Analyse et visualisation des données en géosciences

Le cours porte sur l’analyse, l’intégration et la visualisation de données géoscientifiques hétérogènes, depuis les observations brutes jusqu’à la production d’un produit spatial interprétable, validé et reproductible. L’interpolation, la spatialisation et le changement d’échelle servent de fil conducteur afin d’aborder les principales étapes d’un traitement de données en géosciences.

Le cours traite notamment des structures courantes de données géoscientifiques (données ponctuelles, vectorielles, matricielles et multidimensionnelles), des systèmes de coordonnées, des grilles et des principaux formats de données (CSV, GeoPackage/Shapefile, GeoTIFF, NetCDF). Il aborde également l’analyse exploratoire et le contrôle de qualité, l’harmonisation de jeux de données provenant de sources différentes, les régressions linéaires simples et multiples, l’interpolation spatiale, la calibration et la validation, la propagation des incertitudes par simulations de Monte Carlo et rééchantillonnage, ainsi que les principes de visualisation scientifique et de reproductibilité.

Les applications reposent sur des exemples issus de différents domaines des géosciences et utilisent principalement MATLAB et QGIS.

À l’issue du cours, l’étudiant·e devra être capable de :

• identifier la structure, les dimensions, les coordonnées, les unités et les principales métadonnées d’un jeu de données géoscientifique ;
• importer, contrôler et harmoniser des données tabulaires, vectorielles, raster et multidimensionnelles ;
• combiner des observations avec des données issues de modèles, de produits spatialisés ou de la télédétection ;
• réaliser une analyse exploratoire permettant d’identifier distributions, valeurs aberrantes, lacunes et biais d’échantillonnage ;
• choisir et appliquer une méthode adaptée d’agrégation, d’interpolation ou de prédiction ;
• distinguer interpolation et extrapolation et identifier les limites spatiales, temporelles ou environnementales d’un produit ;
• évaluer un modèle ou un produit spatial à l’aide de données indépendantes et de diagnostics appropriés ;
• identifier et, lorsque cela est possible, quantifier les principales sources d’incertitude ;
• concevoir une visualisation scientifique claire, pertinente et fidèle aux limites des données ;
• documenter les différentes étapes d’un traitement afin d’en assurer la traçabilité et la reproductibilité ;
• justifier de manière critique les choix méthodologiques réalisés.

Connaissances et compétences pré-requises ou co-requises

Des connaissances élémentaires en statistiques descriptives, fonctions mathématiques, tableaux de données et manipulation de vecteurs et matrices sont souhaitées.

Une expérience préalable avancée de MATLAB ou de QGIS n’est pas requise. Une familiarité élémentaire avec l’utilisation d’un environnement informatique scientifique et avec la lecture de graphiques et de cartes facilitera toutefois l’apprentissage.

Le cours vise notamment à réduire les différences de niveau initial entre étudiant·es issus de disciplines géoscientifiques différentes.

L’enseignement combine des cours théoriques, des études de cas issues de la littérature scientifique, des démonstrations sur des données réelles et des exercices d’interprétation.

Les travaux pratiques sur ordinateur utilisent MATLAB et QGIS et permettent progressivement de manipuler différents formats de données, d’effectuer des opérations de contrôle et d’harmonisation, de construire et valider des produits spatiaux et de réaliser des visualisations scientifiques.

L’ensemble du cours est construit selon une progression allant de l’observation au produit final :

observation → contrôle des données → harmonisation → analyse → spatialisation/prédiction → validation → incertitude → visualisation et documentation.

Le projet final prend la forme d’un hackathon de huit heures, réalisé par groupes. Les étudiant·es reçoivent plusieurs jeux de données de formats et de structures différents ainsi qu’une question géoscientifique. Ils doivent construire un produit de données scientifiquement pertinent, le valider, en discuter les limites et produire une visualisation accompagnée d’une documentation du traitement réalisé.

Les diapositives et une partie de la terminologie utilisée dans le cours sont en anglais afin de familiariser les étudiant·es avec la langue de travail dominante dans la littérature et les outils scientifiques internationaux.

Références, bibliographie et lectures recommandées

Les références spécifiques aux différentes applications sont communiquées pendant le cours et via l’Université virtuelle.

Support(s) de cours

• Université virtuelle

Campus

Solbosch

Méthode(s) d'évaluation

• Travail de groupe

Travail de groupe

L’évaluation principale consiste en une épreuve pratique intégrée de huit heures de type hackathon, réalisée par groupes de deux à quatre étudiant·es.

Chaque groupe reçoit une question scientifique et plusieurs jeux de données hétérogènes. Il doit notamment contrôler et harmoniser les données, construire un produit dérivé, sélectionner une méthode d’analyse ou de spatialisation appropriée, évaluer le résultat, considérer les principales incertitudes et produire une visualisation scientifique accompagnée des fichiers et éléments permettant de retracer le traitement effectué.

Une partie de l’évaluation porte individuellement sur la compréhension des choix réalisés. Chaque étudiant·e doit être capable d’expliquer et de justifier les différentes étapes du traitement, les méthodes utilisées, les hypothèses formulées, les choix de visualisation ainsi que les principales limites du résultat obtenu. L’incapacité à expliquer une procédure utilisée ou un résultat produit est prise en compte dans l’évaluation individuelle.

Utilisation de l'intelligence artificielle générative

L’utilisation de tout outil d’intelligence artificielle générative est strictement interdite pendant l’épreuve de hackathon, notamment pour générer ou corriger du code, proposer une méthode, interpréter les résultats, produire du texte ou élaborer les visualisations.

L’objectif de l’évaluation est de vérifier que les étudiant·es sont capables de mobiliser eux-mêmes les compétences acquises durant le cours. Toutes les procédures utilisées doivent donc être comprises et pouvoir être expliquées et défendues par les membres du groupe.

Langue(s) d'évaluation

• français
• partiellement en anglais