{"id":3749,"date":"2018-11-01T09:54:51","date_gmt":"2018-11-01T08:54:51","guid":{"rendered":"http:\/\/wp.unil.ch\/geoblog\/?p=3749"},"modified":"2018-11-01T09:55:59","modified_gmt":"2018-11-01T08:55:59","slug":"integrating-complex-and-diverse-spatial-datasets-applications-to-hydrogeophysics","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/geoblog\/2018\/11\/integrating-complex-and-diverse-spatial-datasets-applications-to-hydrogeophysics\/","title":{"rendered":"Integrating complex and diverse spatial datasets : Applications to hydrogeophysics"},"content":{"rendered":"

Th\u00e8se soutenue par Rapha\u00ebl Nussbaumer, le 16 novembre 2018, Institut des sciences de la Terre (ISTE)<\/em><\/p>\n

La gestion durable des eaux souterraines repose sur des mod\u00e8les num\u00e9riques. Une \u00e9tape cl\u00e9 dans la construction de tels mod\u00e8les consiste \u00e0 d\u00e9terminer les param\u00e8tres hydrog\u00e9ologiques d\u00e9crivant le comportement de l\u2019eau dans l\u2019aquif\u00e8re. L’utilisation de techniques g\u00e9ophysiques ont permis une meilleure description des param\u00e8tres hydrog\u00e9ologiques. Cependant, l’int\u00e9gration de telles donn\u00e9es reste une t\u00e2che difficile \u00e0 cause (1) des diff\u00e9rences de couverture et de r\u00e9solution entre les types de mesures et (2) de l\u2019interaction complexe et non unique des param\u00e8tres en question.<\/p>\n

Cette th\u00e8se adopte une perspective plus large, qui peut \u00eatre r\u00e9sum\u00e9e comme suit : d\u00e9velopper des m\u00e9thodologies efficaces et pr\u00e9cises pour l\u2019int\u00e9gration de donn\u00e9es spatiales, variables en termes de couverture et de r\u00e9solution, et li\u00e9es par des relations complexes non-uniques et d\u00e9pendant du site d’\u00e9tude. Les contributions principales de ce travail de th\u00e8se peuvent \u00eatre divis\u00e9es en trois \u00e9tapes.<\/p>\n

L’\u00e9tape initiale adopte une approche g\u00e9ostatistique g\u00e9n\u00e9rale et th\u00e9orique. Elle consiste \u00e0 am\u00e9liorer l’efficacit\u00e9 et la pr\u00e9cision de la simulation gaussienne s\u00e9quentielle (SGS). Le but de cet algorithme est de remplir une grille en visitant cons\u00e9cutivement chaque noeud et en \u00e9chantillonnant une valeur dans une distribution conditionnelle locale. Dans un premier temps, nous examinons l’impact du type de chemin utilis\u00e9 pour r\u00e9aliser la simulation, c’est-\u00e0-dire la strat\u00e9gie d\u00e9finissant l’ordre dans lequel les noeuds sont simul\u00e9s. Nous montrons que les chemins dits de \u201cd\u00e9groupement\u201d, c’est-\u00e0-dire qui maximisent la distance entre les noeuds simul\u00e9s cons\u00e9cutivement, conduisent \u00e0 une meilleure reproduction de la structure spatiale dans les r\u00e9sultats de la simulation. Dans un deuxi\u00e8me temps, nous \u00e9valuons le gain en temps de calcul et les biais r\u00e9sultants de l’utilisation d’un chemin constant lors de plusieurs r\u00e9alisations. Les r\u00e9sultats montrent que les biais r\u00e9sultant sont minimaux et facilement surpass\u00e9s par un gain consid\u00e9rable en temps de calcul.<\/p>\n

La seconde \u00e9tape consiste \u00e0 d\u00e9velopper une version am\u00e9lior\u00e9e de la simulation s\u00e9quentielle bay\u00e9sienne (SSB). Cette m\u00e9thode est fond\u00e9e sur une simulation SGS \u00e0 laquelle s\u2019ajoute, pour chaque noeud simul\u00e9, l\u2019int\u00e9gration d\u2019une variable secondaire co-localis\u00e9e connue. Pour cela, la distribution conditionnelle issue de la simulation SGS est combin\u00e9e avec une distribution provenant de la valeur connue de la variable secondaire. Notre proposition consiste \u00e0 attribuer un poids log-lin\u00e9aire \u00e0 chaque distribution. La nouveaut\u00e9 essentielle consiste \u00e0 concevoir un sch\u00e9ma de pond\u00e9ration qui adapte la valeur des poids au cours de la simulation pour tenir compte de la variation de d\u00e9pendance entre les deux sources d\u2019information. Des tests sont effectu\u00e9s \u00e0 partir d’une \u00e9tude de cas hydrog\u00e9ophysique consistant \u00e0 simuler la conductivit\u00e9 hydraulique en utilisant comme source secondaire la tomographie en surface de r\u00e9sistivit\u00e9 \u00e9lectrique. Cette \u00e9tude de cas montre que le sch\u00e9ma de pond\u00e9ration propos\u00e9 am\u00e9liore consid\u00e9rablement la reproduction de la structure spatiale tout en maintenant en accord les variables primaires et secondaires.<\/p>\n

Enfin, la troisi\u00e8me \u00e9tape consiste \u00e0 d\u00e9velopper une m\u00e9thodologie capable d’augmenter la r\u00e9solution des images tomographiques r\u00e9sultant d\u2019inversions de donn\u00e9es g\u00e9ophysiques soumises \u00e0 des contraintes de lissage. L’id\u00e9e cl\u00e9 est d’utiliser la matrice de r\u00e9solution, calcul\u00e9e lors de l’inversion pour quantifier le lissage du tomogramme \u00e0 travers un mapping lin\u00e9aire. En utilisant le krigeage \u201czone-\u00e0-point\u201d, il est alors possible de simuler des r\u00e9alisations \u00e0 une \u00e9chelle fine de la conductivit\u00e9 \u00e9lectrique contraintes au tomogramme par le mapping lin\u00e9aire pr\u00e9c\u00e9demment calcul\u00e9. La m\u00e9thode d\u00e9velopp\u00e9e est capable de fournir plusieurs r\u00e9alisations \u00e0 un co\u00fbt de calcul relativement faible. Ces r\u00e9alisations reproduisent fid\u00e8lement la structure spatiale et la correspondance avec le tomogramme. <\/p>\n","protected":false},"excerpt":{"rendered":"

Th\u00e8se soutenue par Rapha\u00ebl Nussbaumer, le 16 novembre 2018, Institut des sciences de la Terre (ISTE) La gestion durable des eaux souterraines repose sur des mod\u00e8les num\u00e9riques. Une \u00e9tape cl\u00e9 dans la construction de tels mod\u00e8les consiste \u00e0 d\u00e9terminer les param\u00e8tres hydrog\u00e9ologiques d\u00e9crivant le comportement de l\u2019eau dans l\u2019aquif\u00e8re. L’utilisation de techniques g\u00e9ophysiques ont permis […]<\/p>\n","protected":false},"author":47,"featured_media":3358,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"","_links_to":"","_links_to_target":""},"categories":[49465],"tags":[],"class_list":{"0":"post-3749","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-theses-soutenues"},"_links":{"self":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/3749","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=3749"}],"version-history":[{"count":0,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/3749\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/media\/3358"}],"wp:attachment":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/media?parent=3749"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/categories?post=3749"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/tags?post=3749"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}