17
CONNECT. TRANSFORM. AUTOMATE. CONNECT. TRANSFORM. AUTOMATE. NACLIM: North Atlantic Climate - FP 7 Collaborative Project Exemple d’analyse géographique au travers de FME Christophe Adriaensen

FME WT 2014: (FR) NACLIM analyse géographique

  • Upload
    gimnv

  • View
    88

  • Download
    2

Embed Size (px)

DESCRIPTION

Presentation on FME World Tour 2014 in Namur hosted by GIM. A geographical Analysis with FME (FRENCH)

Citation preview

Page 1: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

CONNECT. TRANSFORM. AUTOMATE.

NACLIM: North Atlantic Climate - FP 7 Collaborative Project

Exemple d’analyse géographique au travers de FME

Christophe Adriaensen

Page 2: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Aperçu du projet NACLIM

Planning:

Début: 1 nov. 2012

Durée: 48 (+3) mois

Domaine de recherche:

Prévisions climatiques et leurs impacts

L'Atlantique Nord / secteur européen

19 instituts de recherches

10 pays européens

5 thèmes / 12 workpackages

WP4.2: impact on European urbansocieties

Cartographie des risques des vagues de chaleur en milieu urbain – focus santé

Page 3: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Impact on urban societies

UHI prediction

CMIP5

UrbClim

socio-economicUrban morphology Observations

Heat stress exposure maps

City data

Page 4: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Sélection de 3 villes

Différentes morphologies urbaines: densité, couverture de végétation, etc.

Almada

Meditérannéen

Anvers

Tempéré maritime

Berlin

Continental avec été chaud

Page 5: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Indices de morphologie urbaine

Calcul des indices de morphologie urbaine

PAI - planar area index

FAI - frontal area index

Mean building height

Standard deviation building height

Fraction urban land use

Fraction vegetation cover

Page 6: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

P. exemple: PAI

Proportion de surface couverte par des bâtiments par cellule (250 m de résolution)

Données en entrée: 3D city model

Données en sortie: l’indice de morphologie urbaine PAI

Calcul d’un indice de morphologie urbaine

Page 7: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Prétraitement données 3D City models

Conversion 3D - 2D + attributs

Avec ou sans toit

Blocs de bâtiments ou bâtiments individuels

3D city model (input) Blocks (output, no roofs)Buildings (output, no roofs)

Calcul d’un indice de morphologie urbaine

Page 8: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Traitement des données sources

Résultat PAI pour les 3 villes

Berlin Antwerpen Almada

Page 9: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Prochaines étapes

Génération de différents scénarios

THEME ID SCENARIO

TIME SCALE

PAST -PRESENT

(1986-2005)

NEAR FUTURE(2026-2045)

FAR FUTURE(2081-2100)

BASE & CLIMATE VARIABILITY

S01 UHI - present situation (EEA data) X

S02 UHI - present situation (end-users data) X

S03 UHI - near future incl. climate variability (no changes) X

S04 UHI - far future incl. climate variability (no changes) X

MORPHOLOGY CHANGES

S05 Realized projects - no urban expansion X

S06 Realized projects - urban expansion X

MITIGATION MEASURES

S07 Increase green roofs (no changes) X

S08 Increase albedo buildings (no changes) X

USER-SPECIFIC SCENARIOS

S09 UHI - Almada without presence of Lisbon X

Page 10: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Prochaines étapes

Réalisation de cartes de prédiction des ilots de chaleur en milieu urbain

Page 11: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Prochaines étapes

Génération de cartes de risques UHI scenarios

Population

E01 Vulnerable population - today (total)

E02 Vulnerable population - near future (total)

E03 Vulnerable population - today (age class)

E04 Vulnerable population - near future (age class)

E05 Vulnerable population - today (marital status)

E06 Vulnerable population - near future (marital status)

Vulnerableinstitutions

E07 Vulnerable population - today (schools)

E08 Vulnerable population - near future (schools)

E09 Vulnerable population - today (childcare)

E10 Vulnerable population - near future (childcare)

E11 Vulnerable population - today (hospitals)

E12 Vulnerable population - near future (hospitals)

E13 Vulnerable population - today (rest homes)

E14 Vulnerable population - near future (rest homes)

+

Population vulnérableP. ex. 65 ans et +

Page 12: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Autres projets de traitement de données/analyse

Cartographie de bruits

Modélisation hydraulique

Page 13: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Merci!

Questions?

For more information:

[email protected]

http://www.gim.be

Page 14: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Merci!

Questions?

For more information:

[email protected]

http://www.gim.be

Page 15: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

The research leading to these results has received funding from the European Union 7th Framework Programme (FP7 2007-2013), under grant agreement n.308299

NACLIM www.naclim.eu

Page 16: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Conclusions

Page 17: FME WT 2014: (FR) NACLIM analyse géographique

CONNECT. TRANSFORM. AUTOMATE.

Conclusions – Pq FME?

Économiser de l'argent et du temps

Augmenter la productivité

Aller droit au but : aucune expérience de programmation requise

Obtenir plus de vos données: combiner de multiples sources de données à de nouvelles informations

Améliorer les processus ETL

Automatiser les tâches