Big data et science des données pour le suivi des ressources naturelles - Université de la Nouvelle-Calédonie Accéder directement au contenu
Thèse Année : 2022

Big data and data science for natural resource monitoring

Big data et science des données pour le suivi des ressources naturelles

Résumé

The thesis proposes new theoretical methods in the field of data science and new computational tools to process and analyze complex data generated for the monitoring of natural resources. This thesis focuses on the problem of monitoring and management of aquaculture basins in New Caledonia. It relies on different available data sources such as breeding data (Stylibase database), product quality data and meteorological data. A new process for cross-referencing these data has highlighted typologies of growth, breeding success and product quality depending on the quality of the breeding environment (water temperature, salinity, dissolved oxygen, etc.) . Due to the different acquisition frequencies of the variables, this process incorporates new generic methods for the analysis of multi-scale and multivariate temporal data. The generic aspect of the proposed methods and algorithms have been validated in other fields of application to confirm the scope of the methodological advances.
La thèse propose de nouvelles méthodes théoriques dans le domaine de la science des données et de nouveaux outils informatiques pour traiter et analyser des données complexes générées pour le suivi des ressources naturelles. Cette thèse se focalise sur le problème du suivi et de la gestion des bassins aquacoles en Nouvelle-Calédonie. Elle s’appuie sur différentes sources de données disponibles telles que les données d’élevage (base de données Stylibase), les données de qualité du produit et les données météorologiques. Un nouveau processus permettant de croiser ces données a mis en évidence des typologies de croissance, de réussite des élevages et de qualité des produits en fonction de la qualité du milieu d'élevage (température d'eau, salinité, oxygène dissous...). En raison des différentes fréquences d’acquisition des variables, ce processus intègre de nouvelles méthodes génériques pour l’analyse de données temporelles multi-échelles et multivariées. L'aspect générique des méthodes et des algorithmes proposés ont été validé dans d'autres domaines d'application pour confirmer la portée des avancées méthodologiques.
Fichier principal
Vignette du fichier
These2022TokotokoJanai_VHAL.pdf (37.25 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

tel-04608952 , version 1 (12-06-2024)

Licence

Identifiants

Citer

Jannaï Tokotoko. Big data et science des données pour le suivi des ressources naturelles. Informatique [cs]. Université de la Nouvelle-Calédonie, 2022. Français. ⟨NNT : 2022NCAL0005⟩. ⟨tel-04608952⟩
7 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Mastodon Facebook X LinkedIn More