1995-96 Géostatisticien, BP Exploration - Subsurface Technology, Londres
depuis 1996 Chercheur, Unité Biostatistique et Processus Spatiaux, INRA, Avignon
depuis 2005 Directeur de l'Unité Biostatistique et Processus Spatiaux
2007 Habilitation à diriger les recherches de l'université Montpellier II
THEMES DE RECHERCHE
Zones de Changement Abrupt
Cartographier les zones où une variable varie brusquement est un problème rencontré fréquemment en environnement (p. ex. variables physiques ou chimiques mesurées dans un sol), en écologie ou en génétique des populations (p.ex. des fréquences alléliques). Les variations abruptes de ces variables peuvent être mises en relation avec des variations de variables environnementales explicatives. Lire la suite…
Champs aléatoires Skew-Normal
Pour un grand nombre d'applications environnementales les variables étudiées (teneur, cumul de pluie, vitesse du vent,...) présentent une distribution dissymétrique, car d’une part elles sont bornées inférieurement et d’autre part leur histogramme présente des valeurs élevées plus fréquentes que sous l'hypothèse gaussienne. Une approche récente pour modéliser ce type de données consiste à rechercher des modèles de champs aléatoires dont la distribution est par construction dissymétrique. Lire la suite...
Algorithme CART pour données spatialisées
L'algorithme CART construit un arbre de régression et de classification que l'on applique à des vecteurs de données (Y, X1, ... Xn), où les Xi sont des variables explicatives et Y est la variable à expliquer. L'algorithme découpe l'espace des variables explicatives par dichotomie successive sur les variables Xi en cherchant à maximiser un critère de pureté sur les sous-ensembles ainsi construits. Dans cet algorithme, les données sont considérées comme indépendantes. Les données environnementales et/ou écologiques présentent le plus souvent des corrélations spatiales. Il faut donc considérer que les données sont issues de champs aléatoires dont les dépendances doivent être modélisées et proposer un algorithme qui prenne en compte de façon implicite ou explicite l'aspect spatialisé des données. Ce travail fait l'objet d'une collaboration avec Liliane Bel et Avner Bar-Hen.
Edition de livre
Monestiez, P., Allard, D., Froidevaux, R., 2001. geoENV III Geostatistics for Environmental Applications. Kluwer Academic Publishers, Dordrecht, 540p.
Quelques Publications récentes
Gabriel, E., Allard, D. and Bacro, J.-N. (in press) Estimating and testing zones of abrupt change for spatial data, Statistics and Computing.
Flecher, C., Naveau, Ph. and Allard, D. (2009) Estimating the Closed Skew-Normal distributions parameters using weighted moments", Statistics and Probability Letters, doi :10.1016/j.spl.2009.06.004. Bel, L., Allard, D., Laurent, J.M., Cheddadi, R. and Bar-Hen, A. (2009) CART algorithm for spatial data: Application to environmental and ecological data, Computational Statistics and Data Analysis, 53, 3082-3093. DOI:10.1016/j.csda.2008.09.012
Garrigues, S., Allard, D., Baret, F. Modeling Temporal Changes in Surface Spatial Heterogeneity over an Agricultural site (2008) Remote Sensing of Environment, 112, 588-602 .DOI:10.1016/j.rse.2007.05.014
Gabriel, E. and Allard, D. Evaluating the Sampling Pattern When Detecting Zones of Abrupt Change (2008) Environmental and Ecological Statistics, 15, 469-489. DOI:10.1007/s10651-007-0067-3
Gabriel, E., Allard, D., Mary, B. & Guérif, M. (2007) Detecting zones of abrupt change in soil data, with an application to an agricultural field. European Journal of Soil Science, 58, 1273-1284. DOI:10.1111/j.1365-2389.2007.00920.x
Garrigues, S., Allard, D., Baret, F. & Morisette, J. (2007) Multivariate Quantification of Landscape Spatial Heterogeneity using Variogram Models. Remote Sensing of Environment, 112, 216-230. DOI:10.1016/j.rse.2007.04.017
Garrigues, S., Allard, D., & Baret, F. (2007) Using first and second order variograms for characterizing landscape spatial structures from remote sensing imagery, IEEE TGARS, 45, 1823 - 1834. DOI:10.1109/TGRS.2007.894572
Allard D. & Naveau, P. (2007) A new spatial skew-normal random field model, Communications in Statistics, 36, 1821 - 1834. DOI:10.1080/03610920601126290
Allard D., Froidevaux R. & Biver, P. (2006) Conditional Simulation of Multi-Type Non Stationary Markov Object Models Respecting Specified Proportions, Mathematical Geology, 38, 959-986. DOI 10.1007/s11004-006-9057-5
Allard, D. & Gabriel, E. (2007), Détection de zones de changement abrupts pour des variables non permanentes du sol: vers la définition de zones homogènes ?, in Agriculture de Précision, Guérif, M. and King, D., Coords., Editions Quae, Paris, pp. 165--76.
Garrigues, S., Allard, D., Baret, F. & Weiss, M. (2006) Influence of the spatial heterogeneity on the non linear Estimation of Leaf Area Index from moderate resolution remote sensing data, Remote Sensing of Environment, 105, 286-298. DOI 10.1016/jrse.2006.07.013
Magnussen S., Allard D., & Wulder M. (2006) Poisson Voronoï tiling for finding clusters in spatial point patterns, Scan. J. For. Res., 21, 239-248. DOI 10.1080/02827580600688178
Allard, D. (2006), Validation d'un modèle géostatistique pour l'interpolation : application à un événement pluvieux, in Statistiques Spatiales, Eds. Droesbeke, J.-J. et Lejeune, M., Technip, Paris, pp. 403--414.
Edith Gabriel(2001-2004) Détection de zones de changement abrupt dans des données spatiales et application à l'agriculture de précision, thèse de l'Université de Montpellier II, ED ISS, option biostatistique (co-encadrement avec M. Guérif, CSE, INRA Avignon)
Sébastien Garrigues (2001-2004) Hétérogénéité spatiale des surfaces terrestres en télédétection ; caractérisation et influence sur l'estimation des variables biophysiques, thèse de l'ENSA-R (co-encadrement avec F. Baret, CSE, INRA Avignon)
Cédric Flécher(2006- ) Développement de méthodes statistiques pour la mise au point d'un générateur de climat adapté à l'utilisation des scénarii de changement climatique, thèse de l'Université de Montpellier II, ED SIBAGHE, (co-encadrement avec Ph. Naveau, LSCE, CNRS, et N. Brisson CSE, INRA Avignon)
ENSEIGNEMENT
Statistiques Spatiales : introduction à la géostatistique (20 h), M2 Biostatistique, Université Montpellier II
Relecteur pour les revues Annals of Statistics, Biometrics, Climate Research, Computational Statistics and Data Analysis, Computer and Geoscience, European Journal of Soil Science, Journal of Computational and Applied Mathematics, Journal for Stochastic Environmental Research and Risk Assessment, Operations Research.