The Open Geospatial Python Series

Introduction à la programmation SIG avec Python propose une introduction complète et pratique à l’analyse géospatiale à l’aide de Python. Conçu pour les apprenants de tous niveaux, ce livre décompose les complexités des systèmes d’information géographique (SIG) en étapes claires et concrètes, ce qui en fait un outil idéal pour les étudiants, chercheurs, professionnels et autodidactes souhaitant maîtriser la programmation des données spatiales.

Les données géospatiales jouent aujourd’hui un rôle essentiel dans de nombreux domaines, tels que les sciences de l’environnement, la planification urbaine, la santé publique et l’analyse commerciale. À mesure que leur volume et leur sophistication augmentent, le besoin en outils accessibles pour les analyser, les traiter et les visualiser devient crucial. Grâce à son riche écosystème de bibliothèques, Python est le langage de programmation de référence pour les données géospatiales. Cependant, naviguer dans la multitude de bibliothèques et de concepts peut être intimidant. Ce livre apporte la structure et la clarté nécessaires pour passer de débutant en Python à programmeur géospatial confirmé.

Ce qui distingue cet ouvrage, c’est son approche progressive fondée sur des exemples concrets. En commençant par les bases de la programmation en Python, vous progresserez étape par étape vers des techniques avancées d’analyse géospatiale. Le contenu est interactif, avec des jeux de données réels et des exercices pratiques pour mettre immédiatement vos compétences en application. Vous travaillerez sur divers projets, allant de la manipulation de données spatiales de base à la création de tableaux de bord interactifs et d’applications géospatiales basées sur le cloud.

Que vous souhaitiez automatiser des flux de travail SIG, développer des applications web géospatiales ou renforcer vos compétences en science des données spatiales, Introduction à la programmation SIG avec Python vous accompagnera avec clarté et confiance tout au long du processus.

À qui s’adresse ce livre :

• Étudiants et chercheurs : En géographie, sciences de l’environnement, urbanisme ou science des données, qui ont besoin d’analyser des données spatiales.
• Professionnels des SIG : Souhaitant aller au-delà des logiciels SIG traditionnels et automatiser des flux de travail complexes.
• Data scientists et analystes : Travaillant avec des données localisées et souhaitant ajouter l’analyse spatiale à leur boîte à outils.
• Développeurs : Intéressés par la création d’applications basées sur des données géospatiales.
• Autodidactes et personnes en reconversion : Débutants motivés souhaitant entrer dans le domaine en plein essor de la science des données spatiales.
• Professionnels du secteur public ou privé : Ayant besoin d’intégrer l’analyse spatiale dans leur travail quotidien, de l’urbanisme à la santé publique.

Ce que vous apprendrez :

• Configurer votre environnement de développement : Utilisation de Miniconda, VS Code, Git et Google Colab pour la programmation géospatiale.
• Bases de la programmation Python : Types de données, structures de contrôle, fonctions, classes, gestion de fichiers, manipulation de données avec NumPy et Pandas.
• Programmation géospatiale : Apprentissage pratique avec des bibliothèques comme GeoPandas, Rasterio, Leafmap et Geemap pour traiter les données vectorielles et matricielles, effectuer des analyses géospatiales et créer des visualisations interactives.
• Sujets avancés : Cloud computing avec Google Earth Engine, analyse de données hyperspectrales, analyses géospatiales haute performance, et calcul distribué avec Apache Sedona.

Points forts :

• Explications claires et accessibles avec du code annoté.
• Jeux de données réels pour un apprentissage concret.
• Exercices pratiques pour consolider les concepts de chaque chapitre.
• Conseils pour éviter les erreurs courantes et résoudre les problèmes.
• Couverture approfondie des sujets de base et avancés.
• Ressources complémentaires : tutoriels vidéo et référentiel GitHub pour accéder aux exemples de code et matériels supplémentaires.

À la fin de cet ouvrage, vous disposerez des compétences nécessaires pour relever les défis réels de la programmation géospatiale. Que vous souhaitiez développer des applications de données spatiales sophistiquées, automatiser des workflows géospatiaux ou simplement améliorer vos capacités d’analyse, ce livre vous apportera la confiance nécessaire pour réussir dans le domaine de la programmation SIG avec Python.

À propos de l’auteur :

Dr Qiusheng Wu est professeur associé à l’Université du Tennessee et Amazon Scholar. Ses recherches portent sur la science des données géospatiales, avec un accent particulier sur l’utilisation des outils open source en Python et du cloud computing pour étudier les changements environnementaux. Il est le créateur de plusieurs bibliothèques Python largement utilisées, notamment geemap, leafmap et geoai, et il se consacre à l’avancement de l’analyse et de la visualisation géospatiales. Son travail est une pierre angulaire de la communauté open source en géomatique, et il partage dans ce livre son expertise approfondie pour vous accompagner dans l’apprentissage et la maîtrise de la programmation géospatiale avec Python.

Maîtrisez la gestion moderne des données spatiales avec DuckDB, la base de données analytique rapide et efficace qui transforme la manière dont les professionnels du SIG travaillent avec les données géospatiales. Ce guide complet vous conduit des concepts fondamentaux du SQL jusqu’à l’analytique géospatiale avancée, avec des exemples pratiques basés sur des jeux de données réels, notamment l’Inventaire national des zones humides des États-Unis, les empreintes de bâtiments mondiales d’Overture et les données de taxis de New York.

Découvrez comment l’extension spatiale de DuckDB et son intégration avec GDAL vous permettent de traiter d’énormes volumes de données géospatiales avec une rapidité et une efficacité inédites. À travers 14 chapitres pratiques remplis d’exemples de code fonctionnels et de tutoriels pas à pas, vous apprendrez à manipuler les Shapefiles, GeoJSON, GeoParquet et des formats cloud natifs comme PMTiles, tout en créant des cartes et des tableaux de bord interactifs qui donnent vie à vos données.

Ce livre s’adresse aux analystes SIG, aux data scientists et aux développeurs spécialisés dans le spatial qui souhaitent exploiter DuckDB dans leurs workflows géospatiaux. Que vous passiez d’outils SIG traditionnels, que vous cherchiez à traiter plus efficacement des jeux de données volumineux ou que vous souhaitiez intégrer l’analyse spatiale dans des pipelines de données modernes, ce livre vous apporte des conseils pratiques et directement applicables. Une compréhension de base des concepts spatiaux est utile, mais aucune expérience préalable avec DuckDB ou le SQL n’est requise.

• Installer et configurer DuckDB avec l’extension spatiale
• Écrire et optimiser des requêtes SQL pour les opérations sur données spatiales
• Intégrer DuckDB avec Python, Pandas et Polars
• Importer et exporter des formats géospatiaux : Shapefile, GeoJSON, GeoParquet, PMTiles
• Effectuer des opérations géométriques, des projections et des mesures
• Exécuter des jointures spatiales, des requêtes point-dans-polygone et de plus proche voisin
• Visualiser les données de manière interactive avec Leafmap et Jupyter Notebooks
• Visualiser des jeux de données cloud natifs à grande échelle avec PMTiles et les tuiles vectorielles
• Travailler sur des études de cas portant sur les zones humides, les bâtiments et la mobilité
• Créer des tableaux de bord dynamiques avec Solara
• Optimiser les performances pour le traitement géospatial à grande échelle
• Exploiter GDAL pour un support avancé des formats et des conversions

• Approche pratique, axée sur les exemples, avec du code entièrement fonctionnel
• Exercices en fin de chapitre pour renforcer l’apprentissage
• Jeux de données réels et études de cas tout au long de l’ouvrage
• Intégration fluide avec l’écosystème Python (Leafmap, Pandas, GeoPandas)
• Couverture complète des fonctionnalités spatiales de DuckDB 1.4.x
• Workflows clairs et pas à pas pour des analyses prêtes pour la production
• Conseils d’experts pour le dépannage et l’optimisation des performances

À la fin de ce livre, vous serez en mesure d’utiliser DuckDB en toute confiance pour la gestion et l’analyse de données spatiales, de traiter des jeux de données de toute taille, d’effectuer des analyses spatiales complexes avec facilité et de créer des applications interactives et performantes révélant des informations géospatiales approfondies.

Apprenez à appliquer l’apprentissage profond et l’intelligence artificielle aux images satellitaires, aux photographies aériennes et aux données géospatiales avec Python. Ce guide pratique et concret vous accompagne depuis le téléchargement de données de télédétection jusqu’à l’entraînement et l’évaluation de modèles d’apprentissage profond, le tout avec des outils open source.

• Mettre en place un environnement GeoAI complet avec Python, PyTorch et l’accélération GPU.
• Télécharger des images satellitaires depuis Microsoft Planetary Computer et des portails de données ouvertes.
• Créer des cartes interactives et préparer des jeux de données d’entraînement à partir de grandes images satellitaires.
• Entraîner et évaluer des modèles pour sept tâches clés de l’IA géospatiale : reconnaissance d’images, détection d’objets, segmentation sémantique, segmentation d’instances, traduction d’images, détection de changements et régression au niveau du pixel.
• Appliquer des modèles fondamentaux, y compris le Segment Anything Model (SAM), des modèles vision-langage et des embeddings satellitaires, à des problèmes réels d’observation de la Terre.
• Exécuter des flux de travail d’IA dans QGIS sans écrire de code grâce à des plugins pour la segmentation des arbres, la détection de l’eau, et plus encore.

• 23 chapitres d’exemples de code exécutable organisés en cinq parties : Fondations, Acquisition et préparation des données, Tâches principales de l’IA, Modèles fondamentaux et Plugins QGIS.
• Tous les exemples utilisent de véritables images satellitaires avec PyTorch, torchgeo, segment-geospatial, leafmap et geoai.
• Tout le code et les jeux de données sont disponibles gratuitement sur GitHub et Source Cooperative pour une reproductibilité complète.

Professionnels des SIG, scientifiques en télédétection, data scientists et étudiants souhaitant appliquer l’IA aux données géospatiales à l’aide de Python et d’outils open source.