Use Case 3 - Hinweiskarten zur Vitalität/fr - Versionsgeschichte

Alex am 6. September 2021 um 07:18 Uhr

2021-09-06T07:18:01Z

FuzzyBot: Übernehme Bearbeitung einer neuen Version der Quellseite

2021-09-06T07:14:00Z

Übernehme Bearbeitung einer neuen Version der Quellseite

Alex am 6. September 2021 um 07:03 Uhr

2021-09-06T07:03:12Z

Iris am 28. Juli 2021 um 12:52 Uhr

2021-07-28T12:52:14Z

Iris am 28. Juli 2021 um 12:50 Uhr

2021-07-28T12:50:28Z

Iris am 28. Juli 2021 um 12:47 Uhr

2021-07-28T12:47:29Z

Iris: Die Seite wurde neu angelegt: „== Vérifications==“

2021-07-28T11:22:07Z

Die Seite wurde neu angelegt: „== Vérifications==“

Iris: Die Seite wurde neu angelegt: „L’écart absolu moyen par rapport à la médiane donne des indications sur la variabilité des valeurs NDVI au cours de la période de référence. Plus la v…“

2021-07-28T11:17:21Z

Die Seite wurde neu angelegt: „L’écart absolu moyen par rapport à la médiane donne des indications sur la variabilité des valeurs NDVI au cours de la période de référence. Plus la v…“

Iris: Die Seite wurde neu angelegt: „Dans la version finale de la carte indicatrice, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée p…“

2021-07-28T11:16:34Z

Die Seite wurde neu angelegt: „Dans la version finale de la carte indicatrice, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée p…“

Iris: Die Seite wurde neu angelegt: „Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’err…“

2021-07-28T10:00:13Z

Die Seite wurde neu angelegt: „Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’err…“

@@ Zeile 40: / Zeile 40: @@
 [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Fig. 2 : Exemple de séries temporelles de NDVI illustrant la méthode de la valeur Z. Les points bleus correspondent aux valeurs NDVI réelles à un endroit donné (à l’échelle d’un pixel). Les lignes bleues représentent des interpolations sans autre signification. La période de référence se rapporte ici à 2016-2018 et est représentée en vert. Dans cet exemple, 2019 représente l’état actuel et est représenté en rouge. Les lignes en pointillés représentent les deux médianes comparées : la médiane pour juin-juillet de toutes les années de la période de référence (vert) et la médiane pour juin-juillet de l’année actuelle (rouge).]]
-<div class="mw-translate-fuzzy">
+<br clear=all/>
 == Vérifications==

@@ Zeile 21: / Zeile 21: @@
 [[File:UC3.mp4|1000px]]
 ==Informations contextuelles sur la méthode==
@@ Zeile 35: / Zeile 40: @@
 [[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Fig. 2 : Exemple de séries temporelles de NDVI illustrant la méthode de la valeur Z. Les points bleus correspondent aux valeurs NDVI réelles à un endroit donné (à l’échelle d’un pixel). Les lignes bleues représentent des interpolations sans autre signification. La période de référence se rapporte ici à 2016-2018 et est représentée en vert. Dans cet exemple, 2019 représente l’état actuel et est représenté en rouge. Les lignes en pointillés représentent les deux médianes comparées : la médiane pour juin-juillet de toutes les années de la période de référence (vert) et la médiane pour juin-juillet de l’année actuelle (rouge).]]
-==Données==
+<div class="mw-translate-fuzzy">
 == Vérifications==

@@ Zeile 13: / Zeile 13: @@
 On ne peut pas différencier les causes du changement (attaque de scolytes, stress hydrique, coupe de bois, ...). Ainsi, une valeur négative peut aussi bien décrire une coupe de bois qu’une arrivée précoce des couleurs automnales. C’est la raison pour laquelle on parle de cartes indicatrices et les avis des experts, ainsi qu’éventuellement les visites de terrain, sont toujours nécessaires.
-Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’erreur, mais ne peut totalement les exclure. Des indications erronées peuvent surgir à cause de la couverture des différentes orbites, de nuages non masqués ou d’un nombre insuffisant d’images sans nuage. Dans la version finale de la carte, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués.
+Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’erreur, mais ne peut totalement les exclure. En relation avec la couverture par différentes orbites, des artefacts se produisent parfois et les limites des orbites sont visibles sur les cartes indicatrices. De plus, des indications erronées peuvent surgir à cause de nuages non masqués ou d’un nombre insuffisant d’images sans nuage. Dans la version finale de la carte, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués.
 Il faut aussi noter que les données Sentinel-2 ne sont disponibles que depuis 2015, ce qui représente une période relativement courte pour détecter les anomalies. La pertinence devrait augmenter chaque année.

@@ Zeile 36: / Zeile 36: @@
 ==Données==
-Les données raster sont disponibles [https://forestmonitoring.lab.karten-werk.ch/services ici] sous forme de Web Map Service (WMS) ou de Web Coverage Service (WCS). Un WMS sert avant tout à visualiser les données représentées de manière automatique, par exemple dans un visualiseur, un WCS permet d’accéder aux valeurs et de les retravailler dans un SIG. Lors de l’intégration de données raster, il faut garder à l’esprit qu’elles sont '''multipliées par 100''' afin de gagner de l’espace de stockage. Par ex. une valeur de 100 correspond donc à une valeur Z de 1.
+Les données raster sont disponibles [https://forestmonitoring.lab.karten-werk.ch/services ici] sous forme de Web Map Service (WMS) ou de Web Coverage Service (WCS). Un WMS sert avant tout à visualiser les données représentées de manière automatique, par exemple dans un visualiseur, tandis qu’un WCS permet d’accéder aux valeurs et de les retravailler dans un SIG. Lors de l’intégration de données raster, il faut garder à l’esprit qu’elles sont '''multipliées par 100''' afin de gagner de l’espace de stockage. Par ex. une valeur de 100 correspond donc à une valeur Z de 1.
 Vous trouverez [[Tutorials#Einbindung.2FDownload_der_Daten_aus_den_Use_Cases|ici]] d’autres '''astuces et informations pour intégrer et exploiter''' des données.
 == Vérifications==

@@ Zeile 27: / Zeile 27: @@
 Z<sub>i</sub> = (NDVI<sub>median,i</sub> - NDVI<sub>median,ref</sub>) / NDVI<sub>MAD,ref</sub>
-Contrairement à Meroni et al., nous avons utilisé le [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score score Z modifié], plus robuste par rapport aux observations aberrantes. Pour ce faire, la moyenne arithmétique est remplacée par la médiane et l’écart-type par [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median l’écart absolu moyen de la médiane (MAD)]. Le NDVI<sub>median,i</sub> désigne la médiane des valeurs NDVI pour chaque fenêtre de monitoring i de deux mois. Le NDVI<sub>median,ref</sub> désigne la médiane des valeurs NDVI au sein d’une fenêtre de deux mois (par ex. juin-juillet) au cours de la période de référence. Le NDVI<sub>MAD,ref</sub> est l’écart absolu moyen des valeurs NDVI par rapport à la médiane au sein d’une fenêtre de deux mois (par ex. juin-juillet) de la période de référence.
+Contrairement à Meroni et al., nous avons utilisé le [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score score Z modifié], plus robuste par rapport aux observations aberrantes. Pour ce faire, la moyenne arithmétique est remplacée par la médiane et l’écart-type par [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median l’écart absolu moyen de la médiane (MAD)]. Le NDVI<sub>median,i</sub> désigne la médiane des valeurs NDVI pour chaque fenêtre de monitoring i de deux mois. Le NDVI<sub>median,ref</sub> désigne la médiane des valeurs NDVI au sein d’une fenêtre de deux mois (par ex. juin-juillet) au cours de la période de référence. Le NDVI<sub>MAD,ref</sub> est l’écart absolu moyen des valeurs NDVI par rapport à la médiane de la période de référence au sein d’une fenêtre de deux mois (par ex. juin-juillet).
 L’écart absolu moyen par rapport à la médiane donne des indications sur la variabilité des valeurs NDVI au cours de la période de référence. Plus la variabilité est importante, plus la probabilité que les changements, notamment minimes, soient repérés est faible ; cela se voit à une valeur Z proche de zéro. Le calcul se fait à l’échelle du pixel, pour chaque pixel de 10 x 10 m ; les valeurs de pixel dans les cartes indicatrices correspondent à la valeur Z.

@@ Zeile 33: / Zeile 33: @@
 Dans la version finale de la carte indicatrice, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués avec un buffer de 20 m.
-<div lang="de" dir="ltr" class="mw-content-ltr">
+[[Datei:NDVI-Beispiel_UC3.png|750px|left|thumb|Fig. 2 : Exemple de séries temporelles de NDVI illustrant la méthode de la valeur Z. Les points bleus correspondent aux valeurs NDVI réelles à un endroit donné (à l’échelle d’un pixel). Les lignes bleues représentent des interpolations sans autre signification. La période de référence se rapporte ici à 2016-2018 et est représentée en vert. Dans cet exemple, 2019 représente l’état actuel et est représenté en rouge. Les lignes en pointillés représentent les deux médianes comparées : la médiane pour juin-juillet de toutes les années de la période de référence (vert) et la médiane pour juin-juillet de l’année actuelle (rouge).]]
 <div lang="de" dir="ltr" class="mw-content-ltr">