Research Doctorate - Doctor of Philosophy (PhD) / Due to the effects of global warming and climate change there is currently intense and growing international interest in suitable modelling methods for relating satellite remotely sensed spectral imagery of vegetated landscapes to the biophysical structural variables in those landscapes across regional, continental or global scales. Of particular interest here is the satellite optical remote sensing of forest foliage cover—measured as foliage projective cover (FPC)—by Landsat ETM+ (Enhanced Thematic Mapper plus) sensor. In the remote sensing literature, different empirical and physical modelling approaches exist for relating remotely sensed imagery to the landscape parameters of interest, each with their own advantages and disadvantages. These approaches, in the main, may be broadly categorised as belonging to one, or a combination of: spectral mixture analysis (SMA) modelling, canopy reflectance modelling, multiple regression (MR) modelling or, spectral vegetation index (SVI) modelling. This thesis uses the SVI approach, partly in comparison to the MR approach. Both the SVI and MR approaches require field-based data to establish the relationship between the biophysical parameter and the spectral index or spectral responses within defined spectral bandwidths. Surrogate measures of the biophysical parameter are sometimes used extensively to establish this relationship and therefore a separate calibration relationship is required.This has inherent problems when the output of one model is substituted into the next and the effects of carry-over of error from one model to the next are not considered. My main goal is therefore to develop a modelling approach that will allow a larger set of one or more surrogate measures to be combined with a smaller set of ‘true’ measures of the biophysical parameter into the one model for establishing the relationship with the SVI and hence the spectral imagery. Success in meeting the goal is the illustration of a working model using real data. In progression towards meeting the goal, two new modelling ideas are developed and synthesised into the creation of an overall modelling framework for estimating FPC from spectral imagery. The modelling framework, which has potential for use in other applications, allows for the incorporation of different types of data including different calibration relationships between variables while avoiding the usual, stepwise approach to the linking of separate relationship models and their variables. One contribution that is new to both remote sensing and statistical modelling practices involves a polar transformation of the principal components of a multi-spectral image of a local reference landscape to produce a set of empirically based, invariant three-dimensional spectral index transformations that have potential for application to the spectral images of different regional landscapes and possibly global landscapes. In particular, the vegetation index from the set has approximate bounded properties that we exploit for modelling of its contribution to residual variation in its relationships with the biophysical variables measured on the ground. The other contribution to statistical modelling practice that has potential for application by a wide range of disciplines is the direct modelling of interdependent relationships between pairs of bounded variates, each considered to have a measurement error structure that can be modelled as though it is similar to sampling variation. Associated with this particular contribution is the development of novel geometric methods to construct approximate prediction bounds and to assist with model interpretations.

Depuis le début des années 1960, la croissance de l'albacore fait l'objet d'une attention particulière tant dans le domaine de la recherche que pour la gestion des pêcheries. Dans l'océan Indien, la gestion du stock d'albacores, sous la juridiction le Commission Thonière de l'Océan Indien (CTOI), souffre de nombreuses incertitudes associées à la courbe de croissance actuellement considérée. En particulier, des lacunes subsistent dans notre connaissance des processus biologiques et écologiques élémentaires régulant la croissance. Leur connaissance est pourtant fondamentale pour comprendre la productivité des stocks et leur capacité de résistance à la pression de pêche et aux changements océanographiques en cours. À travers la modélisation, cette étude se propose d'améliorer les connaissances actuelles sur la croissance de la population d'albacore de l'océan Indien et de renforcer ainsi les avis scientifiques sur l'état du stock. Alors que la plupart des études sur la croissance de l'albacore s'appuient sur une seule source de données, nous avons mis en œuvre un modèle hiérarchique Bayésien qui exploite diverses sources d'informations sur la croissance, i.e. des estimations d'âge obtenues par otolithométrie, des analyses de progressions modales et les taux de croissance individuels issus du marquage-recapture, et intègre explicitement des connaissances d'experts et les incertitudes associées à chaque source de données ainsi qu'au processus de modélisation. En particulier, le modèle de croissance a été couplé un à modèle d'erreurs dans les estimations d'âge par otolithométrie apportant une amélioration significative des estimations d'âge et des paramètres de croissance en résultant et permettant une meilleure évaluation de la fiabilité des estimations. Les courbes de croissances obtenues constituent une avancée majeure dans la représentation du patron de croissance actuellement utilisé dans les évaluations de stock d'albacore. Elles démontrent que l'albacore présente une croissance en phases, caractérisée par une forte accélération en fin de phase juvénile. Cependant, elles n'apportent aucune information sur les mécanismes biologiques et écologiques à l'origine de ces phases de croissance. Afin de mieux comprendre les facteurs impliqués dans l'accélération de la croissance, nous avons mis en œuvre un modèle bio-énergétique s'appuyant sur les principes de la théorie des bilans dynamiques d'énergie (DEB). Deux hypothèses apparaissant comme les plus pertinentes ont été testées : (i) une faible disponibilité alimentaire liée à une forte compétition inter et intra-spécifique chez les jeunes albacores formant des bancs et (ii) un changement dans le régime alimentaire des adultes s'accompagnant de la consommation de proies plus énergétiques. Il apparait que ces deux hypothèses sont susceptibles d'expliquer, au moins partiellement, l'accélération de la croissance. / Since the early 1960s, the growth of yellowfin has been enjoyed a particular attention both in the research field and for fisheries management. In the Indian Ocean, the management of yellowfin stock, under the jurisdiction of the Indian Ocean Tuna Commission (IOTC), suffers from much uncertainty associated with the growth curve currently considered. In particular, there remain gaps in our knowledge of basic biological and ecological processes regulating growth. Their knowledge is however vital for understanding the stocks productivity and their resilience abilities to fishing pressure and oceanographic changes underway.Through modelling, this study aims to improve current knowledge on the growth of yellowfin population of the Indian Ocean and thus strengthen the scientific advice on the stock status. Whilst most studies on yellowfin growth only rely on one data source, we implemented a hierarchical Bayesian model that exploits various information sources on growth, i.e. direct age estimates obtained through otolith readings, analyzes of modal progressions and individual growth rates derived from mark-recapture experiments, and takes explicitely into account the expert knowledge and the errors associated with each dataset and the growth modelling process. In particular, the growth model was coupled with an ageing error model from repeated otolith readings which significantly improves the age estimates as well as the resulting growth estimates and allows a better assessment of the estimates reliability. The growth curves obtained constitute a major improvement of the growth pattern currently used in the yellowfin stock assessment. They demonstrates that yellowfin exhibits a two-stanzas growth, characterized by a sharp acceleration at the end of juvenile stage. However, they do not provide information on the biological and ecological mechanisms that lie behind the growth acceleration.For a better understanding of factors involved in the acceleration of growth, we implemented a bioenergetic model relying on the principles of Dynamic Energy Budget theory (DEB). Two major assumptions were investigated : (i) a low food availability during juvenile stage in relation with high intra and inter-specific competition and (ii) changes in food diet characterized by the consumption of more energetic prey in older yellowfin. It appears that these two assumption may partially explain the growth acceleration.

L’évaluation des risques, en situation d’urgence nucléaire, est entachée d’incertitudes sur le transfert de substances radioactives dans les écosystèmes terrestres et vers l’homme à travers la chaîne alimentaire pouvant altérer les décisions. L’ampleur des répercutions des accidents de Tchernobyl et de Fukushima a mis en évidence la difficulté de gérer les conséquences post-accidentelles de tels événements et d’appréhender les incertitudes dans les prises de décision. L’objectif de cette thèse est de développer une méthodologie pour la prise en compte des incertitudes dans les modèles d’évaluation de risque environnemental et alimentaire afin d’améliorer les outils d’aide à la décision en situation accidentelle. Différents modèles bayésiens hiérarchiques visant à saisir, dans un cadre unique de modélisation, l’incertitude et la variabilité sur des paramètres radioécologiques d’intérêt en situation post-accidentelle ont été développés. Les paramètres de ces modèles ont été estimés par inférence bayésienne sur des données collectées à partir d’une revue étendue de la littérature. L’influence sur les modèles d’évaluation de risque, des incertitudes autour de ces paramètres radioécologiques, a été évaluée par simulations probabilistes et analyses de sensibilité, appliquées à deux cas d’études : un accident hypothétique et l’accident de Fukushima. Les travaux réalisés dans cette thèse contribuent à améliorer la connaissance autour des processus clés de transfert de radionucléides dans l’environnement et la paramétrisation des modèles radioécologiques d’évaluation de risque en ligne avec les axes de recherche prioritaires définis par la communauté scientifique en radioécologie. / Risk assessment, in case of nuclear emergency, is confronted to uncertainties on the transfer of radioactive substances in terrestrial ecosystems and to human population through the food chain, which could affect the reliability of decisions. The extent of the repercussions of Chernobyl and Fukushima accidents highlighted the difficulty of managing the consequences of such disasters and specifically to accommodate the different sources of uncertainty within decision-making processes. The objective of this research is to develop a methodology to account for uncertainties within environmental and food risk assessment models to improve decision support tools used for accidental situations. Different hierarchical Bayesian models aiming at capturing, within a unique modelling framework, uncertainty and variability about radioecological parameters of great importance for accidental situation were developed. Models parameters were estimated by Bayesian inference applied on databases obtained by an extended literature review. The impact on the risk assessment models of uncertainties about these radioecological parameters was then assessed by stochastic simulations and sensitivity analyses applied on two case-studies: a hypothetical accident simulating a standardized deposition of radionuclides and the accident of Fukushima nuclear power plant. The works developed in this project contribute to enhance knowledge on key processes governing environmental transfer of radionuclides and to improve the parameterization of the radioecological risk assessment models with respect to the research lines outlined by the scientific community in radioecology.

No description available.