GE0G904V - Modéliser et simuler les changements

Semestre Premier semestre
Crédits ECTS 4
Volume horaire total 50

Langue(s) d'enseignement

Français

Responsables

Paegelow, Martin

Objectifs

S’appuyant sur les diverses manifestations des changements environnementaux et paysagers, les objectifs de cette UE consistent en l’introduction des approches et méthodes pour retracer et caractériser les dynamiques, pour les modéliser et fonder des simulations prospectives. Sont abordées les méthodes de modélisation « pattern » mais aussi les outils individus-centrés (automates cellulaires et multi-agents) orientés plutôt « process ».

Contenu

Structuration des enseignements

  • Les fondamentaux de la modélisation statistique : approches inductives et déductives ; les méthodes de régression ; analyses multivariées et classifications ; les probabilités bayésiennes.
  • Analyse des dynamiques spatio-temporelles ; aperçu des techniques et LUCC-budget
  • Evaluation multicritère pour l'aide à la décision et pour la modélisation prospective supervisée
  • Méthodes et outils de modélisation spatio-temporelle prospective
  • Prise en main de plusieurs interfaces de modélisation
  • Méthodologies et notions d’épistémologie concernant la modélisation
  • Modélisations individus-centrés pattern et process
  • Méthodes de validation

Bibliographie

·         Amblard, F., Phan, D., 2006. Modélisation et simulations multi-agents: application pour les sciences de l’Homme et de la Société, Lavoisier. Hermes, Paris, France.

·         Le Page, C., Bazile, D., Becu, N., Bommel, P., Bousquet, F., Etienne, M., Mathevet, R., Souchère, V., Trébuil, G., Weber, J., 2013. Agent-based modelling and simulation applied to environmental management: a review, in: Edmonds, B., Meyer, R. (Eds.), Simulating Social Complexity: A Handbook. Springer, Heidelberg, pp. 499–540.

·         Mas J.F., Kolb M., Paegelow M., Camacho Olmedo M.T., Houet T., 2014, Inductive pattern-based land use/cover change models: A comparison of four software packages. Environmental Modelling & Software, v 51 January 2014 P.94-111

·         Paegelow M., Camacho Olmedo M.T., Mas J.F., Houet T., 2014, Benchmarking of LUCC modelling tools by various validation techniques and error analysis. Cybergeo, document 701, mis en ligne le 22 décembre 2014,. URL : http://cybergeo.revues.org  

·         Parker, D.C., Berger, T., Manson, S.M., 2001. Agent-Based Models of Land-Use and Land-Cover Change : Report and Review of an International Workshop, in: McConnell, W.J. (Ed.), . UC Irvine.

·         Pontius Jr., R.G., Huffaker, D., Denman, K., 2004a, „Useful techniques of validation for spatially explicit land-change models”. Ecological Modelling, 179 (4), 445-461.

·         Saqalli, M., Bielders, C.L., Defourny, P., Gérard, B., 2010. Simulating rural environmentally and socio-economically constrained multi-activity and multi-decision societies in a low-data context: a challenge through empirical agent-based modeling. JASSS 13.

·         Runfolla D.M. & Pontius Jr. R.G., 2013, Measuring the temporal instability of land change using the flow matrix. International Journal of Geographical Information Science, 26 (9), 1696-1716

·         Wainwright, J. and Mulligan, M., 2004, Environmental Modelling: Finding simplicity in complexity. New York, Wiley & Sons, 430 p.

·         P. Legendre & L. Legendre, Numerical Ecology, Third edition, Elsevier.

·         D. Borcard, F. Gillet, P. Legendre, Numerical Ecology with R, Springer.

·         L. Lebart, A. Morineau, M. Piron, Statistique exploratoire multidimensionnelle, Dunod.

Contrôles des connaissances