Formation et Enseignement

Montez en compétence pour analyser vos données agronomiques et environnementales !

Manipulation de données spatialisées en agro-environnement sous QGIS 

Manipulation de données spatialisées en agro-environnement sous R

Nous proposons deux types de formations pour vous accompagner à l’utilisation de données spatiales et temporelles en agro-environnement : 

Durée de la formation : 1 jour (1 jour et demi permet d’être plus à l’aise)

Mots-clés : QGIS, Géomatique, Automatisation, Imagerie, Agronomie, Environnement, Cartographie

Objectifs : Réaliser des géo-traitements, Récupérer et travailler avec de l’imagerie satellitaire, Automatiser des traitements géo-spatiaux sous QGIS,

Public ciblé : Chambres d’Agriculture, Instituts Techniques, Agro-fournisseurs, Universitaires (Masters, Doctorants, Chercheurs), Structures privées du domaine agricole…

Programme :Le programme est donné ici à titre indicatif, il est à même d’évoluer ou d’être adapté au public. La formation alterne des séances de présentation, d’échanges et de travaux pratiques.

      1. Traitements géo-spatiaux

  • Boîte à outils de traitement et astuces/tips (numérisation avancée, fonds cartographiques, appel de couches WFS/WMS…)
  • Utilisation d’imagerie satellitaire (récupération d’imagerie Sentinel, calculs d’indices de végétations, classification d’images…)
  • Géo-traitements (utilisation de fonctions vectorielles classiques, construction de zones homogènes, utilisation de MNT et dérivation d’indicateurs topographiques…)

       2. Automatisation

  • Exécution par lot, Modelleur graphique, Atlas géographique, Console Python de QGIS
  • Introduction rapide à l’interfaçage R/QGIS (ajout de codes R dans QGIS) et au développement de plugins Python

La journée sera également l’occasion d’échanger plus largement sur la manipulation de données spatialisées (systèmes de coordonnées et les projections, expérimentations et biais d’analyse, travail avec des couches hétérogènes en termes d’emprise spatiale, décalages temporels entre données GPS et données mesurées in-situ, gestion de projet SIG…)

Des données test seront fournies. Les participants auront du temps pour travailler avec leurs propres données.

Pré-requis :

  • Être autonome sous QGIS (chargement de couches, manipulations vectorielles et rasters…).
  • Avoir besoin de travailler avec des données spatialisées.

Compétences acquises à l’issue de la formation : Utilisation d’imagerie satellitaire, Automatisation de chaines de traitement

Durée de la formation : 2 jours (3 jours pour être à l’aise)

Mots-clés : R, Géo-traitements, Automatisation, Analyse spatiale, Modélisation spatiale, Machine Learning, RMarkdown, RShiny, 

Objectifs : Manipuler et exploiter des données spatiales dans l’environnement R

Public ciblé : Chambres d’Agriculture, Instituts Techniques, Agro-fournisseurs, Universitaires (Masters, Doctorants, Chercheurs), Structures privées du domaine agricole…

Programme : Le programme est donné ici à titre indicatif, il est à même d’évoluer ou d’être adapté au public. La formation alterne des séances de présentation, d’échanges et de travaux pratiques.

      1. Traitements géo-spatiaux

  • Affichage de données spatiales, temporelles, et spatio-temporelles, graphiques interactifs, graphiques animés (leaflet, ggplot2…)
  • Traitements géo-spatiaux sous R (chargement de données, buffers, intersections, fusions, découpage…)
  • Appel de fonctions SIG (Grass, SAGA, GDAL) directement dans R
    Intégration de codes R dans QGIS

       2. Analyse spatiale

  • Variabilité spatiale et variographie
  • Interpolation spatiale (TIN, Pondération inverse, Krigeage et dérivés…)
  • Rappels sur les modèles linéaires, Analyse d’expérimentations et Modélisation spatiale
  • Introduction au machine learning (algorithmie, validation croisée, compromis biais-variance…)

        3. Partager et déployer ses résultats

  • RMarkdown : rédaction de rapports sous R
  • RShiny : interfaçage des données sur le web

La journée sera également l’occasion d’échanger plus largement sur la manipulation de données spatialisées (couches hétérogènes en termes d’emprise spatiale, qualité et fiabilité des données spatialisées, validation d’un modèle de prédiction…)

Des données test seront fournies. Les participants auront du temps pour travailler avec leurs propres données.

Pré-requis :

  • Etre autonome sous R (chargement de données, écriture de scripts simples…)

Compétences acquises à l’issue de la formation : Manipulation de données spatiales sous R, Analyse de données spatialisées (interpolation, variographie…), Partage de codes R et de résultats