Accueil

Aller à : navigation, rechercher

Axe transverse Masse de données, images et télédétection pour l'environnement

Coordinateurs :
Partie Masses de données : Pierre Gancarski
Partie Télédétection : Hervé Yésou

Masses de Données

On assiste depuis plus d’une dizaine d’années à un véritable « déluge de données ». Les avancées technologiques récentes, la numérisation et la diversification des modes de collecte, mais aussi la génération de flux de données d'expériences ou issues de capteurs de plus en plus nombreux permettent aujourd’hui de disposer des quantités d’observations ou de données parfois gigantesques, alimentées de façon quasi-continue et de plus en plus souvent en « temps réel ». À en croire les journaux, on pourrait aujourd'hui tout faire - ou presque - grâce ces masses de données (Big Data). Or à l'heure actuelle, celles-ci posent de nouvelles classes de problèmes liées aux nombreux V communément associées aux Big Data :

Les10VduBigData.pdf
©Pierre Gançarski-2016

Le laboratoire ICube, comme de nombreux laboratoires au sein de l'Université de Strasbourg, de par ses activités de recherche et de valorisation est confronté de plein fouet par ce phénomène.

L'objectif de l'axe est de faire se rencontrer les producteurs de données, les consommateurs et les spécialistes de données (Data Scientist) afin d'échanger des éléments de réponse, à travers des journées et des actions sur les impacts (avérés et/ou anticipés) du phénomène Big Data, sur les opportunités qui en découlent dans de nombreux secteurs de l'activité de recherche et sur les défis auxquels il faudra faire face dans le domaine des Sciences des Données en général.


Télédétection

La mise à disposition, à partir de 2014, par les satellites européens de la constellation Sentinel, d'une masse considérable de données gratuites d'observation de la Terre révolutionne le travail des spécialistes qui peuvent étudier de nouvelles hypothèses, inférer de nouveaux modèles ou explorer de nouveaux domaines. Néanmoins, la volonté de détecter tous les changements lents, rapides, abruptes et/ou cycliques qui affectent les territoires, nécessite le développement de méthodes d'analyse et d'interprétation dédiées. De plus, avec l’augmentation du volume des données, la mise en évidence et la formalisation des classes d’évolution dans le cadre de l’analyse temporelle n’apparaît pas comme réalisable sans l’aide de méthodes d’extraction automatique ou guidée de celles-ci. Dans ce contexte, il est nécessaire de mettre en œuvre des méthodes de découverte des classes d'évolution des objets géographiques afin d’exploiter au mieux le flux quasi continu fourni par les satellites Sentinel pour une analyse des dynamiques territoriales.

En effet, une caractéristique du système Sentinel est sa pérennité (garantie par la commission européenne) autorisant des études à long terme. Cela doit permettre de différencier les trois familles de classes d’évolution : phénomènes cycliques ; évolutions à long terme ; phénomènes catastrophiques ; impliquant ou non des dérives conceptuelles (apparition de nouvelles classes, évolution thématique des classes). Comprendre les évolutions qui ont lieu dans une série temporelle d’images (SITS) oblige à examiner l'évolution de chaque zone avec le temps. L'analyse et la classification de ce type de données repose sur la capacité de comprendre les similitudes et les différences entre ces profils d'évolution.

L'axe sera un lieu de rencontre entre les spécialistes utilisateurs de l'image de télédétection oeuvrant dans la plate-forme SERTIT et les chercheurs et chercheuses des différentes équipes d'ICube

Environnement

Extraire les évolutions des paysages et de leurs usages pour une analyse prospective mais aussi rétrospective de ceux-ci amène à appréhender et relier des volumes considérables de données spatiotemporelles fortement hétérogènes fournis en quasi continu par la nouvelle génération de satellites (Pléiades, Sentinelle,...) ou par le Web (documents administratifs, articles de journaux, réseaux sociaux, …). Tirer avantage de leur complémentarité est de fait indispensable et rejoint en cela la problématique des Big Data décrite ci-dessus.


INSCRIPTION

Pour être tenu au courant des activités dans cet axe, vous pouvez vous inscrire en envoyant un mail à gancarski@unistra.fr (Cliquez sur le lien)

Pour obtenir un login/mot de passe vous permettant de modifier les pages, veuillez envoyer un mail à gancarski@unistra.fr en cliquant sur le lien
ATTENTION : essayez de vous limiter à un compte par équipe, merci