‹ retour au glossaire du SIG
Données spatiales en séries temporelles
Définition
Les données spatiales en séries temporelles sont des jeux de données où chaque lieu a des valeurs dans le temps — piles d’imagerie, grilles climatiques, réseaux de capteurs ou levés répétés. Elles exigent des modèles et un stockage qui respectent à la fois la dépendance spatiale et l’autocorrélation temporelle. Le traitement comprend le masquage de qualité, l’agrégation temporelle, le retrait de tendance, la détection d’anomalies et la caractérisation d’événements. Des visualisations comme les petits multiples, les cartes animées et les cubes espace-temps aident les utilisateurs à saisir les motifs.
Application
L’agriculture suit la phénologie des cultures ; la santé publique surveille les vagues de maladies ; les transports suivent les vitesses de circulation ; et la conservation suit les perturbations et la récupération des forêts. Les entreprises s’appuient sur ces données pour la prévision de la demande et la surveillance des risques.
FAQ
Quels sont les avantages des cubes espace-temps ?
Ils indexent les données par x, y et temps, ce qui permet des requêtes rapides de trajectoires et de points chauds, et ils soutiennent des algorithmes qui considèrent le contexte temporel et pas seulement l’espace.
Comment traiter les pas de temps manquants ?
Utilisez l’interpolation avec prudence et des indicateurs d’incertitude, ou reportez la dernière valeur valide seulement là où le processus évolue lentement ; n’inventez jamais de valeurs pendant des événements rapides.
Quelles méthodes détectent les ruptures structurelles par rapport au bruit ?
Les tests CUSUM, la détection bayésienne de points de rupture et la régression robuste identifient des décalages durables distincts des fluctuations aléatoires.
Comment tirer parti de la saisonnalité plutôt que la traiter comme une nuisance ?
Modélisez explicitement les composantes saisonnières (décomposition STL) et évaluez les anomalies par rapport aux références saisonnières attendues pour des signaux plus clairs.
