AtlanFlex est un jeu de données synthétiques conçu pour évaluer la flexibilité énergétique dans un quartier résidentiel via des thermostats intelligents. Il modélise la consommation de chauffage de 337 logements dans un climat côtier, en intégrant des scénarios de demande-réponse (réduction de consigne de température) et des comportements stochastiques des occupants. Les données incluent des séries temporelles de consommation, de température et de conditions externes, permettant d'analyser l'influence de la diversité des profils et des interactions avec les thermostats.

Ce projet consiste à intégrer et analyser des données climatiques et socio-économiques pour étudier les variations de température dans le monde. Il permet de croiser des relevés de température avec des indicateurs de développement humain (PIB, accès à l'électricité, eau potable, etc.) afin d'identifier des corrélations entre climat et niveau de développement des pays. Les données sont structurées dans un entrepôt dédié pour faciliter des analyses avancées et des requêtes OLAP.

Ce projet développe une suite logicielle dédiée au contrôle et à la surveillance des détecteurs FAZIA utilisés en physique nucléaire expérimentale. Il permet de configurer les paramètres électroniques, de surveiller en temps réel les températures des cartes et les alimentations haute tension, et d'acquérir des données expérimentales pour analyse. Les interfaces graphiques intégrées facilitent l'interaction avec les équipements.

Ce projet permet d'analyser et de visualiser des données météorologiques et environnementales liées aux risques d'incendie de forêt en Algérie. Il exploite un jeu de données détaillé incluant température, humidité, vitesse du vent et précipitations pour évaluer les conditions propices aux départs de feu. Les utilisateurs peuvent explorer ces données pour mieux comprendre les facteurs influençant les incendies et contribuer à leur prévention.

Ce projet développe des algorithmes pour corriger les biais de recouvrement (overlap) des ceilomètres CHM15k utilisés en observations atmosphériques. Basé sur des méthodes statistiques et des modèles de température, il permet d'améliorer la précision des données lidar sous des conditions de couche limite bien mélangée. Les outils générés aident à analyser l'impact des corrections sur les gradients de température et à détecter les artefacts dans les modèles, notamment pour des sites comme Aosta, Magurele-Rado ou Cabauw.

Logiciel dédié à l'analyse et à la visualisation de données de température issues de capteurs ou d'expériences scientifiques. Permet aux utilisateurs de traiter, interpréter et représenter graphiquement des séries de données pour faciliter la prise de décision ou la recherche.

Logiciel dédié à la surveillance automatisée d'équipements de laboratoire. Il collecte, stocke et visualise en temps réel les données issues de divers capteurs (température, pression, etc.). Le système génère des alertes automatiques par email en cas de dépassement de seuils prédéfinis. Il permet également d'analyser les données expérimentales et d'exporter les résultats sous forme de graphiques ou de fichiers structurés.

Projet open source développé par l'Université Toulouse 3 et l'IRIT dans le cadre de l'opération neOCampus. Il permet de déployer des capteurs IoT (neOSensor) basés sur des microcontrôleurs ESP32/ESP8266 pour mesurer des paramètres environnementaux comme la température, l'humidité, la qualité de l'air ou la luminosité. Les données collectées sont publiées vers une infrastructure centrale (sensOCampus) pour stockage et analyse.

Ce projet permet de centraliser et visualiser les données issues de capteurs environnementaux, notamment pour le suivi des températures et des conditions météorologiques. Il offre des tableaux de bord interactifs et des indicateurs clés pour faciliter l'analyse et la prise de décision au sein de la DGD DAPAL. Les données sont présentées de manière claire et adaptée aux besoins des utilisateurs.

Le package R dailymet est un outil d'analyse des extrêmes de séries temporelles quotidiennes de données météorologiques, en particulier les températures maximales quotidiennes. Il fournit des méthodes pour lire les données à partir de fichiers CSV, produire des résumés et des visualisations à l'aide de ggplot2, et fournit des fonctions pour décrire la tendance et la saisonnalité dans les séries temporelles.