La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Présentation dun travail de recherche: conceptualisation et modélisation spatio- temporelle dun problème dérosion et de nourrissage de la plage: le problème.

Présentations similaires


Présentation au sujet: "Présentation dun travail de recherche: conceptualisation et modélisation spatio- temporelle dun problème dérosion et de nourrissage de la plage: le problème."— Transcription de la présentation:

1 Présentation dun travail de recherche: conceptualisation et modélisation spatio- temporelle dun problème dérosion et de nourrissage de la plage: le problème dAmeland

2 PLAN 1)Problématique: représentation dun phénomène spatio- temporel: intégrer les dimensions thématiques, spatiales, temporelles. (Gruber,1993, Noy and McGuiness, 2001, Kuhn 2001). Une représentation est une approximation de la réalité et dépend du phénomène à étudier. La dimension temporelle est encore peu prise en compte 2) Comment réaliser une représentation dun phénomène la plus juste possible par rapport au phénomène à étudier? Hypothèse: possible dintégrer différentes réalités sous forme de catégories en établissant une ontologie de lapplication associant les différents éléments de lapplication et les paramètres de qualité. Nécessité de prendre en considération la problématique de qualité - Erreur et qualité interne - Qualité interne et qualité externe (fitness for use) 3) Exemple: le cas dAmeland

3 Intégration Dimension thématique Quoi? Espace Ou? Temps Quand, sur quelle période? Dimensions thématiques, spatiales, temporelles

4 Les observations géographiques peuvent être définies en terme despace, de thème et de temps [PEU 94, PEU 02, VER 99]. Ces trois dimensions sont essentielles pour analyser et comprendre les changements spatiaux intervenants dans les problématiques géographiques dynamiques. Si les modèles spatiaux tiennent en général compte des dimensions spatiales et thématiques, ils négligent toutefois la dimension temporelle: « Les systèmes dinformation géographique devraient soutenir des activités humaines. Au lieu de cela, ils sont souvent conçus en tant que modèles passifs du monde, avec trop peu de souci pour les contextes de tâche dans lesquels ils seront employés » (traduction libre)[Kuhn, 01] Meilleure prise en compte de la dimension temporelle

5 Comment sont élaborées les catégories?: catégories = simplification de la réalité Différentes réalités à intégrer dans la modélisation Adapté de (Frank A. 2001, IJGIS special issue) -Réalité physique - Réalité observable (e.g. Approximation de la réalité à un Etat donné: description incomplète et imprécise. La connaissance nest jamais parfaite. Par exemple, lobservation de la réalité en utilisant des images de télédétection. - Réalité sociale : réalité sociale influence la représentation de la réalité: (e.g. parcelles légales versus parcelles physiques, les objets correspondants aux parcelles légales n'ont pas forcément une existence physique) - Connaissance subjective (e.g. Les agents cognitifs, personnes ou organisations) on une connaissance incomplète de la réalité mais utilisent leur connaissance pour prendre des décisions. - Objets avec des propriétés (routes, maisons, etc…)

6 Ontologie et Information (qui suivre ?) - Spécification explicite dune conceptualisation (Gruber, 1993) Catégories: Notion philosophique dontologie: Du grec = ontos – être : la réflexion sur ce qui est - Réponse à la question simple: what is there ? (Quine, 1950) Ontologie en Système dinformation géographique: « la totalité des concepts, catégories, relations et processus géospatiaux ». [Mark 02]. « une manière formelle de réaliser une description claire et concise des termes et des concepts que nous employons, afin que les autres puissent interpréter ce que nous faisons » [HUN 02].

7 Classe dobjets : « classificateur décrivant un ensemble dobjets qui partagent les mêmes spécifications, contraintes et sémantiques » (e.g. les classes dobjets peuvent être réelles (routes) ou être projetées pour les besoins de lapplication). Attribut : « élément constituant un classificateur qui caractérise les instances de ce classificateur ». Il existe différents types dattribut. Ladresse dune maison peut par exemple être un attribut géométrique (e.g. adresse géoréférencée sous la forme de coordonnées) ou un attribut thématique (e.g. adresse en toute lettre). Relations : « concept abstrait spécifiant un certain type de connexion entre des éléments ». Notions de : Etat, Processus Etat : « condition ou situation liée à lexistence dun objet pendant laquelle il satisfait certaines conditions, effectue certaines activités [...]; Cest un instantané de lapplication [...] ». (traduction libre Worboys 98). Processus : permet de comprendre ce qui se produit dans la nature pendant une certaine durée ; peut inclure des états uniformes de changement et des agrégats de petits évènements permettant de relier les changements. [Galton 03]

8 2. Quality? Error? Qualité? Qualité interne versus la qualité externe

9 Sources derreur affectant la qualité de prise de décision - Erreur de conceptualisation. - Erreur dans les sources de données, leur entrée, leur fusion : problèmes dexactitude (de position, thématique), dexhaustivité (couverture partielle), dactualité. Egalement, les problèmes de cohérence (échelle), daccessibilité (e.g. format, coût). Erreur dans la mise en valeur à lécran de la base de données. - Erreurs de traitement des données (calcul numérique, limitations informatique) ; erreurs dans lapplication des modèles et la création de données dérivées, (e.g. classification, interpolation). - Erreur dans lanalyse des données et aggrégation thématiques (e.g. mauvaise représentation visuelle) et la prise de décision basées sur lapplication réalisée (…).

10 IncertitudeQualité des données Erreur Exactitudede Position dattributs Exhaustivité Imprécision, discorde et ambiguïté ? Exactitude sémantique, cohérence logique Actualité, généalogie La qualité des données comme elle est décrite dans les standards, et lincertitude spatiale, comme cela a été étudié dans les recherches ont suivi deux voies complètement différentes. Les concepts devraient être complémentaires, mais ni l'un ni l'autre ne semble avoir essayé dintégrer les concepts complémentaires dans leurs approches ".(traduction libre: [fisher, 2003]) Qualité, mesure de lincertitude Similitudes entre incertitude et qualité des données [Fisher 03].

11 Qualité interne, versus qualité externe Les standards internationaux ISO considèrent la qualité comme étant « the totality of characteristics of a product that bear on its ability to satisfy stated and implied need » (Godwin, 1999; ISO 2003, 19113, 19114, 19115) La qualité dépend du but pour lequel les données sont utilisées. Pour cela, la qualité est souvent définie comme étant la qualité externe ou « fitness for use ». - Internal : qualité interne des données - External: adéquation besoin, données

12 Les principaux paramètres de qualité pour définir de manière quantitative la qualité: Exhaustivité, cohérence logique, précision.. Exhaustivité (completeness): présence ou absence dentités, leur attributs, les relations… Cohérence Logique: degré dadhérence aux règles logiques de la structure des données, des attributs de leur relation Précision: Précision de position: Précision thématique: Précision temporelle:

13 Completeness: commission Completeness: Omission Positional accuracy Logical consistency

14 Completeness Thematic accuracy Positional accuracy Logical consistency Object (tree) Attribute s...Relation ship... Internal quality, expected quality (a) entities of the application that are present in "the problem" built for the decision-making (Ci); (b) a list of elements of quality, among those identified by the standards or of the elements necessary to use (Qi). Less that 5% tree missing ………… …………… …………… ……………

15 Exemple dAmeland: Problème dérosion en collaboration avec ITC Objectifs - Localiser les endroits qui nécessitent un apport de sable et assister le décideur dans sa prise de décision - Représentation en terme dobjets, dattributs, de relation de processus, compréhensible par tous. - Prise en compte - de la dimension temporelle - des différentes réalités et contraintes - représentation de qualité de lapplication et améliorations éventuelles

16 Modéliser le processus dérosion de la plage pour prévoir lalimentation en sable (améliorer la gestion des plages) Ontologie spatio-temporelle pour la maintenance des plages en Hollande __________________________________________________________________________

17 Ameland application

18 Spatial: 1. Travailler sur des unités détudes (compartiment, qui ont des limites fixes (prependiculaires au littoral) et floues (entre la plage, la mer, les dunes). Temporel Necessité de garder la cohérence détude entre les différents états. Calculer le volume de sable par parcelle et son évolution sur une période de 10 ans (1990 à 2000); contraintes dalimentation en sable. Représentation dun Processus Mode « Trajectoire » Etat 1 (1995)Etat 2 (2000)Compartments with fixed limits (dotted lines)

19 Défférentes réalités et contraintes Application Ameland Niveau 0: Réalité physique Réalité Ameland et problématique dérosion Niveau 1: Réalité observable et connaissance des données Différentes réalités observables: - photos satellites - mesures délévation du terrain. Niveau 2 : Réalité sociale Pieux fixes installés par le gouvernement hollandais, servant de repères pour mesurer lélévation de terrain et découpent la zone de la plage en compartiments (~26 sur la zone). Niveau 3 : Connaissance experte du phénomène observé Connaissance experte « terrain » du processus dérosion et dalimentation de la zone en sable Contraintes pour nourrir la plage (apports minimaux, la période, etc..) (Reprise, « 5 tiers Ontology », Frank A. 2001, IJGIS special issue)

20 Différentes données: - photos satellites -mesures délévation du terrain à différentes périodes : le long de pieux perpendiculaires au littoral DonnéesDateRésolution par pixel RemarquesRMS -error Landsat 5 TM x 30 mCorrigés géométriquement x 30 mCorrigés géométriquement x 30 mCorrigés géométriquement1.62 Landsat 7 ETM x 30 mCorrigés géométriquement x 30 mCorrigés géométriquement x 30 mCorrigés géométriquement1.61 DEM (Jarkus)1989 à x 30 mCorrigés géométriquementunknown

21 Ontologie spatio-temporelle pour la maintenance des plages en Hollande __________________________________________________________________________ Le problème concerne la localisation des zones qui demandent dêtre Nourries en sable (par unité) Lobjet plage est défini en fonction dun certain nombre de contraintes: -Au dessus du niveau de la mer -Zone sèche -Zone non végétale -Prise en compte des limites floues

22 Quality-aware Ontology for dynamic spatial objects with indeterminate boundaries Compartment, Limits and their various fuzzy membership functions. The beach object must satisfy the constraints of elevation µe, dryness µw, and of non-vegetation µv. µ(x,y,t)= min{µe (x,y,t), µv(x,y,t), µw(x,y,t)}

23 Etat Objet plage et unités détude Statique Attribut: Volume par compartiments (Attributs thématiques et quantitatifs) Différentes données définissant différents états. Ces états sont utilisés pour approximer le model continue du processus dérosion. Caractérisation de lobjet plage: fonctions dappartenance prenant en considération lélévation, lindexe dhumidité et de végétation. Limites Fixes: CL: fixes et perpend. au littoral Limites Floues - BDune(t): t {1989…2000}, {BD.elev (t) around [0, 1m], and NDVI negative, close to 0} - BSea(t): t {1989…2000}, {BD.elev (t) around [0, 1m], and wetness index negative, close to 0} C.vol(t)= e(x,y,t) µC (x,y,t) dxdy

24 Quality-aware Ontology for dynamic spatial objects with indeterminate boundaries Processus of erosion Evènement dapport de sable Dynamique Approximation des Etats à un model continue dérosion C.Vol (t)- C.vol (t-1) < 0 and C.vol (t)< C.vol (1990) Contrainte n.1 : Processus dérosion Contrainte n.2 : Pour un compartiment ou un groupe de compartiments adjacents, le volume de sable minimum doit être supérieur à m3.

25 Nombre détats q (uv,uh,ue) ) (objets flous) Unité q (uv,uh,ue) ) (objets flous) q(vol(t)) Temporel p.s. les flèches représentent un vecteur de qualité temporel pour les cellules concernées. Solution : une série de matrices de qualité pour définir un processus en utilisant une série dEtats EtatsLimites floues ElévationInd veg, humi (…) Volume Exhaustivité spatiale Précision thématique quantitative Cohérence thematique quantitative...

26 Perspectives et conclusion: Prise en compte de lincertitude dans les limites (limites floues) et du temporel (à continuer) Intégration de différentes réalités Représentation de qualité de lapplication en terme dobjets, dattributs, de relation, pour un état et un processus. Notion de qualité temporelle (la qualité est juste définie de manière statique dans les standards) Perspectives: Développement de bibliothèques de méthodes possibles pour décrire un phénomène spatio-temporel, associant les caractéristiques de lapplication et les problèmes de qualité possibles. Corrections nécessaire: Changements hebdomadaires mensuels et saisonniers Changements annuels et pluriannuels

27 [AAL 98] Aalders H.., Morrison J., « Spatial Data Quality for GIS » Geographic Information Research: Trans-Atlantic Perspectives, Craglia M., Onsrud H. (eds), Taylor & Francis, London/Bristol, p , [AAL 99] Aalders H., « The registration of Quality in a GIS » Proceedings of the 1st International Symposium on Spatial Data Quality, Hong-Kong, p , july [AGU 98] Agumya A., Hunter G.J., « Fitness for use: Reducing the Impact of Geographic Information Uncertainty » Proceedings of the URISA 98 Conference, Charlotte, USA, p , july [BED 95] Bédard Y., Vallières D., Qualité des données à référence spatiale dans un contexte gouvernemental, Rapport technique, Université Laval, Canada, [BRO 03] Brodeur J., Bédard Y., Edwards G., Moulin B., « Revisiting the Concept of Geospatial Data Interoperability within the Scope of Human Communication Process », Transactions in GIS, vol.7, nº2, p , [CHR 83] Chrisman N.R., « The Role of Quality Information in the Long-Term Functioning of a Geographical Information System », Proceedings of Auto Carto 6, Ottawa, Canada, vol.2, p , [COM 03] Comber A., Fisher P., Wadsworth R., « A Semantic Statistical Approach for Identifying Change From Ontologically Divers Land Cover Data », Proceedings of the 6th AGILE Conference, Lyon, France, p , avril [DAS 03] Dassonville L., Vauglin F., Jakobsson A., Luzet C., « Quality Management, Data Quality and Users, Metadata for Geographical Information », In: Spatial Data Quality, Shi W., Fisher P.F., Goodchild M.F. (eds), Taylor & Francis, p , [DEB 01] De Bruin S., Bregt A., Van de Ven M., « Assessing fitness for use: the expected value of spatial data sets », International Journal of Geographical Information Science, 15(5): p , Fisher (2003). "Data quality and Uncertainty: Ships passing in the night". ISSDQ'2003 Proceedings, Hong Kong. [FRA 98] Frank A.U., « Metamodels for data quality Description », In: Data Quality in Geographic Information. From Error to Uncertainty, Jeansoulin R., Goodchild M., (eds), Paris, Editions Hermès, p , [FRA 03] Frank A.U., "A linguistically justified proposal for a spatio-temporal ontology",

28 [FRA 04] Frank A.U., Grum E., Vasseur B., « Procedure to Select the Best Dataset for a Task », Proceedings of the Third International Conference on Geographic Information Science, Egenhofer M.J., Miller H., & Freksa C. (eds.), Univ. Maryland, USA, oct [GRU 93] Gruber T.R., « A Translation Approach to Portable Ontology Specifications », Knowledge Acquisition. vol.5, nº2, p , [GRU 04] Grum E., Vasseur B., « How to select the Best Dataset for a Task? », Proceedings of the International Symposium on Spatial Data Quality, Bruck an der Leitha, Autriche, vol. 28b GeoInfo Series, p , avril [GUA 98] Guarino N., « Formal Ontology and Information Systems », in: Formal Ontology in Information Systems, Guarino N., (ed.), Amsterdam, IOS Press, p [HUN 01] Hunter G.J., « Keynote Address: Spatial Data Quality Revisited », Proceedings of the 3rd Brazilian Geo-Information Workshop (Geo 2001), Rio de Janeiro, Brésil, 4-5 octobre [HUN 02] Hunter G.J., « Understanding Semantics and Ontologies: They're Quite Simple Really - If you know what I mean! », Transactions in GIS, vol.6, nº2, p , [ISO 00] ISO, ISO Quality management systems, International Organization for Standardization (ISO), [ISO 02] ISO/TC 211, Geographic information - Quality principles, International Organization for Standardization (ISO), [ISO 03a] ISO/TC 211, Geographic information - Quality evaluation procedures, International Organization for Standardization (ISO), [ISO 03b] ISO/TC 211, Geographic information - Metadata, International Organization for Standardization (ISO), [JUR 74] Juran J.M., Gryna F.M.J., Bingham R.S., Quality Control Handbook, McGraw-Hill, New York, [KOK 01] Kokla M., Kavouras M., « Fusion of Top-level and geographical domain ontologies based on context formation and complementarity », International Journal of Geographical Information Science, vol.15, nº7, p , 2001.

29 [KUH 01] Kuhn W., « Ontologies in support of activities in geographical space », International Journal of Geographical Information Science, vol.15, nº7, p , [MAR 02] Mark D., Egenhofer M., Hirtle S., Smith B., « Ontological foundations for geographic information science », UCGIS Emerging Research Theme, [MOE 87] Moellering, H. (ed.), « A draft Proposed Standard for Digital Cartographic Data », National Committee for Digital Cartographic Standards, American Congress on Surveying and Mapping Report #8, [NOY 01] Noy N., McGuiness D., Ontology Development 101, « A guide to Creating your first Ontology », Stanford Knowledge Systems Laboratory Technical Report KSL and Stanford Medical Informatics Technical Report SMI , Stanford University, USA, [SHY 04] Shyllon E.A., Hunter G.J., « Fuzzy Optimization of Spatial Data Quality: Metadata for Dataset Searching », Proceedings of the Third International Symposium on Spatial Data Quality, Bruck an der Leitha, Autriche, vol. 28a GeoInfo Series, p , avril [SOW 98] Sowa J.F. Knowledge Representation: Logical, Philosophical and Computational Foundations, Brooks et Cole, Pacific Grove, USA, [UML 03] UML 2.0, Unified Modeling Language formalism, adopté par l'OMG [VAS 03] Vasseur B., Devillers R., Jeansoulin R., « Ontological approach of the Fitness for Use of Geospatial datasets », Proceedings of the 6th AGILE Conference, Lyon, France, p , avril [VAS 04] Vasseur B., Van de Vlag D., Stein A., Jeansoulin R., Dilo A., « Spatio-temporal Ontology for defining the quality of an application », Proceedings of the International Symposium on Spatial Data Quality, Bruck an der Leitha, Autriche, vol. 28b GeoInfo Series, p , avril [VER 99] Veregin H., « Data quality parameters », Geographical Information Systems, Longley P.A., Goodchild M.F., Maguire D.J., Rhind D.W. (eds), John Wiley & Sons, p , 1999.

30

31 Différentes applications: - Application Inondation (en partenariat avec le CEMAGREF) Estimation de la hauteur deau dans la vallée de lHérault – 1998 et problématique de fusion et de révision de données. Simulation: différentes mesures de qualité pour lapplication, affectant la représentation du phénomène et estimation de la hauteur deau Application Ameland Problème de modélisation du processus spatio-temporel dérosion en intégrant la problématique de qualité. Problème dincertitude spatiale et temporelle - Application Vienne (en partenariat avec UT Vienne) Problème de navigation en milieu urbain Différents besoins de représentation selon les groupes dutilisateurs (pompiers, touristes). Le besoin dépend du groupe dutilisateur et détermine la qualité obtenue.

32

33 Représentation de la qualité associée à un Etat Représentation de la qualité associée à un Processus ??? Cest plus complexe Nous intégrons dans un « produit cartésien »: C x Q -les entités caractéristiques de lapplication (C i ), fournies par lontologie -les éléments de qualité, fournis par les standards (Q i ) Chaque cellule de la matrice (e), décrit la qualité dun état donné et le comportement associé. Marche dans le cas simple, plus difficile avec des objets mal délimités (objets flous)

34 Thèse 1: La qualité externe, doit tenir compte: a. de la qualité interne, selon les normalisations adoptées : utilisation dune liste déléments de qualité, inspirée de la normalisation, plus éventuellement des éléments de data usability b. de lexpression des besoins de lutilisateur : utilisation dune liste dentités (objets, attributs, relations) à construire pour chaque application [voir plus loin: ontologie] Complétude spatiale Complétude temporelle Précision Cohérence... ParcelleAttrib.#1...Relation #1... Modèle de la « feuille de calcul » (spreadsheet model) : Produit cartésien Q x C + Cellules actives, inférées par les données = « Matrice de Qualité »

35 Product: Problem: Product output Problem Input ACTUAL DATASETVIRTUAL DATASET Datasets specifications GIS Application requirements (one or several) Actual quality of the dataset (internal quality) Expected quality user (expert) Fit for use? External quality Comparison = external quality features Ci Quality elements Qi (Ci,Qi) Fi Qi (Ci,Qi) Expected qualityInternal quality Fi Qi (Ci,Qi)

36 Méthode dévaluation, et damélioration de la qualité externe Données/ modèles

37 Informations Complémentaires Ameland

38 Problem Ontology 2) What are the conditions for beach nourishment? BEACH NOURISHMENT? (Roelse, 2002) When the actual coastline (ACL) is below the basal coastline (BCL) (CONSTRAINT 1) In picture distance between the actual coastline and basal coastline In evaluation report (Roelse, 2002) volume difference between year x and 1990

39 Problem Ontology 2) What are the conditions for beach nourishment? BEACH NOURISHMENT? Volume calculation: Minimal volume for beach nourishment is m 3 (CONSTRAINT 2)

40 C3C3 Problem Ontology 1) Where are the areas of beach erosion? BEACH?: Altitude (Cheng, 1999): Landscape UnitDefinition b1 (lower boundary)b2 (upper boundary) Foreshore-6 m NAP-1.1 m NAP Beach-1.1 m NAP+2 m NAP Foredune+2 m NAPFirst row of dunes EROSION?: Compartments (Roelse, 2002): Structural erosion in the compartments! (CONSTRAINT 1) Structural erosion = a downward trendline of beach volume for at least 10 years in a compartment Compartment = a region determined by its transect (center) Transect = approach to measure altitude (Z) Year 1995 * NAP = Dutch Sea-Level Standard C1C1 C2C2 transects

41 Fuzzy Classification: Semantic Import Model DEM foreshore (-6, -1.1) beach (-1.1, 2) foredune(> 2) NDVI vegetated (> 0) non-vegetated (< 0) Wetness dry (< 0) wet (> 0)

42 Results Fuzzy Classification Multicolor display: RED: f. dry GREEN: f. beach BLUE: f. non veg WHITE: Dry, non-veg, beach ~ MIN(Mv dry, Mv non-veg, MV beach ) z(t) ± 0.4 m ndvi(t) ± 0.1 wi(t) ± 20

43 Results Fuzzy Beach Compartment Intersection of fuzzy non-veg, fuzzy beach, fuzzy dry (WHITE) Superimposed on fuzzy altitude (RGB) Cvol(t) = cellarea * z(t) * MV

44 Results Q. subelement:Accuracy-PositionAccuracy-ThematicAccuracy-Temporal AbsoluteGriddedCorrectnes s Quantitativ e Validity C.id C.geoInferred by CL/BS/BD.geo Inferred CL/BS/BD.geo C.volInferred CL/BS/BD.geo CL.id CL.geo< 30 m< 1 m< year BS.id BS.geo< 30 m< 1 mMIN MV(z(t)), MV(ndvi(t)), MV(wi(t)) z(t) ± 0.4 m ndvi(t) ± ? wi(t) ± ? < year BD.id BD.geo< 30 m< 1 mMIN MV(z(t)), MV(ndvi(t)), MV(wi(t)) z(t) ± 0.4 m ndvi(t) ± ? wi(t) ± ? < year Accuracy

45 Results Ameland application Available datasets Ameland data (1995)\/ USER User defined quality Algorithms to improve data quality! QP1QP2QP3QP4 Obj 10 m Att Rel QP1QP2QP3QP4 Obj 5 m Att Rel QP1QP2QP3QP4 Obj BAD Att Rel

46 Results Z m Z m 220 ·10 3 m 3 3 ·10 3 m 3 Beach Nourishment No Beach Nourishment


Télécharger ppt "Présentation dun travail de recherche: conceptualisation et modélisation spatio- temporelle dun problème dérosion et de nourrissage de la plage: le problème."

Présentations similaires


Annonces Google