Magis – AP

Site de l’Action Prospective (AP) « Incertitude Épistémique » du GDR MAGIS

Animation : Mireille Batton-Hubert (Mines, Saint-Etienne) – François Pinet (Irstea, Clermont-Ferrand) – Eric Desjardin (CReSTIC, Reims)

Description de l’AP

Cette action prospective a pour objet de mener une réflexion sur la représentation et l’usage de l’incertitude épistémique des données en géomatique. Plusieurs types d’incertitude sont présents dans un grand nombre de données utilisées en géomatique de l’analyse à la modélisation et à la décision. Cette imperfection se décline en imprécision, incomplétude et ambiguïté. L’incertitude épistémique provient du manque de connaissance complète. Ceci implique d’adapter :

  • Les méthodes de représentation, avec l’intégration de cette dimension de la géo-information dans la représentation, le stockage et le requêtage au sein des bases de données spatiales et temporelles (par ex. BD probabilistes, d’objets vagues, d’objets flous, etc.),
  • La description de la donnée avec l’adéquation d’un choix de formalismes mathématiques et/ou informatiques aux types de sources de données (expertise, mesure, mesure ordinale, qualitative et quantitative…)
  • Les modèles qui la manipule avec la propagation de connaissances (fusion d’information),
  • La représentation et la restitution de ce type d’information pour la visualisation et l’aide à la décision.

Quelques verrous prospectifs seront abordés comme l’évaluation des représentations et la spécification dans la cadre de la « qualité des données », la formalisation, le stockage et l’accès aux données imprécises, le raisonnement (analyse) en contexte incertain, le suivi et la traçabilité pour l’aide à la décision, la visualisation de connaissances imparfaites acquises ou produites. Ce groupe de travail se propose de s’intéresser à la prise en compte de cette incertitude multidimensionnelle de la donnée spatialisée au travers de plusieurs approches disciplinaires et d’applications du domaine de la géomatique.

Actions de l’AP

—————————–

A) 1er Séminaire « Incertitude épistémique – Des données aux modèles en Géomatique »  – Avril 2013 à l’École nationale supérieure des Mines de Saint-Etienne

Programme de la journée

  • Jean-Marc TACNET (IRSTEA GRENOBLE) ‘Prise en compte de l’imperfection de l’information dans les processus d’expertise des risques naturels’
  • Pierre-Alexis HERRAULT (UMR DYNAFOR Toulouse) ‘Qualité des données spatiales anciennes: exemple du processus de  géoréférencement’
  • Nathalie SAINT-GEOURS (IRSTEA MONTPELLIER) : ‘Propagation d’incertitude dans un outil SIG d’évaluation des risques inondations’
  • Karima Zayrit (UNIV. REIMS) Modélisation de données imparfaites par ensembles flous ou fonctions de croyances
  • Cyril DE RUNZ (UNIV. REIMS) Conception et interrogation de SIG flou
  • Elodie EDOH-ALOVE (IRSTEA – CLERMONT FERRAND) Problématique de l’incertitude et de ses impacts dans les entrepôts de données spatiales

—————————–

B) PDF de présentation de l’AP à l’AG MAGIS (3-4 juin 2013 à Lyon)

—————————–

C) Appel à communication d’articles pour un n° spécial de IJAEIS sur l’incertitude spatiale (en anglais)

Call for paper – International Journal of Agricultural and Environmental Information Systems (IJAEIS)

  • Indexed by DBLP and Scopus
  • 2012 SNIP Index (Scopus): 0.867

Special issue on “Spatial Uncertainty”

Detailed description of theme, coverage, and objectives

This special issue will contain articles on the representation and the use of epistemic uncertainty data in Geographical Information Systems (GIS). Several types of uncertainty can be found in the large number of data used in GIS for analysis, modeling and decision making. This imperfection can come from inaccuracy, incompleteness or ambiguity. The epistemic uncertainty arises from the lack of complete knowledge. This special issue will present:

  • Methods for representing, storing and querying uncertain spatial and temporal databases (e.g., probabilistic databases, fuzzy data, etc.),
  • New descriptions of uncertain spatial objects using mathematical or computer-based formalisms,
  • Models using these descriptions and taking into account uncertain knowledge,
  • Uncertain spatial object visualization techniques,
  • Examples of use of these objects in decision support systems.

The application fields will in:

  • Agriculture,
  • Environment,
  • Environmental risks management (avalanche, flooding, forest fire, industrial risks, etc.),
  • Etc.

Topics

Papers must present original research on uncertain spatial object modeling and processing in the following fields:

  • Decision Support Systems
  • Modeling and Simulation
  • Geographical Information Systems
  • Database Systems
  • Spatial Analysis

All submitted papers will be peer reviewed by three reviewers Paper submission deadline : December 15, 2014 Papers must be submitted via email to:

  • BATTON@emse.fr

  • eric.desjardin@univ-reims.fr

  • francois.pinet@irstea.fr

Submission guidelines can be found here.

—————————–

D) Bibliographie sur l’incertitude spatiale

 

  • Mireille Batton-Hubert, Aurélien Gentils. Interpolation spatiale floue en Sciences de l’Environnement : de la faisabilité technique à l’utilisation experte. Jean-Luc Marichal, Najib Essounbouli, Kevin Guelton. 22èmes rencontres francophones sur la Logique Floue et ses Applications, Oct 2013, Reims, France. pp 69-75.
  • Mireille Batton-Hubert, Guillaume Dupouy, Eric Chojnacki. Validation de systèmes d’aide à la décision en contexte incertain par analyse multicritère. Jean-Luc Marichal, Najib Essounbouli, Kevin Guelton. 22èmes rencontres francophones sur la Logique Floue et ses Applications, Oct 2013, Reims, France. pp 57-58.
  • Bejaoui, L. (2009). Qualitative Topological Relationships for Objects with Possibly Vague Shapes: Implications on the Specification of Topological Integrity Constraints in Transactional Spatial Databases and in Spatial Data Warehouses. Université Blaise Pascal (Clermont Ferrand) / Université Laval (Québec).
  • Bejaoui, L., Pinet, F., Bedard, Y., & Schneider, M. (2009). Qualified topological relations between spatial objects with possible vague shape. International Journal of Geographical Information Science, 23(7), 877 – 921.
  • Bejaoui, L., Pinet, F., Schneider, M., & Bedard, Y. (2010). OCL for formal modelling of topological constraints involving regions with broad boundaries. GeoInformatica, 14(13), 353-378.
  • Carladous, S. (2013). Analyse critique des m´ethodes d’´evaluation de l’efficacit´e ´economique des mesures de protection contre les risques naturels en montagne. Rapport de master 2, Universit´e Paul Val´ery de Montpellier.
  • S. Carladous, Jean-Marc Tacnet, C. Curt, Mireille Batton-Hubert, O. Marco. Méthodologie d’analyse de l’efficacité des ouvrages de protection Application aux risques naturels en montagne. Assises Nationales sur les Risques Naturels 2013, Dec 2013, Bordeaux, France.
  • Carladous, S., Tacnet, J.-M., Curt, C. et Batton-Hubert, M. (2014a). Evaluation intégrée de l’efficience des ouvrages de protection contre les risques naturels. Integrated assessment of the efficiency of protection systems against natural hazards in mountains. In Institut pour la Maˆıtrise des Risques – Colloque Lambda Mu, Dijon, France.
  • Carladous, S., Tacnet, J.-M., Eckert, N., Curt, C. et Batton-Hubert, M. (2014b). Vers une analyse intégrée de l’efficacité des ouvrages de protection contre les risques naturels en montagne – Evaluation économique en complément des volets structurels et fonctionnels. In 8èmes Journées Fiabilité des Matériaux et des Structures.
  • Cohn, A. G., & Gotts, N. M. (1996). The ‘Egg-Yolk’ Representation of Regions with Indeterminate Boundaries. Paper presented at the GISDATA Specialist Meeting on Spatial Objects with Undetermined Boundaries.
  • Desjardin, É., C. de Runz, D. Pargny et O. Nocent Modélisation d’un SIG archéologique et développement d’outils d’analyse prenant en compte l’imperfection de l’information. Revue Internationale de géomatique/International Journal of Geomatics and Spatial Analysis , 22(3):367-387, 2012.
  • Desjardin, É., O. Nocent et C. de Run.  Prise en compte de l’imperfection des connaissances depuis la saisie des données jusqu’à la restitution 3D. Archeologia e Calcolatori, pp 389-401, 2012.
  • C. de Runz, É. Desjardin et H. Akda. Study of spatial fusion of geographical entities and quantitative information in accordance with their imprecision: application to agricultural information in Observox.  Ninth International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences (Accuracy 2010), pp 33-36, N.J. Tate et P.F. Fisher, Leicester, UK, juillet 2010.
  • DE RUNZ, C., DESJARDIN, E., PIANTONI, F., HERBIN, M. Reconstruct street network from imprecise excavation data using fuzzy Hough transforms Geoinformatica, 18(2):253-268, 2014.
  • De Runz, É. Desjardin, K. Zayrit et H. Akdag. Characterization and combination of agronomical entities in accordance with spatial and quantitative imprecision. IGI Global, International Journal of Agricultural and Environmental Information Systems, 2014.
  • Dilo, A. (2006). Representation of and reasoning with vagueness in spatial information: A system for handling vague objects. Unpublished PhD Thesis, Wageningen University and ITC.
  • EDOH-ALOVE, E., BIMONTE, S., BEDARD, Y., PINET, F. – 2014. New Design Approach to Handle Spatial Vagueness in Spatial OLAP Datacubes: Application to Agri-environmental Data. To appear in: International Journal of Agricultural and Environmental Information Systems, IGI Global, 30 p.
  • EDOH-ALOVE, E., BIMONTE, S., BEDARD, Y., PINET, F. – 2014. A Hybrid Risk-Aware Design Method for Spatial Datacubes Handling Spatial Vague Data: Implementation and Validation. International Journal of Business Intelligence and Data Mining, Inderscience, 28 p.
  • LI, H., PINET, F., TOUMANI, F. – 2014. Test de simulation pour les processus métier centrés données probabilistes. To appear in: Revue Ingénierie des Systèmes d’Information, Lavoisier, 25 p.
  • LI, H., PINET, F., TOUMANI, F. – 2014. Probabilistic Simulation for Probabilistic Data-Aware Business Processes. Lecture Notes in Computer Science, vol. 8370 (LATA 2014), p. 503 – 515.
  • Schneider, M. (1999). Uncertainty Management for Spatial Data in Databases: Fuzzy Spatial Data Types. In R. Güting, D. Papadias & F. Lochovsky (Eds.), Advances in Spatial Databases (Vol. 1651, pp. 330-351): Springer Berlin / Heidelberg.
  • Schneider, M. (2001). A Design of Topological Predicates for Complex Crisp and Fuzzy Regions Conceptual Modeling — ER 2001 (pp. 103-116).
  • Schneider, M. (2008). Fuzzy Spatial Data Types for Spatial Uncertainty Management in Databases Handbook of Research on Fuzzy Information Processing in Databases (pp. 490-515).
  • Jean-Marc Tacnet, Jean Dezert, Corinne Curt, Mireille Batton-Hubert, Eric Chojnacki. How to manage natural risks in mountain areas in a context of imperfect information? New frameworks and paradigms for expert assessments and decision-making. Environment Systems and Decisions, 2014, pp.Online First.
  • K. Zayrit, É. Desjardin et H. Akdag Management of multiple and imperfect sources in the context of a territorial community environmental system. International Conference on Computational Science and its Applications (ICCSA 2013), Ho Chi Minh City, Vietnam, 2013.
  • K. Zayrit, É. Desjardin, C. de Runz et H. Akdag Propagation of spatial imprecision in imprecise quantitative data in agronomy. International Symposium on Spatial Data Quality (ISSDQ), pp 145-150, C. Fonte, L. Gonçalves, G. Gonçalves, INESC Coimbra, Coimbra, Portugal, octobre 2011.