*Pour assister à la vitrine technologique, cliquez ici

Cette étude vise premièrement à identifier les stratégies d’utilisation des méthodes de réduction d’échelle (downscaling) appliquées aux données géospatiales multi sources et multi échelles de résolutions spatio-temporelles différentes pour estimer à une fine échelle (30 mètres) des déterminants climatiques et microclimatiques (DCMC) associées aux maladies vectorielles de Lyme et du Virus du Nil Occidental (transmises respectivement par les tiques et les moustiques), en recrudescence au Canada à cause des changements climatiques et environnementaux. L’estimation des DCMC à une fine échelle résulte de besoins d’informations spatiales et temporelles à fine échelle en vue de caractériser des biotopes des vecteurs de ces maladies à des fins de cartographie prédictive des zones à risques des maladies transmises par les tiques et les moustiques.

La réduction d’échelle à partir des données de télédétection et de cartographie pour estimer les DCMC sur toute l’étendue du Canada va engendrer l’utilisation de gros volumes de données (Big Data). De fait, cette recherche vise secondairement à définir une piste (mise en place d’un algorithme) pour automatiser le processus de réduction d’échelle pour estimer les DCMC.

La démarche à adopter est un cas d’étude sur la température de surface en considérant des variables auxiliaires de haute résolution spatiale telles les indices spectraux (indice normalisé de végétation, l’humidité du sol) pour une désagrégation d’échelle à une résolution spatiale effective de prise de décision de 30 mètres. La précision attendue des résultats induit des problèmes d’unicité au niveau des méthodes de réduction d’échelle universellement partagées. Ainsi, il est d’autant plus important de pouvoir valider les méthodes de réduction d’échelle afin de mieux apprécier leur robustesse ainsi que la précision et la qualité des résultats qui y sont associés.

Les résultats attendus sont l’obtention d’un cadre méthodologique générique de réduction d’échelle adapté au contexte du territoire canadien et la proposition d’un algorithme d’automatisation de ce cadre méthodologique.

Site web : https://www.ulaval.ca