Ce projet vise à standardiser les protocoles IoT pour détecter en temps réel les virus et la pollution environnementale. Il permet aux utilisateurs d'identifier les zones à risque via une application mobile et un site web, tout en assurant la conformité RGPD. Les données collectées sont analysées et diffusées pour permettre une surveillance efficace et des alertes préventives.

Projet open source permettant de construire une station météo connectée à base de Raspberry Pi. Il collecte des données environnementales (température, humidité, pression, etc.) via des capteurs et les transmet pour analyse. Les utilisateurs peuvent visualiser les données en temps réel et suivre les tendances climatiques locales. Idéal pour les passionnés de météo, les écoles ou les collectivités souhaitant surveiller leur environnement.

Le projet Lorax vise à collecter, analyser et surveiller les données environnementales en temps réel. Il permet de détecter les pollutions et d'alerter les autorités compétentes pour une intervention rapide. Grâce à son système d'analyse de données avancé, il fournit des informations précieuses pour la prise de décision en matière de protection de l'environnement.

Ce projet permet de surveiller en temps réel les conditions environnementales des cultures agricoles grâce à des capteurs connectés. Il mesure la température, l'humidité et la luminosité pour aider les agriculteurs à prendre des décisions éclairées sur l'irrigation, la protection des plantes ou la gestion des serres. Les données collectées sont transmises via un réseau Wi-Fi sécurisé à une station centrale pour analyse et stockage.

Outil dédié à la transformation de données brutes issues de capteurs LIDAR en fichiers normalisés au format netCDF. Il permet aux chercheurs et scientifiques de traiter des données atmosphériques pour des analyses météorologiques ou environnementales. Le projet prend en charge plusieurs types d'instruments et propose des options pour un traitement en temps réel, facilitant ainsi l'intégration dans des workflows de recherche ou de surveillance.

Outil open source conçu pour transformer les données brutes issues de capteurs LIDAR en fichiers netCDF standardisés, facilitant leur analyse et leur partage dans le cadre de recherches atmosphériques. Il permet de traiter des données provenant de divers instruments (VAISALA, JENOPTIK, CAMPBELL SCIENTIFIC) et offre des fonctionnalités pour un traitement en temps réel ou différé, adapté aux besoins des réseaux de surveillance environnementale comme ACTRIS ou TOPROF.

Ce projet exploite les données du satellite Sentinel-5P pour analyser et surveiller la composition chimique de l'atmosphère à l'échelle mondiale. Il se concentre particulièrement sur la détection du méthane (CH4) et d'autres gaz comme le NO2, en utilisant des produits de niveau 2 (L2) dérivés des images hyperspectrales de niveau 1B (L1B). Les données, disponibles en temps quasi réel ou avec un traitement haute qualité, permettent d'évaluer les concentrations atmosphériques et d'étudier les tendances environnementales.

Ce projet consiste en un serveur web hébergé sur un Raspberry Pi, utilisant ExpressJS et Socket.IO pour la création d'une interface web permettant la surveillance et l'analyse de données environnementales en temps réel. Les données peuvent être filtrées selon différents critères grâce à une interface dédiée.

Plateforme dédiée à la collecte, l'analyse et la visualisation de données environnementales en temps réel. Elle permet aux utilisateurs de surveiller la qualité de l'air, les conditions météorologiques et les performances de capteurs IoT, avec des outils de reporting avancés pour une prise de décision éclairée.

Le projet smartgh-cloudml est une solution de traitement et d'analyse de données environnementales en temps réel. Il permet de collecter, stocker et traiter des données provenant de différents capteurs pour fournir des prévisions météorologiques et surveiller la qualité de l'air.