213 - L’observation de la Terre : en première ligne pour faire face aux défis environnementaux et sociétaux

Session 1. Données massives en OT/géospatial

• Communication orale 08 h 45
  L'avènement de l'intelligence artificielle pour les applications spatiales
  Bertrand Le Saux (European Space Agency (ESA) / ESRIN), Pierre-Philippe Mathieu (European Space Agency (ESA) / ESRIN)

  Le Φ-lab de l'ESA vise à accélérer l'avenir de l'observation de la Terre (OT) en fonctionnant comme un "catalyseur" pour les idées innovantes et les technologies transformatrices de l'OT. AI for Earth Observation (AI4EO) se concentre sur l'exploitation de la puissance de l'intelligence artificielle (IA) avec la grande quantité de données d'OT maintenant disponibles, et c'est l'initiative du Φ-lab d'exploiter le grand potentiel de l'IA qui est encore largement inexploré.

  Si aujourd'hui le nouvel élan de l'AI4EO est principalement lié à la vision par ordinateur appliquée à l'imagerie satellitaire à haute résolution, il existe de nombreux autres domaines pour les sciences de la Terre, la prédiction et l'analyse des big data qui pourraient bénéficier de l'IA. En particulier, l'apprentissage profond pousse l'IA à de nouveaux niveaux dépassant les performances humaines. Cet exposé donnera un aperçu des succès et des défis actuels de l'IA pour les applications spatiales et présentera quelques cas d'utilisation méthodologique qui mèneront à des applications d'observation de la Terre ayant un impact, de l'apprentissage auto-supervisé à l'IA avancée.

• Communication orale 09 h 15
  Conception d'une infrastructure de stockage et traitement de données LiDAR massives
  Thierry Badard (Université Laval), Xavier Malet (Université Laval)

  Du fait de la volumétrie qu’elles représentent, les données LiDAR sont actuellement stockées et traitées par tuile. Ceci tient principalement au fait que le traitement de ces données se fait actuellement sur de simples postes de travail et ne tire pas bénéfice de la scalabilité horizontale que procure l’infonuagique (cloud computing). Ainsi, le traitement de volumes de données LiDAR équivalent à celui d’une ville ou d’un bassin versant est difficile voire impossible, même si de telles analyses sont requises. Elles imposent de devoir traiter des recollements entre les tuiles, celles-ci étant traitées les unes après les autres. Le traitement des données LiDAR fait donc face au même défi que les bases de données géospatiales dans les années 90, où celles-ci étaient encore découpées en feuillets cartographiques. Les systèmes de gestion de données spatiales ont permis de changer de paradigme et de traiter le territoire non plus en feuillet (ou tuile) mais comme un continuum (une base de données).

  L’objet de la présentation est ici d’introduire des travaux réalisés au CRDIG et concernant la conception d’un engin de lac de données géospatiales capables de gérer une telle volumétrie de données et son traitement performant.

• Communication orale 09 h 45
  Détection et dénombrement automatisé de monticules de plantation sur des images acquises par drone par apprentissage profond
  Camille Armellin (CERFO), Batistin Bour (CERFO), Marc-Antoine Genest (CERFO), Mathieu Varin (Cégep de Sainte-Foy)

  Le dénombrement de monticules de plantation est un processus crucial lors de la planification du reboisement de peupliers hybrides chez Domtar. En effet, des centaines de milliers de monticules sont créés chaque année et un jeune arbre est planté sur chacun d’entre eux. Puisque ces opérations impliquent le déplacement et la plantation d’un grand volume d’arbres, un dénombrement précis et une méthode reproductible pour y arriver sont nécessaires. La méthode traditionnellement utilisée consistait à une photo-interprétation et une extrapolation. La technique développée dans ce projet fait appel à l’apprentissage profond afin d’atteindre ces objectifs.

  Pour ce faire, des orthomosaïques générées à partir d’images acquises par drone ainsi que leur modèle numérique de surface correspondant ont été utilisés. Le rôle de l’algorithme développé étant uniquement la détection des monticules par segmentation d’image, un deuxième algorithme de vision par ordinateur a été développé pour dénombrer les monticules détectés. Cette méthode a permis d’atteindre une précision globale de détection de 95,5 %. Finalement, une interface graphique incorporant ces outils et permettant leurs utilisations de façon intuitive a été implémentée.

• Communication orale 10 h 45
  Simplification de nuages de points 3D à partir d’une segmentation par découpe de graphes basée sur des primitives géométriques simples
  Thierry Badard (Université Laval), Sylvie Daniel (Université Laval), Stephane Guinard (Université Laval)

  Les jumeaux numériques sont de plus en plus utilisés à des fins d'urbanisme ou de planification. Ceux-ci utilisent entre autres des données issues de capteurs LiDAR. La grande quantité de données acquise par ce type de capteur rend la plupart des traitements coûteux en termes de temps de calcul et d'infrastructure matérielle. Dans cette présentation, nous nous intéressons à la mise en place d'un algorithme de simplification de nuages de points LiDAR permettant de diminuer la quantité d'information stockée sans perdre la qualité géométrique initiale. Pour cela, nous proposons un algorithme de segmentation à partir de découpes de graphes, qui approxime de façon itérative un nuage de points par un ensemble de primitives géométriques simples (plans, sphères, cylindres et cônes). Nous montrons que cette approche est rapide, préserve la géométrie locale des données et est capable de produire des modèles simplifiés d'objets variés (voitures, arbres, etc.) comme de scènes urbaines complètes.

• Communication orale 11 h 15
  Le potentiel d’utilisation des données géospatiales massives et de l’infonuagique pour la surveillance de la cryosphère
  Thierry Badard (Université Laval), Charles Gignac (Université Laval)

  La dernière décennie a été particulièrement active au niveau du lancement de capteurs d’observation de la Terre (OT). En parallèle à cet essor soutenu, nous avons pu observer une tendance à la démocratisation de l’accès aux données et aux capacités de traitement. Il en résulte des pétabytes d’informations géospatiales (e.g. programmes Copernicus et Landsat) et climatiques (e.g. Réanalyses ERA-5 et DayMet) stockés dans des entrepôts de données et rendus disponibles au grand public via l’infonuagique et des plateformes d’analyse comme Google Earth Engine et Microsoft Planetary Computer.

  Ces outils émergeants présentent un énorme potentiel stratégique pour l’étude de la cryosphère en permettant d’automatiser l’accès aux données, les prétraitements, les analyses géospatiales et statistiques ainsi que la présentation des données. De plus, ces plateformes, contrôlées via un interface applicatif de programmation (API) simple, donnent accès à des infrastructures de calcul de haute-performance (HPC) et évitent aux usagers les aléas du stockage et du traitement local, souvent gourmand en ressources et en temps-machine.

  Pendant cette présentation, outre une discussion du potentiel d’application des plateformes d’infonuagique géospatiale dans le cadre de l’étude de la cryosphère, un exemple d’application pour l’étude des glaces marines sous Google Earth Engine, développé dans le cadre du projet QAUJJIKAUT (Alerte, en Inuktitut) sera présenté et des perspectives d’applications abordées.

• Communication orale 11 h 45
  Détection et classification d’objets en environnement naturel à partir de données géospatiales massives
  Éric Guilbert (Université Laval)

  Les données d’observation de la terre permettent la modélisation d’éléments naturels comme les forêts, les cours d’eau et les formes de relief. Il s’agit souvent d’objets difficiles à délimiter cependant les données massives limitent les interventions manuelles. Nous présentons deux projets de recherche traitant de la construction de réseaux hydrographiques et de la classification de formes de relief.

  Le premier projet propose une approche d’extraction des réseaux hydrographiques en forêt partant de nuages de points lidar bruts jusqu’à l’identification des cours d’eau. Nous présentons d’abord une approche de classification des points lidar en forêt. Ensuite, nous présentons une méthode de construction des réseaux hydrographiques à partir des points au sol. Afin d’éviter les opérations altérant le modèle de terrain, une approche de calcul distribué s’appuyant sur la détection des talwegs est mise en place.

  L’objectif du deuxième projet est d’extraire des formes de relief. Les formes n’étant pas précisément délimitées, l’approche est basée sur la détection de saillances plutôt que sur une segmentation du terrain. Afin de faciliter la recherche de formes, nous introduisons le concept de géosystème. Le géosystème est modélisé à partir de ses éléments structurants définis par l’expert. Le modèle est implanté dans une base de données graphe intégrant à la fois le modèle conceptuel et les données spatiales. Les cartes de géosystèmes sont ensuite générées à l’aide de requêtes.

• Communication orale 12 h 15
  Exploitation de données non étiquetées pour la segmentation sémantique de nuages de points LiDAR mobile à l'aide d'une approche semi-supervisée
  Sylvie Daniel (Université Laval), Philippe Giguère (Université Laval), Reza Mahmoudi Kouhi (Université Laval)

  L'objectif général de ce projet de recherche est d’effectuer la segmentation sémantique de nuages de point LiDAR dans des environnements urbains à grande échelle en exploitant des jeux de données non étiquetés. Les réseaux de neurones profonds (RNP) récemment proposés se sont concentrés sur l'élaboration d’une architecture performante, alors que les résultats obtenus par certains RNPs montrent que la façon dont les données sont présentées à l'entrée est également importante. C'est donc la raison d'être de la première phase de ce projet de recherche qui vise à fournir une démonstration objective de la sensibilité du réseau à la préparation des données. La deuxième phase de ce projet de recherche aborde le coût élevé et les défis de l'étiquetage 3D des nuages de points. À cette fin, nous proposons une nouvelle méthode basée sur une approche d'apprentissage semi-supervisée impliquant deux RNPs, l'enseignant et l'élève, qui s’entraineront mutuellement selon un processus itératif. La conférence proposée présentera la méthodologie du projet, les résultats de la phase 1 et les progrès récents de la phase 2.

Repas du midi

Session 2. Intelligence artificielle (GeoAI)

• Communication orale 13 h 45
  Comment l’intelligence artificielle peut-elle améliorer la télédétection des environnements aquatiques ?
  Simon Bélanger (UQAR - Université du Québec à Rimouski), Yannick Huot (Université de Sherbrooke), Yanqun Pan (Arctus Inc.)

  La qualité optique des environnements aquatiques (QOA) peut être suivi par satellite au moyen d’outils d’observation de la terre (OT) optimisés pour estimer la couleur des eaux de surface. Dès la fin des années 1970, on a mis en orbite des capteurs satellitaires conçus pour mesurer la couleur des océans, permettant ainsi d’acquérir une perspective globale de la productivité primaires des océans. Limité par leur résolution spatiale, ces premiers capteurs étaient peu utiles pour le suivi des eaux côtières, des estuaires et des lacs. Au cours de la dernière décennie, le nombre de capteurs satellitaires offrant des capacités pour le suivi de la QOA à haute résolution spatiale s’est multiplié. Cependant, la complexité du signal spectral mesuré à proximité d’une grande diversité de côtes et d’environnements complique l’interprétation du signal et demande le développement de nouvelles approches dans le traitement des données. Par le biais d’exemples, je présenterai comment l’intelligence artificielle peut nous aider à solutionner des problèmes complexes dans le traitement des données pour le suivi de la QOA.

• Communication orale 14 h 15
  Exploitation des données de télédétection par apprentissage profond : exemples de projets au Département de géomatique appliquée de l’Université de Sherbrooke
  Yacine Bouroubi (UdeS - Université de Sherbrooke), Mickael Germain (Université de Sherbrooke)

  Les CNN (convolutional neural networks) ont permis d’atteindre des performances jamais obtenues auparavant dans le domaine du traitement d’image et de vision par ordinateur. Ces dernières années, l’application des CNN aux images de télédétection a donné des performances nettement meilleures par rapport aux approches dites traditionnelles. La conférence proposée comporte divers exemples d’applications des CNN pour l’exploitation des images de télédétection satellitaire, aéroportée et proximale. Des résultats issus de plusieurs projets réalisés dans divers milieux seront présentés. Les applications incluent l’estimation des populations au Soudan à partir d’images WorldView-2, le suivi d’indicateurs de développement économique en Irak sur des images WorldView-3, la caractérisation des bandes riveraines au Québec sur des images Pléiades, le monitoring du milieu urbain au Québec sur des images aériennes, l’identification des conditions routières au Québec sur des images proximales, la détection des maladies des cultures en Montérégie sur des images proximales, etc. Toutes ces applications démontrent l’apport des CNN à l’exploitation des images de télédétection et pourront stimuler les idées pour d’autres applications innovantes.

• Communication orale 15 h 15
  Tirer le plein potentiel des données massives haute-définition d’observation de la Terre par l’apprentissage machine : Tour d’horizon de quelques recherches menées au CRDIG
  Thierry Badard (Université Laval), Sylvie Daniel (Université Laval)

  La conférence proposée passera en revue le portfolio des projets menés au CRDIG en lien avec les données massives et l’intelligence artificielle dans des contextes applicatifs variés (ex. gestion du risque d’inondation; cartographie mobile à très haute résolution; …). Elle mettra en lumière la diversité des données d’observation de la terre exploitées au sein de ces projets. Il sera notamment question de nuages de points LiDAR acquis avec des systèmes de télémétrie mobile. Les approches présentées concerneront entre autres la segmentation sémantique avec des réseaux de neurones profonds entrainés selon des méthodes semi-supervisées ou d’adaptation de domaine. Il sera également question de nuages de points bathymétriques en lien avec l’analyse de la morphologie des fonds fluvio-marins. Des approches classiques d’OBIA tout comme des solutions émergentes d’apprentissage profond seront là aussi proposées. Aussi, la conférence abordera plusieurs projets faisant intervenir des données massives hétérogènes comme, par exemple, des données LiDAR topographique conjointement avec de l’imagerie optique satellitaire ou aéroportée.

• Communication orale 15 h 45
  Application des réseaux profonds sur des graphes en Géomatique
  Samuel Foucher (UdeS - Université de Sherbrooke)

  La représentation de l’information sous forme de graphes est un outil versatile applicable dans de multiples domaines scientifiques pour décrire des systèmes complexes de relations ou d’interactions. Depuis quelques années, les techniques d'apprentissage profond appliquées aux graphes ont permis des avancées majeures dans des domaines comme la biologie moléculaire et la pharmacologie. Après un bref survol des fondements et des principes de base, nous présenterons quelques exemples d'application en Géomatique. Finalement, nous terminerons par un résumé des tendances récentes ainsi que les défis attendus avec ce type d’approche.

• Communication orale 16 h 15
  Des solutions efficaces basées sur l'intelligence artificielle et l'analyse de l'observation de la Terre pour la cartographie et la surveillance des aléas naturels
  Saeid Homayouni (INRS - Institut national de la recherche scientifique)

  Le changement climatique menace de nombreux aspects de notre vie et de notre planète en provoquant des aléas naturels. Les conditions de froid extrême, la sécheresse, les inondations, les incendies de forêt et les glissements de terrain ne sont que quelques-uns des aléas dévastateurs qui se sont produits fréquemment ces dernières années. Les progrès récents en observation de la Terre (OT) et en intelligence artificielle (IA) offrent des opportunités uniques de tirer parti de ces technologies innovantes pour développer des connaissances scientifiques et des solutions efficaces aux défis environnementaux auxquels nous sommes confrontés.

  Dans cette présentation, nous montrerons deux applications de l'analyse d'OT basée sur l'IA pour la détection de feux actifs et des glissements de terrain. Dans la première application, nous avons mis en œuvre un réseau de neurones convolutif profond (RNCP) ''MultiScale-Net'' pour la détection de feux à partir d'images Landsat 8. Dans la deuxième application, une nouvelle approche basée sur un modèle d'apprentissage profond non supervisé qui utilise un auto-encodeur convolutif a été proposée pour la détection des glissements de terrain. Pour évaluer les performances de l'approche proposée, nous avons utilisé l'imagerie Sentinel-2 et un modèle numérique d'élévation (MNE) pour cartographier les glissements de terrain dans trois études de cas différentes.

Table ronde « Éthique en géospatial — IA et données »

Session 3. Nouveaux capteurs et plateformes

• Communication orale 09 h 15
  Télédétection et biodiversité à l’ère des données massives et de l’intelligence artificielle: potentiel, défis et perspectives
  Jérôme Théau (UdeS - Université de Sherbrooke)

  Au cours de la dernière décennie, la télédétection appliquée à l’observation de la Terre a connu un essor fulgurant lié à la combinaison de plusieurs avancées technologiques. La multiplication des plateformes d’acquisition de données, qu’elles soient terrestres, aériennes ou satellitaires, permettent l’accès à des données massives inédites, tant par leurs résolutions temporelles, spatiales que spectrales. En parallèle, le développement d’approches de traitement basées sur l’intelligence artificielle et plus particulièrement sur l’apprentissage automatique procure de nouveaux outils pour automatiser et extraire de l’information à partir de données de télédétection non conventionnelles et multi-sources. La télédétection de la biodiversité s’inscrit dans ce courant et pourrait marquer un tournant majeur dans notre capacité à appréhender les variations de composition, structure et fonction des systèmes vivants, et ce aux différents niveaux allant de l’organisme aux écosystèmes. Cette présentation abordera le potentiel, les défis et perspectives de ces avancées méthodologiques pour la caractérisation de la biodiversité d’un point de vue conceptuel et en s’appuyant sur différents exemples de projets de détection faunique et de caractérisation de la végétation.

• Communication orale 09 h 45
  La prochaine génération de capteurs de télédétection atmosphérique
  Norm O'neill (UdeS - Université de Sherbrooke)

  L'ONU a déclaré que les changements climatiques, induit par une augmentation des émissions de gaz à effet de serre, était le problème déterminant de notre époque. Les modèles climatiques sont les outils les plus avancés à notre disposition pour prédire les impacts futurs de l'évolution de l'atmosphère. La plus grande source d'incertitude face à ces projections est le comportement des aérosols, des nuages, des précipitations ainsi que leurs interactions et leurs rétroactions radiatives.

  La caractérisation des aérosols, les nuages, la convection et la précipitation ont été identifiées par la NASA comme focus d'un nouveau système de télédétection de l'atmosphère (‘’AOS’’ pour ‘’Atmospheric Observing System’’). L'agence spatiale canadienne (ASC), le CNES, et JAXA seront partenaires de la NASA avec des capteurs sur les deux orbites prévues (le plateforme AOS-P1en orbite polaire et les plateformes AOS-I1 et AOS-I2 sur une orbite inclinée). Une douzaine de capteurs actifs et passif, à des longueurs d’onde du UV au radar seront lancés sur les plateformes AOS à partir de 2028. Un survol des capteurs de l’AOS et leurs applications sera présenté.

• Communication orale 10 h 45
  La télédétection environnementale par drone : du potentiel aux applications
  Karem Chokmani (INRS - Institut national de la recherche scientifique)

  Cette conférence permettra aux participants de prendre connaissance du potentiel de la télédétection par drone dans de multiples champs d’application. Elle présentera l’état du développement dans le domaine de la télédétection par drone. Le conférencier fera également état des travaux menés par l’équipe du Laboratoire de télédétection par drone de l’INRS. Plusieurs exemples d’applications de cette nouvelle technologie seront présentés dans des domaines variés (agriculture de précision, environnement, foresterie, mines, infrastructures, sécurité publique, etc.). Enfin, le conférencier fera partager son expérience à propos du déroulement de projets d’utilisation de drones. Il amènera les participants à réfléchir aux facteurs à considérer, à la définition des besoins, à la détermination des instruments et des paramètres appropriés, et au montage technique du projet.

• Communication orale 11 h 15
  Mission de la Constellation RADARSAT – Agence spatiale canadienne
  Emmanuelle Albrecht (Agence spatiale canadienne), Daniel De Lisle (Gouvernement fédéral)

  La Constellation RADARSAT, qui est une évolution du Programme RADARSAT, a pour objectif d'assurer la pérennité des données, d'augmenter l'utilisation opérationnelle des radars à synthèse d'ouverture (SAR) et d'améliorer la fiabilité des systèmes. La configuration à trois satellites offre des réobservations journalières du vaste territoire et des approches maritimes du Canada, ainsi qu'un accès quotidien à 90 % de la surface terrestre, qui génère plus de 250 000 images par année.

  Les solutions offertes par la MCR forment trois grandes catégories: A) surveillance maritime (surveillance des glaces, des vents, de la pollution par les hydrocarbures et des navires); B) gestion des catastrophes (atténuation, avertissement, intervention et rétablissement); et C)surveillance des écosystèmes (agriculture, milieux humides, foresterie et surveillance des changements en zones côtières).

  De plus, tous les produits d’image de la MCR, sont archivés et mis à disposition afin de favoriser une plus grande utilisation des données au profit de secteurs comme l’industrie ou le milieu universitaire.

  L’objectif de la présentation est de faire un survol de la Mission, d’illustrer les applications principales et d’expliquer comment accéder aux données.

• Communication orale 11 h 45
  La mission SWOT : un nouvel altimètre imageur pour le suivi des eaux de surface
  Mélanie Trudel (UdeS - Université de Sherbrooke)

  La mission SWOT (Surface Water and Ocean Topography), dont le lancement est prévu pour la fin de l’année 2022, sera un tournant majeur pour l’altimétrie spatiale. L’instrument principal de la mission, un interféromètre radar en bande Ka (KaRin), permettra d’estimer le niveau de l’eau pour les lacs et milieux humides de 6 ha et plus, et pour les rivières d’une largeur de 100 m et plus. La précision verticale sera de 10 cm lorsque moyennée sur 1km². SWOT fournira également des mesures de la pente et de la largeur des rivières, ainsi que des estimations des débits dans les rivières et des variations des stocks d’eau dans les lacs. Les mesures SWOT permettront un meilleur suivi de la ressource en eau bénéficiant ainsi à une multitude d’applications en hydraulique et hydrologie que ce soit pour la modélisation des inondations ou l’estimation du bilan hydrique des lacs et réservoirs.

• Communication orale 12 h 15
  Caractérisation structurelle de bâtiments à l'aide de nuages de points LiDAR terrestres mobiles en lien avec l'anticipation des risques d'inondation
  Thierry Badard (Université Laval), Sylvie Daniel (Université Laval), Niloufar Haghighatgou (Université Laval)

  Compte tenu de la fréquence grandissante des inondations, les décideurs ont un besoin de plus en plus pressant de disposer d'outils permettant de prédire ou d'évaluer l'importance des inondations et leurs impacts sur la population. Le niveau d’endommagement d’un bâtiment dépend souvent du niveau de submersion. Aussi, est-il important de connaître l’élévation des points d’ouverture basse par lesquelles l’eau pourrait rentrer et la hauteur de premier plancher qui renseignerait de dégâts ne concernant pas seulement le sous-sol. Cette conférence présentera les travaux réalisés sur la caractérisation 3D des façades de bâtiments résidentiels pour répondre à cette problématique. La solution proposée se compose de trois phases appliquées à des nuages de points LiDAR terrestre mobile. La première utilise une approche de segmentation adaptative par croissance de régions pour extraire la boîte englobante 3D de la façade. La deuxième combine la détection de trous avec une technique de maillage pour extraire les boîtes englobantes 2D des ouvertures. La dernière phase adresse la discrimination des occlusions vis-à-vis des ouvertures, Les résultats obtenus démontrent que l'approche proposée obtient de bonnes performances malgré la multiplicité et la complexité des cas de problèmes (occlusions, angles de vue, …) qui peuvent apparaître dans de tels jeux de données.

Repas du midi

Session 4. Démocratisation des données géospatiales

• Communication orale 13 h 45
  L’apprentissage profond pour cartographier les perturbations forestières de faible intensité
  Martin Béland (Université Laval), Jean-François Côté (Ressources Naturelles Canada), Pauline Perbet (Université Laval)

  La classification du type de perturbation forestière par télédétection reste un défi, en particulier en ce qui concerne les perturbations partielles (coupes ou feux partiels) ou progressives (épidémie). Pourtant, le recensement des perturbations en forêt boréale et de leurs causes associées est essentiel au suivi des écosystèmes forestiers.

  Notre projet évalue la capacité des modèles d’apprentissage profond à améliorer les connaissances sur les perturbations de faible intensité en tirant parti des caractéristiques spectrales et temporelles de la collection d’images Landsat. En particulier, nous souhaitons améliorer l’exactitude de la carte produite ainsi que le nombre de classes distinguables. Avec des précisions globales de 70 à 80%, nos résultats montrent l’intérêt des modèles TempCNN et Transformer pour améliorer la qualité des cartographies de perturbation dans la forêt boréale. Cette cartographie s’inscrit dans un projet de recherche plus large d’observation de l’évolution de la régénération dans la forêt boréale.

• Communication orale 14 h 15
  La transition des agences cartographiques nationales à l'ère de la démocratisation de l'information géospatiale
  Nouri Sabo (Gouvernement du Canada/ Ressources Naturelles)

  Bien que fondamentalement le mandat des agences cartographiques reste le même, c'est à dire fournir la cartographie du pays, il n'en demeure pas moins que la démocratisation de l'information géospatiale de ces dernières années emmène les agences cartographiques à se remettre en question et à transitionner vers des modèles de plus en plus adaptés aux besoins du moment.

  À l'instar de plusieurs agences cartographiques à travers la planète, depuis un certain nombre d'années, le Centre canadien de cartographie et d’observation de la Terre (CCCOT) a amorcé cette transition. Dans cette présentation, nous aborderons le chemin déjà parcouru, ainsi que les défis et les obstacles qui restent à surmonter. Cette présentation se veut interactive et les participants seront appelés à donner leurs points de vue sur ce qu’une telle transition devrait être.

• Communication orale 15 h 15
  L’observation de la Terre au service des communautés et des entreprises
  Yannick Duguay (Cégep de Chicoutimi)

  Le Centre de géomatique du Québec (CGQ) est un Centre collégial de transfert technologique associé au Cégep de Chicoutimi. La mission du CGQ est de favoriser le développement et l'innovation des entreprises et des organisations par des activités de recherche et de transfert technologique en géomatique. Les activités du CGQ en observation de la Terre sont diversifiées et visent à répondre à des problématiques concrètes auxquelles nos partenaires font face. Les projets visent à apporter des solutions innovantes adaptées aux besoins et aux réalités des organisations, allant de la cartographie participative utilisant de l’équipement à faible coût permettant aux organismes communautaires de s’approprier l’acquisition et l’utilisation de données géospatiales, jusqu’aux projets de recherche utilisant l’intelligence artificielle pour répondre à diverses problématiques en foresterie, agriculture de précision, hydrologie ou génie civil. Pour ce faire, le CGQ dispose d’un équipement de pointe incluant divers capteurs passifs multispectraux et hyperspectraux, des systèmes lidar aéroportés et terrestres, des aéronefs sans pilote ainsi qu’un serveur dédié à l’intelligence artificielle. L’équipe multidisciplinaire met à profit ses compétences complémentaires pour développer des solutions complètes de l’intégration de capteurs au traitement et à l’analyse des données

• Communication orale 15 h 45
  L’observation de la Terre par satellite au Canada – Une stratégie en action
  Mathieu Benoit (Centre canadien de télédétection / RNCan)

  Avec un pays s'étendant sur près de 10 millions de km2, le Canada a toujours été confronté à un défi unique dans la collecte des informations quotidiennes nécessaires pour fournir des services essentiels aux Canadiens. Aujourd'hui, l'espace offre une perspective qui est de plus en plus importante pour comprendre notre planète et fournir ces services. Les données provenant des satellites d'observation de la Terre permettent des applications et des services dans un certain nombre de domaines critiques, notamment : l'atténuation et l'adaptation au changement climatique, les interventions d'urgence, la protection des écosystèmes, la santé publique et la sécurité alimentaire.

  Au cours des 18 derniers mois, l'ASC, ECCC et RNCan ont soutenu un effort multiministériel pour évaluer les besoins du Canada en matière d'OT. De plus, influencé par l'engagement des intervenants de l'industrie et du milieu universitaire à travers le pays, cet effort de collaboration a mené à la récente publication de la nouvelle stratégie du Canada en matière d'observation de la Terre par satellite. Annoncée en janvier 2022, la stratégie canadienne d'observation de la Terre par satellite décrit les priorités et les mesures clés nécessaires pour tirer profit des capacités des technologies d'OT par satellite.

  Dans cet exposé, nous présenterons les éléments clés de la nouvelle Stratégie d'OT et vous inviterons à faire part de vos priorités en matière d'observation de la Terre par satellite au bénéfice du Canada.