Le réseau RESSTE a organisé un atelier de travail sur les méthodes statistiques pour les données spatio-temporelles axé sur l'étude de données de pollution fournies par l'INERIS, à l'aide des packages R disponible à ce jour sur le CRAN pour l'analyse de ce type de données.

Contenu scientifique

L'atelier consiste à manipuler les packages pour gérer, visualiser, modéliser et prédire des données spatio-temporelles d'assez grande dimension. Le jeu de données est fourni par l'INERIS et concerne des données journalières et horaires de pollution pm2.5 et ozone à l'échelle de la France, sur une période d'environ 1 mois. A l'issue de cet atelier, les participants auront fait le tour des méthodes actuellement disponibles et se seront familiarisés avec ces outils et auront ainsi gagnés en efficacité pour étudier leur propres données.  Plus précisément, l'atelier s'est déroulé en quatre sessions:

1. Gérer, stocker et manipuler les données : (coordonné par E. Parent)
2. Visualiser les données et les structures de dépendance : (coordonné par E. Gabriel)
3. Ajuster une fonction de covariance : MoM, ML, PL (coordonné par T. Opitz)
4. Prédiction et validation croisée : (coordonné par L. Bel)

Nous avons eu le plaisir et l'honneur d'accuelllir le professeur Emilio Porcu de l'Université Federico Santa Maria de Valparaiso. A cette occasion, il a fait un exposé d'une heure environ sur la modélisation spatio-temporelle à l'échelle du globe. Son exposé couvrira deux aspects: les problèmes de modélisation (fonctions de covariance spatio-temporelles définies sur la sphère), et les problèmes liés à la taille des jeux de données.

Présentation Emilio Porcu "Space-Time Covariance functions for Planet Earth"

Manuscrit

A l'issue de cet atelier, un manuscrit a été écrit et soumis au Journal de la Société Française de Statistique. Le manuscrit peut être téléchargé ici:   "Analyzing spatio-temporal data with R: Everything you always wanted to know -- but were afraid to ask"

ainsi que le matériel supplémentaire, que l'on peut trouver ici: Analyzing Spatio-Temporal data : a tutorial, le jeu de données qui l'accompagne et le document généré par le fichier RMarkDown. Nous recommendons d'utiliser Rstudio et son extension pour lire, éditer et executer le fichier .rmd