Afin de définir les axes d innovation liés à l observation de la Terre dans le domaine des risques naturels et de l agriculture, des «réservoirs d
|
|
- Germain Favreau
- il y a 8 ans
- Total affichages :
Transcription
1 1
2 Afin de définir les axes d innovation liés à l observation de la Terre dans le domaine des risques naturels et de l agriculture, des «réservoirs d innovation» ont été définis. Ils correspondent à des groupes de travail réunissant des chercheurs d AllEnvi, qui ont essayé d établir quels étaient les travaux scientifiques en cours, ou qui devraient être définis, pour permettre une innovation dans ces domaines. 2
3 Il s agit de lister les éléments de contexte, les enjeux et les difficultés potentielles. Pour le contexte, insister sur la spécificité des problématiques européennes. Pour les difficultés. Point 1. Il y a un manque d habitude française de l innovation conjointe. Or sur ce sujet, les spécificités définies pour les services obligent à rassembler des recherches innovantes dans l ensemble des instituts et labos de recherche car les besoins sont multiples. Point2. Une difficulté provient de la dispersion des filières scientifiques sur un problème interdisciplinaire. La définition d un service va faire appel à une étude ou un modèle de l Inra par exemple, à des outils HPC du CEA, à des méthodes d assimilation de données ou d apprentissage de l Inria. Point3. Une difficulté potentielle est la présence des GAFAV (Google, Amazon, Facebook, Apple, Virgin). Le budget est une chose, mais ce qui manque potentiellement c est la capacité de grouper des scientifiques de domaines différents et des entreprises. Ce qui renvoie aux points 1 et 2. Point4. Le point3 conduit à la nécessité de construire des écosystèmes ouverts. Ce qui pose des problèmes de financement. De modèle économique. Ce qui demande de résoudre des problèmes d open data Source : 3
4 Meteosat : n/msg_overview2 3
5 Les données d observation de la terre sont utilisées dans de nombreuses études concernant les risques naturelles et l agriculture. On peut par exemple citer sous forme de liste à la Prévert L étude de l occupation des sols Le suivi de la végétation La gestion des forêts Les applications maritimes comme par exemple la détection et le suivi des pollutions Le suivi des glaces Les inondations Les feux de forêts Les glissements de terrain par interférométrie radar L érosion du littoral L aménagement du territoire L urbanisation 4
6 Des informations sont disponibles sur les programmes d observation de la terre. On peut par exemple citer le document : Observing Systems and Capability Analysis and Review Tool du WMO et la base de donnée du CEOS Le slide illustre ainsi une page du document du WMO qui indique différents types de mesure disponibles pour l étude de la végétation. Et donc potentiellement utiles pour l agriculture. The CEOS database : Programmes et satellites actuels, futurs et passés Instruments : types et caractéristiques Pour toutes les agences spatiales 5
7 L observation de la terre est faite par des vecteurs très différents. Il s agit des satellites, des drones, des capteurs installés sur les équipements tels que les robots et les tracteurs ou de capteurs in situ installés par exemple sur les parcelles agricoles. Les observations fournies par ces différents capteurs sont complémentaires, en terme de mesure physique, de résolution spatiale, de fréquence temporelle. Dans de nombreuses applications, il est nécessaire d utiliser différentes modalités d observation pour avoir un résultat optimal. Cette contrainte multi capteur, multi physique, multi résolution, multi temporel est une des sources de difficulté pour les études scientifiques à mener lors de la définition de services. On assiste donc à un déluge de données qui s accompagne d un changement de paradigme à plusieurs niveaux. En 1, on assiste à une politique d open data des données. On peut citer le programme Copernicus, la plate forme PEPS du CNES, le projet Theia de la maison de la télédétection. En 2, le déluge de données ne fait que débuter. On assiste en effet à la multiplication d objets communicants bon marché. Leur faible coût va permettre d équiper les matériels (tracteurs, robots) et les sites (parcelles). Cela va à court terme accroître la 6
8 quantité et le type de données disponibles. En 3, on assiste à une avancée phénoménale du matériel informatique, en terme de capacité mémoire et capacité de calcul. Cela permet de définir de nouvelles problématiques de recherche dans le contexte des contraintes opérationnelles des services en conception. En 4, on assiste (je crois) à une prise en compte des scientifiques sur le couplage nécessaires des données et des modèles car chacun des deux représente une vue imparfaite d un même système. En 5, on constate, qu à côté des données initiales et des données de sortie des modèles, les données dérivées ont une valeur scientifique et économique non négligeable. On peut par exemple citer l information contenue dans les traces des utilisateurs de Google et dans les factures EdF. Dans ce contexte, se pose la question de l exploitation des données et de la définition de nouveaux types de recherche afin de permettre des innovations sur les risques naturels et l agriculture. 6
9 Les réunions de travail des participants à l étude d AllEnvi a permis de définir 3 réservoirs de recherche majeurs qui sont nécessaires pour permettre l innovation. 7
10 8
11 Parmi les verrous scientifiques étudiés par les organismes appartenant à AllEnvi, un certain nombre concerne le stockage des données au sens large. Il s agit d abord du stockage matériel proprement dit. Il est caractérisé par différents paramètres comme la densité d info par inch carré, la vitesse d accès aux données, le coût de ce stockage et encore la pérennité de ces données. Les stockages actuels sont le résultat de recherches effectuées sur les 50 dernières années et ce sujet est toujours l objet de recherches dans les laboratoires. Sur le critère coût, fondamental pour la réalisation de services on peut définir le coût de stockage d un gigabyte. Cela valait 10millions de dollars en 1956, 100 dollars en 1995 et 4 centimes de dollars en Le deuxième sujet associé au stockage est la nécessité de disposer de métadonnées par discipline et de métadonnées interdisciplinaires. Dans le domaine de l Observation de la Terre, il s agit de compléter la directive Inspire et d en faciliter son application. Le troisième sujet concerne l intégrité des données, leur probité et leur qualité. Il est fondamental pour la mise en place de services d avoir une certitude de qualité des données utilisées. Le quatrième point concerne la pérennité d accès à ces données et la tolérance aux pannes de ces systèmes d accès. On peut citer par exemple les contraintes sur la plateforme PEPS d accès aux données Sentinel. Un déluge de données hétérogènes dans un contexte multi applications et multiutilisateurs nécessite la mise en place de standards. On peut ainsi citer le protocole ISOBUS (protocole international de communication entre tracteurs, équipements et 9
12 ordinateurs) et l AEF (Agricultural Industry Electronics Foundation). Il faut aussi s intéresser aux protocoles de communications, en particulier basse consommation afin que les capteurs puissent être opérationnels sur le long terme. On voit également apparaître les sujets concernés par la cybersécurité. Il s agit par exemple du contrôle de vols de drône ou du programme d apport d intrants dans une exploitation. 9
13 On arrive aux verrous scientifiques étudiés dans AllEnvi sur l analyse des données. Le premier sujet concerne le big data, que ce soit la gestion ou le traitement des données. Le mot big data est très utilisé, mais l open data pour les données d observation de la Terre et l arrivée d objets communicants à bas coût conduit de plus en plus à des problématiques big data. On voit également les problèmes HPC High Performance Computing. Il s agit face à des masses de données de reconsidérer les schémas numériques utilisés par les modèles par exemple. Il faut aussi reconsidérer les problèmes d entrée sortie des codes, l optimisation, la visualisation, toutes les composantes des services pour que ceux ci puissent fonctionner dans des contraintes temporelles opérationnelles malgré la taille des données. Le troisième sujet scientifique d importance concerne l apprentissage, également appelé data mining ou deep learning. Il s agit de faire de la modélisation à partir des données, de rechercher des connaissances dans les données. On peut par exemple citer la recherche de motifs dans les données, ou l extraction d anomalie dans ces domaines. Le quatrième point concerne la modélisation. C est un sujet qui a été largement étudié dans la communauté scientifique. On peut par exemple considérer la capacité de l Inra et du Cirad sur la modélisation dans le domaine agricole. Ces modèles doivent interagir avec les données pour fournir des résultats pertinents. Il y a aussi pertinence de réaliser des émulateurs statistiques de ces modèles de façon à réduire les temps de calcul et les contraintes de mémoire. 10
14 Il faut s intéresser aux problèmes d incertitude. Une sortie de modèle est incertaine pour plusieurs raisons : plusieurs modélisations physiques, des schémas numériques différents, des données d entrée incertaines.une façon de prendre en compte l incertitude des modèles est de réaliser des ensembles de simulations. Prendre en compte l incertitude permet de fournir une information améliorée pour les outils d aide à la décision, qui sont requis pour définir des services aux utilisateurs. 10
15 Un point important concerne donc les modèles. Le slide présente le point de vue de l agriculture mais l argumentaire peut être transposé pour les risques naturels. Les programmes internationaux et européens FACCE et AGMIP fournissent une comparaison des modèles disponibles en agriculture. Il y a les modèles descriptifs qui permettent d analyser la croissance du végétal et son impact sur les épidémies. Il y a les modèles mécanistes qui permettent de simuler les pratiques agricoles et les conditions environnementales et leur impact sur le végétal. Il y a les modèles de culture à l échelle de la parcelle. Par exemple le modèle STICS de l INRA permet l estimation des rendements avec pour entrées des données sur le climat, le sol et les pratiques culturales. Il y a des modèles à l échelle du paysage. On peut citer Nitroscape pour l atténuation des émissions d azote et MAPOD pour la transmission des pollens du maïs dans le contexte OGM/non OGM. Dans la définition de services, il est naturellement nécessaire de considérer des modèles couplés agriculture, économie, environnement. Les modèles doivent couplés en multi échelle au niveau de la plante, de la parcelle, de l exploitation, du paysage, de la filière. Il faut avoir une modélisation temporelle pour tenir compte à la fois de la saisonnalité et de l évolution du climat. 11
16 Comme dit précédemment, il faut prendre en compte l incertitude associée à la simulation réalisée par les modèles. 11
17 On voit arriver des déluges de données et on dispose de modèles de processus, se pose donc la question des interactions entre les modèles et la donnée. Les données et en particulier les données d Observation de la Terre, sont utilisées pour estimer les valeurs des paramètres des modèles. Il s agit d une modélisation inverse. Les données d observation de la terre sont utilisées également comme données d entrée des modèles. On peut donner l exemple du calcul de la quantité d eau reçue par la plante au moyen des données radar dans le modèle CybeleTech. Les méthodes d assimilation de données dans un modèle permettent d améliorer la connaissance du système modélisé par le modèle et observé par les données. Les données d OT permettent de spatialiser les mesures ponctuelles. On peut citer par exemple les méthodes de krigeage et de reconstruction optimale. Enfin il faut prendre en compte le fait que les modèles sont eux mêmes producteurs de données, qui doivent également être stockées et peuvent être utilisées par des services. 12
18 Ce slide a pour but de définir ce qu est l assimilation de données. Il s agit de combiner deux types de connaissance sur un même système : d un côté le domaine, de l autre les observations. Les deux types de connaissance sont imparfaits et les combiner a pour but d obtenir une meilleure estimation. L assimilation de données a été utilisée historiquement en météorologie. C est la première source d amélioration des prévisions météorologiques sur les trente dernières années. L objectif est d utiliser les données pour corriger les sorties de modèles et avoir de meilleures descriptions des systèmes étudiées. Cela peut ensuite être utilisé pour réaliser de meilleures prévisions. Un autre objectif est d améliorer la connaissance des paramètres des modèles, qui permet également de réaliser de meilleures prévisions. Par ailleurs l assimilation de données permet de contextualiser un modèle sur un nouveau site et de caractériser son adaptation au climat. POUR LE SCHÉMA. Les paramètres de contrôle sont utilisés par le modèle pour réaliser des simulations et des prévisions (LIGNE DU HAUT). Par ailleurs des données d observation et des connaissances a priori (comme des climatologies par exemples) (BOITES ROUGES) sont disponibles sur le système. L assimilation de données (BOITE VERTE) permet de corriger les paramètres de contrôle 13
19 et donc d avoir de meilleures simulations et de meilleures prévisions. 13
20 Il s agit dans cette journée de voir comment la recherche peut accompagner la création de service. Il faut donc définir avec quelles données et quelles méthodes. Big data et big user. Un premier point concerne le fait que le big data s accompagne du big user. On a parlé des GAFAV. Mais il faut d emblée considérer qu il y a une hiérarchie de données et de services. Il y a tout d abord des services initiaux qui sont établis sur la donnée. Par exemple, des services météo pour les agriculteurs. On a ensuite des services dédiés qui nécessitent des données spécifiques acquises sur les parcelles. Par exemple la localisation des traitements dans les champs, par exemple utiliser moins d intrants, en fonction de l hétérogénéité de la parcelle. Mais il faut d emblée considérer les services dérivés. Par exemple, si on cite ClimateCorp qui peut offrir un service d assurance en faisant l économie d expertise, puisqu elle a toutes les données sur les parcelles assurées. Ce qui démontre la valeur économique de la donnée. Création de service. Il est important de définir spécifiquement le besoin, les contraintes financières (si on a pas de quoi s offrir une Ferrari on peut avoir une Twingo). Il faut faire une détermination fine des données et des méthodes en prenant en compte l évolution attendue. Il faut intégrer le service dans une hiérarchie de services : de façon à avoir des tarifs différenciés pour des fonctionnalités différentes. Il faut aussi penser au cycle de services dérivés. Cela permet d assurer des services gracieux aux agriculteurs pour les rétribuer de la valeur économique des données qu ils fournissent. La concurrence des GAFAV avec l interdisciplinarité qu ils permettent nécessitent la 14
21 création d écosystèmes ouverts, instituts, entreprises. 14
22 Sources : «Indicateurs pertinents» : delunite&catid=59&itemid=54 InSpace Institute : institute.com/fr/content/notre histoire 15
Les données massives de Copernicus : vers un nouveau paradigme. Hervé Jeanjean Cnes
Les données massives de Copernicus : vers un nouveau paradigme Hervé Jeanjean Cnes 1 Règlement Copernicus du 03/04/2014 : cadre politique, organisationnel et financier Règlement délégué du 12/07/2013 sur
Plus en détailETAT DE L ART ET PERSPECTIVES POUR LES SERVICES NUMÉRIQUES APPLIQUÉS À LA VITICULTURE.
ETAT DE L ART ET PERSPECTIVES POUR LES SERVICES NUMÉRIQUES APPLIQUÉS À LA VITICULTURE. UMR ITAP Montpellier Christophe.guizard@irstea.fr www.irstea.fr PLAN Introduction Toujours + Les TICs L écosystème
Plus en détailCarrotAge, un logiciel pour la fouille de données agricoles
CarrotAge, un logiciel pour la fouille de données agricoles F. Le Ber (engees & loria) J.-F. Mari (loria) M. Benoît, C. Mignolet et C. Schott (inra sad) Conférence STIC et Environnement, Rouen, 19-20 juin
Plus en détailIndexmed : Le big data en écologie? Pas encore disent certains. Pas si sûr! Avec IndexMed. Relevons ce challenge!
Indexmed : Le big data en écologie? Pas encore disent certains Pas si sûr! Avec IndexMed Relevons ce challenge! Origine du consortium L état des lieux (source : séminaire Allenvie, séminaire Indexmed1)
Plus en détailSPOT4 (Take 5) : Sentinel-2 avec deux ans d avance
SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance Olivier Hagolle Mercredi 6 février 2012 Sentinel-2 : révolution du suivi de la végétation par télédétection 13 bandes spectrales, résolution 10m à 20m,
Plus en détailPair-à-Pair: Architectures et Services
Pair-à-Pair: Architectures et Services Fabrice Le Fessant Fabrice.Le_Fessant@inria.fr Équipe ASAP (Réseaux très large échelle) INRIA Saclay Île de France Octobre 2008 Fabrice Le Fessant () Architectures
Plus en détailJoint AAL Information and Networking Day. 21 mars 2012
Joint AAL Information and Networking Day 21 mars 2012 Présentation TéSA a pour objet : la mise en commun de moyens permettant de : rassembler et accueillir des doctorants ou post-doctorants dont les thèses
Plus en détailAccès aux données Sentinelles
Accès aux données Sentinelles Hervé Jeanjean - CNES Ministère de l'écologie, du Développement durable, et de l Énergie www.developpement-durable.gouv.fr Contexte Un changement de paradigme majeur Big data
Plus en détailPerspectives d applications de la télédétection en grandes culture à court et moyen terme dans le Sud-Ouest
Perspectives d applications de la télédétection en grandes culture à court et moyen terme dans le Sud-Ouest Jean-François DEJOUX CESBIO & Luc CHAMPOLIVIER CETIOM Télédétection en agriculture : nouveau
Plus en détailEmergence du Big Data Exemple : Linked Open Data
16/05/2014 Une approche interdisciplinaire des grandes masses de données (Défi Mastodons) Mokrane Bouzeghoub DAS INS2I / MI 1 Emergence du Big Data Exemple : Linked Open Data Accès à plusieurs BD scientifiques
Plus en détailMASTER (LMD) GESTION DE DONNEES ET SPATIALISATION EN ENVIRONNEMENT (GSE)
MASTER (LMD) GESTION DE DONNEES ET SPATIALISATION EN ENVIRONNEMENT (GSE) RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : STIC POUR L'ECOLOGIE
Plus en détailCartes de l étendue des eaux libres liés aux inondations Guide des produits
Cartes de l étendue des eaux libres liés aux inondations Guide des produits Contexte Les crues ont parfois des effets dévastateurs sur la vie humaine, les infrastructures, l économie, les espèces sauvages
Plus en détailAssemblée générale Aristote
Assemblée générale Aristote Panorama 2011-2012 Philippe d Anfray Philippe.d-Anfray@cea.fr CEA DSM-Saclay CNES 5 juillet 2012 Assemblée générale Aristote CNES 5 juillet 2012 1 / 21 Comité de programme (1)
Plus en détailAssemblée générale. Nations Unies A/AC.105/772
Nations Unies A/AC.105/772 Assemblée générale Distr.: Générale 7 décembre 2001 Français Original: Anglais Comité des utilisations pacifiques de l espace extra-atmosphérique Rapport du deuxième Atelier
Plus en détailMasses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA
Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide
Plus en détailBREVET DE TECHNICIEN SUPÉRIEUR AGRICOLE SUJET
SESSION 2011 France métropolitaine BREVET DE TECHNICIEN SUPÉRIEUR AGRICOLE ÉPREUVE N 2 DU PREMIER GROUPE ÉPREUVE SCIENTIFIQUE ET TECHNIQUE Option : Génie des équipements agricoles Durée : 3 heures 30 Matériel(s)
Plus en détailEmergence du Big Data Exemple : Linked Open Data
1 CNRS - Misionpour l'interdisciplinarité Mokrane Bouzeghoub 1 Une approche interdisciplinaire des grandes masses de données (Défi Mastodons) Mokrane Bouzeghoub DAS INS2I / MI Ecole de L Innova.on Thérapeu.
Plus en détailLA TÉLÉDETECTION EN AGRICULTURE. par Bruno Tisseyre 1
1 LA TÉLÉDETECTION EN AGRICULTURE par Bruno Tisseyre 1 RÉSUMÉ Avec la médiatisation des applications développées à partir des drones, la télédétection appliquée à l'agriculture fait aujourd hui beaucoup
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailEnvironmental Research and Innovation ( ERIN )
DÉpartEment RDI Environmental Research and Innovation ( ERIN ) Le département «Environmental Research and Innovation» (ERIN) du LIST élabore des stratégies, des technologies et des outils visant à mieux
Plus en détailÉvolution du climat et désertification
Évolution du climat et désertification FACTEURS HUMAINS ET NATURELS DE L ÉVOLUTION DU CLIMAT Les activités humaines essentiellement l exploitation de combustibles fossiles et la modification de la couverture
Plus en détailAnthropologue, ethnologue, géographe, historien de l'art, ingénieur, informaticiens, mathématicien, pédagogue, sociologue, Étudiants en tourisme
Conférence régionale de l'économie touristique sur l'innovation Orléans, 1er Octobre 2014 Imagitour? PROGRAMME IMAGITOUR Une équipe multidisciplinaire Une épistémologie commune La recherche de demain DU
Plus en détailJournée SITG, Genève 15 octobre 2013. Nicolas Lachance-Bernard M.ATDR Doctorant, Laboratoire de systèmes d information géographique
Monitorint spatio-temporel intégré de la mobilité urbaine Monitoring spatio-temporel de l ADN urbain Une réponse aux défis, problèmes, enjeux et risques des milieux urbains Nicolas Lachance-Bernard M.ATDR
Plus en détailCerea. Centre d enseignement et de recherche en environnement atmosphérique
Cerea Centre d enseignement et de recherche en environnement atmosphérique Laboratoire commun École des Ponts ParisTech / EDF R&D Université Paris-Est Le Cerea : une cinquantaine de chercheurs sur trois
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailArchitecture de réseau de senseurs : monitoring environnemental et écosystèmes forestiers
Architecture de réseau de senseurs : monitoring environnemental et écosystèmes forestiers Présenté par : Ahmed Lakhssassi, Membres du GRMS : Marek Zaremba, Wojtek Bock et Larbi Talbi Département Informatique
Plus en détailProjet SENTINELLE Appel àprojets «CO 2»Déc. 2007
Projet SENTINELLE Appel àprojets «CO 2»Déc. 2007 Philippe de DONATO Université de Lorraine/CNRS Co-auteurs: C. PRINET, B. GARCIA, H. LUCAS, Z. POKRYSZKA, S. LAFORTUNE, P. FLAMANT, F. GIBERT, D. EDOUART,
Plus en détailLe Big Data est-il polluant? BILLET. Big Data, la déferlante des octets VIVANT MATIÈRE SOCIÉTÉS UNIVERS TERRE NUMÉRIQUE TERRE (/TERRE)
Donner du sens à la science Rechercher Se connecter / S'inscrire Suivre VIVANT MATIÈRE SOCIÉTÉS UNIVERS TERRE NUMÉRIQUE MES THÈMES Types DOSSIER Paru le 15.11.2012 Mis à jour le 29.01.2014 Big Data, la
Plus en détailTerritoires géographiques/numériques
Quels territoires numériques pour les nouveaux empires de l Internet? Atelier Internet de Équipe Réseaux, Savoirs & Territoires - ENSSIB - Luc.saccavini@inria.fr Territoires géographiques/numériques Territoire
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en détailCycle de vie, processus de gestion
Les données scientifiques au CNES Cycle de vie, processus de gestion Danièle BOUCON Réunion PIN du 4 janvier 2013 Réunion PIN du 22 mars 2012 Outils CNES Contexte des données scientifiques au CNES SOMMAIRE
Plus en détailIndexmed : Le big data en écologie? Pas encore disent certains. Pas si sûr! Avec IndexMed. Relevons ce challenge!
Indexmed : Le big data en écologie? Pas encore disent certains Pas si sûr! Avec IndexMed Relevons ce challenge! Origine du consortium L état des lieux (source : séminaire Allenvie, séminaire Indexmed1)
Plus en détailApplication de technologies innovantes pour la gestion des ressources en eau
Application de technologies innovantes pour la gestion des ressources en eau Ir. V. TIGNY and Ir. C. Adriaensen GIM nv/sa Presentation GIM Jeudis de l'aquapôle - 01/12/2011 1 Sommaire 1. GIM 2. Technologies
Plus en détailLa base de données régionale sur les sols. d Alsace. La base de données régionale sur les sols d Alsace
3 outils complémentaires pour connaître les sols en Alsace La base de données régionale sur les sols d Alsace Le guide des sols d Alsace La base de données régionale sur les sols Le réseau de mesure de
Plus en détailSurveillance et Detection des Anomalies. Diagnostic d une digue: rappel méthodologique
Surveillance et Detection des Anomalies Diagnostic d une digue: rappel méthodologique issu de l expérience d EDF Jean-Paul BLAIS Service Géologie - Géotechnique EDF 1 La méthodologie utilisée par EDF,
Plus en détailAXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES
1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte
Plus en détail3 - Description et orbite d'un satellite d'observation
Introduction à la télédétection 3 - Description et orbite d'un satellite d'observation OLIVIER DE JOINVILLE Table des matières I - Description d'un satellite d'observation 5 A. Schéma d'un satellite...5
Plus en détailAMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES DONNEES GEOSPATIALES NATIONALE
AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES GEOSPATIALE CREATION A D UNE L ECHELLE BANQUE NATIONAL DE DONNEES GEOSPATIALES NATIONALE 1 AMTEC RESOURCES MANAGEMENT LTD. P O Box 3463
Plus en détailpossibilités et limites des logiciels existants
possibilités et limites des logiciels existants Dominique Groleau CERMA, UMR CNRS 1563, Ecole d Architecture de Nantes Journée thématique SFT- IBPSA, Outils de simulation thermo-aéraulique du bâtiment.
Plus en détailMonitoring de surface de sites de stockage de CO 2 SENTINELLE. (Pilote CO2 de TOTAL Lacq-Rousse, France) Réf. : ANR-07-PCO2-007
Monitoring de surface de sites de stockage de CO 2 (Pilote CO2 de TOTAL Lacq-Rousse, France) SENTINELLE Réf. : ANR-07-PCO2-007 Ph. de DONATO (INPL-CNRS) (Coordonnateur) PARTENAIRES Durée : 3 ans + 7 mois
Plus en détailLa fonction d audit interne garantit la correcte application des procédures en vigueur et la fiabilité des informations remontées par les filiales.
Chapitre 11 LA FONCTION CONTRÔLE DE GESTION REPORTING AUDIT INTERNE Un système de reporting homogène dans toutes les filiales permet un contrôle de gestion efficace et la production d un tableau de bord
Plus en détailNote de cadrage du PEPI MACS Mathématiques Appliquées & Calcul Scientifique
Note de cadrage du PEPI MACS Mathématiques Appliquées & Calcul Scientifique Périmètre Le périmètre du PEPI concerne les méthodes et outils utilisés pour le traitement informatisé des données scientifiques.
Plus en détailCONFERENCE TECHNOM AIDE IBM
Conférence Big Data CONFERENCE TECHNOM AIDE IBM Le BIG DATA : le nouveau pétrole de la société. En présence de : Christophe MENICHETTI (spécialiste BIG DATA chez IBM) JN. SCHNEIDER et F. WEYGAND (professeurs
Plus en détailBIG DATA en Sciences et Industries de l Environnement
BIG DATA en Sciences et Industries de l Environnement François Royer www.datasio.com 21 mars 2012 FR Big Data Congress, Paris 2012 1/23 Transport terrestre Traçabilité Océanographie Transport aérien Télémétrie
Plus en détailDocument d accompagnement pour le référentiel national du C2i niveau 2 Métiers de l environnement et de l aménagement durables
Document d accompagnement pour le référentiel national du C2i niveau 2 Métiers de l environnement et de l aménagement durables A - Compétences générales et transversales liées à l exercice des métiers
Plus en détailPôle Risques? Systèmes de surveillance environnementale? L ASI Risques? Une brique centrale : SIG de Synext
Pôle Risques? Systèmes de surveillance environnementale? L ASI Risques? Une brique centrale : SIG de Synext THE INNOVATIVE CLUSTER IN RISK MANAGEMENT L innovation au service de la gestion des risques Pôle?
Plus en détailL accès aux données spatiales au profit des applications satellitaires
L accès aux données spatiales au profit des applications satellitaires Le projet Geosud Pierre Maurel, coordinateur du projet GEOSUD Journée du CINES Montpellier, 9 juin 2015 1 Projet GEOSUD Des financements
Plus en détailLes enjeux de la métrologie dans le domaine de l environnement 30 novembre 2010. Réseau des Pôles Eco Tech
Les enjeux de la métrologie dans le domaine de l environnement 30 novembre 2010 Table ronde 4 : animation pôle ADVANCITY, Thierry DELARBRE, Directeur Général Réseau des Pôles Eco Tech Marchés émergents
Plus en détailVision prospective et obstacles à surmonter pour les assureurs
smart solutions for smart leaders Le «Big Data» assurément Rédigé par Pascal STERN Architecte d Entreprise Vision prospective et obstacles à surmonter pour les assureurs Un avis rendu par la cour de justice
Plus en détailLes débouchés des diplômés de L LMD Sciences de la Nature et de la Vie
Les débouchés des diplômés de L LMD Sciences de la Nature et de la Vie Pour quel métier vous êtes fait? Des doutes sur ta formation actuelle : faut-il poursuivre? Vous avez une idée de métier mais est-ce
Plus en détailBig data et données géospatiales : Enjeux et défis pour la géomatique. Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique
Big data et données géospatiales : Enjeux et défis pour la géomatique Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique Événement 25e anniversaire du CRG Université Laval, Qc, Canada 08 mai
Plus en détailTHEME 5: CONDITIONS DE VIABILITE FINANCIERE DE LA MICROFINANCE AGRICOLE
RESEAU DES CAISSES POPULAIRES DU BURKINA ********************************* Fédération des Caisses Populaires du Burkina (F.C.P.B.) Tél.: 50.30.48.41, Fax : 50.30.49.10 ; E-mail : fcpb@fasonet.bf ; Adresse
Plus en détailQu est-ce qu un service rendu?
Evaluation économique des services rendus par les écosystèmes Place des inondations Économie et politiques publiques Paris Yann Laurans info@ecowhat.fr Previrisq 2 Comment s évaluent économiquement les
Plus en détailPrédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8
Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Christine TURCK 1 * et **, Christiane WEBER**, Dominique THOME*
Plus en détailSITI Agri La nouvelle génération du Système Intégré de Gestion et de Contrôle pour l administration des subventions
SITI Agri La nouvelle génération du Système Intégré de Gestion et de Contrôle pour l administration des subventions Fichier des exploitations agricoles Dossier du bénéficiaire personnalisable Categories
Plus en détailLa modélisation des déplacements : Qu est ce qu un modèle, pour qui et pourquoi?
Les Modèles multimodaux des déplacements : enjeux, outils et expériences territoriales 13 février 2014, COTITA, CEREMA, Direction Territoriale Méditerranée La modélisation des déplacements : Qu est ce
Plus en détailProgrammation parallèle et distribuée (Master 1 Info 2015-2016)
Programmation parallèle et distribuée (Master 1 Info 2015-2016) Hadoop MapReduce et HDFS Note bibliographique : ce cours est largement inspiré par le cours de Benjamin Renaut (Tokidev SAS) Introduction
Plus en détailRÉUNION DES MINISTRES DE L'ALIMENTATION, DE L'AGRICULTURE ET DE LA PÊCHE DES PAYS MEMBRES DU CIHEAM 9ÈME DECLARATION FINALE
9ÈME RÉUNION DES MINISTRES DE L'ALIMENTATION, DE L'AGRICULTURE ET DE LA PÊCHE DES PAYS MEMBRES DU CIHEAM La Valette 27 septembre 2012 DECLARATION FINALE page 1 A l invitation de S.E. George Pullicino,
Plus en détailLE MONITORING DE LA BIODIVERSITE EN SUISSE. Hervé LETHIER, EMC2I
LE MONITORING DE LA BIODIVERSITE EN SUISSE Hervé LETHIER, EMC2I INTRODUCTION OBJECTIFS L INSTRUMENT LES INDICATEURS UN PREMIER BILAN INTRODUCTION OBJECTIF De simples inventaires spécialisés et ciblés Combler
Plus en détailPRODIGUER un noeud français de distribution de données GIEC/IPCC
PRODIGUER un noeud français de distribution de données GIEC/IPCC Sébastien Denvil et Olivier Marti Pôle de Modélisation, IPSL Prodiguer - Mercredi 18 juin 2008 1 Le contexte : le compte à rebours du rapport
Plus en détailDe la captation de données à la Datavisualisation
De la captation de données à la Datavisualisation [Synopsis de l événement] Objets connectés : générateurs de données à visualiser! «En fait de calculs et de proportion, le plus sûr moyen de frapper l
Plus en détailCaisse Nationale de Mutualité Agricole
Séminaire national sur la vulgarisation, l appui-conseil et les bonnes pratiques agricoles Le rôle des Assurances Agricole dans le développement de la politique du renouveau Agricole et Rural Présentation
Plus en détailTerrOïko : JEU en collaboration avec la SEEM
TerrOïko : JEU en collaboration avec la SEEM Journée EcoInnovation et Biodiversité 21 mai 2014 - Contact: Catherine de Roincé, catherine.deroince@terroiko.fr Historique d une start-up issue de la recherche
Plus en détailJuly 1, 2013. Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15
Mastère Spécialisé Big Data Stéphan Clémençon Télécom ParisTech July 1, 2013 Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15 Agenda Contexte et Opportunité Les grandes lignes
Plus en détailDéveloppement et Evaluation PHYsiques des modèles atmosphériques
Développement et Evaluation PHYsiques des modèles atmosphériques Motivations : Augmenter la confiance dans les prévision du changement climatique. 1. nécessite d'utiliser les modèles le plus "physiques"
Plus en détailComment valoriser votre patrimoine de données?
BIG DATA POUR QUELS USAGES? Comment valoriser votre patrimoine de données? HIGH PERFORMANCE HIGH ANALYTICS PERFORMANCE ANALYTICS MOULOUD DEY SAS FRANCE 15/11/2012 L ENTREPRISE SAS EN QUELQUES CHIFFRES
Plus en détailExpertise : lancement de satellite depuis une plate-forme en mer - septembre 2011
Expertise : lancement de satellite depuis une plate-forme en mer - septembre 2011 X COMMENTAIRE http://www.mercator-ocean.fr/eng/produits-services/bulletins/japan Produits spécifiques : pour modélisation
Plus en détailFONDS D INVESTISSEMENT CLIMATIQUES
FONDS D INVESTISSEMENT CLIMATIQUES CRITÈRES DE SÉLECTION DES PROGRAMMES PILOTES NATIONAUX ET RÉGIONAUX AU TITRE DU PROGRAMME D INVESTISSEMENT FORESTIER I. CADRE GÉNÉRAL 1. On s accorde de plus en plus
Plus en détailComment ça se passe? Déroulé détaillé. INTRODUCTION / 10 minutes
De quoi s agit il Cette animation d une durée de 2 heures permet de sensibiliser les participants au domaine particulier des informations personnelles, du quantified self et de l usage marketing qui peut
Plus en détailGlobal Monitoring Emergency Services
Global Monitoring Emergency Services Christelle BOSC Olivier POCHARD 22/05/2012 Pôle Applications Satellitaires et Télécommunicaton CETE Sud-Ou LE PROGRAMME GMES Global Monitoring for Environment and Security
Plus en détailLes TIC (Open Source Software) dans l'agriculture
Les TIC (Open Source Software) dans l'agriculture Yaoundé 20-23 Juillet 2010 Flore Muguet Paris Le logiciel libre L'utilisation de Linux et du serveur HTTP Apache, tous les 2 des logiciels libres, permettent
Plus en détailIODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21
IODAA de l 1nf0rmation à la Décision par l Analyse et l Apprentissage IODAA Informations générales 2 Un monde nouveau Des données numériques partout en croissance prodigieuse Comment en extraire des connaissances
Plus en détailTerritoire3D. Descriptif de contenu. Institut Géographique National. www.ign.fr. Date du Document : Mars 2011
Territoire3D Descriptif de contenu Date du Document : Mars 2011 Institut Géographique National 73 avenue de Paris 94165 Saint-Mandé Cedex www.ign.fr Révision : Spécifications externes A 18/03/2011 Création
Plus en détailUne conférence-débat proposée par l Institut National de la Recherche Agronomique
Economies d'énergies dans les procédés agro-alimentaires : l'optimisation coût/qualité, un équilibre pas si facile à maîtriser Une conférence-débat proposée par l Institut National de la Recherche Agronomique
Plus en détailProjet CoDrive : utilisation des données de véhicules communicants, intégration avec un système de gestion de trafic (119)
Projet CoDrive : utilisation des données de véhicules communicants, intégration avec un système de gestion de trafic (119) Résumé : La diffusion large des smartphones et des suivis dédiés de flottes de
Plus en détailLes bases de données Les systèmes d informations
2 Les bases de données Les systèmes d informations Surface annuelle moyenne brûlée (en ha) 250 000 200 000 150 000 100 000 50 000 0 Part de la surface forestière brûlée (en %) 3,5 3,0 2,5 2,0 1,5 1,0 0,5
Plus en détail«Bases de données géoréférencées pour la gestion agricole et environnementale en Roumanie»
«Bases de données géoréférencées pour la gestion agricole et environnementale en Roumanie» Dr. Alexandru BADEA Directeur Applications Spatiales Agence Spatiale Roumaine Tél : +40(0)744506880 alexandru.badea@rosa.ro
Plus en détailLa surveillance appliquée à la gestion des risques géotechniques miniers
Symposium on Innovation and Technology in The Phosphate Industry - SYMPHOS May 6-10, 2013 Agadir, Marocco La surveillance appliquée à la gestion des risques géotechniques miniers Méthodes et Technologies
Plus en détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
Plus en détailLA FINANCIÈRE AGRICOLE DU QUÉBEC PLAN D ACTION DE DÉVELOPPEMENT DURABLE 2013-2015
LA FINANCIÈRE AGRICOLE DU QUÉBEC PLAN D ACTION DE DÉVELOPPEMENT DURABLE 2013-2015 Table des matières Message du président-directeur général 3 Orientation gouvernementale 1 : Informer, sensibiliser, éduquer,
Plus en détailRapport annuel de monitoring automatisé de la qualité de l eau
Rapport annuel de monitoring automatisé de la qualité de l eau 2009 La rivière Sainte Croix au barrage de Forest City Figure 1 : Rivière Sainte Croix, à la hauteur de la station de monitoring durant l
Plus en détailFormation continue. Ensae-Ensai Formation Continue (Cepe)
CertifiCat de data scientist Formation continue Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist La demande de data scientists est croissante mais peu de formations existent. Ce certificat
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailElaboration d un Plan Local d Urbanisme / d un Agenda 21
Elaboration d un Plan Local d Urbanisme / d un Agenda 21 Phase diagnostic Par : P. Mordelet, Université Toulouse 3 C. Aschan-Leygonie, Université Lyon 2 F. Boussama, Université Montpellier 1 C. Mathieu,
Plus en détailLES DONNÉES : VOTRE AVANTAGE CONCURRENTIEL
Bonjour, LES DONNÉES : VOTRE AVANTAGE CONCURRENTIEL! PHILIPPE NIEUWBOURG @NIEUWBOURG! SAS FORUM ANALYTIQUE MONTRÉAL, 27 MAI 2014 Bienvenue dans le monde des données volumineuses ou massives.! Qui a un
Plus en détailExemple de projet et réseau: modélisation et simulation des systèmes socio-environnementaux
Exemple de projet et réseau: modélisation et simulation des systèmes socio-environnementaux Jean-Pierre Müller Cadre scientifique CIRAD-ES-GREEN 1 Plan de présentation D où on part (parle) L objet de recherche
Plus en détailNote d orientation : La simulation de crise Établissements de catégorie 2. Novembre 2013. This document is also available in English.
Note d orientation : La simulation de crise Établissements de catégorie 2 This document is also available in English. La présente Note d orientation s adresse à toutes les caisses populaires de catégorie
Plus en détailSTRATEGIE DE GESTION DES RISQUES DANS LE SECTEUR AGRICOLE
Royaume du Maroc Ministère de l Agriculture et de la Pêche Maritime STRATEGIE DE GESTION DES RISQUES DANS LE SECTEUR AGRICOLE Congrès International sur l Assurance et la Réassurance des Risques Agricoles
Plus en détailjanv-10 janv-11 oct-10 juil-11 juil-10 avr-11 avr-10
13 Mars 2015 oct-07 janv-08 avr-08 juil-08 oct-08 janv-09 avr-09 juil-09 oct-09 janv-10 avr-10 juil-10 oct-10 janv-11 avr-11 juil-11 oct-11 janv-12 avr-12 juil-12 oct-12 janv-13 avr-13 juil-13 oct-13 janv-14
Plus en détailPrésentation des projets de recherche BLOWOUT et METANE. Journée technique du Cedre. Brest 14 novembre 2013
Présentation des projets de recherche BLOWOUT et METANE Journée technique du Cedre Brest 14 novembre 2013 1 Déroulement Fiches techniques Contexte Description technique Démonstration Questions 2 Fiches
Plus en détailL expertise développée par Market-IP et ses solutions télématiques vous permettront d atteindre
FOURNISSEUR DE SERVICE D OPTIMISATION GÉOGRAPHIQUE, Market-IP développe des services de cartographie, de planning, de géolocalisation et d analyse du comportement de conduite permettant une gestion optimale
Plus en détailTRAVAUX DE RECHERCHE DANS LE
TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT
Plus en détailOpen Data. Enjeux et perspectives dans les télécommunications
Open Data Enjeux et perspectives dans les télécommunications Orange Labs 28/09/2012 Patrick launay, Recherche & Développement, Orange Labs - Recherche & Développement Printemps de la Recherche EDF Open
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailAnnexe I b. Référentiel de certification
Annexe I b Référentiel de certification Page 15 sur 45 CORRESPONDANCE ENTRE ACTIVITÉS ET COMPÉTENCES ACTIVITÉS ET TÂCHES A1. S ORGANISER, S INTEGRER à une EQUIPE A1-T1 Préparer son intervention et/ou la
Plus en détailLa couverture des risques agricoles
PACIFICA - ASSURANCES DOMMAGES La couverture des risques agricoles Patrick Degiovanni Directeur Général Adjoint Page 1 Marrakech, Jeudi 28 octobre 2010 Sommaire Le contexte Les risques du métier en Agriculture
Plus en détailBIG DATA VOUS N Y ÉCHAPPEREZ PAS!
BIG DATA VOUS N Y ÉCHAPPEREZ PAS!! PHILIPPE NIEUWBOURG @NIEUWBOURG! COLLOQUE ITIS BIG DATA / OPEN DATA QUÉBEC, 29 AVRIL 2014 1 Bonjour, Bienvenue dans le monde des données volumineuses ou massives.! Qui
Plus en détailInvestir dans l action pour le climat, investir dans LIFE
Investir dans l action pour le climat, investir dans LIFE Un aperçu du nouveau sous-programme LIFE Action pour le climat 2014-2020 istock Action pour le climat Qu est-ce que le nouveau sous-programme LIFE
Plus en détailMécanicien(ne) Automaticien(ne)
3 ème degré Technique de qualification Options : Mécanicien Automaticien Electricien Automaticien Mécanicien(ne) Automaticien(ne) Présentation générale Le métier Le «Mécanicien automaticien», tel que défini
Plus en détailUniversité de Lausanne
Université de Lausanne Records management et archivage électronique : cadre normatif Page 2 Ce qui se conçoit bien s énonce clairement Nicolas Boileau Page 3 Table des matières Qu est- ce que le «records
Plus en détail