Résumé 180 :
Areal sampling strategies for estimating totals and averages on a grid of quadrats: applications to forest surveys
Fattorini, Lorenzo ; Pagliarella, Maria Chiara
University of Siena
Le projet REDD (Reduction of Emissions from Deforestation and forest Degradation) a été mis en place en 2005 sous l'égide des Nations-Unies. Le suivi de la couverture forestière, notamment par des méthodes statistiques, est un des objectifs de ce projet. La couverture forestière est le plus souvent estimée à grande échelle par des stratégies d'échantillonnage spatial, dans lesquelles la région étudiée est partitionnée en N polygones - ou quadrats - de tailles égales. L'estimation s'appuie alors sur l'interprétation de photographies aériennes prises sur un échantillon de n unités. Afin de mesurer l'intérêt d'intégrer des contraintes spatiales dans le plan d'échantillonnage et de tenir compte d'une auto-corrélation spatiale entre les unités échantillonnées, nous proposons de comparer des schémas d'échantillonnage classiques tels que l'échantillonnage aléatoire simple sans remplacement (SRSWR), l'échantillonnage stratifié one-per-stratum (STR) et l'échantillonnage systématique (SIS) à des méthodes ad-hoc d'échantillonnage spatial comme la méthode du pivot local de type I (LPM1, voir Grafström et al., 2012), l'échantillonnage stratifié Generalized Random-Tesselation (GRTSS, voir Steven et Olsen, 2004), l'échantillonnage de Poisson corrélé spatialement (SCPS, voir Grafström, 2012), le schéma drawn-by-drawn qui évite la sélection d'unités contigües (voir Fattorini, 2006) et l'échantillonnage spatial doublement équilibré (voir Grafström et Tillé, 2013). Une étude par simulation permet de comparer les performances de chacune de ces stratégies.