Abstract:
Ce travail a été réalisé en vue de concrétiser une nouvelle approche estimative des lacunes
de pixels sur des images obtenues par télédétection. La cause des pertes étant les aléas
climatiques ou la difficulté qu’éprouve le satellite à couvrir toute la surface du Globe,
particulièrement les grandes étendues océaniques. Nous avions choisi les cartes
pluviométriques mensuelles TRMM, obtenues pour le nord algérien. Nous nous étions basés,
dans ce traitement, principalement sur l'aspect mathématique des réseaux de neurones (ANN).
Une nouvelle architecture ANN (N-2-N) a pu être proposée sur l’exemple de la méthode KNNI
et celle de régression, considérées comme fonction de transfert. Ces méthodes ont largement
fait leurs preuves, scientifiquement, dans le traitement des données manquantes dans les sérés
de données chronologiques à haute fréquence. Un ensemble de tests statistiques ont été
appliqués sur les données estimées selon différents mécanismes de manques de données (MAR,
MCAR et NMAR), choisis avec 5%, 15% et 30% de manque de données. Les tests que nous
avons choisis sont R 2 , R 2
Adj , RMSE, MAE, analyse de résidus, courbes de régression, nuage de
point des quantiles (QQ plot) et le box plots. Les tests ont comparé les données estimées par
rapport aux données réelles. Sur un autre volet, les résultats ont été confrontés avec ceux
obtenus par les toolboxes KNNI et MDI. Les valeurs ont montré une très bonne performance
de l’approche nouvelle. La tendance à l’erreur ne s’est manifestée nulle part durant la
comparaison de tous les cas.
