La première réunion annuelle du réseau RESSTE s'est tenue le 16 mai 2017 dans les locaux d'AgroParisTech à Paris. Le thème privilégié était la modélisation hiérarchique (Bayésienne ou non) pour les données spatio-temporelles.

La journée a débuté par exposé long d'Alan Gelfand, auteur de plusieurs livres, dont "Hierarchical Modeling and Analysis for Spatial Data, 2nd Edition" avec S. Banerjee, et B. P. Carlin, Chapman and Hall/CR. Les exposés de cette journée sont accessible au téléchargement

Data fusion approach for spatial analysis of speciated PM2.5 across time Alan Gelfand, Duke University, NC

SPDEs and space-time Gaussian random fields: beyond the Matérn covariance model
Ricardo Carrizo, équipe de géostatistique, MinesParisTech

Models and inference for random fields indexed on non-oriented graphs
Mike Pereira, équipe de géostatistique, MinesParisTech

A grid-based spatio-temporal model to handle 0-inflated biomass data.
Éric Parent with Jean-Baptiste Lecomte, Liliane Bel, Marie P. Etienne, UMR MIA, AgroParisTech

Composite likelihood strategies for the Bayesian analysis of large hierarchical space-time models
Denis Allard (BioSP, INRA), with Lionel Benoit et Grégoire Mariethoz, Université de Lausanne.

A Bayesian model for joint unmixing, clustering and classification of hyperspectral data
Adrien Lagrange, Mathieu Fauvel, Nicolas Dobigeon, Univeristé de Toulouse and DYNAFOR, INRA
Toulouse

The French agricultural soil database: mine of information and headache for statisticians
Nicolas Saby, Infosol, INRA Orléans