Conference PaperPDF Available

Analyse en ligne des données de biodiversité en milieu agricole

Authors:

Abstract and Figures

RESUME. La conservation de la biodiversité et sa relation avec les pratiques agricoles représentent actuellement un défi majeur, car elles touchent à des enjeux environnementaux, sociaux et économiques. Les systèmes VGI ne fournissent pas d'outils graphiques d'analyses complexes. Dans cet article nous présentons donc l'implémentation d'un entrepôt de données spatiales concernant la biodiversité en milieu agricole. ABSTRACT. The conservation of biodiversity and its relation to agricultural practices currently represent a major challenge, since they affect environmental, social and economic issues. VGI systems do not offer effective analysis tools. Therefore, in this paper we present the implementation of a spatial data warehouse concerning biodiversity data in the agriculture context. 2 Entreposage et analyse en ligne des données de biodiversité MOTS-CLES : Entrepôt de données spatial, OLAP Spatial, Biodiversité
Content may be subject to copyright.
SAGEO'2019
Analyse en ligne des données de biodiversité
en milieu agricole
Elodie Edoh-Alove
1
, Aurélien Besnard
2
, Catherine Brenon
6
,
Sandro Bimonte
3
, Benoit Fontaine
4
, Ali Hassan
5
, Yassine Hifdi
3
,
Roseline Preud’homme
4
, Iandry Rakotoniaina
4
, Amir Sakka
3
1. GEOSYSTEMS France,
6 rue Jean Pierre Timbaud, 78180 Montigny-Le-Bretonneux, France
edoh-alove@geosystems.fr
2. LPO Aquitaine, 433 Chemin de Leysotte, 33140 Villenave-d'Ornon, France
aurelien.besnard@lpo.fr
3. Université Clermont, TSCF, Irstea, 9 Av. Blaise Pascal, 63178, Aubière, France
{sandro.bimonte, amir.sakka}@irstea.fr
4. UMS Patrinat (AFB CNRS MNHN), UMR 7204, Muséum national d'Histoire
naturelle, 43 rue Buffon, 75005 Paris, France
{benoit.fontaine, rose-line.preudhomme, iandry.rakotoniaina}@mnhn.fr
5. Équipe R&D, Umanis,
7-9 rue Paul Vaillant Couturier, 92300, Levallois-Perret, France
ahassan@umanis.com
6. Chambre de l’Agriculture de l’Allier,
60 Cours Jean Jaurès, 03000 Moulins, France
cbrenon@allier.chambagri.fr
R
ESUME
. La conservation de la biodiversité et sa relation avec les pratiques agricoles
représentent actuellement un défi majeur, car elles touchent à des enjeux environnementaux,
sociaux et économiques. Les systèmes VGI ne fournissent pas d’outils graphiques d’analyses
complexes. Dans cet article nous présentons donc l’implémentation d’un entrepôt de données
spatiales concernant la biodiversité en milieu agricole.
A
BSTRACT
. The conservation of biodiversity and its relation to agricultural practices currently
represent a major challenge, since they affect environmental, social and economic issues.
VGI systems do not offer effective analysis tools. Therefore, in this paper we present the
implementation of a spatial data warehouse concerning biodiversity data in the agriculture
context.
2 Entreposage et analyse en ligne des données de biodiversité
M
OTS
-
CLES
:
Entrepôt de données spatial, OLAP Spatial, Biodiversité
K
EYWORDS
:
Spatial Data Warehouse, Spatial OLAP, Biodiversity
1. Introduction
La conservation de la biodiversité et sa relation avec les pratiques agricoles
représentent actuellement un défi majeur, car elles touchent des enjeux
environnementaux, sociaux et économiques (Bommarco et al., 2013). Les données
d’observation faunistiques et floristiques à grande échelle spatiale ou temporelle
englobant un large éventail de situations permettent des analyses statistiquement
pertinentes. Cela implique que des centaines ou des milliers d’observateurs soient
mobilisés, à un coût qui serait prohibitif s’ils devaient être payés (Regnier et al.,
2015). Le travail présenté dans cet article s’inscrit dans le cadre du projet ANR
VGI4Bio. VGI4Bio a pour but de définir un ensemble d’outils statistiques et de
modèles de comportement d’observateurs pour extraire et visualiser des données
précises et pertinentes à partir de la masse de données opportunistes (données
Volunteer Geographic Information VGI (Sui et al., 2013)) afin de produire des
indicateurs significatifs de la biodiversité dans le contexte agricole.
De plus, comme les systèmes VGI ne fournissent pas d’outils d’analyses
complexes, dans VGI4Bio nous utiliserons l’OLAP spatial (SOLAP) pour analyser
ces bio-indicateurs agricoles (Sautot, et al., 2015). L’intégration des données
spatiales dans les entrepôts de données (ED) et les systèmes OLAP conduisent au
concept de Spatial OLAP (SOLAP) (Andrienko, 1999). Un système SOLAP a été
défini comme « Une plate-forme visuelle spécialement conçue pour supporter
l’analyse et l’exploration spatio-temporelles rapides et faciles des données
multidimensionnelles à l’aide d’affichages cartographiques aussi bien qu’à l’aide
de tableaux et diagrammes statistiques » (Andrienko, 1999).
Dans ce travail, nous présentons un nouveau système SOLAP développé dans le
cadre du projet VGI4Bio. Cet outil implémente de nouvelles techniques de géo-
visualisation conçues explicitement pour prendre en compte la particularité des
requêtes SOLAP : multi-échelles spatiales (hiérarchies spatiales) et plusieurs
indicateurs numériques. Nous montrons comment notre outil SOLAP permet
d’explorer et d’analyser les données de biodiversité en contexte agricole de façon
simple et intuitive à travers deux cas d’études issus du projet VGI4Bio: cas des
données de l’Observatoire Agricole de la Biodiversité (OAB) et cas des données
Faune-Aquitaine de la Ligue de Protection des Oiseaux (LPO).
1.
OAB et Faune-Aquitaine
Les sciences participatives ont déjà montré avec succès leur intérêt dans
différents domaines d’applications.
Pour étudier les impacts de l’agriculture sur la biodiversité, avec des jeux de
données à grande échelle spatio-temporelle, le ministère de l’agriculture a mis en
Entreposage et analyse en ligne des données de biodiversité 3
place l’OAB. L’OAB se base sur la contribution volontaire et « gratuite » des
agriculteurs sur toute la France. L’OAB a démarré en 2009 pour répondre à un
manque avéré d’indicateurs de suivi de l’état de la biodiversité en milieu agricole.
Quatre protocoles sont actuellement proposés concernant des taxons choisis pour
leur lien avec l’agriculture : "Nichoirs pour abeilles solitaires", "Transects
papillons", "Placettes vers de terre" et "Plaques invertébrés terrestres". L’OAB vise à
documenter l’impact des pratiques agricoles sur la biodiversité. Il se base sur les
contributions volontaires d’agriculteurs. Plus de 400 agriculteurs participent à
l’observatoire depuis 2011 et ont récolté plus de 500.000 observations.
Depui 2007, la LPO a mis en place une interface web pour la collecte de données
concernant la faune (oiseaux, papillons, libellules, mammifères, etc.). Plus de 5
millions d’observations collectés par plus de 9000 observateurs sont stockées dans
une base de données Faune-Aquitaine. Ces données sont précieuses pour décrire et
comprendre la biodiversité et permettre ainsi une meilleure prise en compte dans les
activités humaines. Ces données sont aussi associées aux données d’usage du sol.
2.
Architecture de notre solution SOLAP
L’architecture du système SOLAP se compose de trois niveaux : le niveau EDS,
serveur OLAP et client SOLAP (Figure 1). Il est possible de mettre en oeuvre notre
solution avec les différents outils OLAP standards du marché pour chaque niveau.
Dans cet article, les données alphanumériques et spatiales de l’EDS sont stockées à
l’aide du SGBD spatial "PostgreSQL/PostGIS". Le serveur OLAP utilisé est
"Mondrian". Le client SOLAP se compose du client OLAP "Saiku" pour les
affichages et les requêtes OLAP, et d’un client SIG développé avec les technologies
de web mapping proposées par GEOSYSTEMS France (Feature Analyzer). Basé sur
nos travaux précédents (Bimonte, 2014; Bimonte et Hassan, 2016), le client OLAP
et le client SIG sont connectés via un mécanisme de traduction des résultats de
requêtes OLAP en XMLA vers des fichiers GeoJSON lisibles par Feature Analyzer.
Figure 1. Architecture du système SOLAP.
4 Entreposage et analyse en ligne des données de biodiversité
3.
Exemples d’analyse
Nous illustrons nos propositions de géo-visualisation à travers deux exemples de
requête basés sur les données du protocole pollinisateur de l’OAB.
Classiquement une requête OLAP permet de visualiser dans une table pivot des
mesures de données de même dimension mais à des niveaux de granularité différents
(Ex: jour->mois, département->région etc.). Ce type de visualisation est impossible
dans le SIG car les niveaux spatiaux sont géométriquement emboîtés.
Par exemple, concernant une requête : Abondance d’abeilles dans les
départements et régions, la géo-visualisation proposée (cf. Figure 2) est une carte
choroplèthe pour les deux niveaux. Le niveau spatial le plus fin (départements) est
représenté par des polygones pleins et le niveau le plus élevé (régions) est représenté
par une zone tampon
Figure 2. Géo-visualisation pour 2 niveaux
spatiaux.
Figure 3. Géo-visualisation pour n mesures.
Contrairement aux SIG et outils SOLAP existants, en ce qui concerne les
mesures, nous avons mis en place une politique de distribution de barres sur les
cartes, qui tient compte du nombre de mesures, pour regrouper tous les indicateurs
Entreposage et analyse en ligne des données de biodiversité 5
de la même mesure. Un exemple est présenté dans la Figure 3 concernant la
requête : Abondance d’abeilles et nombre de parcelles visitées en fonction du type
de traitement.
Enfin, contrairement aux SIG et outils SOLAP existants, nous proposons aussi
une geovisualisation qui correspond à l’ordre des colonne de table pivot, car cette
ordre défini des requêtes differentes, meme si en utilisant les mêmes données.
Considérons la table pivot de Figure 4a. Elle permet l’analyse de la distribution
temporelle de la somme de l’abondance pour chaque type de conduite. Par contre,
En inversant la dimension temporelle et la dimension conduite, le décideur pourrait
visualiser l’impact de chaque conduite sur l'abondance par année. Nous avons donc
choisi de représenter ce groupement défini par la dimension plus à droite de la table
pivot, aussi sur la carte en créant des groupes de barres. Dans cette exemple, la
geovisualisation proposée est montrée en Figure 4b, où deux groupes, associés à
“biologique” et “conventionelle”, contiennent 3 barres associées aux années 2015,
2016 et 2017.
(a)
(b)
Figure 4. Géo-visualisation pour n dimensions.
6 Entreposage et analyse en ligne des données de biodiversité
Nous pouvons aussi remarquer que des widgets pour la sélection des membres de
dimensions utilisées dans la requête OLAP sont automatiquement affichés aussi
dans la carte. Le couplage des cartes interactives et ces outils de sélection permet de
supporter pleinement le paradigme par excellence d’analyse visuelle “overview,
zoom filter and details on demand” (Andrienko et al., 1999).
4.
Conclusion et travaux futurs
Motivé par l’importance des outils de géo-visualisation dans l’analyse SOLAP,
nous avons présenté dans cette contribution une implémentation d’un entrepôt de
données spatiales de biodiversité. Nos travaux en cours sont la finalisation des
applications SOLAP pour les autres protocoles de l’OAB et l’implémentation
d’autres fonctionnalités de géo-visualisation dans l’outil SOLAP.
Remerciements. Ce travail est soutenu par le projet ANR VGI4Bio (ANR-17-
CE04-0012), l’association Symbiose Allier et le projet ANR programme
‘‘Investissements d’Avenir’’ (16-IDEX-0001 CAP 20-25).
Bibliographie
Andrienko G., Andrienko N. (1999). Interactive maps for visual data exploration.
International Journal of Geographical Information Science, vol. 13, n° 4, p. 355-374.
Bimonte S. (2014). A generic geovisualization model for spatial OLAP and its
implementation in a standards-based architecture. Ingénierie des Systèmes d'Information,
vol. 19, n° 5, p. 97-118.
Bimonte S., Hassan A. (2016). OLAP2Map: Un outil OLAP Spatial. Atelier Démo SAGEO
2016.
Bommarco R., Kleijn D., Potts SG. (2013). Ecological intensification: harnessing ecosystem
services for food security. Trends in ecology and evolution. vol. 28, p. 230-238.
Regnier, C., Achaz, G., Lambert, A., Cowie, R.H., Bouchet, P., Fontaine, B. (2015). Mass
extinction in poorly known taxa. Natl. Acad. Sci. U. S. A., vol. 112, p. 7761-7766.
Sautot L., Faivre B., Journaux L., Molin P. (2015). The hierarchical agglomerative clustering
with Gower index: A methodology for automatic design of OLAP cube in ecological data
processing context. Ecological Informatics, vol. 26 n° 2, p. 217-230.
Sui, D.Z., Elwood, S., Goodchild, M. (2013). Crowdsourcing Geographic Knowledge:
Volunteered Geographic Information (VGI) in Theory and Practice. Springer.
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
Since the 1980s, many have suggested we are in the midst of a massive extinction crisis, yet only 799 (0.04%) of the 1.9 million known recent species are recorded as extinct, questioning the reality of the crisis. This low figure is due to the fact that the status of very few invertebrates, which represent the bulk of biodiversity, have been evaluated. Here we show, based on extrapolation from a random sample of land snail species via two independent approaches, that we may already have lost 7% (130,000 extinctions) of the species on Earth. However, this loss is masked by the emphasis on terrestrial vertebrates, the target of most conservation actions. Projections of species extinction rates are controversial because invertebrates are essentially excluded from these scenarios. Invertebrates can and must be assessed if we are to obtain a more realistic picture of the sixth extinction crisis.
Book
The phenomenon of volunteered geographic information is part of a profound transformation in how geographic data, information, and knowledge are produced and circulated. By situating volunteered geographic information (VGI) in the context of big-data deluge and the data-intensive inquiry, the 20 chapters in this book explore both the theories and applications of crowdsourcing for geographic knowledge production with three sections focusing on 1). VGI, Public Participation, and Citizen Science; 2). Geographic Knowledge Production and Place Inference; and 3). Emerging Applications and New Challenges. This book argues that future progress in VGI research depends in large part on building strong linkages with diverse geographic scholarship. Contributors of this volume situate VGI research in geography’s core concerns with space and place, and offer several ways of addressing persistent challenges of quality assurance in VGI. This book positions VGI as part of a shift toward hybrid epistemologies, and potentially a fourth paradigm of data-intensive inquiry across the sciences. It also considers the implications of VGI and the exaflood for further time-space compression and new forms, degrees of digital inequality, the renewed importance of geography, and the role of crowdsourcing for geographic knowledge production.
Article
Spatial Data Warehouse (SDW) and Spatial On-Line Analytical Processing (SOLAP) systems are technologies intended to support geographic business intelligence. SOLAP clients provide a cartographic representation of facts on maps, and perform SOLAP operations through simple user interactions with the maps. Services are unassociated, loosely coupled units of functionality that are self-contained. A Service Oriented Architecture (SOA) is an architectural design pattern where each tier is defined by means of a set of web services. (Un)luckly, there is currently no standard approach to implement SOA solution for visualizing the results of SOLAP queries. Existing SOLAP clients are not flexible and provide closed ad-hoc implementation policies for the visualization of SOLAP queries, which is an important obstacle to interoperability. In this paper we propose a data model for the cartographic visualization of SOLAP queries. Based on this model, we present a new SOA architecture for SOLAP systems where the SOLAP client is totally based on standard data representations (e.g. XMLA, SLD, etc.), and cartographic visualization web services (XMLA, WMS, etc.).
Article
Rising demands for agricultural products will increase pressure to further intensify crop production, while negative environmental impacts have to be minimized. Ecological intensification entails the environmentally friendly replacement of anthropogenic inputs and/or enhancement of crop productivity, by including regulating and supporting ecosystem services management in agricultural practices. Effective ecological intensification requires an understanding of the relations between land use at different scales and the community composition of ecosystem service-providing organisms above and below ground, and the flow, stability, contribution to yield, and management costs of the multiple services delivered by these organisms. Research efforts and investments are particularly needed to reduce existing yield gaps by integrating context-appropriate bundles of ecosystem services into crop production systems.
Le couplage des cartes interactives et ces outils de sélection permet de supporter pleinement le paradigme par excellence d'analyse visuelle "overview, zoom filter and details on demand
  • Andrienko
Nous pouvons aussi remarquer que des widgets pour la sélection des membres de dimensions utilisées dans la requête OLAP sont automatiquement affichés aussi dans la carte. Le couplage des cartes interactives et ces outils de sélection permet de supporter pleinement le paradigme par excellence d'analyse visuelle "overview, zoom filter and details on demand" (Andrienko et al., 1999).
Ce travail est soutenu par le projet ANR VGI4Bio (ANR-17-CE04-0012), l'association Symbiose Allier et le projet ANR programme ''Investissements d'Avenir
  • Remerciements
Remerciements. Ce travail est soutenu par le projet ANR VGI4Bio (ANR-17-CE04-0012), l'association Symbiose Allier et le projet ANR programme ''Investissements d'Avenir'' (16-IDEX-0001 CAP 20-25).
OLAP2Map: Un outil OLAP Spatial
  • S Bimonte
  • A Hassan
Bimonte S., Hassan A. (2016). OLAP2Map: Un outil OLAP Spatial. Atelier Démo SAGEO 2016.