No description available.

No description available.

L'estimation paramétrique de la fonction de covariance d'un processus Gaussien est étudiée, dans le cadre du modèle de Krigeage. Les estimateurs par Maximum de Vraisemblance et Validation Croisée sont considérés. Le cas correctement spécifié, dans lequel la fonction de covariance du processus Gaussien appartient à l'ensemble paramétrique de fonctions de covariance, est d'abord traité dans un cadre asymptotique par expansion. Le plan d'expériences considéré est une grille régulière multidimensionnelle perturbée aléatoirement. Un résultat de consistance et de normalité asymptotique est montré pour les deux estimateurs. Il est ensuite mis en évidence que des amplitudes de perturbation importantes sont toujours préférables pour l'estimation par Maximum de Vraisemblance. Le cas incorrectement spécifié, dans lequel l'ensemble paramétrique utilisé pour l'estimation ne contient pas la fonction de covariance du processus Gaussien, est ensuite étudié. Il est montré que la Validation Croisée est alors plus robuste que le Maximum de Vraisemblance. Enfin, deux applications du modèle de Krigeage par processus Gaussiens sont effectuées sur des données industrielles. Pour un problème de validation du modèle de frottement pariétal du code de thermohydraulique FLICA 4, en présence de résultats expérimentaux, il est montré que la modélisation par processus Gaussiens de l'erreur de modèle du code FLICA 4 permet d'améliorer considérablement ses prédictions. Enfin, pour un problème de métamodélisation du code de thermomécanique GERMINAL, l'intérêt du modèle de Krigeage par processus Gaussiens, par rapport à des méthodes par réseaux de neurones, est montré

Les Composés Organiques Volatils (COV) jouent un rôle important dans la chimie de l'atmosphère et participent à la formation de polluants secondaires comme l'ozone et les aérosols organiques. Les émissions biogéniques de COV dominent d'un facteur dix les émissions anthropiques à l'échelle globale mais leur caractérisation à l'échelle régionale est incertaine. Les progrès en modélisation de la chimie atmosphérique passent par l'amélioration des inventaires d'émissions, ce qui nécessite des mesures de flux in situ. Ces travaux portent sur l'étude des émissions de COV biogéniques par les végétations méditerranéennes dans le cadre du programme ChArMEx (Chemistry and Aerosol Mediterranean Experiment) qui vise à concentrer les efforts scientifiques sur l'étude de la chimie et des aérosols de l'atmosphère du bassin méditerranéen. La méthode Eddy Covariance (EC) permet de quantifier directement les échanges d'espèces chimiques entre la surface et l'atmosphère. Cette méthode constitue une référence pour les mesures de flux mais n'est applicable qu'à un nombre limité d'espèces car elle requiert la mesure rapide (~ 0,1 s) et simultanée de la concentration du composé étudié ainsi que de la vitesse du vent vertical. Afin d'élargir le champ de mise en œuvre de cette technique d'autres solutions dérivées de l'EC ont été proposées, dont la méthode Disjunct Eddy Covariance (DEC) qui a pour particularité de réduire la contrainte sur la mesure rapide de l'espèce chimique tout en gardant une précision acceptable sur le calcul du flux. Dans le cadre de ces travaux de thèse un système de prélèvement a été développé pour mettre en œuvre la mesure de flux de COV par la méthode DEC. Ce dispositif appelé MEDEE (Mesures par Échantillonnage Disjoint des Échanges d'Espèces en trace) repose sur une technologie nouvelle qui permet une capture rapide d'un échantillon d'air et assure son transfert à pression constante vers un analyseur connecté en ligne. Il est composé de deux "seringues mécaniques" actionnées par des vérins électriques dont le fonctionnement est alterné pour alimenter en continu l'analyseur. Trois électrovannes disposées à l'entrée de chaque réservoir dirigent le flux d'air en fonction du cycle de fonctionnement. L'ensemble du système est cadencé par un microcontrôleur avec une précision à la milliseconde. Le système de prélèvement a été réalisé en matériaux inertes chimiquement pour éviter la dégradation de l'échantillon et être compatible avec les espèces en trace réactives. MEDEE a été testé et validé pour les mesures de flux au sol et en avion lors de deux campagnes de terrain. Le système MEDEE a ainsi permis, lors de deux campagnes de mesures pendant les étés 2010 et 2011 au-dessus d'une forêt de chênes pubescents, de mesurer les flux d'isoprène grâce à un couplage avec un analyseur adapté (Fast Isoprene Sensor). Un réseau de neurones artificiels (RNA) a ensuite été utilisé pour déterminer une paramétrisation des flux d'isoprène en fonction des paramètres environnementaux à partir des observations des campagnes de mesures. La modélisation des émissions d'isoprène a été validée pour les conditions environnementales rencontrées. Cette paramétrisation servira dans un modèle de chimie atmosphérique à l'étude de l'impact des émissions de COV biogéniques sur la qualité de l'air.

Net ecosystem carbon dioxide exchange (NEE) was measured using the eddy covariance (EC) technique at a wetland tundra-sedge fen near Churchill, Manitoba, Canada during two consecutive growing seasons (2007 and 2008). Mean daily NEE at the fen (DOY 157-254) was -3.5 (± 0.26 S.E.) g CO2 m-2 d-1 in 2007 and -4.6 (± 0.36) g CO2 m-2 d-1 in 2008. The fen was a net carbon dioxide (CO2) sink during both the 2007 and 2008 growing seasons of -343 (± 79) and -450 (± 87) g CO2 m-2, respectively. Mean air temperature during the summer (June 1-August 31) was about 1°C greater than the historical average (1971-2000) in 2007 and about 2°C greater in 2008. Growing season precipitation was 107.5 mm below normal in 2007 and 359.5 mm above normal in 2008. These data suggest that if future climate change brings warmer temperatures and near-to-above average precipitation maintaining the water table near the surface, similar subarctic ecosystems will experience increased gross ecosystem productivity enhancing CO2 sequestration during the growing season.

The eddy-covariance method was used to measure net ecosystem productivity over three adjacent fields from 2009 to 2011: two annual cropping systems (oat-canola-oat and hay-oat-fallow) recently converted from perennial cropping, and a perennial hay/pasture. We compared the management practises, determined the net carbon budget, and examined the effects of inter-annual variability. Carbon accumulation began earlier in the spring and continued later in the fall at the perennial site, compared with the annual crop sites, due to a longer growing season and continual plant cover. Cumulative cropping season net ecosystem productivity at the perennial site ranged from 40 to 240 g C m^(-2) because of variable weather. Including harvest removals and manure additions, the perennial site gained 120 g carbon m^(-2) and the annual sites lost 240 and 415 g carbon m^(-2), respectively, over the 30-month period. This indicates that the annual cropping systems would decrease soil carbon at this location.

The present paper develops a procedure based on multivariate copulas for simulating multivariate non-normal data that satisfies a pre-specified covariance matrix. The covariance matrix used, can comply with a specific moment structure form (e.g., a factor analysis or a general SEM model). So the method is particularly useful for Monte Carlo evaluation of SEM models in the context of non-normal data. The new procedure for non-normal data simulation is theoretically described and also implemented on the widely used R environment. The quality of the method is assessed by performing Monte Carlo simulations. Within this context a one-sample test on the observed VC-matrix is involved. This test is robust against normality violations. This test is defined through a particular SEM setting. Finally, an example for Monte Carlo evaluation of SEM modeling of non-normal data using this method is presented. (author's abstract) / Series: Research Report Series / Department of Statistics and Mathematics

Net ecosystem carbon dioxide exchange (NEE) was measured using the eddy covariance (EC) technique at a wetland tundra-sedge fen near Churchill, Manitoba, Canada during two consecutive growing seasons (2007 and 2008). Mean daily NEE at the fen (DOY 157-254) was -3.5 (± 0.26 S.E.) g CO2 m-2 d-1 in 2007 and -4.6 (± 0.36) g CO2 m-2 d-1 in 2008. The fen was a net carbon dioxide (CO2) sink during both the 2007 and 2008 growing seasons of -343 (± 79) and -450 (± 87) g CO2 m-2, respectively. Mean air temperature during the summer (June 1-August 31) was about 1°C greater than the historical average (1971-2000) in 2007 and about 2°C greater in 2008. Growing season precipitation was 107.5 mm below normal in 2007 and 359.5 mm above normal in 2008. These data suggest that if future climate change brings warmer temperatures and near-to-above average precipitation maintaining the water table near the surface, similar subarctic ecosystems will experience increased gross ecosystem productivity enhancing CO2 sequestration during the growing season.

The eddy-covariance method was used to measure net ecosystem productivity over three adjacent fields from 2009 to 2011: two annual cropping systems (oat-canola-oat and hay-oat-fallow) recently converted from perennial cropping, and a perennial hay/pasture. We compared the management practises, determined the net carbon budget, and examined the effects of inter-annual variability. Carbon accumulation began earlier in the spring and continued later in the fall at the perennial site, compared with the annual crop sites, due to a longer growing season and continual plant cover. Cumulative cropping season net ecosystem productivity at the perennial site ranged from 40 to 240 g C m^(-2) because of variable weather. Including harvest removals and manure additions, the perennial site gained 120 g carbon m^(-2) and the annual sites lost 240 and 415 g carbon m^(-2), respectively, over the 30-month period. This indicates that the annual cropping systems would decrease soil carbon at this location.

Doctor of Philosophy(PhD) / This thesis employs survival analysis framework (Allison, 1984) and the Cox’s hazard model (Cox, 1972) to estimate the probability that a credit rating survives in its current grade at a certain forecast horizon. The Cox’s hazard model resolves some significant drawbacks of the conventional estimation approaches. It allows a rigorous testing of non-Markovian behaviours and time heterogeneity in rating dynamics. It accounts for the changes in risk factors over time, and features the time structure of probability survival estimates. The thesis estimates three stratified Cox’s hazard models, including a proportional hazard model, and two dynamic hazard models which account for the changes in macro-economic conditions, and the passage of survival time over rating durations. The estimation of these stratified Cox’s hazard models for downgrades and upgrades offers improved understanding of the impact of rating history in a static and a dynamic estimation framework. The thesis overcomes the computational challenges involved in forming dynamic probability estimates when the standard proportionality assumption of Cox’s model does not hold and when the data sample includes multiple strata. It is found that the probability of rating migrations is a function of rating history and that rating history is more important than the current rating in determining the probability of a rating change. Switching from a static estimation framework to a dynamic estimation framework does not alter the effect of rating history on the rating migration hazard. It is also found that rating history and the current rating interact with time. As the rating duration extends, the main effects of rating history and current rating variables decay. Accounting for this decay has a substantial impact on the risk of rating transitions. Downgrades are more affected by rating history and time interactions than upgrades. To evaluate the predictive performance of rating history, the Brier score (Brier, 1950) and its covariance decomposition (Yates, 1982) were employed. Tests of forecast accuracy suggest that rating history has some predictive power for future rating changes. The findings suggest that an accurate forecast framework is more likely to be constructed if non-Markovian behaviours and time heterogeneity are incorporated into credit risk models.