Commit f4b81e3c0f156a70fe318eb72621e97c0370c44f

Authored by michel
1 parent 5fa1a5fc
Exists in master

readme

Showing 1 changed file with 41 additions and 0 deletions   Show diff stats
readme
  1 +Ces codes python ont été développés en python par Michel Le Page et Nahla Cheickh dans le cadre d'un stage de l'IUT informatique de Toulouse
  2 +
  3 +Dépendances:
  4 +numpy, sklearn, scipy, matplotlib, psycopg2, osgeo
  5 +
  6 +1- Tests de tendance et de rupture
  7 +
  8 +Test de Mann-Kendall
  9 + Le test de Mann-Kendall permet de savoir si une courbe a une tendance linéaire.
  10 + Le test de Mann-Kendall test l’hypothèse suivante « il n’y a pas de tendance » et elle est appelée l’hypothèse H0. Dans ce test, on a p qui signifie la valeur de la statistique et alpha, un seuil de significativité choisi. Ainsi le test de Mann-Kendall dit si p < alpha alors l’hypothèse H0 est rejetée et on conclut à l’existence d’une tendance significative, au seuil choisi.
  11 +Test de Pettitt
  12 +il permet de détecter des ruptures dans les séries chronologiques. L’hypothèse H0 testée est la suivante : « il n’y a pas de rupture ». Le test repose sur les signes des différences entre valeurs qui forment l’échantillon.
  13 +
  14 +2- Quality Control
  15 +
  16 +Les tests implémentés sont:
  17 +2-1. Range Test
  18 +Le range test permet de définir si la données se trouve entre une valeur minimale et maximale.
  19 +Ces extrêmes peuvent dépendre du lieu de la station. Néanmoins, pour ce test il existe deux méthodes soit avec des limites fixes (fixed-limits) soit avec des limites dynamiques (dynamic-limits).
  20 +
  21 +2-2 Time Consistency Test
  22 +Le step test vérifie si la différence entre deux données qui se succèdent dans le temps est supérieure à une limite spécifique.
  23 +Le persistence testest réalisé sur une période définie. Ce test a pour but de vérifier si la différence entre deux données qui se succèdent dans le temps soit au moins supérieure à un seuil minimum spécifique.
  24 +
  25 +2-3 3. Internal Consistency Test
  26 + L'internal consistency test effectue la vérification de la cohérence entre deux variables.
  27 + En effet, par exemple si la quantité de précipitation est supérieure à 0 alors la durée de précipitation ne doit pas être égale à 0. Si ce test est un échec alors les valeurs observées sont “suspectes”.
  28 +
  29 +3- Gapfilling
  30 +Pour les variables à évolution lente (température, humidité, rayonnement), et lorsque les trous à boucher sont relativement courts (<=2h), nous pouvons utiliser une interpolation. De nombreuses méthodes d’interpolation existent. Dans un premier temps, nous avons choisi d’utiliser l’interpolation linéaire.
  31 +Pour des trous plus longs (>2h), nous avons implémentés les méthodes proposées par « Filling the gaps in meteorological continuous data measured at FLUXNET sites with ERA-Interim reanalysis » écrit par N.Vuichard et D.Papale.
  32 +Cette méthode consiste à se servir des données de l’ECMWF afin de les comparer avec nos données.
  33 +Une fois les données de l’ECMWF téléchargées et extraites, et harmonisées en unités, les données ERAinterim sont harmonisées temporellement avec la mesure traitée.
  34 +Le biais ERAinterim/mesure stationelle est calculé sur un intervalle de temps réparti avant et après le trou à combler.
  35 +Les données débiaisées sont utilisées pour le gafilling.
  36 +
  37 +Dans le cas de la pluie, nous avons utilisé les données TRMM3B42 v7 (3h, 0.25°) et GPM IMERGE (30mins, 0.1°).
  38 +Ces données de pluie sont recalées par rapport aux données stationnelle avant d'être utilisées pour le gapfilling.
  39 +
  40 +
  41 +
1 42 Fichier valeurRangeTest.json
2 43 Contient toutes les valeurs des conditions de chaques test
3 44 cf : document "estvez.al"
... ...