Un des domaines où il reste beaucoup à faire dans les SIG est bien le domaine de l’analyse temporelle. En effet, si la quasi totalité des outils disponibles se concentrent sur les évolutions spatiales d’un phénomène, on se retrouve assez démuni quand il s’agît de visualiser ou d’analyser un phénomène qui évolue aussi en fonction du temps.
Nous avons, depuis un certain temps, des outils d’animation qui permettent de voir une séquence de cartes et percevoir des changements en fonction du temps. Mais bien qu’utiles pour la communication, ces outils ne permettent aucune analyse sérieuse des données.
Nous allons voir, dans une série d’articles, les nouveaux outils disponibles dans ArcMap et ArcGis Pro sous la forme d’une boîte à outils Outils d’exploration des modèles spatio-temporels (Time Pattern Mining). Nous allons suivre un exemple, d’abord avec ArcGis Pro, puis on verra comment faire avec ArcMap.
Qu’est-ce que c’est un Cube Spatio-Temporel?
L’image suivante résume la réponse à cette question.
A gauche nous avons nos points. Ils sont distribués sur l’espace XY et c’est cette distribution que nous avons l’habitude d’étudier et analyser avec les outils d’ArcGis. Mais pour un même endroit, nous avons plusieurs points qui correspondent chacun à un moment différent. C’est pour cela que les points sont distribués aussi sur l’axe Z qui correspond au temps.
Le cube spatio-temporel va nous permettre d’analyser la distribution de nos points sur ces trois axes.
Première chose importante à retenir: Les outils que nous allons voir autour du cube spatio-temporel ne permettent pas de faire des analyses d’un phénomène donné à partir de ses attributs. Ils sont limités à l’analyse de l’occurrence ou non d’un phénomène (le point existe ou n’existe pas).
Le processus est simple, nous allons déterminer un taille de boîte (bin), comme les pixels ou les cellules des rasters, mais en 3 dimensions. Et nous allons déterminer le nombre de points contenus dans chaque boîte. C’est ce nombre que nous allons visualiser et analyser.
Prenons un exemple, qui va nous servir pour suivre la démarche en détail. Nous avons des prévisions météo qui contiennent les prévisions de rafales de vent. Ces prévisions sont à 8 jours, toutes les 3 heures pour une zone englobant la Bretagne.
Un aperçu de la table attributaire permet de voir l’attribut « gust » qui correspond à la vitesse en nœuds des rafales de vent, ainsi qu’un champ « DateHeure » qui indique la Date et l’heure de chaque prévision.
Peut-être un jour on pourra analyser la distribution des valeurs des rafales en fonction du temps. Pour l’instant comme nous sommes limités à étudier l’occurrence des points, nous pouvons, par exemple, définir un seuil de vitesse qui nous paraît risqué et analyser la distribution des points qui dépassent cette valeur seuil.
Si on défini la valeur seuil de 20 nœuds, nous allons créer une nouvelle couche de données comportant seulement les points pour les quels cette valeur est dépassée. Les points ou cette valeur n’est pas dépassée ne seront pas présents. Nous faisons ça par sélection par attributs, gust>=20, et nous exportons les points sélectionnés.
Voilà, nous avons maintenant une couche pour fabriquer notre cube.
Création du cube spatio-temporel
Pour créer le cube, qui sera stocké sous un format NetCDF (.nc), nous allons utiliser l’outil Créer un cube spatio-temporel de la boîte à outils Outils d’exploration des modèles spatio-temporels.
Une fois lancé la commande, nous avons la fenêtre de paramétrage qui apparaît.
Les entités en entrée correspondent à notre couche de sélection des rafales > 20 noeuds.
Le cube spatio-temporel en sortie sera notre cube.
Le champ temporel servira à définir l’axe Z. Il faut absolument que se soit un champ de type Date. Pour ceux qui sont toujours aux fichiers shape, n’oubliez pas que les champs de type Date de ceux-ci ne peuvent contenir que la date et pas l’heure. Si vous allez travailler avec des pas de temps inférieurs à la journée vous devez avoir un classe d’entités de geodatabase obligatoirement.
Pour l’instant nous n’avons pas de cube modèle sur lequel récupérer les autres informations. Si nous faisons une série de cubes, le premier servant comme modèle, on s’assure que les pas et la localisation des boîtes sera la même pour tous les cubes produits.
L’intervalle temporel est la taille des boîtes du cube sur l’axe Z. En d’autres termes, le pas de temps que nous allons appliquer à notre analyse. Dans notre exemple, le pas de temps des prévisions est de 3 heures. Une taille de boîte de 12 heures produira 16 pas de temps en Z. Une taille de boîte de 24 heures, produira 8.
Une des contraintes du cube est qu’il doit y en avoir au moins 10 pas de temps. Nous choisirons donc le pas de temps de 12 heures.
L’intervalle de distance est la taille de cellule dans le plan XY.
Si vous ne renseignez pas un ou les deux intervalles, le programme calcule un par défaut.
Visualisation du cube spatio-temporel
Pour visualiser le cube vous devez télécharger une boîte à outils contenant deux outils: un qui permet de visualiser le cube en 2D et un autre qui permet de le visualiser en 3D.
La boîte à outils est téléchargeable à l’adresse http://esriurl.com/SpaceTimeCubeUtilities.
Une fois téléchargée et décompressée,, vous pouvez l’ajouter dans le geoprocesseur en cliquant sur le ruban Insérer -> Boîte à outils
Nous allons voir la visualisation en 3D.
Vous devez avoir une fenêtre 3D (Scene) dans votre projet. Si vous n’en avez pas, cliquez sur Insérer->Nouvelle Scene
Vous devez enlever la référence à une couche d’élévation. En effet, si vous ne le faites pas, les colonnes du cube seront affichées par rapport au niveau du sol et vous perdrez en visibilité de la correspondance des différents pas de temps.
Pour cela, dans le panneau Contenu, cliquez sur votre scene -> propriétés -> Elevation surface, déployez Ground et supprimez tous les services présents.
Exécutez la commande de visualisation du cube spatio-temporel en 3D:
Pointez sur le cube que vous venez de créer. Donnez un nom à votre couche de visualisation.
Dans les variables à afficher, vous n’aurez, à ce stade que Count. Nous verrons dans le prochain article comment disposer d’autres variables après avoir utilisé la commande Analyse des points chauds émergents.
Après un moment de calcul et de processus d’affichage, dépendant de votre carte graphique, vous avez le résultat :
Vous pouvez naviguer en 3D sur la scène pour voir où se trouvent les pas de temps avec le plus de dépassements du seuil de rafales. Mais ceci reste une évaluation visuelle.
Pour déterminer statistiquement le nombre de dépassements, la commande Analyse des points chauds émergents permet un classement par déviation standard des résultats.
Nous verrons ceci dans le prochain article.
