{"id":14880,"date":"2026-08-28T10:23:05","date_gmt":"2026-08-28T08:23:05","guid":{"rendered":"https:\/\/wp.unil.ch\/geoblog\/?p=14880"},"modified":"2026-08-28T10:25:02","modified_gmt":"2026-08-28T08:25:02","slug":"reconstructing-environmental-fields-with-analogues-and-geostatistics-data-driven-approaches-for-hydrological-modelling-and-remote-sensing-gap-filling-applications","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/geoblog\/2026\/08\/reconstructing-environmental-fields-with-analogues-and-geostatistics-data-driven-approaches-for-hydrological-modelling-and-remote-sensing-gap-filling-applications\/","title":{"rendered":"Reconstructing environmental fields with analogues and geostatistics. Data-driven approaches for hydrological modelling and remote sensing gap-filling applications"},"content":{"rendered":"
\"gerber\"<\/figure>\n\n\n
\n

Th\u00e8se en sciences de l’environnement, soutenue le 16 septembre 2026 par Lo\u00efc Gerber, rattach\u00e9 \u00e0 l’Institut des dynamiques de la surface terrestre (IDYST) de la FGSE.<\/em><\/p>\n<\/div>\n\n\n\n

Pour \u00e9tudier l\u2019environnement, on utilise souvent des cartes ou des s\u00e9ries de cartes : pluie, temp\u00e9rature, \u00e9vapotranspiration, occupation du sol ou images satellites. Ces donn\u00e9es permettent de comprendre l\u2019\u00e9volution de l\u2019eau, de la v\u00e9g\u00e9tation ou des paysages, mais elles sont souvent incompl\u00e8tes, trop limit\u00e9es dans le temps, ou disponibles \u00e0 une r\u00e9solution insuffisante. L\u2019objectif de cette th\u00e8se est ainsi de reconstruire ces donn\u00e9es manquantes tout en gardant des cartes r\u00e9alistes, avec des valeurs coh\u00e9rentes, des structures spatiales plausibles et une \u00e9volution temporelle cr\u00e9dible.<\/p>\n\n\n\n

Une premi\u00e8re approche utilis\u00e9e est celle des analogues. Le principe est de chercher des situations climatiques observ\u00e9es qui ressemblent \u00e0 celle que l\u2019on veut reconstruire, puis d\u2019utiliser les donn\u00e9es observ\u00e9es lors de ces situations. Cette m\u00e9thode est test\u00e9e sur le bassin de la Volta, en Afrique de l\u2019Ouest, pour reconstruire l\u2019\u00e9vapotranspiration, les pr\u00e9cipitations et la temp\u00e9rature. Les r\u00e9sultats montrent que les donn\u00e9es reconstruites sont de bonne qualit\u00e9 et qu\u2019elles peuvent m\u00eame \u00eatre utilis\u00e9es pour faire fonctionner et calibrer un mod\u00e8le hydrologique au-del\u00e0 de la p\u00e9riode couverte par les observations originales.<\/p>\n\n\n\n

Des variantes plus complexes sont ensuite test\u00e9es pour tenter d\u2019am\u00e9liorer la m\u00e9thode des analogues : comparer les situations climatiques plus finement, adapter les pr\u00e9dicteurs localement, ou chercher les analogues sur des zones plus petites. Ces choix rendent la m\u00e9thode plus flexible, mais ils ne donnent pas forc\u00e9ment de meilleurs r\u00e9sultats. Une reconstruction trop locale peut cr\u00e9er de nouvelles cartes, mais aussi produire des discontinuit\u00e9s et perdre une partie de la coh\u00e9rence spatiale. Les analogues simples restent donc une base solide, m\u00eame s\u2019ils ont tendance \u00e0 lisser la variabilit\u00e9 dans l\u2019espace et le temps et les valeurs extr\u00eames.<\/p>\n\n\n\n

Pour repr\u00e9senter l\u2019incertitude et produire des cartes moins liss\u00e9es, des m\u00e9thodes g\u00e9ostatistiques sont ensuite utilis\u00e9es. chessQS<\/em> est d\u00e9velopp\u00e9 pour combler les lacunes dans de tr\u00e8s grandes images, puis combin\u00e9 aux analogues pour reconstruire l\u2019\u00e9vapotranspiration sur le bassin de l\u2019Ebre, en Espagne. Dans ce cas, chessQS<\/em> apporte beaucoup de flexibilit\u00e9 mais ne fait pas mieux que les autres m\u00e9thodes. Anchor Sampling, une autre m\u00e9thode g\u00e9ostatistique spatialement ancr\u00e9e, donne un meilleur compromis : il \u00e9vite de lisser les cartes, garde une meilleure variabilit\u00e9 temporelle et aide \u00e0 mieux pr\u00e9server certains extr\u00eames.<\/p>\n\n\n\n

Le message principal de la th\u00e8se est qu\u2019il n\u2019existe pas une m\u00e9thode id\u00e9ale pour reconstruire des donn\u00e9es environnementales. Les analogues sont simples, robustes et efficaces, mais peuvent trop lisser les r\u00e9sultats. Les m\u00e9thodes plus complexes sont utiles pour des objectifs pr\u00e9cis, comme repr\u00e9senter l\u2019incertitude, augmenter la variabilit\u00e9 ou mieux conserver les extr\u00eames. Le bon choix d\u00e9pend donc de ce que l\u2019on veut privil\u00e9gier : pr\u00e9cision globale, structures spatiales, dynamique temporelle, extr\u00eames, incertitude ou co\u00fbt de calcul.<\/p>\n","protected":false},"excerpt":{"rendered":"

Th\u00e8se en sciences de l’environnement<\/p>\n","protected":false},"author":47,"featured_media":14882,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"","_seopress_redirections_param":"","_seopress_redirections_type":0,"_seopress_analysis_target_kw":"","_seopress_news_disabled":"","_seopress_video_disabled":"","_seopress_video":[],"_seopress_pro_schemas_manual":[],"_seopress_pro_rich_snippets_disable_all":"","_seopress_pro_rich_snippets_disable":[],"_seopress_pro_schemas":[],"footnotes":"","_links_to":"","_links_to_target":""},"categories":[49465],"tags":[],"class_list":["post-14880","post","type-post","status-publish","format-standard","has-post-thumbnail","category-theses-soutenues"],"_links":{"self":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/14880","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/comments?post=14880"}],"version-history":[{"count":2,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/14880\/revisions"}],"predecessor-version":[{"id":14884,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/14880\/revisions\/14884"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/media\/14882"}],"wp:attachment":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/media?parent=14880"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/categories?post=14880"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/tags?post=14880"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}