Projet de recherche dédié à la détection automatisée des ombres dans les images satellites à haute résolution. Il permet d'identifier et de cartographier les zones d'ombre pour des applications en télédétection, urbanisme, gestion des risques naturels ou encore analyse environnementale. Le système utilise des modèles d'apprentissage profond entraînés sur un jeu de données dédié, offrant une solution robuste pour l'analyse des paysages urbains et naturels.

Module open source conçu pour calculer des masques de qualité ou des cartes de précision à partir de modèles numériques de terrain (MNT) et de surface (MNS). Développé par le Service de l'Imagerie Spatiale de l'IGN, il permet d'évaluer la fiabilité des données géospatiales en identifiant les zones de décrochage et en interpolant les zones sans données. L'outil s'appuie sur des algorithmes avancés pour fournir une analyse locale et précise, utile dans les domaines de la cartographie, de la télédétection et de la gestion des risques.

Module logiciel dédié à l'extraction automatique de caractéristiques à partir d'images, notamment pour des applications en télédétection et imagerie médicale. Il permet d'identifier, quantifier et analyser des éléments spécifiques dans des images complexes, facilitant ainsi la prise de décision dans des domaines comme l'agriculture de précision, la gestion des risques naturels ou l'urbanisme. Intégré à l'Orfeo ToolBox (OTB), il offre des outils avancés pour le traitement et l'interprétation de données visuelles.

Ce projet agrège et analyse les données relatives aux parcs photovoltaïques en France. Il combine des informations issues de télédétection par photographies aériennes et des déclarations officielles via le formulaire Démarches Simplifiées. L'objectif est de fournir une vision unifiée et fiable des installations solaires, facilitant leur suivi, leur évaluation et leur gestion par les autorités compétentes.

Le projet odeon-landcover a pour objectif de fournir des données actualisées et précises sur la couverture végétale des territoires, en utilisant des méthodes avancées de télédétection et d'intelligence artificielle. Il permet ainsi de mieux comprendre l'évolution des écosystèmes et de soutenir la prise de décision dans les domaines de l'aménagement du territoire, de la gestion des risques naturels et de la préservation de la biodiversité.

Le modèle SPARSE (Soil Plant Atmosphere Remote Sensing Evapotranspiration) est un outil scientifique conçu pour calculer les composantes du bilan énergétique entre le sol, la végétation et l'atmosphère. Il permet d'estimer l'évapotranspiration des cultures et d'évaluer leur niveau de stress hydrique à partir de données de télédétection thermique et de paramètres météorologiques. Utilisé principalement en agriculture et en gestion de l'eau, il aide à optimiser les pratiques culturales et à anticiper les besoins en irrigation.

Ce projet est une unité d'enseignement (UE) proposée par l'Université Lyon 1 dans le cadre du Master 2 en Technologies de l'Information et du Web. Il couvre la gestion de grandes masses de données, les systèmes de gestion de bases de données (SGBD), le MapReduce avec Spark, et les flux de données avec Storm. Les étudiants y apprennent les techniques de tuning et d'optimisation des performances des SGBD ainsi que les concepts avancés du Big Data.