Glossaire

ZAE: Zone agro-écologique. Plusieurs ensembles de données DE Africa, tels que Water Observations from Space, utilisent les ZAE pour subdiviser le continent africain lors de la validation des données et des évaluations de l’exactitude.
API: Interface de programmation d’application. L’interface de programmation d’application Open Data Cube offre aux programmeurs un accès complet aux fonctionnalités du Cube, permettant des requêtes et une récupération de données avancée.
ARD: Données prêtes à l’analyse (ARD). Données qui ont été prétraitées et compilées pour les rendre plus accessibles. Cela permet aux utilisateurs d’effectuer plus facilement leurs propres analyses.
ARN: Nom de ressource Amazon (ARN). Méthode de dénomination utilisée par les Services Web Amazon pour spécifier sans ambiguïté les ressources.
AWS: Amazon Web Services. Infrastructure de cloud computing fournie par Amazon (États-Unis).
CEOS: Comité sur les observations de la Terre (CEOS). Un groupe international qui se concentre sur l’interopérabilité, la validation et la coordination des activités d’observation de la Terre. Voir https://ceos.org/.
COG: GeoTIFF optimisé pour le cloud. Un format de fichier de données optimisé pour des flux de travail efficaces sur le cloud et la lecture à distance. Voir https://www.cogeo.org/.
Notebooks de DE Africa: Notebooks de Digital Earth Africa. Un référentiel open source contenant des notebooks Jupyter, des outils et des flux de travail pour l’analyse géospatiale avec approche Open Data Cube et xarray. Voir https://github.com/digitalearthafrica/deafrica-sandbox-notebooks.
Sandbox de DE Africa: La sandbox de Digital Earth Africa. Un environnement d’apprentissage et d’analyse pour démarrer avec DE Africa et l’Open Data Cube. Il comprend des exemples de données et des notebooks Jupyter qui démontrent les capacités de l’Open Data Cube.
DE Africa: Digital Earth Africa fournit des services de routine, fiables et opérationnels utilisant les observations de la Terre pour produire des produits prêts à l’emploi pour les politiques, la science et l’industrie. Pour plus d’informations, consultez https://www.digitalearthafrica.org/.
OT: Observation de la Terre. Domaine de collecte d’informations sur la Terre à l’aide de techniques d’arpentage telles que la télédétection par satellite ou la collecte de données au sol.
ESA: Agence Spatiale Européenne
FAO: Organisation des Nations unies pour l’alimentation et l’agriculture
FC: Couverture fractionnaire. La couverture fractionnaire (FC) est une mesure qui divise le paysage en trois parties, ou fractions : vert (feuilles, herbe et cultures en croissance), brun (branches, herbe sèche ou foin et litière de feuilles mortes) et sol nu (sol ou roche).
GeoMAD: Produit d’écart absolu géomédian et médian (GEOMAD).
Géomédian: Une statistique robuste à haute dimension qui maintient les relations entre les bandes spectrales. Fait partie du produit GeoMAD.
GEE: Moteur Google Earth
SIG: Système d’information géographique
Notebook Jupyter: Un type de fichier convivial qui permet d’exécuter du code et de le présenter avec une documentation explicative, des figures et une notation scientifique. L’extension de fichier est .ipynb.
JupyterLab: Une interface utilisateur Web interactive pour l’édition et l’exécution de Notebooks Jupyter . JupyterLab est utilisé comme environnement d’analyse sur la Sandbox de DE Africa.
Landsat: Un programme conjoint NASA/USGS de satellites à moyenne résolution qui collectent en continu des données d’observation de la Terre accessibles au public depuis 1972.
MAD: Écart absolu médian. Sur la plateformes de DE Africa, les écarts absolus médians sont une mesure utilisée pour quantifier la variation de la géomédiane. Fait partie du produit GeoMAD, où trois écarts absolus médians différents sont utilisés : l’écart absolu euclidien, l’écart absolu spectral et l’écart absolu Bray-Curtis.
MODIS: Imageur spectroradiomètre à résolution moyenne, un capteur embarqué à bord des satellites Terra et Aqua de la NASA qui collecte des données d’observation de la Terre à basse résolution accessibles au public chaque periode variant d’un à deux jours.
NASA: Administration nationale de l’aéronautique et de l’espace (États-Unis)
NBR: Rapport de brûlure normalisé, calculé à partir du proche infrarouge (NIR) et de l’infrarouge à ondes courtes (SWIR).
NDVI: Indice de végétation par différence normalisée, calculé à partir de la lumière visible et semi-infrarouge réfléchie par la végétation.
NIR: Semi-infrarouge, se référant à des bandes particulières utilisées pour collecter des données d’observation de la Terre
ODC: Open Data Cube, un projet international open source qui développe la technologie qui alimente Digital Earth Africa. Pour plus d’informations, consultez http://opendatacube.org/.
OGC: Consortium Géospatial Ouvert
OWS: Services Web OGC. Services géospatiaux pour l’accès, l’affichage et le traitement des données.
Python: Le langage de programmation utilisé pour développer les technologies Open Data Cube. Il est facile à utiliser tout en offrant des capacités d’accès et de traitement de haute performance. Voir http://www.python.org/ pour plus d’informations.
SAR: Radar à synthèse d’ouverture
Sentinel: Une série de satellites du programme Copernicus de l’ESA. Ils collectent des données d’observation de la Terre accessibles au public. Le programme comprend la mission d’instrument multispectral Sentinel-2 et la mission SAR Sentinel-1.
STAC: Le catalogue d’actifs spatio-temporels (STAC) est une spécification qui fournit un langage commun pour décrire une gamme d’informations géospatiales, afin qu’elles puissent être plus facilement indexées et découvertes. Un « actif spatio-temporel » est un fichier qui représente des informations sur la Terre capturées dans un espace et un temps donnés. Voir https://stacspec.org/.
USGS: Service de suivi géologique des États-Unis
WOfS: Observations de l’eau depuis l’espace, un produit de Digital Earth Africa qui fournit des images et des données indiquant où l’eau a été observée par les satellites.
xarray: Un projet à accès libre et un pacquet Python permettant de travailler avec des tableaux multidimensionnels étiquetés tels que ceux renvoyés par la technologie Open Data Cube (ODC). Voir http://xarray.pydata.org/.