Échantillonnage dynamique et inference pour un monitoring intelligent des forêts, application à l'Inventaire Forestier National français.
Dynamic sampling and inference for a smart forest monitoring with applications to the French National Forest Inventory.
Jury
Directeur de these_BOURIAUD_Olivier_Stefan cel Mare University
CoDirecteur de these_CHAUVET_Guillaume_ENSAI – National School of Statistics and Information Analysis, France
Examinateur_GÉGOUT-PETIT_Anne_ Université de Lorraine
Rapporteur_MATEI_Alina_Institute of Statistics, Neuchâtel, Switzerland
Rapporteur_PISANI_Caterina_Department of Economics and Statistics, Italy
Examinateur_RIVEST_Louis-Paul_Department of Mathematics and Statistics, Laval University, Quebec, Canada
école doctorale
SIReNa - SCIENCE ET INGENIERIE DES RESSOURCES NATURELLES
Laboratoire
LIF - Laboratoire de l'inventaire forestier
Mention de diplôme
Biologie et écologie des forêts et des agrosystèmes
Nan Amphi A
97 rue Saint-Georges 54000 Nancy - AgroParisTech
Mots clés
Inventaire Forestier National,échantillonnage adaptatif,inférence design-based,surveillance des forêts,jumeaux numériques forestiers,Estimation par domaine
Résumé de la thèse
Cette thèse aborde les défis rencontrés par les Inventaires Forestiers Nationaux (IFN) pour répondre à la demande croissante de suivi forestier, en raison de perturbations accrues telles que les incendies et la mortalité des arbres. Les dispositifs traditionnels des IFN, fondés sur des cycles périodiques (5 à 10 ans), peinent à fournir des données en temps utile à cause de leur faible intensité d'échantillonnage et de leur rigidité.
L'objectif de cette recherche est de développer deux approches d'échantillonnage adaptatif pour des enquêtes d'espaces, spécifiquement appliquées en France.
Keywords
National Forest Inventory,adaptive sampling,design-based inference,forest monitoring,digital forest twins,domain-specific estimation
Abstract
This thesis addresses the challenges faced by National Forest Inventories (NFIs) in fulfilling the growing demand for timely forest monitoring, driven by increasing disturbances such as wildfires and extensive tree mortality. Traditional NFI designs, based on periodic (5–10 year) cycles, struggle to provide timely information due to low sampling intensity and rigid frameworks.
The research target of this research is to develop two adaptive sampling approaches for spatial surveys, specifically for implementation in the French NFI.
