‹ retour au glossaire du SIG
Science des données géospatiales
Définition
La science des données géospatiales fusionne la pensée spatiale avec les statistiques, l'apprentissage automatique et l'informatique. Elle traite des données de localisation complexes, conçoit des caractéristiques issues de la géographie (proximité, centralité de réseau, morphologie) et construit des modèles prédictifs et explicatifs. Ce savoir-faire s'étend des carnets de notes aux pipelines de production et exige une validation rigoureuse qui respecte la dépendance spatiale.
Application
Les applications comprennent la prévision de la demande, la détection de la déforestation, la cartographie des dégâts causés par les catastrophes, la prévision du trafic et les mesures d'équité urbaine. La collaboration avec des experts du domaine garantit que les modèles se traduisent par des actions.
FAQ
Comment la validation croisée est-elle adaptée aux données spatiales ?
Utilisez la validation croisée spatiale ou par blocs pour éviter que les points d'entraînement et de test ne soient voisins, ce qui gonflerait les estimations de performance.
Quelles caractéristiques spatiales aident les modèles ?
Distance aux points d'intérêt (POI), mixité de l'usage des sols, portée du réseau, dénivelé et texture issus de l'imagerie. Les caractéristiques multi-échelles capturent le contexte à l'échelle du quartier et de la ville.
Comment expliquez-vous les résultats du modèle aux planificateurs ?
La dépendance partielle, les cartes SHAP et les scénarios contrefactuels montrent comment la modification des caractéristiques — comme de nouveaux transports en commun — pourrait affecter les résultats.
Quels sont les pièges éthiques ?
Biais d'étiquetage, lieux sensibles et boucles de rétroaction. Effectuez des contrôles d'équité, minimisez la précision pour les sites sensibles et documentez les fiches de modèle.
