Reprsentation des incertitudes pour le raisonnement spatialis :

application en agriculture de prcision et pour lanalyse dun bassin versant

Laurent Lardon, Jean-Nol Paoli, Serge Guillaume, UMR ITAP, Montpellier.

Introduction

Le dveloppement de lAgriculture de Prcision et des Systmes dInformation Gographique (SIG) permettent

de disposer (au niveau intra-parcellaire ou lchelle dun paysage) de quantits importantes de donnes. Lhtrognit des donnes, leur dpendance spatiale, ainsi que lventuelle dimension temporelle du phnomne observ
rendent difficile une analyse directe. Une autre difficult rside dans le fait que les donnes spatialises sont le
plus souvent empreintes dincertitude. Dans le cas de donnes ponctuelles, lincertitude de mesurage est double
dune incertitude de localisation et de porte (due la mthode de mesure qui peut intgrer les valeurs dune zone).
Les donnes collectes peuvent aussi, particulirement dans le cas de donnes expertes, se rapporter une surface
dont les limites sont mal dfinies. Il est donc important de pouvoir reprsenter limprcision et lincertitude, de les
propager tout au long du processus de raisonnement spatial.
Un tat de lart des diffrentes applications exploitant des donnes spatialises (agriculture de prcision, mtorologie, zonage de terroirs, cartes de risques, ...) fait apparatre la notion de zone comme une unit gographique
pertinente et interprtable par lutilisateur. Lobjectif est donc dextraire et de caractriser des zones partir des
observations puis de dvelopper des outils de raisonnement spatial partir de ces zones. Selon les cas, lexpert peut
chercher guider le processus dextraction de connaissances , ou au contraire seulement valider les connaissances
extraites partir du savoir existant.
A notre connaissance, aucune mthode ne permet la fois la prise en compte de toutes les incertitudes et la
valorisation des connaissances des experts de terrain. Nous proposons dutiliser les outils de la logique floue et
de linduction de rgles floues. Nous dfinissons dabord une information spatiale par une valeur floue rfrence
sur une rgion floue de lespace. Un processus dagrgation de ces donnes ponctuelles permet de former et de
caractriser des zones significatives. Ce processus dagrgation sappuie sur la dfinition dun indicateur de structure
spatiale adapt. A partir de linformation synthtise, il est alors possible de dfinir les relations topologiques (prs
de, dans, vers, ...) et temporelles (division en, fusion avec, ...) liant les zones, et ventuellement dinfrer une
connaissance gnralisable.

Extraction de zones

Une donne gographique de type zone est un objet rassemblant un ensemble de points potentiellement diffrents mais dont on peut considrer quils sont lis vis--vis dune proprit sur laquelle on souhaite baser un
raisonnement. La zone est caractrise par la donne dune localisation et dun attribut. La localisation peut tre
mal connue (par exemple le niveau deau dun lac), aboutissant une dfinition floue des frontires de la rgion
considree, ou intrinsquement floue aboutissant une modulation spatiale de lappartenance la rgion considree (par exemple plus on sloigne du bord de mer, plus linfluence marine dcrot). Lattribut peut tre dfini par un
prototype auquel resselblent tous les points de la zone ou par une valeur imprcise compatible avec tous les points
de la zone.
Lextraction de zones fait classiquement appel deux grandes catgories dapproches : celles issues de lanalyse
de donnes (clustering) et celles issues de lanalyse dimage. La premire approche exploite des algorithmes qui
dans leur version originale ne peuvent exploiter la dimension gographique. Lutilisation de ces approches ncessite
donc soit dajouter les coordonnes spatiales au vecteur dattributs, soit de contraindre loptimisation par des critres
de contigut. Les mthodes de segmentation utilises en analyse dimage reposent fortement sur la notion de
voisinage. En effet sur une photo, chaque pixel un nombre dtermin de voisins et leur position est connue.
La gnralisation des approches danalyse dimage la segmentation dune carte ncessite donc la dtermination
dune relation de voisinage sur une grille irrgulire et ladaptation des algorithmes la dispersion non prvisible
des voisins. Cette dernire mthode a t privilgie car elle semble la plus mme de respecter la dimension

spatiale du phnomne. Actuellement deux approches sont dveloppes : la segmentation par extraction de bassins
versants (watershed) et celle par Union-Find (croissance de rgions).
Lanalyse de donnes ou la mobilisation de connaissances expertes permettent de dfinir sur la carte des zones
interprtables (i.e. suffisamment homognes et spatialement cohrentes) ; ces zones extraites reprsentant des prototypes de la carte tudie jouent un rle analogue celui du noyau des variables linguistiques dans une partition
floue. Nous avons donc cherch dfinir la notion de partition gographique floue forte afin de pouvoir mesurer
lappartenance dun point quelconque une zone donne selon des critres dinterprtabilit analogues ceux dfinis classiquement par une partition floue forte : la somme des degrs dappartenance est normalise, lappartenance
dun point est value entre 0 et 1.

Caractrisation de zone

La caractrisation de zone se comprend comme lassociation dune composante attribut nimporte quelle
rgion floue de lespace, dsigne par le terme zone de requte, et dfinie par un utilisateur ou expert du terrain
conformment un problme donn (dtermination de la qualit dune parcelle de vigne, tude des sols dans un
paysage, etc). Les mthodes que nous proposons mettent en uvre deux grands types doutils : les intgrales floues
(telles quelles sont appliques sur des raisonnement non spatialiss), et des indicateurs de structure spatiale. Les
intgrales floues permettent dagrger les donnes spatiales en fonction de leur pertinence. Cette pertinence dpend
de leurs positions relatives (les unes par rapport aux autres, et par rapport la zone de requte), et de la structure
spatiale du jeu de donnes.
La notion de structure spatiale dsigne la manire dont les donnes sont organises dans lespace. De manire
simple, elle indique quel point les valeurs similaires sont spatialement regroupes. Parmi les approches classiquement utilises pour ltude de donnes spatialises, les gostatistiques prsentent lintrt de dfinir un indicateur
de cette structure appel variogramme. Lide centrale de cet indicateur est lexamen de paires de points de mme
distance, et la dfinition dun modle de variance en fonction de la distance. Il nous a sembl important de dfinir
dans notre formalisme un indicateur similaire et de proposer une traduction du variogramme dans le formalisme
que nous proposons.
Lindicateur que nous proposons reprend les paramtres importants du variogramme (porte, effet ppite, variance a priori). leur dfinition repose principalement sur lexpertise. Il sapplique sur une zone de validit (galement dtermine par lexpertise) qui peut tre tendue au del de la zone sur laquelle les informations sont disponibles.

Conclusion

Ce travail propose un ensemble de bases mthodologiques permettant la gestion des incertitudes et la prise en
compte de connaissances dexperts de terrain dans le raisonnement spatialis. Il se fonde principalement sur la logique floue et linduction de rgles floues. Mais il sappuie galement sur un ensemble de concepts prcdemment
dfinis pour ltudes de donnes spatiales dans dautres approches. Il introduit notamment un concept de structure spatiale des donnes, comparable celui propos en gostatistiques. Dans lavenir, la comparaison de notre
approche avec lapproche gostatistique pourra constituer un lment de validation important.
Les mthodes de reprsentation des informations spatiales et de raisonnement spatial seront notamment mises
en uvre sur des applications, issues de projets Agriculture et Dveloppement Durable.
GeDuQuE : Le titre de ce projet est "Innovations agro-cologiques et organisationnelles pour une Gestion
Durable de la Qualit de lEau dans des rgions de monoculture forts niveaux dintrants phytosanitaires".
Les monocultures prennes en question sont la vigne et la banane. Les participants sont des U(M)Rs de
lINRA, du CIRAD et du CEMAGREF.
Vin et Environnement : Le titre de ce projet est "Quelles interventions publiques et prives pour rduire
lutilisation des traitements phytosanitaires dans le secteur du vin ?". Les participants sont les U(M)Rs INRA
LORIA, Sant Vgtale, Oenologie-Amplologie, ainsi que le laboratoire EGERIE de lENITAB.
Une collaboration avec la socit SFERIS est galement en cours pour lapplication de ces mthodes des problmatiques de "zonage des potentialits viticoles" lchelle dune rgion de production.
2