Le portail francophone de la géomatique

Salut,

Il te faut utiliser les fonctions grass de Qgis et travailler en mode raster avec la fonction r.calc qui est l'equivalent  (je crois) de la calculatrice raster dans arcgis.

Il te faudra des probabilites de presence en foncion de tes donnees meteo et corine. Tu pourras ensuite modeliser ton habitat par espece. Par exemple pour simplifier si ton espece n'est presente que dans les mares et la ou la temperature moyenne de l'air =10 degres, il te faut d'abord extraire de tes donnees d'occupation du sol un raster representant les mares, puis de tes donnees meteo un raster reprensentant les zones avec la temperature ideale.

Puis avec r.calc tu va additionner tes 2 rasters : la ou il se superposent ton espece devrait etre presente. C'etait un exemple simplifier, mais tu utiliseras surement des proba de presence, par exemple si ton espece a 0.5% de chance d'etre la sur les zone a 10 degres de temperature moyenne, tu multiplie ton raster qui represente les zones a 10 degres par des pixels de valeur 1 par ta proba de presence soit 0.5 + ton raster des mares ou la proba est ... Ca te donnera en sortie un raster avec les probabilites de presence de l'espece.

J'espere que c'est assez claire.

Rodolphe
[NdM] n'hésitez pas à revenir à la ligne pour une meilleur lisibilité

Bonjour,
Pour effectuer ce type de croisements, je vous suggère plutot
d'utiliser le logiciel SIG gratuit GRASS (grass.itc.it).
Il s'agit d'un logiciel qui peut paraitre ancien mais qui est bien
adapté pour effectuer de multiples croisements en utilisant le mode
raster.
La démarche consiste à charger chaque couche généralement en vecteur
(v.in.ogr), à les rasteriser (v.to.rast) puis à effectuer le
croisement en raster (r.stats).
Il semble que l'on peut utiliser QGIS pour visualiser les données de
Grass mais je n'ai jamais utilisé cette possibilité.

Benoit DAVID

Merci beaucoup pour vos réponses et désolé pour ce moment d'absence! J'ai eu quelques problèmes techniques et je travaille dur dessus parce que je n'arrive pas trop à avancer... Je pense que l'on va essayer de rester sur Qgis quand même, on m'a dis que grass avait quelques problème sur windows...

Quentin

Hello,

A noter quelques éléments de base quand on travaille avec CLC : l'échelle de travail est au 1/100 000e, et les unités de moins de 25ha ne sont pas représentées.  Également, dans un an, elle fêtera ses 10 ans, donc elle n'est pas forcément très actuelle

source : http://www.ifen.fr/uploads/media/CLC_utilisation_01.pdf

Robin.

Rebonjour,

   Après une longue absence et pleine en rebondissements. Tout d'abord il s'est avéré que la prise en compte de variables continues (pluviométrie, température) et discrètes (CLC) ensemble serait trop compliqué mathématiquement (à cause de la fonction de lien logit) pour nous à modéliser. Nous avons donc choisi de prendre en compte seulement les variables climatiques, ce qui reste quand même très intéressant puique l'on pourrait modéliser ainsi l'aire climatique potentielle de répartition des espèces, et vérifier les données déjà obtenues à ce sujet. Nous avons du faire une sélection dans les observations car la précision des coordonnées de certaines était moins bonne que les données Météo France. Nous avons ensuite longuement travaillé sur le plan mathématique. Nous allons donc à partir de R tenter de modéliser les répartitions par modèle linéaire généralisé, en utilisant la loi de bernouilli avec la fonction de lien logit. Nous étions parti dans des tests type LRT pour le choix des modèles, mais il s'est finalement avéré que l'utilisation de critère AIC était plus simple et au moins tout aussi bien! Ceci est sur le plan théorique mais le problème est que nous n'avons pas trouvé comment procéder concrêtement au choix des variables à injecter dans le modèle. Nous avons déjà émis nos hypothèses quant aux paramètres qui seront les plus significatifs, et nous savons que nous devrons tenir compte du principe de parcimonie, mais il apparaît que le choix des variables explicatives et leur ordre d'entrée dans le modèle est très sensible. Quelqu'un sait-il donc comment procéder?

Merci d'avance,

Quentin

Bonjour,

@quentin:
Il me semble que les méthodes statistiques appropriées pour ce genre d'étude peuvent être:

Dans un premier temps, la méthode Maximum Entropy avec le logiciel Maxent
http://homepages.inf.ed.ac.uk/lzhang10/maxent.html
http://cran.r-project.org/web/packages/ … index.html

Ou bien une analyse multi critères
Pour cela, il existe un plugin QGIS appelé MCELite

@barrylamar:
Utliser la fonction intersection dans QGIS (géo-traitement)