Geographic information system (GIS)

ENV-342 / 5 credits

Teacher: Joost Stéphane

Language: French

Résumé

Acquisition de concepts et compétences de base liées à la représentation numérique des données géographiques et à leur insertion dans des SIG. Apprentissage de processus d'analyse spatiale pour les ingénieurs SIE et GC (autocorrélation spatiale, interpolation, modèles numériques d'altitude).

Contenu

  • Principes et fonctions des SIG
  • Représentation numérique de l'information géographique
  • Acquisition et mise à jour de données géographiques, consolidation topologique des données
  • Principes des bases de données géospatiales, langage SQL, conception et implémentation de bases de données
  • Conception d'un SIG
  • Introduction à l'analyse spatiale: modèles numériques d'altitude (MNA), autorcorrélation spatiale (I de Moran), interpolation spatiale
  • Représentation cartographique des données
  • Programmation de fonctions géospatiales et automatisation de tâches (Python)

Les exercices géoinformatiques sont proposés sur le logiciel QGIS.

Mots-clés

Systèmes d'Information Géographique, analyse spatiale, bases de données géospatiales, géodonnées, programmation, géoinformatique, Python

Compétences requises

Cours prérequis indicatifs

Eléments de géomatique (ENV-140)

Acquis de formation

A la fin de ce cours l'étudiant doit être capable de:

  • Contextualiser les systèmes d'information géographique et les bases de données
  • Exprimer des requêtes SQL
  • Choisir ou sélectionner une méthode d'acquisition de géodonnées
  • Caractériser des objets ou des phénomènes spatiaux
  • Implémenter un modèle dans une base de données ou un SIG
  • Utiliser les modèles numériques d'altitude et leurs dérivées
  • Représenter cartographiquement des données géoréférencées selon les règles de la sémiologie graphique
  • Comparer les méthodes d'interpolation
  • Appliquer des méthodes de base en analyse spatiale
  • Quantifier l'autocorrélation spatiale
  • Développer des fonctions géospatiales complémentaires en langage Python

Compétences transversales

  • Accéder aux sources d'informations appropriées et les évaluer.
  • Recueillir des données.
  • Utiliser une méthodologie de travail appropriée, organiser un/son travail.

Méthode d'enseignement

Cours ex-cathedra, exercices pratiques en géoinformatique

Méthode d'évaluation

50% projet individuel en programmation géoinformatique pendant le semestre
50% épreuve écrite (120 min) pendant la session d'examen

Ressources

Bibliographie

Liens Moodle

Préparation pour

  • Cours de master Analyse Exploratoire des Données en Santé Environnementale (ENV-444)
  • Cours de master Image processing for Earth observation (ENV-540)
  • Cours de master Sensing and spatial modeling for earth observation (ENV-408)
  • Thèse de master en lien avec l'utilisation des SIG et de l'analyse spatiale
  • Thèse de doctorat en lien avec l'utilisation des SIG et de l'analyse spatiale

In the programs

  • Semester: Spring
  • Exam form: Written (summer session)
  • Subject examined: Geographic information system (GIS)
  • Lecture: 2 Hour(s) per week x 14 weeks
  • Exercises: 2 Hour(s) per week x 14 weeks
  • Practical work: 1 Hour(s) per week x 14 weeks
  • Type: mandatory
  • Semester: Spring
  • Exam form: Written (summer session)
  • Subject examined: Geographic information system (GIS)
  • Lecture: 2 Hour(s) per week x 14 weeks
  • Exercises: 2 Hour(s) per week x 14 weeks
  • Practical work: 1 Hour(s) per week x 14 weeks
  • Type: optional
  • Semester: Spring
  • Exam form: Written (summer session)
  • Subject examined: Geographic information system (GIS)
  • Lecture: 2 Hour(s) per week x 14 weeks
  • Exercises: 2 Hour(s) per week x 14 weeks
  • Practical work: 1 Hour(s) per week x 14 weeks
  • Type: mandatory

Reference week

Related courses

Results from graphsearch.epfl.ch.