recherche d'information spatio-temporelle : application aux images satellitaires

1. Recherche d’information spatio-temporelle
Application aux images satellitaires
Soutenance pour l’obtention de l’Habilitation à Diriger des Recherches
Ecole Doctorale I2S – Spécialité Informatique
Par Jean-Christophe Desconnets

2. Contexte
Ma trajectoire
Hydrologie
201720001994
Aide à l’analyse des problématiques environnementales
Géomatique
Partage et mutualisation, Accès,
Réutilisation des réalisations
Données spatiales

3. Contexte d’étude
Les images satellitaires
• Une source d’information indispensable pour aider à l’analyse de
problématiques environnementales de manière rapide, répétée et
fiable
Panorama des satellites optiques (Demagistri L., Faure JF., 13)
• Diversité de l’offre (résolution spectrale, spatiale, temporelle)
grandissante
• A portée des utilisateurs
via les portails de diffusion
(industriels, institutionnels)
3

4. Contexte d’étude
• Pour un utilisateur, peu ou pas familier de la
télédétection, le défi est alors de :
– Découvrir, accéder, analyser l’information issue d’images multi-capteurs
• Idéalement, il aimerait poser les questions de ce type
«Quelles sont les images qui vont me permettre de suivre le
stress hydrique de la végétation en Haut-Languedoc ? »
ou
«Quelles sont les images que je peux utiliser pour
cartographier l’habitat des vecteurs du paludisme en zone
Amazonienne ? »
4

5. Verrous liés à la recherche d’images satellitaires
– Informations associées aux images ne traitent pas du contenu
- pas d’information sur la nature des objets contenus dans l’image
- impossible d’aborder la découverte d’images dans une perspective applicative
- Application et moteurs de recherche sur les images peu efficaces
– Rappel et précision fortement dépendant de la précision sémantique
– IHM et processus de découverte d’exploration « rude » et « délicat » (pas de feedback)
- Dispositifs de diffusion fortement distribués et format de
diffusion dépendant des fournisseurs d’images
- Absence de standardisation dans les nomenclatures associées à la description
- Nomenclature absconse pour les non experts du domaine
5

6. Problématique scientifique
Recherche
d’information
Ingénierie des
connaissances
Ingénierie des
modèles
Visualisation
des données
et IHM
6Approche interdisciplinaire

7. Des objectifs « pragmatiques »
• Proposer une méthodologie exploitable dans
un contexte opérationnel et réutilisable pour
d’autres données spatio-temporelles
• Contribuer à rendre la découverte dans les
catalogues d’images multi capteurs sémantiquement
et ergonomiquement plus accessibles : système de
recherche à facettes
7

8. Plan
• Existant
– Utilisateurs et image satellitaire
– Recherche d’information spatio-temporelle
– Classification et recherche à facettes
• Proposition : système de recherche à facettes
– Eléments pour la conception d’une classification à facettes
– Schéma de métadonnées pour le partage des images satellitaires
– Méthodologie de mise en œuvre au sein d’un dispositif de diffusion
• Conclusions – Perspectives
8

9. Utilisateurs cibles
• Profil des utilisateurs
– Acteurs publics, milieu associatif (Georis-creuseveau, 15)
• Acteurs de la recherche académique
• Acteurs de la gestion du territoire
• Postulat de recherche
(Questionnement Quintilien : QQOQCCP)
• recherche non experte - - > Où ? Quand ? Quoi ?
• recherche experte - - > Comment ?
QQQOCCP : Qui, Quoi, Où, Quand, Comment, Combien, Pourquoi
9

10. Images satellitaires
Besoins applicatifs
Résolution
spatiale
Conditions
d’acquisition
Résolution
temporelle
Résolution
spectrale
Image SPOT6 du 18 avril 2017 – région Montpelliéraine (Catalogue GEOSUD) 10

11. Images satellitaires
Structure et format
Structure
• Tableau de données ou matrice régulière, jeu
de matrices de valeurs numériques
• Grandeur physique : moyenne du
rayonnement électromagnétique renvoyé par
les éléments à la surface du sol (luminance,
réflectance..) codée sur 8, 16 bits
Format de distribution
• Compression des données GEOTIFF,
JPG2000
• Les valeurs numériques accompagnées
d’informations descriptives caractéristiques
image, condition d’acquisition
• métadonnées « interne »
• métadonnées « externe »
Fichier de
métadonnées
(DIMAP, MTL…)
En tête
Fichier de données
11

12. Images satellitaires
métadonnées
• Format, structure, nomenclature : un standard par producteur (DIMAP,
MTL, HMA..)
• Verrous pour l’interopérabilité des métadonnées (Haslhofer et Klas, 10)
– Incompatibilités structurelles au niveau schéma (conflit de nommage,
correspondance n-aire, étendue du domaine couvert..)
– Incompatibilités sémantiques au niveau des schémas et valeurs (ambiguïtés
terminologiques, conflit de représentation)
12

13. Images satellitaires
métadonnées
<Product_Info>
<PROCESSING_LEVEL>Level-
1C</PROCESSING_LEVEL>
<PRODUCT_TYPE>S2MSI1C
</PRODUCT_TYPE>
</Product_Info>
GROUP = PRODUCT_METADATA
DATA_TYPE = "L1TP »
END_GROUP =
PRODUCT_METADATA
Exemple d’incompatibilités sémantiques : cas du niveau de traitement
d’une image corrigée des effets de l’altitude
</Product_Info>
<Product_Settings>
<PROCESSING_LEVEL>ORTHO
</PROCESSING_LEVEL>
<re:EarthObservationMetaData>
<eop:productType>L3A
</eop:productType>
</re:EarthObservationMetaData>
Conflit de terminologie
Conflit de représentation
13
Extrait LANDSAT
Extrait SENTNEL-2
Extrait SPOT6 Extrait Rapid Eye

14. Standardisation des métadonnées pour
l’observation de la Terre
• Divers standards internationaux ont émergé
ISO 19115 et 19115 – 2 (ISO) ; O & M (OGC)
Vision producteur de données (structuration, gestion)
• Traitent les hétérogénéités au niveau du schéma de
métadonnées.
• Couvrent partiellement les besoins applicatifs
• Conflits de représentation non traités
• Non conçus pour être assemblés
14

15. Recherche d’information (RI)
Recherche d’information spatio-temporelle
Rappel : existant en terme de recherche d’information issu du monde documentaire,
traite de la représentation, du stockage et de l’accès à l’information
• Contenu structuré ou semi structuré (métadonnées)
• Sémantique portée par les éléments de métadonnées
• Représentation des dimensions spatiale et temporelle
(type de données, format, référentiel)
15

16. Processus de recherche d’information spatio-
temporelles
Processus de recherche (Belkin et al., 92)
(Desconnets et al., 07 ; Boisson et al., 06)
Inspirée du domaine des RI
(Baziz et al., 03; Voorhees, 94; Baziz et al., 07)
Formulation de la requête
- Manque de richesse (liste, auto
complétion)
- Complexité des formulaires (Où?)
Représentation document et requêtes
- Analyse lexicale
- Ambiguïté sémantique (polysémie,
homonymie)
Recherche
- Requêtes topologiques sur les géométries
- Coût des requêtes spatiales
Résultats
- Moteur « muet » ou trop « bavard »
- Faible rappel
16

17. Recherche à facettes
Notions
• Notion de facette
Générale : « définit par métaphore un aspect d’une réalité
complexe qui est envisagée sous un angle particulier :
facette d’une personnalité, d’un problème »
Monde documentaire (Desfriches-Doria, 12): « facette
peut être définie comme l’une des dimensions d’analyse
d’un sujet dans une classification multi-dimensionnelle »
17

18. Time
Space
Energy
Matter
Personnality
• Classification à colonnes (ou facettes) :
décomposition d’un corpus de connaissances
en plusieurs dimensions (Raganathan, 33)
• Modèle d’organisation d’un corpus de
connaissance PMEST : guide pour la création
d’une classification (Raganathan, 67)
Recherche à facettes
Classification ad hoc
Monde documentaire
Monde du web : Au service de l’exploration et l’accès à l’information sur le web
• Vision fonctionnelle et orientée utilisateur (Denton, 03) : « un jeu
de catégories mutuellement exclusives et conjointement
exhaustives, chacune construite en isolant une perspective sur les
items (une facette) qui se combinent pour décrire entièrement
tous les objets en question »
18

19. Recherche à facettes
Principe
19

20. Recherche à facettes
Contraintes à la mise en œuvre
– (Hearst et al., 06) Contenu structuré rattachés à une
classification multi dimensionnelle du domaine traité
– (Yee et al., 03) notion de métadonnée facettée
• Structurer la description des différentes caractéristiques d’un
produit
• Exprimer les dimensions de recherche
20

21. Recherche à facettes
Notion de métadonnée facettée
Diagramme de classe UML formalisant la notion de métadonnées facettées
Cadre structuré,
ouvert et
extensible
Éléments pour la
conception de
classification à
facettes pour les
données spatio -
temporelles
21
Elément de
métadonnées facetté
Schéma de
métadonnées
jeu de données
Valeur
Concept
Dimension du
domaine
Domaine
est défini par
1..*
1..*
fait référence à
1..*
1..*
1..*
décrit
1
0..*

22. Éléments pour la conception de classification à facettes
L’Observation : un concept clé
• Démarche: transposer la démarche de (Raganathan, 67) à notre domaine
pour avoir un patron de conception apportant une vision centrée utilisateur
« Une observation est une action dont le résultat est la valeur d’une propriété d’une entité
ou objet d’intérêt à un moment donné, obtenu grâce à une procédure». (OGC, 07)
Méta modèle O & M (OGC, 07)
«FeatureType »
OM_Observation
PropertyType
«FeatureType »
GFI_Feature
«FeatureType »
OM_Process
«type »
Any
+featureOfInterest
+result
+observedProperty
+procedure
1
0..*1
0..*
1
1 0..*
+parameter: NamedValue [0..*]
+samplingTime: TM_Object [0..1]
«FeatureType »
OM_Observation
22

23. Éléments pour la conception de classification à facettes
Cas de l’observation de la Terre
Instanciation du méta modèle O & M pour l’observation de la Terre (Gaspéri et al., 12)
«FeatureType »
OM_Observation
PropertyType
«FeatureType »
GFI_Feature
«FeatureType »
OM_Process
«type »
Any
+featureOfInterest
+result
+observedProperty
+procedure
1
0..*1
0..*
1
1 0..*
+phenomenonTime: TM_Period
+resultTime: TM_Instant
«FeatureType »
OM_Observation
+acquisitionParameters:Acquisition
+instrument: Instrument
+plateform:Plateform
+sensor:Sensor
«FeatureType »
OpticalsatelliteObs_Process
+metadataProperty:EarthObservation
Metadata
«FeatureType »
OpticalSatelliteObs_Observation
+incidenceAngle: Angle [0..1]
+cloudcover: Real [0..1]
«FeatureType »
EOP_Acquisition
+extent :EX_Extent
«FeatureType »
FootPrint::GFI_Feature
Quoi ? Où ?
Quand ?
Comment ?
X
X
23

24. Éléments pour la conception de classification à facettes
Concepts clés et cas particuliers pour l’OT
Dimension spatiale
Effort d’enrichissement
Et d’adaptation
24
featureOfInterest
X
footPrint
procedure

25. • Déclinaison concrète de la classification à facettes
– organiser les différentes dimensions de recherche sous la forme de
hiérarchie de concepts
• Disposer d’un système d’organisation de connaissances (SOC)
– appuyer les activités d’indexation des images et leur interrogation par
les utilisateurs.
Classification à facettes
Mise en œuvre
Construction d’un thésaurus
25

26. Diagramme de classes - SKOS Core
Fragment du thésaurus
SKOS GEOSUD –
dimension procedure
du concept plateforme
geo:thes_geosud
geo:platform
skos:hasTopConcept
« plateforme@fr »
skos:prefLabel
« platformShortName@en»
skos:altLabel
skos:narrower
geo:landsat7
skos:narrower
geo:sentinel2
« LANDSAT 7@fr »
skos:prefLabel
« LANDSAT7@en»
skos:altLabel
skos:hasTopConcept
geo:..
« Sentinel 2@fr »
skos:prefLabel
« SENTINEL2@en»
skos:altLabel
Mise en œuvre
Recours au standard SKOS
26
+skos:prefLabel:Literal[1]
+skos:altLabel:Literal[*]
SKOS:Concept
SKOS:ConceptScheme
+skos:hasTopConcept
+skos:topConcept
0..*
0..*
+skos:related
+skos:narrower
+skos:broader
0..*
0..*

27. Recherche à facettes
Notion de métadonnée facettée
Diagramme de classe UML formalisant la notion de métadonnées facettées
Cadre structuré,
ouvert et
extensible
27
Elément de
métadonnées facetté
Schéma de
métadonnées
jeu de données
Valeur
Concept
Dimension du
domaine
Domaine
est défini par
1..*
1..*
fait référence à
1..*
1..*
1..*
décrit
1
0..*

28. Schémas de métadonnées
Rappel
• Motivations
– Besoin d’un cadre d’interopérabilité pour le partage d’images
multi-capteurs
– Mettre à disposition des concepteurs des infrastructures un
cadre ouvert et modulaire
• Mise en œuvre : limites des standards
– Conçus indépendamment les uns des autres,
– À visée communautaire,
– Difficilement réutilisables pour d’autres besoins.
28

29. Schémas de métadonnées – le profil d’application, les
grands principes
Dublin Core
ISO 19115
Earth O & M
Profil d’application
om:nstrumentShortName
iso19115:geographicBBOX
dcterms:coverage
mélange
raffine
filtre sur la valeur
Référentiel de valeurs
• Répondre à de nouveaux besoins
applicatifs plus ciblés
• Combiner des éléments de standards de
métadonnées pour produire une nouvelle
organisation : approche mix and match
(Heery et Patel, 2000)
• Raffine les éléments
• Pose un filtre sur les valeurs de
métadonnées
- -> Modèle de médiation pour traiter
l’interopérabilité des métadonnées
Approche mix and match
29

30. Profil d’application
Bonnes pratiques de construction
Une règle : réutilise les standards de
métadonnées existants ou s’engager à
maintenir ceux créés
Défini par une méthodologie basée sur la notion profil d’application et encadré par une
méthodologie : Singapore Framework du Dublin Core
Démarche bâtie autour de 2 modèles
structurels :
• DCMI (Dublin Core Metadata Initiative)
: explicite la notion de ressource :
collection de propriété – valeur
DSP (Description Set Profile) ensemble de
description, cadre prescriptif à la
construction et à la matérialisation du profil
d’application
30

31. Réalisation
Earth Observation Application Profile (EOAP)
(Cossu et al., 10)
(Desconnets et al., 14) 31

32. Méthodologie de mise en œuvre dans un dispositif de diffusion
• Aménagement du « cycle de vie » des métadonnées de l’image dans le
dispositif de diffusion
32

33. Les différentes étapes de l’indexation guidée par les thésaurus
Mise en œuvre dans un dispositif de diffusion
Adaptation et enrichissement des métadonnées
33

34. Mise en œuvre dans un dispositif de diffusion
Exemple d’adaptation de nomenclature
Alignement de deux nomenclatures « producteur » sur une nomenclature « utilisateur »
airbus:dimap
skos:narrower
airbus:Sensor
skos:narrower
airbus:1A
« nomenclature produit
Dimap@fr »
skos:prefLabel
usgs:Landsat
« nomenclature produit
Landsat@fr »
skos:prefLabel
skos:narrower
usgs:L1T
skos:narrower
usgs:L1
« Images Brutes @fr »
skos:prefLabel
geo:geosud
« nomenclature utilisateur
GEOSUD@fr »
skos:prefLabel
skos:narrower
geo:ImageOrthoRectifiée
skos:narrower
geo:imageBrute
« Images Orthorectifiées @fr »
skos:prefLabel
34

35. Mise en œuvre dans un dispositif de diffusion
Exemple d’enrichissement des métadonnées
<gmd:geographicIdentifier>
[..]
<gco:CharacterString>BOURGOGNE</..>
[..]
http://…’CodeRegionType’
[..]
<gmd:geographicIdentifier>
[..]
<gco:CharacterString>YONNE</gco:..>
[..]
http://…’CodeDepartementType’
[..]
<gmd:geographicIdentifier>
[..]
<gco:CharacterString>TANLAY</gco:..>
[..]
http://…’CodeCommuneType’
[..]
</gmd:geographicIdentifier>
Enrichissement de la dimension « spatiale » d’une image SPOT6 à partir de la hiérarchie
administrative française – fragment du XML enrichi 35

36. Opérationnalisation
Infrastructure de données et de traitements GEOSUD
• Environ 9000 images HR, THR au
Catalogue (RapidEye, SPOT5, 6,7,
Pleiades) de 2003 à 2017 sur le
territoire métropolitain et pays du
SUD
• Plus de 500 adhérents GEOSUD :
laboratoires, services de l’état,
collectivités, associations
• Né d’un constat de sous-utilisation de l’imagerie satellitaire
• Ambition : « démocratiser » l’utilisation de l’imagerie
• Station d’acquisition et chaîne de production d’images THR
36

37. Chaîne de traitements GEOSUD pour l’indexation et la production de flux
standardisés pour la diffusion des images (BPMN)
SKOS property
handler
AdminBoundary
handler
SKOS related
handler
SKOS hierarchy
handler
indexProfiles
.xml
Index
Spatial
index
SKOS
GEOSUD
thesaurii
indexProfiles
.xml
GEOFLA utilise
RestFul
API
utilise
ElasticSearchAdaptateurs GEOSUDréférentiels GEOSUD
Infrastructure de données et de traitements GEOSUD
Composants pour l’indexation
Module Java pour supporter
l’indexation guidée par les
thésaurus
37

38. Application web de recherche à facettes sur le catalogue d’images GEOSUD
Infrastructure de données et de traitements GEOSUD
Interface Homme Machine
38
Dimension spatiale
Dimension temps
Dimension procédure (niveau de traitement)

39. Conclusion
• Répond aux attentes et aux enjeux de découverte et d’accès aux données
spatio-temporelles
besoins de l’utilisateur au centre de la réflexion
• Propose un cadre méthodologique pour permettre une réutilisation de la
démarche pour les données spatio-temporelles en environnement
39
Métacatalogue THEIA Version 0
Portail GEOCAB

40. Perspectives
Pistes pour améliorer/prolonger :
- Enrichir les métadonnées pour traiter la
dimension thématique (critère Quoi ?)
- Aborder l’accès à l’image par une entrée
« application » plutôt qu’une entrée « données »
- Observation & Measurement: modèle pour
fédérer des catalogues de données spatio-
temporelles du spatial et des sciences de
l’environnement
40

41. Perspectives
– Intégration de données hétérogènes en santé, les ontologies de
domaine comme modèle de médiation
– Conception de plateformes collaboratives de traitements en santé
environnement
41

42. Remerciements
Maud
Jean
Marc
Cécile
Didier
Stéphane
Guilhem
Mehdi
Paul
Thérèse
Bruno
Nicolas
Yuan
Stéphane
Julien
Dorian
Benoit
Mathieu
Hatim
Bertrand
Isabelle
Pierre
Pierre
Rémi
Kenji
Eric
Norma
Cristobal Mélissa 42
Laurent
Jeff
Carmen
Véronique
Sylvie
Ag
nè
s
Christophe
Vincent
Emmanuel