Ce travail s'inscrit dans le cadre de recherche sur les maladies vectorielles de Lyme et Virus du Nil au sein de l'Agence de Santé Publique du Canada (ASPC) ayant pour finalité d'évaluer et de cartographier les risques sanitaires associés à ces maladies infectieuses liées au climat aux échelles municipales, provinciales et fédérale. Dans ce contexte, cette recherche vise à démontrer la faisabilité, la pertinence et les enjeux de recourir aux méthodes de réduction d'échelle pour obtenir à une haute résolution spatio-temporelle (100/30 m et 1 jour) avec au plus des marges d'erreur de 2 unités, des déterminants climatiques et microclimatiques (DCMC) en milieu hétérogène du Canada. Un cadre méthodologique d'application des méthodes de réduction d'échelle, Random Forest Regression (RFR), Thermal sharpening (TsHARP), Pixel block intensity modulation (PBIM), a été proposé pour estimer la température de surface (LST) de MODIS 1000 m à 100/30 m. Des expérimentations basées sur cette approche ont été effectuées sur trois sites au Québec à différentes époques. Les résultats, spatialement représentatifs, ont été validés avec les températures de l'air et celles prises par de Landsat 08 avec des marges d'erreur autour de 2°C. L'analyse des résultats démontre la capacité effective des méthodes de réduction d'échelle à discriminer la LST dans l'espace. Toutefois, dans le contexte du projet de l'ASPC, ces résultats sont non concluants à 100/30 m en l'absence d'une plus-value significative au plan spatial de LST. Cette analyse a conduit à discuter des enjeux temporels, spatiaux, méthodologiques et de gestion de gros volumes de données en lien avec la réduction d'échelle dans le contexte du projet. / This research is part of the Public Health Agency of Canada's (PHAC) research on Lyme and West Nile Virus vector-borne diseases, which aims to assess and map the health risks associated with these climate-related infectious diseases at the municipal, provincial and federal levels. In this context, this research aims to demonstrate the feasibility, relevance and challenges of using downscaling methods to obtain high spatial and temporal resolution (100/30 m and 1 day), with margins of error of no more than 2 units, of climatic and microclimatic determinants (CMDs) in a heterogeneous Canadian environment. A methodological framework for the application of downscaling methods, Random Forest Regression (RFR), Thermal sharpening (TsHARP), Pixel block intensity modulation (PBIM), has been proposed to estimate the surface temperature (LST) from MODIS 1000 m to 100/30 m. Experiments with our approach were carried out at three sites in Quebec at different times. The spatially representative results were validated with air and Landsat 08 temperatures with error margins around 2°C. The analysis of our results demonstrates the effective capacity of downscaling methods to discriminate LST in space. However, in the context of the ASPC project, these results are inconclusive at 100/30 m in the absence of a significant, expected increase in the spatial accuracy of LST. This analysis led to a discussion of the temporal, spatial, methodological and large data volume management issues related to downscaling in the context of the project.
| Identifer | oai:union.ndltd.org:LAVAL/oai:https://corpus.ulaval.ca:20.500.11794/102365 |
| Date | 09 November 2022 |
| Creators | Hangnon, Hugues Yenoukoume |
| Contributors | Hubert, Frédéric, Viau, Alain |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | COAR1_1::Texte::Thèse::Mémoire de maîtrise |
| Format | 1 ressource en ligne (xi, 167 pages), application/pdf |
| Coverage | Québec (Province) |
Page generated in 0.0037 seconds