Partenaires

Le projet met en synergie principalement des membres de 4 laboratoires dont les compétences sont très complémentaires à la fois dans le domaine des Systèmes d’information et d’Aide à la Décision, qu’en services web sémantiques et sa composition, et un organisme international l’Observatoire du Sahara et du Sahel (OSS).

• Laboratoire RIADI, Université de Manouba,
• Laboratoire MIR@CL, Université de Sfax,
• Laboratoire LIRIS CNRS, Université de Lyon,
• Laboratoire LGP, ENIT, INP Toulouse,
• Observatoire du Sahara et du Sahel (OSS).

Membres

• Bernard Archimede, Laboratoire LGP, ENIT, INP Toulouse
• Chirine Ghedira Guegan, Laboratoire LIRIS CNRS, Université de Lyon
• Faiez Gargouri, Laboratoire MIR@CL, Université de Sfax
• Hajer Baazaoui Zghal, Laboratoire RIADI, Université de Manouba
• Hela Taktak, Laboratoire MIR@CL, Université de Sfax et laboratoire LIRIS CNRS, Université de Lyon
• Khouloud Boukadi, Laboratoire MIR@CL, Université de Sfax
• Maroua Masmoudi, Laboratoire RIADI, Université de Manouba et laboratoire LGP, ENIT, INP Toulouse
• Michael Mrissa, FAMNIT, Université de Primorska, Koper, Glagoljaška Slovenia
• Mohamed Hedi Karray, Laboratoire LGP, ENIT, INP Toulouse
• Sana Ben Abdallah Ben Lamine, Laboratoire RIADI, Université de Manouba

Description

Le projet repose sur un jeu de données spatio-temporelles, mis à la disposition du projet à la fois par l’Observatoire du Sahara et du Sahel (OSS), partenaire, et par des citoyens, également « end-users » du projet.

Plus particulièrement, les données considérées dans le cadre de ce projet, proviennent d’une station de réception satellitaire GEONETCast qui a été installée à l’OSS, en juin 2013. Ces données ont la particularité de fournir des séries spatio-temporelles permettant d’étudier des phénomènes environnementaux qui les affectent dans des zones étendues (en superficie) ou difficiles d’accès et par conséquent pouvant permettre l’amélioration de la connaissance des écosystèmes. Plus précisément

GEONETCast fournit des images (format raster) toutes les 15 minutes, des données de pluviométrie journalière et décadaire sont aussi disponibles. Des cas d'alertes "pilotes" peuvent être proposées telles que la détection de feu de forêt ; les inondations et la sécheresse...

Suite aux réunions avec l'OSS nous proposons de distinguer clairement la portée à court terme (exemple les feux de foret), le moyen (exemple les inondations) et le long terme (exemple la sécheresse). Ceci permettra de bien définir le périmètre dans chaque cas. Ces données doivent ainsi être traitées, afin d’être intégrées dans un processus d’aide à la décision ou/et de prédiction.

À ces données nous proposons d’intégrer des données provenant d’objets intelligents envoyées par le grand public. Données nécessitant une analyse et caractérisation dès la collecte afin de s’assurer notamment de leur degré de confiance.

Ainsi, le but du projet est de proposer une plateforme orientée services sémantiques pour la génération d’alertes pour prévenir des catastrophes naturelles. Pour ce faire, une architecture logicielle dédiée visant à relever les défis suivants sera modélisée et implémentée :

1. Un premier axe de défi concerne la collecte et l’intégration des données multi-sources et hétérogènes, statiques et dynamiques en tenant compte de leur volume, vélocité et du degré de confiance qui leur est accordé. Cet axe nécessite une gestion dynamique desdites sources permettant de déployer des services complexes de haut niveau pour générer des alertes relatives aux catastrophes.

2. Le deuxième axe de défi porte principalement sur l’agrégation de connaissances dynamiques, certaines ou incertaines, relatives aux phénomènes observés basés sur les sources de données permettant de générer des prédictions et des recommandations.

3. Le troisième axe de défi concerne la définition d'une couche d'abstraction qui permet d'un côté de gérer les différentes sources de données avec des protocoles et caractéristiques hétérogènes, et de l'autre côté de répondre aux requêtes faites à travers une couche homogène d'interfaces de services.

4. Le quatrième axe de défi s'intéresse à la proposition de l'aspect architectural et fonctionnel de la plateforme d'exploration.

L'architectural concerne la conception et la mise en oeuvre des modules de gestion, des services, du choix de moteurs d'exécution, des modèle de déploiement etc. Quant à l'aspect fonctionnel, il s'agit de proposer des algorithmes de génération dynamique de workflows exécutables permettant d'automatiser les différents services offerts par ladite plateforme.

2. Une ontologie modulaire pour le domaine de l'environnement (Modular Environmental Monitoring Ontology):

Cette ontologie fournit un vocabulaire formel pour décrire les propriétés observées par les systèmes de détection, les phénomènes géographiques, les catastrophes naturelles et les relations entre eux . Elle est construit comme une solution prometteuse pour l'interopérabilité sémantique entre les ressources (humaines, données, logiciels) dans le domaine de la surveillance environnementale. Cette ontologie soutiendra l'intégration des données, la liaison des données et l'interopérabilité sémantique entre les données hétérogènes recueillies grâce à une variété de techniques d'observation, différents systèmes de surveillance et stockées dans divers formats (fichiers, base de données, images, etc.). Plus de détails sur l'ontologie, contactez maroua.masmoudi-At-enit.fr.

Publications

1. Masmoudi, M., Taktak, H., Ben Abdallah Ben Lamine, S., Boukadi, K., Karray, M.H., Baazaoui Zghal, H., Archimede, B., Mrissa, M., Ghedira Guegan C., 2018, PREDICAT: A semantic service-oriented platform for data interoperability and linking in earth observation and disaster prediction, IEEE International Conference on Service-Oriented Computing and Applications (SOCA) (Under publication).
2. Masmoudi, M., Ben Abdallah ben Lamine, S., Baazaoui Zghal, H., Karray M.H., Archimede, B.: An ontology-based monitoring s ystem for multi-source environmental observations. 22nd International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (2018).