Le CRIM contribue à standardiser le partage des données de la Terre pour les rendre accessibles à tous.
Il y existe des milliers de sources de données d’observation de la Terre. L’analyse de ces données par les experts peut permettre d’anticiper voire de prévenir des catastrophes naturelles telles que les inondations, les feux de forêt. Or elles sont dispersées, désorganisées rendant les prévisions environnementales laborieuses.
Dans le cadre du Open Geospatial Consortium (OGC), le CRIM travaille depuis plusieurs années avec de prestigieuses organisations dont Ressources Naturelles Canada, Environnement Canada, NASA et l’Agence Spatiale Européenne, pour développer des applications puissantes qui seront capables :
- d’analyser de grands volumes de données hétérogènes sur la Terre grâce à l’intelligence artificielle,
- de les rendre interopérables sur les plateformes de prochaine génération,
- de les rendre accessibles en formats reconnus mondialement.
Ces travaux de normalisation et d’interopérabilité renferment des avantages certains : la circulation et le partage des données entre personnes et ordinateurs sont facilités; les développeurs ont désormais la possibilité de créer des applications et services compatibles.
Qu’est-ce que l’OGC ?
L’OGC est un consortium international de plus de 500 entreprises, agences publiques, organisations de recherche et universités. Sa mission consiste à rendre disponible l’information géospatiale et ses services suivant les principes FAIR (Findable-Accessible-Interoperable-Reusable). Les membres sont appelés à développer des projets pilotes suivant le programme d’innovation de l’OGC pour ensuite être mis à la disposition du public.
Le groupe d’experts géospatial du CRIM en est à son 7e projet d’innovation avec l’OGC : « Architecture Applications-to-the Data ». Son instigateur et interlocuteur principal, Tom Landry, a présenté les résultats du pilote le 8 septembre dernier dans le cadre du webinaire organisé par l’OGC qui réunissait des acteurs d’envergure.
Impact
Nous pouvons d’ores et déjà présenter des retombées significatives :
- Avec l’application Remote Sensing, il est possible de plus rapidement mesurer l’étendue d’une inondation ou d’un feu de foret
- Avec le Machine Learning, nous pouvons reconnaitre voire identifier des zones particulièrement sensibles (p.e. marais et milieu humides ou forêts) et fournir des points d’intérêts à surveiller
Nous sommes très fiers des réalisations propulsées par ce consortium de classe mondiale
