Caractérisation de l'état des écosystèmes aquatiques à l'aide de motifs temporels discriminants

Transcription

1 Caractérisation de l'état des écosystèmes aquatiques à l'aide de motifs temporels discriminants Titre de la thèse : pour l'évaluation et le suivi de la qualité des cours d'eau Mickaël FABREGUE Directrices de thèse Florence LE BER Maguelonne TEISSEIRE Encadrantes de thèse Agnès BRAUD Sandra BRINGAY AMIA Présentation 2011 stage Master 2 1

2 Entrepôt de données Pré-traitement Algorithmes de fouille de données Restitution aux experts 2

3 Entrepôt de données Données Flore Faune Physico-chimie Caractéristiques dynamiques Notes de qualité de l'eau Pesticides 3

4 Entrepôt de données Données Tout RMC et RM (Rhin, Meuse, Saône, Côtiers Med, Durance, Rhône,...) Stations avec au moins 2 estampilles temporelles avec indices biologiques et physico-chimie : 2947 Utilisation des macro-paramètres réduit de 900 à 15 le nombre de paramètres phisico-chimiques 4

5 Entrepôt de données Problématique Peut-on évaluer l'impact de la physico-chimie sur l'ensemble des dimensions biologiques? IPR (Poissons) Macro-biologie IBGN (Macroinvertébrés) IBD (Diatomés) Micro-biologie 5

6 Entrepôt de données Jeu de données brutes Mise en plat dans un fichier de type.csv (tableur) Coordonnées Code hydrographique Date Paramètres Station 6

7 Pré-traitement Des données numériques Toutes les variables dans la base de données s'expriment sous une forme numérique Les différentes méthodes de fouilles de motifs s'appliquent sur des données discrètes Discrétiser les données Discrétisation des données en classes de couleurs de bleu à rouge Bleu Très bon état Rouge Très mauvais état 7

8 Pré-traitement Utiliser la connaissance experte Utilisation des guides techniques fournis par les agences de l'eau Norme Seq-Eau Biologie Physico-chimie Macro-paramètres physico-chimiques 8

9 Entrepôt de données Jeu de données discrétisé Mise en plat dans un fichier de type.csv (tableur) Coordonnées Code hydrographique Date Paramètres Station 9

10 Processus de fouille de données Données Base de données de séquences Division de la base de données par indicateur biologique Extraction des motifs pour chaque état biologique 10

11 Base de données de séquences Construction d'une séquence par station de prélèvements Janvier Février Mars Avril Mai Station 1 Station 2 Station 3 Station 1 Station 2 Station 3 : Oxygène : macroinvertébrés : ph : perticides : temperature forte : Note d'indice-bio 11

12 Base de données de séquences Construction d'une séquence par station de prélèvements Janvier Février Mars Avril Mai Station 1 Station 2 Station 3 Station 1 Station 2 Station 3 Séquences de données <( Station 1 Station 2 Station 3 <( <( )> )> )> 12

13 Découpage des séquences selon la biologie Récupération de l'ensemble des items entre 0 et 6 mois avant un item représentant une note d'indice biologique <( )> Possibilité d'obtenir plusieurs intervalles par séquence si plusieurs prélèvements biologiques ont été effectués <( )> 13

14 Découpage des séquences selon la biologie Ensemble d'intervalle pour une qualité d'indice biologique <( )> <( )> <( )> <( )> <( )> 14

15 Découpage des séquences selon la biologie Ensemble d'intervalle pour une qualité d'indice biologique IBGN IBD IPR

16 Découpage des séquences selon la biologie Ensemble d'intervalle pour une qualité d'indice biologique IBGN IBD IPR

17 Extraction de motifs partiellement ordonnés Corrélations temporelles entre les éléments dans le jeu de données Séquences de données <( Station 1 Station 2 Station 3 Station 1 <( <( )> )> )> Station 2 Station 3 Motif sur stations 2 et 3 17

18 Extraction des motifs par contexte biologique Fréquence du motif dans le contexte d'extraction mais également dans les autres =42% =33% =15% =29% =6% Ainsi nous pouvons identifier les évènements spécifiques à un indice de qualité entre 0 et 6 mois avant la mesure de l'indice 18

19 Extraction des motifs par contexte biologique Fréquence du motif dans le contexte d'extraction mais également dans les autres =42% =33% =15% =29% =6% On ne conserve que les motifs discriminants Fréquence > Fréquence 19

20 Extraction des motifs par contexte biologique Expérimentations Extraction pour tous les indices biologiques avec un support minimum de 10 % IPR IBGN IBD 20

21 Extraction des motifs par contexte biologique Expérimentations Extraction pour tous les indices biologiques avec un support minimum de 10 % IPR IBGN IBD Le nombre de motifs obtenus dans chaque classe de qualité biologique peut être très important. Exemple : motifs discriminants pour l'ibd jaune 21

22 Méthode de sélection des motifs Avec des milliers de motifs extraits, il est donc nécessaire de pouvoir sélectionner les k meilleurs motifs Trois dimensions d'interêt identifiées pour les utilisateurs : - la fréquence - la discrimance - la redondance 22

23 Méthode de sélection des motifs Avec des milliers de motifs extraits, il est donc nécessaire de pouvoir sélectionner les k meilleurs motifs Trois dimensions d'interêt identifiées pour les utilisateurs : - la fréquence - la discrimance - la redondance Nouvelle méthode pour extraire les k motifs les plus équilibrés entre redondance, fréquence et discriminance 23

24 Motifs obtenus Sélection des 20 motifs les plus équilibrés dans chaque classe de qualité pour chaque indice Quelques exemples IPR IBGN MINE PHOS MOOX MINE AZOT MOOX 5% 7% 9% PHOS 11% 28% 2% 5% 5% 8% 12% 5% 18% 0% 1% 3% 21% PEST MOOX MINE 2% PHOS MOOX PHOS MINE MOOX 16% IBD 5% 22% 8% 1% 0% NITR PHOS 0% 13% 8% 3% 24 0%

25 Motifs obtenus Paramètres physico-chimiques qui ressortent IPR : PHOS, MINE et PEST IBGN : MOOX, MINE, AZOT et PHOS IBD : MOOX, MINE, AZOT, PEST, NITR et HAP Plus on passe de la macro-biologie à la micro-biologie, plus le nombre de paramètres physico-chimiques augmente 25

26 Conclusion Peut-on évaluer l'impact de la physico-chimie sur l'ensemble des dimensions biologiques? Synthèse Résultats encourageants, des motifs discriminants sont découverts pour toutes les qualités d'indices biologiques Expérimentations effectuées sur l'ibgn, l'ibd et l'ipr. - IBMR et IOBS non exploitables dans la base de données - résultats mitigés pour l'ipr (qualité des données) Pour chaque indice biologique, nous tentons maintenant de relier avec plus d'exactitude les différents paramètres physico-chimiques qui impactent chaque dimension biologique Développement d'un logiciel pour les experts 26

27 Merci pour votre attention 27