Programme et personnes formatrices

• Connaître les diverses sources des données d’observation de la Terre, leurs applications thématiques, ainsi que les méthodes d’extraction de l’information utile pour ces applications.
• Connaître les principales plateformes d’infonuagiques fournissant les données d’OT. Explorer la plateforme Google Earth Engine (GEE) ainsi que les principes de collecte et de traitement des données offertes dans GEE.
• Réaliser des traitements de mégadonnées d’OT sur la plateforme GEE à l’aide du langage Javascript et sur Google Colab en utilisant des librairies Python.
• Réaliser, en mode infonuagique sur GEE, avec Javascript et Python, des travaux pratiques sous forme de mini-projets sur des applications typiques de l’OT.
• Découvrir les outils d’IA permettant de faciliter le développement d’applications sur GEE, notamment sur la nouvelle plateforme Earth AI. 

Présentation des plateformes d’infonuagiques de données géospatiales; exploration des fonctionnalités et du contenu de GEE; conception d’une méthodologie pour répondre à une problématique d’OT, incluant l’identification des données et les méthodes nécessaires; recherche des images satellites, des cartes et des données météorologiques dans GEE pour un site d’intérêt et une période d’étude; recherche de fonctions et de librairies de traitement de données d’OT; implémentation, avec Javascript et Python, d’une chaine de traitement dans GEE; analyse, validation et exportation des résultats; utiliser les outils d’IA pour faciliter le développement d’applications d’OT en mode infonuagique.

Présentation du plan de cours.

Rappels sur la télédétection satellitaires et introduction à l’infonuagique.

• Imagerie satellitaire : caractéristiques, analyse visuelle, applications, missions, sources.
• Applications des mégadonnées d’OT (multi-sources, multi-temporelles) aux milieux naturels et anthropiques : atmosphère, hydrosphère, biosphère et milieux urbains.
• Introduction aux plateformes d’infonuagiques géospatiales. Formats STAC (catalogue). Architecture client-serveur. Avantages et limites.
• Exercices d’introduction à GEE.

Méthodes et outils d’analyse des images satellites.

• Méthodes et approches. Logiciels commerciaux et ouverts. Utilisation de scripts : langages, librairies et environnements de développement. Notion de notebooks.
• Implémentation de traitements en infonuagique : environnement natif GEE; utilisation des notebooks python. Librairies de traitement et de visualisation.

Exercices 

• Présentation des blocs de GEE et organisation de l’API : exploration des datasets (image, image collection, features, features collection), réalisation de calcul/traitements, affichage de résultats (ex. : Geemap).
• Principe de Filter-Map-Reduce; opérations de base.
• Focus sur les catalogues et la visualisation.

Application pratique 1 (TP1) : classification de l’occupation du sol à l’aide d’images Sentinel-2 et analyse de son évolution temporelle.

• Définition de site d’étude, données cartographiques et imagerie satellite.
• Organisation d’une chaine de traitement pour un projet.
• Construction de stack d’images multi-temporels (bandes et variables dérivées).
• Application d’approches de classification et comparaison.
• Focus sur le traitements et l’exportation.

Application pratique 2 (TP2) : classification des cultures agricoles à l’aide des séries temporelles combinées Sentinel-2 et Sentinel-1 dans GEE.

• Définition du site d’étude, données cartographiques et imagerie satellite.
• Construction de stack d’images multi-temporels (bandes et variables dérivées).
• Classification des types ce cultures et visualisation des courbes de croissance.
• Répétition de l’exercice avec HSL (Harmonized Sentine-2 - Landsat)

Applications pratiques de l’infonuagique en OT : milieux, problématiques, données, méthodes, implémentation, utilisation de l’IA, approches futures, etc. 

• Focus sur les thématiques : forêts et déforestation; suivi des cultures; pollution des milieux aquatiques; gestion des milieux urbains; îlots de chaleur; etc.
• Focus sur les technologies : tendance de combinaison « mégadonnées – IA ».
• Implémentation professionnelle d’analyse infonuagique de larges mégadonnées d’OT.