GéoIA
Une série temporelle d’entités topographiques.
Nous avons une grande nouvelle !
La dernière mise à jour de la série de données GéoIA ajoute plus de 275 000 km² de nouvelles données géospatiales générées par l’IA. Cette série couvre maintenant 560 000 km², produite à l’aide d’images à haute résolution, des modèles de fondation géospatiaux, et l’usine GéoIA du Centre canadien de cartographie et d’observation de la Terre.
Sur cette page
Découvrez la série GéoIA, des données géospatiales de base créées grâce à l’Intelligence artificielle (IA) développée par le Centre canadien de cartographie et d’observation de la Terre.
À propos de GéoIA : rapide, précise et à haute résolution
La série GéoIA est une collection de d’entités topographiques qui sont :
- Naturelles ou artificielles, incluant routes, bâtiments, lacs, rivières et zones forestières
- Basées sur des sources d’imagerie à haute résolution
- À référence temporelle
- Extraites automatiquement par des algorithmes d’intelligence artificielle
Pourquoi GéoIA
GéoIA automatise le processus de création de données, permettant à Ressources naturelles Canada d’augmenter considérablement l’efficacité et d’accélérer sa production. Cela nous permet de générer rapidement des données et de produire des informations plus à jour, au moment et là où elles sont nécessaires.
Résolution
Les entités GéoIA sont générées à partir d’images à très haute résolution (environ 50 cm ou mieux), offrant ainsi des données détaillées et précises aux utilisateurs.
Précision de la GéoIA
Tous les modèles d’IA développés par RNCan sont évalués à l’aide d’un vaste jeu de données de validation, représentatif du territoire canadien. Seuls les modèles présentant les meilleures performances sont retenus pour produire GéoIA : Série GéoBase
GéoIA pour l’analyse temporelle
Les données GéoIA capturent un instantané topographique d’une zone à un moment précis. En superposant plusieurs instantanés, les utilisateurs peuvent facilement visualiser et analyser les changements au fil du temps.
Cet exemple montre une analyse du développement urbain de la Ville de Québec, de 2006 à 2022, réalisée avec les jeux de données GéoIA.
Galerie de cartes et de jeux de données GéoIA
Index des données GéoIA
Trouvez les zones actuellement couvertes par GéoIA et téléchargez les données.
Série GéoIA
Accédez aux métadonnées GéoIA et téléchargez les jeux de données disponibles.
Cas d’utilisation du développement urbain
Explorez les résultats d’une analyse de détection de changements pour la Ville de Québec
À venir pour la série GéoIA
Nous avons investi beaucoup de temps et d’efforts pour établir les bases de GéoIA : Série GéoBase, mais ce n’est qu’un début. Nous avons encore beaucoup de possibilités de croissance, d’amélioration et de développement de nouvelles fonctionnalités pour faire de ce projet une initiative véritablement novatrice !
À surveiller prochainement :
- Amélioration de la précision de la classification en développant et entraînant de nouveaux modèles avec des jeux de données d’apprentissage plus vastes et plus diversifiés.
- Amélioration de la précision horizontale, en faisant correspondre les images sources au modèle d’élévation numérique de haute résolution (lorsqu’il est disponible).
- Amélioration du post-traitement pour des entités plus propres et plus représentatives
Revenez régulièrement pour vous informer des dernières mises à jour et annonces concernant la GéoIA.
Contexte du produit
Depuis 2019, le Centre canadien de cartographie et d’observation de la Terre (CCCOT) a déployé d’importants efforts stratégiques dans le développement de systèmes de gestion de données géospatiales basés sur l’infonuagiques et d’une capacité avancée en IA.
Ces efforts ont mené au lancement et à la diffusion ouverte du projet Geo-Deep-Learning (voir le github geo-deep-learning), visant à permettre l’utilisation de réseaux neuronaux convolutifs (CNN) avec des ensembles de données géoréférencées.
Ressources naturelles Canada a par la suite mis en œuvre des outils de prétraitement d’images et de géo-apprentissage profond dans une chaîne de production opérationnelle qui permet de traiter automatiquement de très grandes quantités d’images aériennes ou satellitaires optiques (l’utilisation d’autres sources de données est en cours de développement) pour extraire des données géospatiales fondamentales.
Le CCCOT est à l’avant-garde de l’intégration de modèle de fondation avancés spécifiquement entraînés sur des images satellitaires et aéroportées multispectrales, multirésolution et multitemporelles du Canada. En exploitant des techniques d’apprentissage auto-supervisé et de vastes archives de données canadiennes d’observation de la Terre à haute résolution, ces modèles sont particulièrement adaptés à la diversité des paysages et environnements canadiens. Ils peuvent ensuite être ajustés pour identifier et analyser automatiquement les éléments d’intérêt, permettant de nouveaux niveaux d’information et d’innovation en analyse géospatiale.
Afin de tester les systèmes, valider les résultats, développer la structure des jeux de données et mettre en valeur des cas d’utilisation, divers projets pilotes ont été réalisés en collaboration avec le Conseil canadien de géomatique (COCG). À la suite de ces projets pilotes, la série a officiellement été approuvée par le COCG comme série de données de l’Initiative GéoBase.
Contact
Écrivez à geoinfo@nrcan-rncan.gc.ca pour joindre notre équipe, ou contribuez aux projets geo-deep-learning ou geo-inference.
