU-intensive sequential indicator simulation. Pixel values are then classified as forest or savannah depending on whether the simulated reflectance value exceeds a given threshold value. In this case study, the proposed approach leads to a more precise and accurate prediction of the size of contiguous areas covered by savannah than the two other simulation algorithms. Numéro de notice : A2002-026 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.1080/13658810110099125 En ligne : https://doi.org/10.1080/13658810110099125 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21943 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-02021	RAB	Revue	Centre de documentation	En réserve L003	Disponible