Event
Pierre Dutilleul, 9IÖÆ×÷³§Ãâ·Ñ
Structures végétales, données spatiales et analyses multi-fractales, ou Comment analyser statistiquement des données tomodensitométriques récoltées pour des canopées de manière originale
La complexité structurale de la branchaison chez les plantes se retrouve au cœur de bon nombre de processus naturels fondamentaux tels que la photosynthèse, même si cette dernière s’opère au niveau des feuilles attachées aux branches. La
tomodensitométrie assistée par ordinateur (TAO) a été adaptée il y a peu pour le végétal, après avoir été développée à l’origine pour l’humain et les applications médicales de diagnostic. Cette technologie permet ainsi la récolte de données
spatiales 3-D pour la canopée de plantes ou de petits arbres de la taille d’un
être humain.
Dans cette présentation, j’expliquerai comment les données de tomodensitométrie TAO ont été processées pour 15 conifères miniatures, et ensuite soumises à des analyses multi-fractales en vue de quantifier la complexité des branchaisons et
discuter les différences structurales en fonction de l’espèce ou du sous-groupe de mini-conifères. Sur le plan statistique, je parlerai de la paramétrisation fractale basée sur les spectres multi-fractals (singularité, Rényi) au lieu d’une dimension
fractale unique ; d’une procédure d’interpolation requise par une contrainte numérique dans l’estimation des paramètres fractals ; de l’importance du R2 dans l’estimation des paramètres fractals (pentes de droites ajustées dans des graphes
log-log) ; et de la comparaison de deux patrons particuliers d’images soumises à l’analyse multi-fractale : squelettal versus ponctuel. Je terminerai en tirant une conclusion quant au ‘meilleur’ patron en fonction du type de spectre multi-fractal
dans la perspective statistique et par une interprétation des résultats, et des différences observées entre arbres d’un point de vue phytométrique en particulier.
Il s’agit d’une application originale en sciences végétales. Il sera intéressant d’en comparer les résultats avec ceux d’une analyse statistique directionnelle future.
Ceci est un projet mené conjointement avec Liwen Han (Dép. de sciences végétales, 9IÖÆ×÷³§Ãâ·Ñ).
Sources de financement : CRSNG et FRQNT
tomodensitométrie assistée par ordinateur (TAO) a été adaptée il y a peu pour le végétal, après avoir été développée à l’origine pour l’humain et les applications médicales de diagnostic. Cette technologie permet ainsi la récolte de données
spatiales 3-D pour la canopée de plantes ou de petits arbres de la taille d’un
être humain.
Dans cette présentation, j’expliquerai comment les données de tomodensitométrie TAO ont été processées pour 15 conifères miniatures, et ensuite soumises à des analyses multi-fractales en vue de quantifier la complexité des branchaisons et
discuter les différences structurales en fonction de l’espèce ou du sous-groupe de mini-conifères. Sur le plan statistique, je parlerai de la paramétrisation fractale basée sur les spectres multi-fractals (singularité, Rényi) au lieu d’une dimension
fractale unique ; d’une procédure d’interpolation requise par une contrainte numérique dans l’estimation des paramètres fractals ; de l’importance du R2 dans l’estimation des paramètres fractals (pentes de droites ajustées dans des graphes
log-log) ; et de la comparaison de deux patrons particuliers d’images soumises à l’analyse multi-fractale : squelettal versus ponctuel. Je terminerai en tirant une conclusion quant au ‘meilleur’ patron en fonction du type de spectre multi-fractal
dans la perspective statistique et par une interprétation des résultats, et des différences observées entre arbres d’un point de vue phytométrique en particulier.
Il s’agit d’une application originale en sciences végétales. Il sera intéressant d’en comparer les résultats avec ceux d’une analyse statistique directionnelle future.
Ceci est un projet mené conjointement avec Liwen Han (Dép. de sciences végétales, 9IÖÆ×÷³§Ãâ·Ñ).
Sources de financement : CRSNG et FRQNT