Agritrop
Home

A statistical modeling framework for analyzing tree-indexed data: Application to plant development on microscopic and macroscopic scales

Fernique Pierre. 2014. A statistical modeling framework for analyzing tree-indexed data: Application to plant development on microscopic and macroscopic scales. Montpellier : UM2, 148 p. Thèse de doctorat : Mathématiques appliquées. Biostatistique : Université Montpellier 2

Thesis
[img]
Preview
Published version - Anglais
Use under authorization by the author or CIRAD.
document_575891.pdf

Télécharger (19MB) | Preview

Titre français : Un cadre de modélisation statistique pour l'analyse de données indexées par des arborescences – Application au développement des plantes à l'échelle microscopique et macroscopique

Encadrement : Guédon, Yann ; Durand, Jean-Baptiste

Abstract : We address statistical models for tree-indexed data. In the Virtual Plants team, the host team for this thesis, applications of interest focus on plant development and its modulation by environmental and genetic factors. We thus focus on plant developmental applications both at a microscopic level with the study of the cell lineage in the biological tissue responsible for the plant growth, and at the macroscopic level with the mechanism of branch production. Far fewer models are available for tree-indexed data than for path-indexed data. This thesis therefore aims to propose a statistical modeling framework for studying patterns in tree-indexed data. To this end, two different classes of statistical models, Markov and change-point models, are investigated. (Résumé d'auteur)

Résumé (autre langue) : Nous nous intéressons à des modèles statistiques pour les données indexées par des arborescences. Dans le contexte de l'équipe Virtual Plants, équipe hôte de cette thèse, les applications d'intérêt portent sur le développement de la plante et sa modulation par des facteurs environnementaux et génétiques. Nous nous restreignons donc à des applications issues du développement de la plante, à la fois au niveau microscopique avec l'étude de la lignée cellulaire du tissu biologique servant la croissance des plantes, et au niveau macroscopique avec le mécanisme de production de branches. Le catalogue de modèles disponibles pour les données indexées par des arborescences est beaucoup moins important que celui disponible pour les données indexées par des chemins. Cette thèse vise donc à proposer un cadre de modélisation statistique pour l'étude de patterns pour données indexées par des arborescences. `A cette fin, deux classes différentes de modèles statistiques, les modèles de Markov et de détection de ruptures, sont étudiées. (Résumé d'auteur)

Mots-clés Agrovoc : Biométrie, Bioinformatique, Port de la plante, Branche, Anatomie végétale, Croissance, Modèle mathématique, Méthode statistique

Mots-clés complémentaires : Arborescence, Rameau et pousse

Classification Agris : F50 - Plant structure
U10 - Mathematical and statistical methods
F62 - Plant physiology - Growth and development

Axe stratégique Cirad : Hors axes (2014-2018)

Auteurs et affiliations

  • Fernique Pierre, CIRAD-BIOS-UMR AGAP (FRA)

Source : Cirad - Agritrop (https://agritrop.cirad.fr/575891/)

View Item (staff only) View Item (staff only)

[ Page générée et mise en cache le 2019-10-03 ]