ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Autres revues >>

Revue Internationale de Géomatique

1260-5875
Vous êtes sur le site des articles parus entre 2001 et 2014 :
» Accédez aux articles parus depuis 2015 «
International Journal of Geomatics and Spatial Analysis
 

 ARTICLE VOL 12/4 - 2002  - pp.439-460  - doi:10.3166/rig.12.439-460
TITRE
Segmentation temporelle et spatiale de données agricoles

RÉSUMÉ
Nous présentons les résultats d'un travail de fouille de données effectué par des agronomes et des informaticiens pour extraire des bases de données agricoles Ter-Uti des informations sur les successions de cultures pratiquées dans une région. Nous avons utilisé pour cela des modèles stochastiques développés pour l'analyse de séquences et d'images : les modèles de Markov cachés. Ces modèles permettent de représenter des observations temporelles et spatiales comme des successions d'états où les transitions entre états dépendent, suivant l'ordre du modèle, de l'état courant et des états voisins. Nous présentons une méthode de classification spatio-temporelle qui permet de découper une région sur la base des évolutions des successions de cultures qui y sont pratiquées en faisant apparaître des classes homogènes de successions de cultures. Deux exemples illustrent notre travail : les cas de la Lorraine et de Midi-Pyrénées.


ABSTRACT
In the area of data mining of agricultural databases, this paper presents some results in segmentation and classification of spatio-temporal data using high-order Hidden Markov Models (HMM). These models are capable to map spatial and temporal observations onto a sequence of states in which the transitions between the states depend on the previous states according to the order of the Markov chain. They have been applied on spatial and temporal data concerning land use, named Ter-Uti data, in order to find agricultural land use regularities. We show on various examples that the HMMs are powerful tools for temporal and spatial data mining.


AUTEUR(S)
Jean-François MARI, Florence LE BER, Marc BENOÎT

MOTS-CLÉS
HMM, données Ter-Uti, utilisation du territoire, fouille de données, segmentation spatio-temporelle.

KEYWORDS
HMM, Ter-Uti data, data mining, land use, spatio-temporal segmentation.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (2,17 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier