Présentation dun travail de recherche: conceptualisation et modélisation spatio- temporelle dun...

Présentation d’un travail de recherche: conceptualisation et modélisation spatio-temporelle d’un problème d’érosion et de

nourrissage de la plage: le problème d’Ameland

http://geomatica.free.fr

PLAN

1) Problématique: représentation d’un 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 d’un phénomène la plus juste possible par rapport au phénomène à étudier?Hypothèse: possible d’intégrer différentes réalités sous forme de catégories en établissant une ontologie de l’application associant les différents éléments de l’application 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 d’Ameland

Intégration

Dimension thématiqueQuoi?

EspaceOu?

TempsQuand, sur quelle période?

Dimensions thématiques, spatiales, temporelles

Les observations géographiques peuvent être définies en terme d’espace, 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 d’information 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


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 n’est jamais parfaite. Par exemple, l’observation 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…)


Ontologie et Information (qui suivre ?)- Spécification explicite d’une conceptualisation (Gruber, 1993)

Catégories:

Notion philosophique d’ontologie:Du grec = ontos – “être“ : la réflexion sur ce qui “est”

- Réponse à la question simple: “what is there ?” (Quine, 1950)

Ontologie en Système d’information 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].

Classe d’objets : « classificateur décrivant un ensemble d’objets qui partagent les mêmes spécifications, contraintes et sémantiques » (e.g. les classes d’objets peuvent être réelles (routes) ou être projetées pour les besoins de l’application).

Attribut : « élément constituant un classificateur qui caractérise les instances de ce classificateur ». Il existe différents types d’attribut. L’adresse d’une 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 l’existence d’un objet pendant laquelle il satisfait certaines conditions, effectue certaines activités [...]; C’est un instantané de l’application [...] ». (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]

2. Quality?

Error? Qualité?

Qualité interne versus la qualité externe

Sources d’erreur affectant la qualité de prise de décision

- Erreur de conceptualisation.

- Erreur dans les sources de données, leur entrée, leur fusion : problèmes d’exactitude (de position, thématique), d’exhaustivité (couverture partielle), d’actualité. Egalement, les problèmes de cohérence (échelle), d’accessibilité (e.g. format, coût). Erreur dans la mise en valeur à l’écran de la base de données.

- Erreurs de traitement des données (calcul numérique, limitations informatique) ; erreurs dans l’application des modèles et la création de données dérivées, (e.g. classification, interpolation).

- Erreur dans l’analyse des données et aggrégation thématiques (e.g. mauvaise représentation visuelle) et la prise de décision basées sur l’application réalisée (…).


Incertitude Qualité des données

Erreur

Exactitude de Position

d’attributs

Exhaustivité

Imprécision, discorde et ambiguïté ?

Exactitude sémantique, cohérence logique

Actualité, généalogie

La qualité des données comme elle est décrite dans les standards, et l’incertitude 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 d’intégrer les concepts complémentaires dans leurs approches ".(traduction libre: [fisher, 2003])

Qualité, mesure de l’incertitude

Similitudes entre incertitude et qualité des données [Fisher 03].


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

Les principaux paramètres de qualité pour définir de manière quantitative la qualité:

Exhaustivité, cohérence logique, précision ..

Exhaustivité (completeness): présence ou absence d’entités, leur attributs, les relations…

Cohérence Logique: degré d’adhérence aux règles logiques de la structure des données, des attributs de leur relation

Précision: Précision de position: Précision thématique: Précision temporelle:

Completeness:commissionCompleteness:

OmissionPositional accuracyLogical consistency

Completeness

Thematic accuracy

Positional accuracy

Logical consistency

Object

(tree)

Attributes

... Relationship

...

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

… … … …

… … … … …

… … … … …

… … … … …

Exemple d’Ameland: Problème d’érosion 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 d’objets, d’attributs, de relation de processus, compréhensible par tous.

- Prise en compte - de la dimension temporelle- des différentes réalités et contraintes- représentation de qualité de l’application et améliorations éventuelles

Modéliser le processus d’érosion de la plage pour prévoir l’alimentation en sable (améliorer la gestion des plages)

Ontologie spatio-temporelle pour la maintenance des plages en Hollande__________________________________________________________________________

Ameland application

Spatial:1. Travailler sur des unités d’études (compartiment, qui ont des

limites fixes (prependiculaires au littoral) et floues (entre la plage, la mer, les dunes).

TemporelNecessité de garder la cohérence d’étude entre les différents

états.Calculer le volume de sable par parcelle et son évolution sur une

période de 10 ans (1990 à 2000); contraintes d’alimentation en sable.

Représentation d’un Processus

Mode « Trajectoire »

Etat 1 (1995) Etat 2 (2000) Compartments with fixed limits (dotted lines)

BS(t)

BD(t)

CL

Défférentes réalités et contraintes

Application Ameland

Niveau 0: Réalité physique

Réalité Ameland et problématique d’érosion

Niveau 1: Réalité observable et

connaissance des données

Différentes réalités observables: - photos satellites- mesures d’élévation du terrain.

Niveau 2 :Réalité sociale

Pieux fixes installés par le gouvernement hollandais, servant de repères pour mesurer l’élévation 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 d’érosion et d’alimentation 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)

Différentes données:

- photos satellites

-mesures d’élévation du terrain à différentes périodes :le long de pieux perpendiculaires au littoral

Données Date Résolution par pixel

Remarques RMS-error

Landsat 5 TM 23-05-1989 30 x 30 m Corrigés géométriquement 1.46

15-05-1992 30 x 30 m Corrigés géométriquement 1.63


Landsat 7 ETM+ 30-07-1999 30 x 30 m Corrigés géométriquement 1.56



DEM (Jarkus) 1989 à 2000 30 x 30 m Corrigés géométriquement unknown

Ontologie spatio-temporelle pour la maintenance des plages en Hollande__________________________________________________________________________

Mer

Plage

Dune

Limite fixe(pieux)

Limite fixe

Limite floue

Limite floue

Volume desable

Le problème concerne la localisation des zones qui demandent d’être Nourries en sable (par unité)L’objet plage est défini en fonction d’un certain nombre de contraintes: -Au dessus du niveau de la mer-Zone sèche -Zone non végétale-Prise en compte des limites floues

Quality-aware Ontology for dynamic spatial objects with indeterminate boundaries

-3-6 3 6

dry

wetness index

1

-12

-1-2 1 2 3

beach

elevations

1

-0.05-0.1 0.05 0.1

non-vegetated

ndvi index

1

-0.2

Fuzzy limit

Fuzzy extent

Crisp limits

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)}

Etat

Objet plage et unités d’étude

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 d’érosion.

Caractérisation de l’objet plage: fonctions d’appartenance prenant en considération l’élévation, l’indexe d’humidité et de végétation.

Limites Fixes: CL: fixes et perpend. au littoralLimites 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

Quality-aware Ontology for dynamic spatial objects with indeterminate boundaries

Processus of erosion

Evènement d’apport de sable

Dynamique

Approximation des Etats à un model continue d’érosion C.Vol (t)- C.vol (t-1) < 0 and C.vol (t)< C.vol (1990)

Contrainte n.1 : Processus d’érosion

Contrainte n.2 : Pour un compartiment ou un groupe de compartiments adjacents, le volume de sable minimum doit être supérieur à 200 000m3.

Nombre d’états

∂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 d’Etats

Etats Limites

floues

Elévation Ind veg, humi (…)

Volume

Exhaustivité spatiale

Précision thématique quantitative

Précision thématique quantitative

Cohérence thematique

quantitative

...

Perspectives et conclusion:

Prise en compte de l’incertitude dans les limites (limites floues) et du temporel (à continuer)

Intégration de différentes réalités

Représentation de qualité de l’application en terme d’objets, d’attributs, 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 l’application et les problèmes de qualité possibles.

Corrections nécessaire:

Changements hebdomadaires mensuels et saisonniers

Changements annuels et pluriannuels

[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. 463-475, 1998.

[AAL 99] Aalders H., « The registration of Quality in a GIS » Proceedings of the 1st International Symposium on Spatial Data Quality, Hong-Kong, p. 23-32, 18-20 july 1999.

[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. 245-254, 18-22 july 1998.

[BED 95] Bédard Y., Vallières D., Qualité des données à référence spatiale dans un contexte gouvernemental, Rapport technique, Université Laval, Canada, 1995.

[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. 243-265, 2003.

[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. 303-321, 1983.

[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. 123-131, 24-26 avril 2003.

[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. 202-215, 2003.

[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. 457-471, 2001.

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. 15-29, 1998.

[FRA 03] Frank A.U., "A linguistically justified proposal for a spatio-temporal ontology", http://www.scs.leeds.ac.uk/brandon/cosit03ontology/position_papers/Frank.doc24-2003.

http://www.scs.leeds.ac.uk/brandon/cosit03ontology/position_papers/Frank.doc24-2003.

[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, 20-23 oct. 2004.

[GRU 93] Gruber T.R., « A Translation Approach to Portable Ontology Specifications », Knowledge Acquisition. vol.5, nº2, p. 199-220, 1993.

[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. 197-206, 15-17 avril 2004.

[GUA 98] Guarino N., « Formal Ontology and Information Systems », in: Formal Ontology in Information Systems, Guarino N., (ed.), Amsterdam, IOS Press, p 3-15.

[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 2001.

[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. 83-87, 2002.

[ISO 00] ISO, ISO 9000 - Quality management systems, International Organization for Standardization (ISO), 2000.

[ISO 02] ISO/TC 211, 19113 Geographic information - Quality principles, International Organization for Standardization (ISO), 2002.

[ISO 03a] ISO/TC 211, 19114 Geographic information - Quality evaluation procedures, International Organization for Standardization (ISO), 2003.

[ISO 03b] ISO/TC 211, 19115 Geographic information - Metadata, International Organization for Standardization (ISO), 2003.[JUR 74] Juran J.M., Gryna F.M.J., Bingham R.S., Quality Control Handbook, McGraw-Hill, New York, 1974.[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. 679-687, 2001.

[KUH 01] Kuhn W., « Ontologies in support of activities in geographical space », International Journal of Geographical Information Science, vol.15, nº7, p. 613-631, 2001.

[MAR 02] Mark D., Egenhofer M., Hirtle S., Smith B., « Ontological foundations for geographic information science », UCGIS Emerging Research Theme, http://www.ucgis.org, 2002.

[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, 1987.

[NOY 01] Noy N., McGuiness D., Ontology Development 101, « A guide to Creating your first Ontology », Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-0880, Stanford University, USA, http://protege.stanford.edu/publications/ontology_development/ontology101.html, 2001.

[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. 155-168, 15-17 avril 2004.

[SOW 98] Sowa J.F. Knowledge Representation: Logical, Philosophical and Computational Foundations, Brooks et Cole, Pacific Grove, USA, 1998.

[UML 03] UML 2.0, Unified Modeling Language formalism, adopté par l'OMG http://www.omg.org/docs/ptc/03-09-15.pdf

[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. 497-504, 24-26 avril 2003.

[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. 67-81, 15-17 avril 2004.

[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. 177-189, 1999.

http://www.omg.org/docs/ptc/03-09-15.pdf

Différentes applications:

- Application Inondation (en partenariat avec le CEMAGREF)Estimation de la hauteur d’eau dans la vallée de l’Hérault – 1998 et problématique de fusion et de révision de données.

Simulation: différentes mesures de qualité pour l’application, affectant la représentation du phénomène et estimation de la hauteur d’eau

Application AmelandProblème de modélisation du processus spatio-temporel d’érosion en intégrant la problématique de qualité.Problème d’incertitude spatiale et temporelle

- Application Vienne (en partenariat avec UT Vienne)Problème de navigation en milieu urbainDifférents besoins de représentation selon les groupes d’utilisateurs (pompiers, touristes). Le besoin dépend du groupe d’utilisateur et détermine la qualité obtenue.


Représentation de la qualité associée à un Etat

Représentation de la qualité associée à un Processus

??? C’est plus complexe

Nous intégrons dans un « produit cartésien »: C x Q-les entités caractéristiques de l’application (Ci), fournies par l’ontologie-les éléments de qualité, fournis par les standards (Qi)

Chaque cellule de la matrice <Ci,Qi>(e),décrit la qualité d’un état donné et lecomportement associé.

Marche dans le cas simple, plus difficile avec des objets mal délimités (objets flous)


Thèse 1:

La qualité externe, doit tenir compte:

a. de la qualité interne, selon les normalisations adoptées :utilisation d’une liste d’éléments de qualité, inspirée de la normalisation, plus

éventuellement des éléments de ‘data usability’b. de l’expression des besoins de l’utilisateur :utilisation d’une liste d’entités (objets, attributs, relations) à construire pour

chaque application [voir plus loin: ontologie]

Complétude spatiale

Complétude temporelle

Précision

Cohérence

...

Parcelle Attrib.#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 »

Product: Problem:

Product output Problem Input

‘ACTUAL DATASET’ ‘VIRTUAL 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 = externalquality

featuresCi

Quality elementsQi

(Ci,Qi)

Fi

Qi

(Ci,Qi)

Expected qualityInternal quality

Fi

Qi

(Ci,Qi)

1. Conceptualisation etformalisation

3. Etablissement des correspondances

Correspondance partielle outotale

Méthode d’évaluation, et d’amélioration de la qualité externe

Données/ modèles


Informations Complémentaires Ameland

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

Problem Ontology

2) What are the conditions for beach nourishment?

BEACH NOURISHMENT?

Volume calculation:

Minimal volume for beach nourishment is 200•103 m3

(CONSTRAINT 2)

C3

Problem Ontology

1) Where are the areas of beach erosion?

BEACH?: Altitude (Cheng, 1999):

Landscape Unit Definition

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 NAP First 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

C1

C2

transects

Fuzzy Classification: Semantic Import Model

DEMforeshore (-6, -1.1)beach (-1.1, 2)foredune (> 2)

NDVIvegetated (> 0)non-vegetated (< 0)

Wetnessdry (< 0)wet (> 0)

Results

Fuzzy Classification

Multicolor display:

RED: f. dry

GREEN: f. beach

BLUE: f. non veg

WHITE: Dry, non-veg, beach

~ MIN(Mvdry,Mvnon-veg,

MVbeach)

z(t) ± 0.4 m

ndvi(t) ± 0.1

wi(t) ± 20

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

Results

Q. subelement: Accuracy-Position Accuracy-Thematic Accuracy-Temporal

Absolute Gridded Correctness

Quantitative

Validity

C.id

C.geo Inferred by CL/BS/BD.geo

Inferred CL/BS/BD.geo

C.vol Inferred CL/BS/BD.geo

CL.id

CL.geo < 30 m < 1 m < year

BS.id

BS.geo < 30 m < 1 m MIN 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 m MIN MV(z(t)),

MV(ndvi(t)), MV(wi(t))

z(t) ± 0.4 m

ndvi(t) ± ?

wi(t) ± ?

< year

Accuracy

Results

Ameland applicationAvailable datasets

Ameland data (1995)\/

USER

User defined quality

Algorithms to improve data quality!

QP1 QP2 QP3 QP4

Obj 10 m

Att

Rel

QP1 QP2 QP3 QP4

Obj 5 m

Att

Rel

QP1 QP2 QP3 QP4

Obj BAD

Att

Rel

Results

Z + 0.28 mZ - 0.28 m

220 ·103 m3 3 ·103 m3

Beach Nourishment No Beach Nourishment

Présentation dun travail de recherche: conceptualisation et modélisation spatio- temporelle dun...

Documents

Transcript of Présentation dun travail de recherche: conceptualisation et modélisation spatio- temporelle dun...