Vous pouvez lire le billet sur le blog La Minute pour plus d'informations sur les RSS !
Feeds
11749 items (7 unread) in 53 feeds

-
Décryptagéo, l'information géographique
-
Cybergeo
-
Revue Internationale de Géomatique (RIG)
-
SIGMAG & SIGTV.FR - Un autre regard sur la géomatique (2 unread)
-
Mappemonde
-
Imagerie Géospatiale
-
Toute l’actualité des Geoservices de l'IGN
-
arcOrama, un blog sur les SIG, ceux d ESRI en particulier
-
arcOpole - Actualités du Programme
-
Géoclip, le générateur d'observatoires cartographiques
-
Blog GEOCONCEPT FR

-
Géoblogs (GeoRezo.net)
-
Geotribu
-
Les cafés géographiques
-
UrbaLine (le blog d'Aline sur l'urba, la géomatique, et l'habitat)
-
Séries temporelles (CESBIO)
-
Datafoncier, données pour les territoires (Cerema)
-
Cartes et figures du monde
-
SIGEA: actualités des SIG pour l'enseignement agricole
-
Data and GIS tips
-
Neogeo Technologies
-
ReLucBlog
-
L'Atelier de Cartographie
-
My Geomatic
-
archeomatic (le blog d'un archéologue à l’INRAP)
-
Cartographies numériques (5 unread)
-
Veille cartographie
-
Makina Corpus
-
Oslandia
-
Camptocamp
-
Carnet (neo)cartographique
-
Le blog de Geomatys
-
GEOMATIQUE
-
Geomatick
-
CartONG (actualités)
-
22:00
The Most Common Job in Every State
sur Google Maps ManiaThis interactive map provides some interesting insight into the changes in the American economy and employment over the last four decades. The Most Common Job in Each State uses data from the Census Bureau to show which jobs were the most commonly performed by individuals in each U.S. state for every two year period from 1978 to 2014. In 1978 the most popular job in many states was secretary.
-
21:13
Afficher des couches d'entités volumineuses en 3D avec l'API JavaScript ArcGIS
sur arcOrama, un blog sur les SIG, ceux d ESRI en particulierDepuis maintenant deux années, Esri travaille sur la nouvelle génération de son API JavaScript 4.x notamment pour prendre en charge de manière efficace (et sans plug-in) l'affichage et l'exploitation de données 3D dans un navigateur web. Depuis septembre 2018, la version 4.9 de l'API prend en charge l'affichage de jeux de données ponctuels volumineux. La version 4.10, sortie en décembre dernier, étend cette capacité aux couches de données volumineuses de lignes et de polygones. Il n’y a donc plus de limite à 2 000 entités lors de l’ajout de couches d’entités dans vos scènes web 3D ArcGIS. Ceci est vrai pour la visionneuse de scènes comme pour les applications 3D développées à l'aide de l'API JavaScript ArcGIS.Dans cet article, je vous propose de voir les détails techniques du chargement et de l'affichage de couches d'entités volumineuses. En suivant ces recommandations, vous pourrez créer des scènes web 3D de votre territoire en utilisant vos couches d'entités 2D en extrudant, par exemple, des centaines de milliers de bâtiments générés dynamiquement à partir d'emprise 2D ! Comment ça marche ?
Pour les services comportant moins de 2000 entités, nous pouvons charger toutes les données en même temps dans le client. En interne, de manière transparente, Esri appelle ce mode "instantané" et continue de l’utiliser pour les petits services. Ce mode présente l'avantage d'afficher instantanément toutes les fonctionnalités lors de la navigation, car toutes les données sont en mémoire dans l'application cliente et sont rendues directement.
Lorsqu'un service dépasse la quantité de données pouvant être gérée en mode "instantané", nous passons automatiquement dans un mode dit "tuilé" à la demande. Ce mode est similaire à ce qu'il se passe avec les couches de scène (Scene Layers), mais sans cache préalablement calculé. Le mode "tuilé" charge les entités des services volumineux et les organise en un maillage de taille variable (selon la quantité de données dans chaque mailles). Ce mode peut afficher jusqu'à 50 000 entités à la fois par couche.Dans cette scène, les carreaux sont affichés avec des contours rouges.
Une vue typique contient 20 à 50 tuiles.Les tuiles sont chargées progressivement, en commençant par la tuile la plus proche.
Esri utilise également également le mécanisme de quantification, une technique qui réduit la résolution des entités lignes et des polygones en fonction de leur taille à l'écran. La quantification réduit la quantité de données que le serveur et le client doivent traiter, mais on notera qu'elle peut empêcher le chargement de très petites entités. Lorsque le nombre d'entités à charger dépasse cette nouvelle limite, la scène essaye alors de charger un sous-ensemble significatif des données à afficher: Tout d'abord, la scène demande combien d'entités se trouvent dans l'ensemble des tuiles, puis elle charge le même pourcentage de toutes les entités de chaque tuiles. Cela crée un sous-échantillonnage homogène des entités dans toutes les tuiles, ce qui donne une bonne représentation visuelle de la répartition spatiale des données. Cela rend également les bordures du maillage moins visibles. Un deuxième mécanisme entre également en jeu dans le cas de couches d'entités volumineuses avec l'utilisation d'une réduction de la taille des tuiles en fonction de leur éloignement par rapport au point de vue de la scène. Il en résulte des tuiles plus petites (et donc plus denses) à proximité du point de vue et des tuiles plus grandes lorsque l'on se rapproche de l’horizon.
Cet algorithme de sélection des entités à afficher permet également des temps de chargement plus rapides. De plus, lorsque le serveur le prend en charge, la scène web demande les entités dans le format binaire (pbf) au lieu de JSON, ce qui réduit encore la taille des données échangées. Visualisations de villes 3D à partir d'entités 2D, quelques exemples en action
En France, la plupart des gestionnaires de territoire n'ont pas de modèles 3D détaillés de leurs bâtiments. Il est cependant fréquent de disposer des emprises de ces bâtiments disponibles dans la BD Topo de l'IGN, dans les données cadastrales ou encore dans la base de données OpenStreetMap. Pour peu que vous ayez des informations sur la hauteur de ces bâtiments, vous pourrez les visualiser facilement en 3D. Pour ajouter un peu de réalisme à la scène, nous pourrez également télécharger d'autre éléments comme les arbres.
Avant de voir en détail comment intégrer les données 2D et les publier dans une application web en 3D, voici ci-dessous une intégration de l'ensemble des emprises de bâtiments d'OSM sur la Roumanie (1 million d'entités) présentée dans une application web 3D à l'aide de l'API JavaScript ArcGIS par ma collègue Raluca Nicola du centre de R&D Esri de Zurich.
Télécharger et publier les données
Il existe plusieurs façons de télécharger et de publier les emprises de bâtiments. Selon la source de données utilisée la qualité des données peut être très variable. Vous vérifierez tout d'abord que les informations sur les hauteurs sont correctement et exhaustivement renseignées. Si ce n'est pas le cas, vous devrez remplacer les valeurs nulles par une hauteur arbitraire. Cette dernière pourra être fixe ou, par exemple, être calculée à partir du périmètre/superficie du bâtiment. Vous penserez également à supprimer les attributs inutiles pour votre scène 3D (il peut y en avoir beaucoup dans la BD Topo IGN ou dans OSM).
Une fois les données prêtes (n'oubliez pas d'ajouter les attributions), vous allez pouvoir les publier sur ArcGIS Online. En cas de doutes vous pourrez vérifier la consommation de crédits avant de publier votre service (pour une couche d'entités: 2.4 crédits pour 10 Mo de stockage par mois). Lors de la publication, voici quelques optimisations que vous pouvez apporter aux paramètres de votre couche d'entités pour améliorer ses performances:- Cochez la case "Optimiser le dessin de la couche".
- Reconstruire l' index spatial .
- Définissez le contrôle du cache sur "1 heure".
Créer une application web 3D
Il est maintenant temps de visualiser les bâtiments. Si vous n'êtes pas développeur, vous pourrez choisir de créer votre scène web avec la visionneuse de scènes. Dans la version actuelle, il n'est pas encore possible (ca arrive prochainement) de choisir un champ pour les valeurs d'extrusion, vous serez donc obligé de spécifier une valeur fixe (par exemple: 10 m.). Nous avons également ici symbolisé les arbres avec des modèles 3D réalistes issus des librairies standards de symboles 3D de la visionneuse de scènes. Nous avons enregistré la scène et l'avons chargée dans une application personnalisée à l'aide de l' ID de de l'élément sur le portail. Nous avons ensuite ajouté un menu en bas qui permet de zoomer sur les principales villes en s'appuyant sur les diapositives définies dans la scène web. Voici à quoi ressemble l'application:Bucarest Constanța
C’est ainsi que vous pouvez créer une vue 3D de votre ville en utilisant uniquement des données 2D. Dans cet exemple, nous avons utilisé les données d'OpenStreetMap, mais nous aurions pu faire la même chose avec d'autres sources de données (IGN, DGI, ...). Exploiter la hauteur des bâtimentsTimișoara
Certaines organisations publiques ont des portails Open Data où vous pouvez trouver les emprises de bâtiments (même avec des informations de hauteur). C'est le cas de Paris, avec l'APUR qui a publié toutes les emprises de bâtiments sur son portail Open Data (réalisé avec ArcGIS Online). Les emprises contiennent des informations sur la hauteur et la date (ou période) de construction. Nous avons donc utilisé ces attributs pour représenter la hauteur et la couleur des entités extrudées. La hauteur d'extrusion est définie en tant que variable visuelle de type "taille" et les dates de construction sont utilisées en tant que catégories dans un rendu de type "valeur unique". Voici le code JavaScript utilisé:Voici à quoi ressemble l'application:
Et vous pouvez accéder au code de l'application ici .
A vous de jouer désormais !
-
20:00
The Over-Tourism Map
sur Google Maps ManiaThe Disneyfication Map visualizes the number of tourists visiting the countries of the world, in proportion to the local population. The map is an attempt to show where over-tourism could be having a negative impact on the local population and the visited areas. The map uses data from the World Bank to show which countries have the most tourists in comparison to each country's population. The
-
18:57
Martin Davis: Fast Geometry Distance in JTS
sur Planet OSGeo
The second-most important criteria for a spatial algorithm is that it be fast. (The most important is that it's correct!) Many spatial algorithms have a simple implementation available, but with performance of O(n2) (or worse). This is unacceptably slow for production usage, since it results in long runtimes for data of any significant size. In JTS a lot of effort has gone into identifying O(n2) performance hotspots and engineering efficient replacements for them.
One long-standing hotspot is the algorithm for computing Euclidean distance between geometries. The obvious distance algorithm is a brute-force O(MxN) comparison between the vertices and edges (facets) of the input geometries. This is simple to implement, but very slow for large inputs. Surprisingly, there seems to be little in the computational geometry literature about more efficient distance algorithms. Perhaps because of this, many geometric libraries provide only the slow brute force algorithm - including JTS (until now).Â
Happily, it turns out there is a faster approach to distance computation. It uses data structures and algorithms which are already provided in JTS, so it's relatively easy to implement. The basic idea is to build a spatial index on each of the input geometries, and then use a Branch-and-Bound search algorithm to efficiently traverse the index trees to find for the minimum distance between geometry facets. This is a generalization of the R-tree Nearest Neighbour algorithm described in the classic paper by Rousssopoulos et al. [1].Â
JTS has the STRtree R-tree index implementation (a packed R-tree using the Sort-Tile-Recursive algorithm). This has recently been enhanced with several kinds of nearest-neighbour searches. In particular, it now supports a method to find the nearest neighbours between two different trees. The IndexedFacetDistance class uses this capability to implement fast distance searching on the facets of two geometries.
Another benefit of this approach is that it allows caching the index of one geometry. This further increases performance in the common case of repeated distance calculations against a fixed geometry.
The performance improvement is impressive. Here's the timings for computing the distance from Antarctica to other world countries:Source
Data sizeTarget
Data sizeTime
IndexedTime
Brute-ForceImprovement 1 polygon
(19,487 vertices)244 polygons
(366,951 vertices)164 ms 136 s x 830 Branch-and-bound search also speeds up isWithinDistance queries. Here's a within-distance selection query between another antipodean continent and a large set of small rectangles:
Source
Data sizeTarget
Data sizeTime Time
Brute-ForceImprovement 1 polygon
(7,316 vertices)100,000 polygons
(500,000 vertices)53 ms 10.03 s x 19 A small fly in the algorithmic ointment is that Indexed Distance is not always better than the brute-force approach. For small geometries (such as points or rectangles) a simple scan is actually faster, since it avoids the overhead of building indexes. It may be possible to determine a tuning parameter that allows automatically choosing the fastest option. Or the client can choose the faster approach, using knowledge of the use case.
Future Work
A few further ideas to build or investigate:- Implement a caching FastDistanceOp using IndexedFacetDistance and indexed Point-In-Polygon. This can be used to add a fast distance() method to PreparedGeometryÂ
- Investigate improving isWithinDistance by using the MINMAXDISTANCE metric for envelopes. This allows earlier detection of index nodes satisfying the distance constraint.
- Investigate alternative R-Tree packing algorithms (such as Hilbert packing or sequence packing) to see if they improve performance
[1] Roussopoulos, Nick, Stephen Kelley, and Frédéric Vincent. "Nearest neighbor queries."  ACM SIGMOD record. Vol. 24. No. 2. ACM, 1995.
-
18:00
A Game of Flags
sur Google Maps ManiaEsri has released a new map based game for all the vexillologists of the world. The World Country Flags Game is a fun way to test how well you know the flags of the world. The rules are simple. There are ten country flags displayed above an interactive map. All you have to do is drag each flag onto the correct country on the map. If you place a flag on the correct country that country will now
-
16:24
OneWeb : premier lancement réussi pour les satellites qui vont connecter tout le monde à Internet
sur Décryptagéo, l'information géographiqueSix sur six cent cinquante ! À bord d’un lanceur Soyouz, les six premiers satellites OneWeb ont été lancés avec succès le 27 février 2019, depuis la Guyane. C’est le début d’une constellation qui devrait relier chaque point de la Terre à Internet en 2022.Les six premiers satellites de télécommunications OneWeb qui ont été fabriqués à Toulouse sont avant tout des démonstrateurs. Une fois qu’ils auront été validés, c’est en Floride que se déroulera la production des quelque six cent cinquante satellites de la constellation, par OneWeb Satellites, filiale d’Airbus Defence & Space et de OneWeb. À partir de 2022, OneWeb permettra de fournir un accès à Internet en haut débit (environ 50 mégabits/s). Les prochains lancements (en grande partie menés par Arianespace) commenceront en 2020 et se feront par paquets d’une trentaine de satellites.
Rappelons que cette constellation de télécommunications en orbite basse, imaginée par Greg Wyler, mise sur le faible coût de fabrication en série des satellites, qui mesurent chacun un peu plus de 1 m3. Son modèle économique reste fragile et peu connu et ce n’est certainement pas un hasard si l’entreprise a annoncé avoir signé avec deux premiers clients à l’occasion du lancement, qui vont déployer des services en Afrique et au Moyen-Orient (Talia et Intermatica). Parmi ses concurrents, le plus sérieux est certainement SpaceX qui travaille à Starlink, une constellation de plus de mille satellites en orbite très basse, en recherche actuellement de financements.
Cet article OneWeb : premier lancement réussi pour les satellites qui vont connecter tout le monde à Internet est apparu en premier sur DécryptaGéo, l'information géographique.
-
16:21
gvSIG Team: 11as Jornadas de Latinoamérica y Caribe de gvSIG: “GeotecnologÃas, contribuyendo a la solución de problemas del territorioâ€
sur Planet OSGeoLos dÃas 15 y 16 de agosto de 2019 se celebrarán en la Universidad de Guanajuato (México) las 11as Jornadas de Latinoamérica y Caribe de gvSIG bajo el lema “GeotecnologÃas, contribuyendo a la solución de problemas del territorioâ€.
Esta edición, que serán también las 5as Jornadas gvSIG México, serán un punto de encuentro para los usuarios y desarrolladores de la Comunidad gvSIG, asà como de toda aquella persona interesada en las TecnologÃas de la Información Geográfica libres.
Para poder enviar propuestas de comunicación, tanto para presentación como para póster, se debe completar la plantilla disponible en el apartado de Comunicaciones de la web de las jornadas.
Las inscripciones son gratuitas, y podrán realizarse a partir del dÃa 15 de mayo de 2019. También se realizarán varios talleres gratuitos, cuya inscripción será independiente de la de las jornadas. Toda la información se podrá consultar en la web del evento.
Por otro lado, cualquier entidad o persona interesada en patrocinar las jornadas o en cualquier otro tipo de colaboración, puede escribir un correo electrónico a la dirección jornadas.latinoamericanas@gvsig.org.
-
15:00
Public Land Sold by Your Council
sur Google Maps ManiaAs a result of the government's austerity programme councils in the UK are being forced into selling off publicly owned land and property. Local amenities such as libraries, community centres and playgrounds have been closed and sold across the country. Around a third of the money that has been raised from this national asset stripping has been spent on redundancy payments. The Bureau of
-
14:29
Satellite Agri’Hackathon 2019 : 1er prix pour l’équipe MesParcelles / Atol CD
sur Décryptagéo, l'information géographiqueLe Satellite Agri’Hackathon s’est déroulé les 25 et 26 février 2019 en marge du SIMA Paris, Salon International du Machinisme Agricole. Le 1er prix a été remporté par l’équipe composée d’agronomes et techniciens de la Chambre d’Agriculture des Pays de Loire et de trois collaborateurs Atol CD pour l’application Ohm Sweet Home.
Satellite Agri’Hackathon : 48h pour concevoir une application informatique !
Le défi, organisé par La Ferme Digitale, ASD-Eurospace, Atos et le SIMA, a mis en compétition 6 équipes soit près de 50 participants. L’objectif était de créer un prototype informatique au service du monde agricole. Au terme de deux jours de réflexions et de développements intenses, l’équipe MesParcelles / Atol CD a remporté le 1er prix ! L’association de compétences des experts métiers des Chambres d’Agriculture et des développeurs Atol CD a porté ses fruits !
Une application économique
L’application Ohm Sweet Home permettra de mesurer la potentialité du sol à partir des images satellites du programme européen Copernicus. Cette méthode sera capable d’obtenir des données précises sans avoir à déplacer des appareils lourds et coûteux.
A propos d’Atol CD et de MesParcelles
L’Assemblée Permanente des Chambres d’Agriculture – APCA a récemment confié à Atol Conseils et Développements le renouvellement du marché de maintenance de sa plateforme MesParcelles et l’hébergement des applications MesParcelles et MaCave pour une durée de 4 ans (période 2019-2022). MesParcelles est un écosystème d’applications métiers, web et mobiles, construit autour de solutions open source innovantes, avec la mission d’apporter aux exploitants, des outils de gestion sur l’ensemble de leurs pratiques et aux techniciens des Chambres d’Agriculture, un support enrichi pour élaborer leurs conseils et prescriptions.
Contact Presse : Caroline Chanlon – c.chanlon@atolcd.com / 03 80 68 81 68
Cet article Satellite Agri’Hackathon 2019 : 1er prix pour l’équipe MesParcelles / Atol CD est apparu en premier sur DécryptaGéo, l'information géographique.
-
11:00
CARTO Blog: Mapping Segregation - MIT's Atlas of Inequality
sur Planet OSGeoThis week, The Atlas of Inequality, a joint project from MIT Media Lab’s Human Dynamics Group and the Department of Mathematics at Universidad Carlos III de Madrid, was lau...