Pesticides concentration monitoring from various heteregenous sources of information
Surveillance de concentrations de pesticides à partir de sources d'information hétérogènes
Résumé
The task of phytopharmacovigilance is to establish monitoring of concentrations of phytopharmaceuticals in relevant environmental media. Establishing such monitoring is not an easy task given the large accumulation of data of different types that could help to better understand the distribution of the monitored substances. Concentration data are collected from monitoring stations distributed throughout the area. It is therefore spatio-temporal data. Moreover, the collected data have several characteristics that complicate their analysis, such as censoring, spatial and temporal heterogeneity and a particular form of their empirical distribution. We are therefore trying to develop methods adapted to these characteristics that can extract anomalous spatial and temporal information to make it available to a team of phytopharmacovigilance experts.
Two original contributions are developed in this manuscript. The first is a three-step methodology aimed at detecting anomalous clusters in specific time periods. The time periods in question are identified by detecting change points in the aggregate concentration series on a given time scale. In a time segment resulting from this detection, a comparison of the spatial clusters obtained by hierarchical clustering can be performed. This comparison can be performed by multi-criteria optimisation. Clusters are highlighted as anomalous if they have a high Pareto front value. Anomaly detection is thus contextual to the selected temporal segment. The break detection method is specifically adapted to the characteristics of the concentration data. The performance of the break detection is tested on simulated data. It is also compared with a method from the literature adapted to censored data. The second contribution of this work is an interactive presentation of all results obtained with this method in the form of an interactive application Rshiny.
La mission de phyto-pharmacovigilance consiste à établir la surveillance de concentrations des produits phyto-pharmaceutiques dans des milieux environnementaux d’intérêt. Établir une telle surveillance n’est pas chose facile étant donné l’importante accumulation de données de natures différentes qui pourraient aider à une meilleure compréhension de la diffusion des substances surveillées. Les données de concentrations sont relevées par des stations de mesure réparties sur l’ensemble du territoire. Ce sont donc des données spatiotemporelles. De plus, les données relevées présentent plusieurs caractéristiques qui compliquent leur analyse comme de la censure, de l’hétérogénéité spatiotemporelle ou encore une forme particulière dans leur distribution empirique. On cherche donc à développer des méthodes adaptées à ces caractéristiques pouvant extraire des informations spatiales et temporelles anormales à fournir à une équipe d’expert de la phyto-pharmacovigilance.
Deux contributions originales sont développées dans ce manuscrit de thèse. La première est une méthodologie en trois étapes dont la finalité est de détecter des clusters anormaux lors de périodes temporelles précises. Les périodes temporelles en question sont obtenues par détection de ruptures sur la série des concentrations agrégée à une certaine échelle temporelle. Une fois que l’on se place dans un segment temporel découlant de cette détection, on peut effectuer une comparaison de clusters spatiaux obtenus par clusterting hiérarchique. Cette comparaison peut être implémentée par optimisation multi-critère. On
peut de cette manière détecter des clusters anormaux de manière contextuelle au segment temporel sélectionné. La méthode de détection de ruptures est spécialement adaptée aux caractéristiques des données de concentrations. Les performances de la détection de ruptures sont testées sur des données simulées. Elle est également comparée à une méthode de la littérature adaptée aux données censurées. La deuxième contribution de ce travail est une présentation interactive de l’ensemble des résultats obtenus par cette méthode sous la forme d’une application interactive Rshiny.
Origine : Fichiers produits par l'(les) auteur(s)