Démarche statistique pour la sélection des indicateurs par Random Forests pour la surveillance de la qualité des sols - Université de Rennes Accéder directement au contenu
Article Dans Une Revue Étude et Gestion des Sols Année : 2013

Démarche statistique pour la sélection des indicateurs par Random Forests pour la surveillance de la qualité des sols

Jérôme Cortet
Samuel S. Dequiedt
  • Fonction : Auteur
  • PersonId : 951864
Olivier Faure

Résumé

The volume of data, and the large number of biological variables to be tested (one hundred), require analytical techniques, such as Random Forests, which can overcome the problem of multi-colinearity for the selection of indicators, sensitive to various factors. Random Forests methodology is appropriate for the selection of the most discriminant variables. So, we searched for the best way to select them, by bringing together all biological variables, representing the Microflora and Fauna. This approach focuses on impact indicators from the Bio2 program, indicators of flora and indicators of accumulation (snails) were not included. This work has been implemented on the three factors of discrimination : land use, metallic contamination levels and organic contamination levels. We grouped the most discriminating variables from each RF analysis. Linear discriminant analysis was then implemented for each factor, in order to develop a predictive model.
El volumen de datos definidos en el programa bioindicadores 2 (Ademe) y el muy grande numero de variables biológicas para probar (una centena) necesitan técnicas de análisis como los Random Forests que pueden liberarse del problema de multicolinealidad para la selección de indicadores sensibles a los diferentes factores estudiados. La metodología de Random Forests consiste en la selección de variables las más discriminantes. Así buscamos la mejor selección agrupando el conjunto de las variables biológicas que representan la Microflora y la Fauna. Estos trabajos se realizaron sobre los tres factores de discriminación : el uso de los suelos, los niveles de contaminación en ETM y los niveles de contaminación en contaminantes orgánicos. Luego, agrupamos las variables las más discriminantes derivadas de cada análisis por RF. Un análisis discriminante linear se realizo después para cada factor con vista a elaborar un modelo predictivo. Se observaron los indicadores del grupo Flora únicamente sobre un sub-conjunto de 47 parcelas de modalidades contrastadas, así no los incluimos en nuestro estudio. Las variables “estandarizadas" del grupo Flora podrán estar integradas en un segundo tiempo.
Le volume des données définies dans le programme Bioindicateurs 2 (Ademe) et le très grand nombre de variables biologiques à tester (une centaine) nécessitent des techniques d’analyse telles que les Random Forests qui peuvent s’affranchir du problème de multi-colinéarité pour la sélection d’indicateurs sensibles aux différents facteurs étudiés. La méthodologie des Random Forests consiste en la sélection des variables les plus discriminantes. Ainsi nous avons recherché la meilleure sélection en étudiant l’ensemble des variables biologiques représentant la Microflore et la Faune. Cette démarche a porté sur l’ensemble des indicateurs d’effet issus du programme Bio2, les indicateurs de la flore et d’accumulation (escargot) n’ayant pas été traités. Ces travaux ont été mis en oeuvre sur les trois facteurs de discrimination : l’usage des sols, les niveaux de contamination en ETM, et les niveaux de contamination en polluants organiques. Nous avons ensuite regroupé les variables les plus discriminantes issues de chaque analyse par RF. Une analyse discriminante linéaire a ensuite été mise en oeuvre pour chaque facteur en vue d’élaborer un modèle prédictif.
Fichier non déposé

Dates et versions

hal-01628843 , version 1 (04-11-2017)

Identifiants

  • HAL Id : hal-01628843 , version 1
  • PRODINRA : 255604

Citer

Salima Taibi-Hassani, J.-C. Thoisy-Dur, Patrice Lepelletier, Jeanne Bodin, Nadia Bennegadi-Laurent, et al.. Démarche statistique pour la sélection des indicateurs par Random Forests pour la surveillance de la qualité des sols. Étude et Gestion des Sols, 2013, 20 (2), pp.127-136. ⟨hal-01628843⟩
848 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More