Semantic representation of geospatial data for analysis of changes
Représentation sémantique de données géospaciales au service de l'analyse de changements
Résumé
Change detection from Earth observation satellite images is a useful task for monitoring natural or human-induced changes, but also the impact of specific events (fires, floods, etc.). The use of machine learning to detect areas of change is producing increasingly accurate results, without however providing information on the nature or the cause of these changes. In order to meet this type of need, our thesis aims at developing solutions based on formal vocabularies and ontologies, on knowledge representation, annotation and semantic integration of metadata associated with satellite images and more generally with geo-localized data. Indeed, semantization techniques are a way to offer an intelligent interpretation of data. The case study selected to illustrate the contribution of this approach is the monitoring of changes at different time steps and different scales of restitution. The objective is to enrich the metadata from the image streams by associating them with conceptual categories that give them meaning, to couple them with pre-processing that meets the specific requirements of the study of changes and to integrate them with other available geographic information (climatic and meteorological data, demographic data, etc. as needed). The thesis aims to show the contribution of semantic metadata for change monitoring but also to evaluate the scaling of semantization techniques, including data representation in semantic stores.We propose a process that manages the complete cycle of generation and exploitation of knowledge graphs from rasters acquired from remote sensing and data from open data. The innovative features of this process are the following:i. An algorithm for the automatic identification of regions of interest (ROI) associated with similar values of an indicator computed from a satellite image, thus ensuring a precise geographical division as a reference for data integration.ii. A semantic oriented approach for the generation of knowledge graphs from different sources (raster, open linked data and social networks).We validated the approach with several case studies on fire detection that show the added value of these knowledge graphs to identify regions where a strong change has been detected.
La détection de changements à partir d’images satellitaires d’observation de la Terre est une tâche utile pour surveiller des évolutions naturelles ou liées à l’activité humaines, mais aussi l’impact d’événements ponctuels (incendies, inondations, etc.). L’utilisation d’apprentissage automatique pour détecter les zones de changements produit des résultats de plus en plus précis, sans toutefois fournir d’information sur la nature ou la cause de ces changements. Pour répondre à ce type de besoin, notre thèse vise à développer des solutions fondées sur des vocabulaires formels et des ontologies, sur la représentation des connaissances, l'annotation et l'intégration sémantique de méta-données associées aux images satellitaires et plus généralement aux données géo-localisées. En effet, les techniques de sémantisation sont un moyen d’offrir une interprétation intelligente des données. Le cas d’étude retenu pour illustrer l’apport de cette approche est le suivi des changements à différents pas de temps et différentes échelles de restitution. L'objectif est d'enrichir les méta-données issues des flux d'images en leur associant des catégories conceptuelles qui leur donnent du sens, de les coupler à des pré-traitements qui répondent aux exigences spécifiques à l’étude des changements et de les intégrer à d'autres informations géographiques disponibles (données climatiques et météorologiques, démographiques, etc. suivant les besoins). La thèse vise donc à montrer l'apport des méta-données sémantiques pour la surveillance des changements mais aussi à évaluer le passage à l'échelle des techniques de sémantisation, notamment de la représentation des données dans les entrepôts sémantiques.Nous proposons un processus qui gère le cycle complet de génération et exploitation de graphes de connaissances à partir de rasters issus de la télédétection et de données issues de l’open data. Les caractéristiques innovantes de ce processus sont les suivantes :i. Un algorithme permettant l’identification automatique de régions d’intérêts (ROI) associées à des valeurs similaires d’un indicateur calculé à partir d’une image satellite, et assurant ainsi un découpage géographique précis comme référence pour l’intégration de données.ii. Une approche orientée sémantique pour la génération de graphes de connaissances depuis différentes sources.
Domaines
Traitement des images [eess.IV]| Origine | Version validée par le jury (STAR) |
|---|