Si vous n’avez pas t\u00e9l\u00e9charg\u00e9 les scripts, vous pouvez le faire \u00e0 partir du lien ci-dessous:<\/p>\n\n\n\n

ideQgis_v1-4<\/a>T\u00e9l\u00e9charger<\/a><\/div>\n\n\n\n

(Voir les diff\u00e9rences des versions<\/a>)<\/p>\n\n\n\n

Ces scripts sont \u00e0 copier, avec leur fichier d’aide, dans le r\u00e9pertoire C:\\Users\\xxxxx\\AppData\\Roaming\\QGIS\\QGIS3\\profiles\\default\\processing\\rscripts<\/p>\n\n\n\n

Les fichiers shapefile<\/a> sont \u00e0 copier dans un r\u00e9pertoire de donn\u00e9es de votre choix.<\/p>\n\n\n\n

Les deux scripts principaux<\/h2>\n\n\n\n
Vous avez deux scripts qui permettent de calculer et ajuster un mod\u00e8le IDE \u00e0 vos donn\u00e9es spatio-temporelles.<\/p>\n\n\n\n
Le choix de l’un ou l’autre se fait selon l’id\u00e9e que vous vous faites du ph\u00e9nom\u00e8ne \u00e0 mod\u00e9liser. La mod\u00e9lisation IDE, comme nous ‘avons vu dans les deux premiers articles, donne une importance sp\u00e9ciale au pas de temps pr\u00e9c\u00e9dent celui qu’on doit mod\u00e9liser.<\/p>\n\n\n\n
D’un point de vue spatial, si le mod\u00e8le s’applique de la m\u00eame mani\u00e8re, quelle qu’il soit l’endroit qu’on consid\u00e8re, on dit qu’il a un noyau invariant spatialement.<\/p>\n\n\n\n
Par contre si entre deux pas de temps on peut observer un glissement ou un changement dans l’application du mod\u00e8le, d\u00e9pendant de l’endroit qu’on observe, on dit que le mod\u00e8le est \u00e0 noyau variant spatialement.<\/p>\n\n\n\n
Si vous observez les deux interfaces des scripts, vous constaterez que la premi\u00e8re partie des param\u00e8tres est commune. Nous allons d\u2019abord voir cette partie, puis les param\u00e8tres sp\u00e9cifiques \u00e0 chacun des deux scripts.<\/p>\n\n\n\n
<\/p>\n\n\n\n
$\"\"$ <\/a>
D\u00e9finition des donn\u00e9es \u00e0 mod\u00e9liser pour les deux scripts<\/figcaption><\/figure>\n\n\n\n
Les entr\u00e9es des scripts<\/h1>\n\n\n\n
D\u00e9finition des donn\u00e9es – param\u00e8tres t et Val<\/h2>\n\n\n\n
Puisque nous allons mod\u00e9liser des donn\u00e9es spatio-temporelles, il est clair que nous devons commencer par \u00e9tablir quelle donn\u00e9e nous int\u00e9resse et quel est l’attribut temporel \u00e0 prendre en compte.<\/p>\n\n\n\n
Le param\u00e8tre Val<\/strong> correspond \u00e0 l’attribut \u00e0 mod\u00e9liser. Il doit \u00eatre forc\u00e9ment num\u00e9rique<\/span> (r\u00e9el ou entier).<\/p>\n\n\n\n
Le param\u00e8tre t <\/strong>est plus d\u00e9licat. Il d\u00e9termine la chronologie de nos observations de Val. Le principal probl\u00e8me vient de la multiplicit\u00e9 des types d’unit\u00e9s et de formats permettant d’\u00e9tablir une chronologie.<\/p>\n\n\n\n
La mani\u00e8re la plus simple et efficace est d’avoir un attribut entier qui donne le rang de chaque pas de temps. Vous avez 20 ann\u00e9es d’observations annuelles, vous les num\u00e9rotez de 1 \u00e0 20, et vous avez votre param\u00e8tre t<\/strong> qui sera trait\u00e9 par les scripts sans aucun probl\u00e8me.<\/p>\n\n\n\n
Une autre forme tr\u00e8s courante est d’avoir un attribut de type string avec des dates de type Y-M-D ou Y\/M\/D ou D\/M\/Y, etc.<\/p>\n\n\n\n
Les packages R utilis\u00e9s dans les scripts chercheront \u00e0 convertir la cha\u00eene de caract\u00e8re en date R. S’ils arrivent, pas de soucis. Si le script s’arr\u00eate avec un message d’erreur, il est conseill\u00e9 de passer \u00e0 la premi\u00e8re m\u00e9thode en ajoutant un nouvel attribut avec le rang.<\/p>\n\n\n\n
La derni\u00e8re mani\u00e8re d’avoir la chronologie dans nos donn\u00e9es est d’avoir d\u00e9j\u00e0 un champ au format Date. Mais l\u00e0 aussi, les donn\u00e9es source pouvant \u00eatre dans une multiplicit\u00e9 de formats diff\u00e9rents, les formats de Date sont aussi nombreux.<\/p>\n\n\n\n
Les scripts chercheront \u00e0 traduire le format DATE des donn\u00e9es en format Date R. M\u00eame remarque que pr\u00e9c\u00e9demment:Si le script s’arr\u00eate avec un message d’erreur, il est conseill\u00e9 de passer \u00e0 la premi\u00e8re m\u00e9thode en ajoutant un nouvel attribut avec le rang.<\/p>\n\n\n\n
\n\n\n\n
Covariable (A partir de la version 1.3)<\/h2>\n\n\n\n
La mod\u00e9lisation du param\u00e8tre Val d\u00e9fini plus haut peut prendre en compte un autre attribut comme co-variable. Si on \u00e9tudie la distribution d’une esp\u00e8ce dans la zone littorale, un autre param\u00e8tre peut intervenir pour expliquer la densit\u00e9 des individues, par exemple la profondeur. L’esp\u00e8ce aura une fourchette de profondeur dans laquelle elle va se d\u00e9velopper,. On peut donc utiliser les valeurs de profondeur pour am\u00e9liorer la mod\u00e9lisation. <\/p>\n\n\n\n
Le seul inconv\u00e9nient est un probl\u00e8me la biblioth\u00e8que R IDE. La documentation \u00e9tant tr\u00e8s sommaire, je n’ai pas trouv\u00e9(au moins pour l’instant) comment produire la grille de sortie (grid_size x grid_size) lorsqu’on utilise une co-variable car, apparemment, la fonction recherche une valeur de la co-variable pour chaque point de la grille. Comme les valeurs sont disponibles seulement aux points d’observation, le calcule est bloqu\u00e9. Les sorties sont donc limit\u00e9es aux couches contenant les observations, le bloc de pas de temps et l’\u00e9chantillonnage al\u00e9atoire<\/span>.<\/p>\n\n\n\n
Ajouter lon\/lat comme co-variables (A partir de la version 1.3)<\/h2>\n\n\n\n
De m\u00eame que dans le cas de la profondeur, dans l’exemple pr\u00e9c\u00e9dent, on peut consid\u00e9rer que la densit\u00e9 de notre param\u00e8tre \u00e0 mod\u00e9liser n’est pas distribu\u00e9e au hasard sur le territoire. C’est le cas dans les donn\u00e9es de test avec les comptages d’oiseaux, o\u00f9 on voit un gradient diagonal NW-SE. La prise en compte des coordonn\u00e9es XY comme co-variable pourra aider \u00e0 une meilleure mod\u00e9lisation de ce param\u00e8tre.<\/p>\n\n\n\n
Contrairement aux covariables \u00ab\u00a0attribut\u00a0\u00bb, il y a une valeur de XY pour chaque point de la grille. On n’a donc pas le m\u00eame probl\u00e8me pour produire la grille en sortie quand cette option est coch\u00e9e.<\/p>\n\n\n\n
\n\n\n\n
Le param\u00e8tre unit\u00e9s<\/h2>\n\n\n\n
Les outils de mod\u00e9lisation n\u00e9cessitent des pas de temps de m\u00eame longueur. Si nos donn\u00e9es correspondent \u00e0 des observations mensuelles, le probl\u00e8me est que les mois n’ont pas la m\u00eame longueur\u2026 de 28 \u00e0 31 jours. Et si nos donn\u00e9es sont annuelles, les ann\u00e9es n’ont pas la m\u00eame longueur (bissextiles ou pas). Ceci fait que les unit\u00e9s de pas de temps acceptables pour les mod\u00e8les spatio-temporels vont de la seconde \u00e0 la semaine, pas plus.<\/p>\n\n\n\n
Utilisez les diff\u00e9rentes options si vous avez d\u00e9j\u00e0 un attribut de type date. Si non l’option \u00ab\u00a0days\u00a0\u00bb est celle qui doit \u00eatre appliqu\u00e9e pour les donn\u00e9es de type rang.<\/p>\n\n\n\n
Forecast<\/h2>\n\n\n\n
L\u2019ajustement du mod\u00e8le se fait avec les pas de temps des observations. Le r\u00e9sultat se pr\u00e9sente sous la forme d’une grille avec le m\u00eame nombre de pas de temps que les observations.Le param\u00e8tre forecast permet de demander au mod\u00e8le de pr\u00e9dire les valeurs pour des pas de temps ult\u00e9rieurs \u00e0 ceux des observations. Le nombre introduit est le nombre de pas \u00e0 pr\u00e9dire. Si nous avons 20 pas de temps dans les observations, une valeur de forecast de 1 va pr\u00e9dire le pas de temps num\u00e9ro 21, une valeur de 2 pr\u00e9dira les pas de temps 21 et 22, etc.<\/p>\n\n\n\n
Param\u00e8tre Itermax<\/h2>\n\n\n\n
L’ajustement du mod\u00e8le est un processus it\u00e9ratif. Il prend beaucoup de temps de calcul. (beaucoup!). Parall\u00e8lement, nous savons que le travail de mod\u00e9lisation est aussi it\u00e9ratif en ce qui concerne la recherche l’utilisateur. Nous allons lancer l’ajustement un grand nombre de fois. Si la premi\u00e8re fois on n’a aucune id\u00e9e du temps de calcul et du nombre \u00ab\u00a0n\u00e9cessaire\u00a0\u00bb d’it\u00e9rations, apr\u00e8s la premi\u00e8re ex\u00e9cution nous disposons du journal du script qui trace les valeurs des param\u00e8tres du mod\u00e8le obtenues apr\u00e8s chaque it\u00e9ration.<\/p>\n\n\n\n
Quand on a de la chance, le mod\u00e8le arrive \u00e0 une convergence id\u00e9ale en moins d’it\u00e9rations que le nombre demand\u00e9. La plupart du temps il n’atteint pas cette convergence id\u00e9ale. La lecture des valeurs successives permet de se faire une id\u00e9e du besoin, soit d\u2019augmenter le nombre d’it\u00e9rations si les derni\u00e8res valeurs des estimations des param\u00e8tres continuent \u00e0 montrer une variation, soit de diminuer le nombre d’it\u00e9rations si les valeurs ne montrent pas de variation.<\/p>\n\n\n\n
Les sorties des scripts<\/h1>\n\n\n\n
$\"\"$ <\/a><\/figure>\n\n\n\n
R\u00e9sultat\u00a0\u00bbgrille\u00a0\u00bb (Modifi\u00e9 \u00e0 partir de la version 1.3)<\/h2>\n\n\n\n
Premi\u00e8re sortie par d\u00e9faut des scripts, elle consiste en une couche de points correspondants \u00e0 la grille d\u00e9finie par le param\u00e8tre grid_size. Pour chaque point il y a une occurrence par pas de temps des observations et, si le param\u00e8tre forecast est diff\u00e9rent de 0, une occurrence par forecast demand\u00e9.<\/p>\n\n\n\n
Les attributs contiennent:<\/p>\n\n\n\n
le pas de temps <\/li>
la valeur de pr\u00e9diction du processus Y pour le point (Predict)<\/li>
l’erreur standard du processus Y pour le point (ErreurY)<\/li>
l’erreur standard dans l’espace des observations Z (ErreurZ) <\/li><\/ul>\n\n\n\n
\u00c9tant donn\u00e9 que cette couche n’est pas produite syst\u00e9matiquement (elle n’est pas calculable dans le cas d’utilisation d’une co-variable attribut), elle n’est pas charg\u00e9e automatiquement \u00e0 la fin du script. Elle est produite dans le r\u00e9pertoire r\u00e9sultats.<\/p>\n\n\n\n
R\u00e9sultat \u00ab\u00a0observations\u00a0\u00bb<\/h2>\n\n\n\n
Seulesortie par d\u00e9faut, elle consiste en une couche de points correspondants aux points en entr\u00e9e, les observations. M\u00eame si le param\u00e8tre forecast est diff\u00e9rent de 0, il n’y a pas de calcul pour des pas de temps non pr\u00e9sents dans les observations.<\/p>\n\n\n\n
Les attributs contiennent:<\/p>\n\n\n\n
le pas de temps<\/li>
la valeur de l’observation dans le fichier en entr\u00e9e (Val)<\/li>
la valeur de pr\u00e9diction du processus Y pour le point (Predict)<\/li>
l’erreur standard du processus Y pour le point (ErreurY)<\/li>
l’erreur standard dans l’espace des observations Z (ErreurZ)<\/li><\/ul>\n\n\n\n
R\u00e9pertoire r\u00e9sultats et nom de fichier<\/h2>\n\n\n\n
Si l’option \u00ab\u00a0effectuer la validation du mod\u00e8le\u00a0\u00bb est coch\u00e9e trois autres r\u00e9sultats, en plus des couches par d\u00e9faut, sont produits:<\/p>\n\n\n\n
un fichier pdf (Rplots.pdf) avec les graphiques et les tableaux de scores de validation<\/li>
une couche au format shapefile correspondant aux points en entr\u00e9e qui auront \u00e9t\u00e9 mis de c\u00f4t\u00e9 en tant que bloc de pas temporel (_bloc.shp)<\/li>
une couche au format shapefile correspondant aux points en entr\u00e9e qui auront \u00e9t\u00e9 mis de c\u00f4t\u00e9 en tant qu’\u00e9chantillon al\u00e9atoire de points (_alea.shp)<\/li>
une couche au format shapefile correspondant \u00e0 la grille de calcul, si elle est produite (_grille.shp)<\/li><\/ul>\n\n\n\n
Les scores de validation calcul\u00e9s pour chaque ensemble de donn\u00e9es de validation (bloc et al\u00e9atoire) sont:<\/p>\n\n\n\n
corr\u00e9lation pr\u00e9dictions\/observations<\/li>
le Biais<\/li>
la PCV : la validation crois\u00e9e pr\u00e9dictive<\/li>
la SCV : la validation crois\u00e9e standardis\u00e9e<\/li>
le CRPS : le score de probabilit\u00e9 class\u00e9 en continu<\/li>
l’ES: le score d’\u00e9nergie<\/li>
le VS: le score du Variogramme d’ordre p<\/li>
l’AIC: le crit\u00e8re d’information d\u2019Akaike<\/li>
le BIC : le crit\u00e8re d’information Bayesien<\/li><\/ul>\n\n\n\n
Les attributs de ces deux couches sont les m\u00eames que ceux de la couche R\u00e9sultat observations<\/em><\/strong><\/p>\n\n\n\n
Vous pouvez d\u00e9finir un r\u00e9pertoire pour ces fichiers avec le param\u00e8tre \u00ab\u00a0R\u00e9pertoire r\u00e9sultats<\/em><\/strong>\u00ab\u00a0. Si le champ reste vide, les fichiers sont plac\u00e9s dans votre r\u00e9pertoire \u00ab\u00a0Documents<\/em><\/strong>\u00ab\u00a0.<\/p>\n\n\n\n
Si les fichiers existent d\u00e9j\u00e0, ils sont remplac\u00e9s par les nouveaux.<\/p>\n\n\n\n
Le champ \u00ab\u00a0Nom du fichier<\/em><\/strong>\u00a0\u00bb permet d’entrer une cha\u00eene de caract\u00e8res qui sera ajout\u00e9 aux noms des couches bloc et alea.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Configuration de la validation crois\u00e9e du mod\u00e8le<\/h1>\n\n\n\n
$\"\"$ <\/a><\/figure>\n\n\n\n
Comme nous l’avons d\u00e9taill\u00e9 dans l’article pr\u00e9c\u00e9dent, la validation crois\u00e9e du mod\u00e8le implique la mise de c\u00f4t\u00e9 de certaines observations pour le calcul et l’ajustement du mod\u00e8le, puis de tester le mod\u00e8le calcul\u00e9 sur ces observations laiss\u00e9es de c\u00f4t\u00e9.<\/p>\n\n\n\n
$\"\"$ <\/a><\/figure>\n\n\n\n
Le champ \u00ab\u00a0Pas de temps de validation<\/em><\/strong>\u00a0\u00bb met de c\u00f4t\u00e9 l’ensemble des observations correspondantes au pas de temps indiqu\u00e9. Si le param\u00e8tre t est un rang, l’entr\u00e9e doit \u00eatre un entier correspondant au rang souhait\u00e9. Si ce n’est pas le cas, vous devez rentrer le contenu exact du pas de temps dans les donn\u00e9es en entr\u00e9e en respectant le format.<\/p>\n\n\n\n
Le champ \u00ab\u00a0Pourcentage points al\u00e9atoires de validation<\/em><\/strong>\u00a0\u00bb est un entier qui indique la proportion de points, \u00e9chantillonn\u00e9s au hasard sur l’ensemble des pas de temps,except\u00e9 le pas de temps de validation s’il a \u00e9t\u00e9 renseign\u00e9, et de l’espace de travail.<\/p>\n\n\n\n
Remarque: \u00e9chantillonnage au hasard sera identique \u00e0 chaque ex\u00e9cution du script pour le m\u00eame fichier d’observations en entr\u00e9e. Le param\u00e8tre de R, set.seed(1), contr\u00f4le la g\u00e9n\u00e9ration des nombres au hasard, reproductibles \u00e0 chaque ex\u00e9cution. Si vous voulez un \u00e9chantillonnage diff\u00e9rent lors d’une ex\u00e9cution, \u00e9ditez le script et changez la valeur 1 par une autre valeur quelconque. Tant que cette valeur ne sera modifi\u00e9e, l\u2019\u00e9chantillonnage sera le m\u00eame \u00e0 chaque ex\u00e9cution.<\/p>\n\n\n\n
Param\u00e8tres sp\u00e9cifiques au mod\u00e8le variant spatialement<\/h1>\n\n\n\n $\"\"$ <\/a><\/figure>\n\n\n\n
L’explication de ces param\u00e8tres a \u00e9t\u00e9 donn\u00e9e dans l’article pr\u00e9c\u00e9dent. On ne reviendra donc pas sur le sens de ceux-ci.<\/p>\n\n\n\n
Le param\u00e8tre Basis <\/em><\/strong>permet de s\u00e9lectionne la famille de fonctions \u00e0 utiliser pour les param\u00e8tres th\u00eata, parmi les quatre familles: bisquare, Gaussian ,exp et Matern32.<\/p>\n\n\n\n
Le param\u00e8tre nresolution <\/em><\/strong>permet de d\u00e9finir diff\u00e9rentes tailles d’emprise des fonctions de base. Soyez prudent car passer de nresolution=1 \u00e0 nresolution=2 multiplie par environ 10 fois le nombre de fonctions \u00e0 ajuster, pour chaque param\u00e8tre. Les temps de calcul peuvent alors \u00eatre extr\u00eamement longs.<\/p>\n\n\n\n
Le param\u00e8tre scale_aperture<\/em><\/strong> contr\u00f4le l’emprise \u00e0 la base des fonctions de base. Si le type de famille est bisquare, une aperture de 1 ou 1.25 sera suffisante. Pour les autres familles de fonctions, il est conseill\u00e9 d’utiliser le script ide_auto_basis<\/strong> pour trouver la valeur de scale_aperture appropri\u00e9.<\/p>\n\n\n\n
Pour les quatre param\u00e8tres th\u00eata: amplitude<\/em><\/strong>, aperture<\/em><\/strong>, xshift <\/em><\/strong>et yshift <\/em><\/strong>vous pouvez choisir entre deux options:<\/p>\n\n\n\n
constant_basis()<\/em><\/strong>: le param\u00e8tre est consid\u00e9r\u00e9 invariant et sera calcul\u00e9 comme si le noyau \u00e9tait invariant spatialement<\/li>
auto_basis<\/em><\/strong>: le param\u00e8tre est consid\u00e9r\u00e9 variant et sera calcul\u00e9 \u00e0 partir de l’ajustement des fonctions de base demand\u00e9es<\/li><\/ul>\n\n\n\n
Dans le prochain article on verra l’exemple appliqu\u00e9 \u00e0 nos donn\u00e9es de test.<\/p>\n","protected":false},"excerpt":{"rendered":"
Cet article est le mode d’emploi des scripts R pour QGis mis \u00e0 votre disposition. Il a \u00e9t\u00e9 mis \u00e0 jour pour prendre en compte les modifications apport\u00e9es \u00e0 la version 1.3 des scripts. Dans deux…<\/p>\n","protected":false},"author":1,"featured_media":9256,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"give_campaign_id":0,"_bbp_topic_count":0,"_bbp_reply_count":0,"_bbp_total_topic_count":0,"_bbp_total_reply_count":0,"_bbp_voice_count":0,"_bbp_anonymous_reply_count":0,"_bbp_topic_count_hidden":0,"_bbp_reply_count_hidden":0,"_bbp_forum_subforum_count":0,"sfsi_plus_gutenberg_text_before_share":"","sfsi_plus_gutenberg_show_text_before_share":"","sfsi_plus_gutenberg_icon_type":"","sfsi_plus_gutenberg_icon_alignemt":"","sfsi_plus_gutenburg_max_per_row":"","_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[62,1641],"tags":[340,1669,51,1627,231,1670],"class_list":["post-9365","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-qgis-2","category-scripts-r","tag-ide","tag-integro-differentiel","tag-modele","tag-script-r","tag-validation","tag-validation-vroisee"],"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2021\/02\/ide1-1.png?fit=449%2C585&ssl=1","jetpack_shortlink":"https:\/\/wp.me\/p6XU0A-2r3","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts\/9365","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/comments?post=9365"}],"version-history":[{"count":0,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts\/9365\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/media\/9256"}],"wp:attachment":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/media?parent=9365"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/categories?post=9365"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/tags?post=9365"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}

Les entr\u00e9es des scripts<\/h1>\n\n\n\n

R\u00e9pertoire r\u00e9sultats et nom de fichier<\/h2>\n\n\n\nSi l’option \u00ab\u00a0effectuer la validation du mod\u00e8le\u00a0\u00bb est coch\u00e9e trois autres r\u00e9sultats, en plus des couches par d\u00e9faut, sont produits:<\/p>\n\n\n\n