Département SPU-UPSay Animateurs provisoires: Eric Chassefière (GEOPS Géosciences Paris Sud) & Henri Maître (LTCI – Télécom ParisTech) Groupe Transverse.

Présentation au sujet: "Département SPU-UPSay Animateurs provisoires: Eric Chassefière (GEOPS Géosciences Paris Sud) & Henri Maître (LTCI – Télécom ParisTech) Groupe Transverse."— Transcription de la présentation:

1 Département SPU-UPSay Animateurs provisoires: Eric Chassefière (GEOPS Géosciences Paris Sud) & Henri Maître (LTCI – Télécom ParisTech) Groupe Transverse « Traitement des données »

2 Objectifs du GT Faire émerger et/ou soutenir des projets de développement de techniques de traitement des données spatiales, identifier les synergies possibles entre laboratoires de SPU (compétences / moyens complémentaires). Travail du groupe plus particulièrement axé sur : 1- Développement d’algorithmes efficaces 2- Gestion de grandes masses de données 3- Mise en œuvre de moyens de calcul intensif (à mener en coordination avec le GT « Simulations numériques ») Aider au transfert de savoir-faire en matière de traitement de données d'équipes spécialistes vers des équipes non-spécialistes de SPU. Intégrer SPU aux travaux du lidex CDS de l’UPSay, en bénéficiant de l’expertise et des moyens du CDS, tout en contribuant à élargir son socle à l’ensemble des disciplines représentées dans SPU (interdisciplinaire).

3 Les acteurs du GT Laboratoires / structures ayant déclaré un intérêt IAS - Institut d’Astrophysique Spatiale LMD - Laboratoire de Météorologie Dynamique IPSL – Institut Pierre Simon Laplace AIM – Astrophysique Instrumentation Modélisation LATMOS - Laboratoire Atmosphères, Milieux, Observations Spatiales LSCE – Laboratoire des Sciences du Climat et de L’Environnement GEOPS – Géosciences Paris-Sud LPP - Laboratoire de Physique des Plasmas ONERA – DMPH – Département de Mesures Physiques LTCI / Télécom ParisTech - dept TSI Laboratoires / structures n’ayant pas encore participé OVSQ – Observatoire de Versailles Saint-Quentin ESE – Ecologie Systématique Evolution IRFU-SEDI – Service d’Electronique des Détecteurs et d’Informatique

4 1 – Développement d’algorithmes Simulation numérique  de données  de capteurs  de missions Assimilation de données  Méthodes séquentielles : BLUE, Kalman  Assimilation variationnelle  Identification paramétrique Amélioration des signaux  Débruitage, réhaussement, filtrage  Détection  Corrections géométriques / Recalage  Reconstruction 3D - Stéréo  Gestion des données manquantes Reconnaissance des formes  Démélange et séparation de source  Classification : supervisée / non supervisée - Apprentissage  Fusion de capteurs

5 2 - Gestion des masses de données : Observatoire Virtuel Archivage de données  coréférencées  exhaustives  multimodales  multi-échelles  calibrées Doté de ses outils de navigation  Gestion des formats  Interface conviviale pour non experts  Gestion de la propriété et de la sécurité des données Doté d’outils de traitement (cf 1)  Élaboration interactive de scénarios  Rejoués off-line o sur de grandes zones ou longues périodes o lors de l’arrivée de nouvelles données Donnant accès aux références bibliographiques

6  Réflexion à mener en concertation avec le GT « Simulations numériques » 3 - Calcul intensif Optimisation des temps de traitement  Grilles  GPU Traitements dans le Cloud Sécurité des données Visualisation des résultats

7 Type d’outil Exemples d’applications scientifiques Sujets de synergie Labo(s) expert(s) Labos potentiellement intéressés Reconnaissance de formes Indexation - Formes des galaxies - Filaments astrophysiques (soleil, galaxies..) - Nuages - Motifs géo- morphologiques terrestres et planétaires - Structures à fine échelle de la biosphère continentale - Hyperspectral Reconnaissance de formes, systèmes de classification, apprentissage Fusion de capteurs Assimilation de données LTCI AIM LATMOS GEOPS LSCE IAS Modélisation statistique Modélisation multi-échelle -Transfert radiatif -Etude des longues séries temporelles Simulation de mission Simulation de capteurs ONERALTCI Identification d’intérêts mutuels

8 Type d’outil Exemples d’applications scientifiques Sujets de synergie Labo(s) expert(s) Labos potentiellement intéressés Imagerie haute résolution  MNT - Milieux froids terrestres - Surfaces terrestre et planétaires Stéréo- reconstruction (+ altimétrie radar ou laser) Détection de signaux faibles LTCI GEOPS LSCE Analyse de séries spatiales/ temporelles - Accélérations Microscope - Cartes du ciel Planck - Mesures atmosphériques perturbées par les nuages - Phénologie Données manquantes (inpainting, compressed sensing) AIM ONERA LTCI LSCE LMD LATMOS Identification d’intérêts mutuels

9 Intégration des membres du GT Traitement dans la liste du CDS Intégration de membres du CDS dans le GT SPU Traitement Participation SPU au kick-off meeting du CDS le 30 juin (orateur sur le traitement des données hyperspectrales des surfaces planétaires) Réunion GT SPU Traitement - CDS le 19 juin (discussions autour de journées thématiques SPU, workshop SPU, montage de projets en réponse aux AAP du CDS) Participation aux travaux du Lidex CDS (Centre de Science des Données, pilotage LAL / ENSAE)

10 Actions envisagées Identifier 2 personnes (1 astrophysicien, 1 scientifique de la Terre et de l’environnement) pour piloter le GT avec H. Maître. Spécificité / caractère générique des outils développés à approfondir. Transferts de savoir-faire? Analyse du besoin dans les labos SPU, identification de nouveaux outils à développer. Question de la gestion des bases de données (Observatoires virtuels) Ouvertures vers d’autres communautés  Math/Stat pour classification et reconnaissance des formes  Calcul intensif et informatique (temps de calcul, GPU, grilles)