Vue d’ensemble du catalogue de données ASDI

L’Amazon Sustainability Data Initiative offre plusieurs ensembles de données axés sur la durabilité dans le cadre du programme AWS Public Dataset. Pour plus de détails sur ces données et des conseils techniques sur la façon d’y accéder, veuillez consulter le Registry of Open Data on AWS (RODA). Pour participer à cette initiative, veuillez envoyer un e-mail à sustainability-data-initiative@amazon.com.

Ensemble de données en vedette : Sentinel-2

La mission Sentinel-2 se compose de deux satellites de surveillance qui photographient la surface totale de la Terre et envoient les clichés tous les cinq jours. Ces données sont utilisées dans le cadre d’études par des organisations telles que le Blue Dot Observatory, qui établit un système de surveillance de tous les plans d’eau à risque à travers le monde, et la Radiant Earth Foundation, qui définit des ensembles de données de formation sur les solutions de Machine Learning destinées à la communauté mondiale des développeurs.

Les données présentées sont organisées en douze grandes catégories :

Modèles de prévisions météorologiques

Les données des prévisions météorologiques sont générées par des modèles informatiques et permettent de prévoir le temps. Ces modèles produisent des variables, telles que la température, les précipitations et d’autres informations météorologiques sur les océans, les terres et l’atmosphère. Ces informations sont précieuses pour les acteurs du développement durable, car elles permettent d’anticiper les situations d’urgence et de prendre les mesures nécessaires.

Modèle météorologique HIRLAM (High Resolution Limited Area Model) | géré par l’Institut météorologique finlandais : HIRLAM est un modèle opérationnel de prévision météorologique synoptique et mésoéchelle couvrant l’Union européenne et le Groenland.

Global Forecast System (GFS) | V2.0 et V3.0 géré par la NOAA : GFS est un modèle de prévision météorologique produit par les NCEP (National Centers for Environmental Prediction). Cet ensemble de données comporte des dizaines de variables atmosphériques et pédologiques, allant des températures, des vents et des précipitations à l’humidité du sol et à la concentration d’ozone dans l’atmosphère. Le GFS couvre la totalité de la surface du globe à une résolution horizontale de base de 18 miles (28 kilomètres) entre les points de grille, ce qui permet aux météorologues de prévoir le temps des 16 prochains jours. La résolution horizontale tombe à 44 miles (70 kilomètres) entre les points de grille pour les prévisions entre une et deux semaines.

Modèle GFS NOAA d’Unidata | géré par Unidata : GFS est un modèle de prévision météorologique produit par les NCEP (National Centers for Environmental Prediction). Cet ensemble de données comporte des dizaines de variables atmosphériques et pédologiques, allant des températures, des vents et des précipitations à l’humidité du sol et à la concentration d’ozone dans l’atmosphère. Le GFS couvre la totalité de la surface du globe à une résolution horizontale de base de 18 miles (28 kilomètres) entre les points de grille, ce qui permet aux météorologues de prévoir le temps des 16 prochains jours. La résolution horizontale tombe à 44 miles (70 kilomètres) entre les points de grille pour les prévisions entre une et deux semaines.

Modèle d’actualisation rapide haute résolution (HRRR) de la NOAA : Le HRRR est un modèle atmosphérique de la NOAA, d’une résolution de 3 kilomètres (2 miles) en temps réel, mis à jour toutes les heures, à résolution nuageuse et à faible convection, initialisé par des grilles de 3 kilomètres avec assimilation radar de 3 kilomètres. Les données radar sont assimilées dans le modèle HRRR toutes les 15 minutes sur une période d’une heure, ce qui permet d’affiner les données obtenues toutes les heures dans le cadre de l’actualisation rapide améliorée par la technologie radar, d’une résolution de 13 kilomètres (8 miles). Le modèle couvre la partie continentale des États-Unis.

NOAA National Digital Forecast Data (NDFD) | géré par Cornell : Le département d’études de la Terre et de l’atmosphère de l’Université Cornell a créé un lac de données publiques sur le climat. Les données sont stockées dans des formats de stockage en colonnes (ORC) pour faciliter les requêtes à l’aide d’outils standard comme Amazon Athena ou Apache Spark. À l’origine, les données elles-mêmes devaient servir à créer des outils d’aide à la décision pour les agriculteurs et l’agriculture numérique. Le premier ensemble de données est constitué des données historiques NDFD/NDGD (National Digital Guidance Database) distribuées par NCEP, NOAA et NWS. Les données NDFD/NDGD concernent les prévisions et les observations maillées à une résolution de 2,5 kilomètres (1,5 mile) pour les États-Unis contigus (CONUS). Il existe également des grilles d’une résolution de 5 kilomètres (3 miles) pour plusieurs régions américaines et territoires non contigus de taille inférieure, comme Hawaï, Guam, Porto Rico et l’Alaska. La NOAA distribue les archives de données NDFD/NDGD par le biais de son système d’archivage et de distribution des modèles opérationnels (NOMADS) au format Grib2. Les données ont été converties en ORC pour optimiser l’espace de stockage et, surtout, simplifier l’accès aux données grâce à des outils d’analyse de données standard.

Global Ensemble Forecast System (GEFS) | géré par la NOAA : Auparavant connu sous le nom de GFS Global ENSemble (GENS), le GEFS est un modèle de prévision météorologique composé de 21 prévisions distinctes, ou éléments de l’ensemble. Les centres NCEP (National Centers for Environmental Prediction) ont lancé le GEFS afin d’étudier la nature de l’incertitude des observations météorologiques, qui sert à initialiser les modèles de prévisions météorologiques. Le GEFS tente de quantifier le degré d’incertitude d’une prévision en générant un ensemble de prévisions multiples, chacune étant minutieusement différente des observations initiales. Avec une couverture mondiale, le GEFS produit un bulletin météorologique quatre fois par jour avec des prévisions allant jusqu’à 16 jours.

Modèle COSMO-D2 du DWD | géré par Deutscher Wetterdienst : COSMO-D2, modèle de prévision météorologique numérique à haute résolution et à courte portée pour l’Allemagne et les pays limitrophes ; grille régulière d’une résolution de 2,2 kilomètres (1,3 mile) et 65 niveaux verticaux ; mise à jour à UTC00 et toutes les trois heures ensuite ; plage de prévision de 27 heures (45 heures pour UTC03) ; sélection des paramètres les plus utilisés.

Modèle d’ensemble COSMO-D2 EPS du DWD | géré par Deutscher Wetterdienst : COSMO-D2 EPS, modèle de prévision d’ensemble météorologique numérique à haute résolution et courte portée pour l’Allemagne et les pays limitrophes ; comptant 20 membres d’ensemble ; grille régulière d’une résolution de 2,2 kilomètres (1,3 mile) et 65 niveaux verticaux ; mise à jour à UTC00 et toutes les trois heures ensuite ; plage de prévision de 27 heures (45 heures pour UTC03) ; sélection des paramètres les plus utilisés ; les membres de l’ensemble sont regroupés dans des fichiers grib joints.

Modèle ICON Global du DWD | géré par Deutscher Wetterdienst : Modèle de prévision météorologique numérique ICON à l’échelle mondiale ; résolution moyenne de 13 kilomètres (8 miles) avec 90 niveaux verticaux ; mise à jour à UTC00 et toutes les six heures ensuite, avec une plage de prévision de 120 heures (180 heures pour UTC00 et UTC12) ; sélection des paramètres les plus utilisés.

Modèle d’ensemble ICON Global EPS du DWD | géré par Deutscher Wetterdienst : Modèle ICON de prévision d’ensemble EPS à l’échelle mondiale ; comptant 40 membres d’ensemble ; résolution de 40 kilomètres (25 miles) ; mise à jour à UTC00 et toutes les six heures ensuite avec une plage de prévision de 120 heures (étendue à 180 heures pour UTC00 et UTC12) ; sélection des paramètres les plus utilisés ; les membres de l’ensemble sont regroupés dans des fichiers grib joints.

Modèle ICON-EU du DWD | géré par Deutscher Wetterdienst : Modèle de prévision météorologique numérique ICON-EU à l’échelle régionale (Europe) ; résolution accrue de 6,5 kilomètres (4 miles) avec 60 niveaux verticaux ; mise à jour à UTC00 et toutes les trois heures ensuite, avec une plage de prévision de 120 heures ; sélection des paramètres les plus utilisés.

Modèle d’ensemble ICON-EU EPS du DWD | géré par Deutscher Wetterdienst : Modèle de prévision météorologique d’ensemble régional ICON-EU EPS (Europe) ; 40 membres ; résolution accrue d’environ 20 kilomètres (12 miles) ; mise à jour à UTC00 et toutes les trois heures ensuite avec une plage de prévision de 120 heures ; sélection des paramètres couramment utilisés ; les membres de l’ensemble sont regroupés en fichiers grib conjoints.

Prévisions météorologiques mondiales et régionales du Met Office (Royaume-Uni) : Données d’archives du Royaume-Uni. Système MOGREPS (Met Office Global and Regional Ensemble Prediction System) disponible sur Amazon S3. Les données de deux modèles sont disponibles : MOEGREPS-UK, système de prévision météorologique à haute résolution couvrant le Royaume-Uni, et MOGREPS-G, système de prévision météorologique mondiale.

Modèles atmosphériques de Météo France | géré par OpenMeteoData : Modèles atmosphériques globaux et régionaux haute résolution de Météo France. Incluent des dizaines de variables atmosphériques, y compris les températures, les vents et les précipitations. Notre travail est basé sur les données ouvertes de Météo France, mais nous ne sommes ni affiliés ni abonnés à Météo France.

Observations météorologiquesLes observations météorologiques sont les données fondamentales permettant de surveiller les conditions météorologiques et d’évaluer les risques potentiels découlant de conditions météorologiques extrêmes afin d’émettre des avertissements météorologiques. Elles sont également utilisées comme base d’information des prévisions météorologiques. Les données sont saisies manuellement par un observateur météorologique, automatiquement à l’aide d’instruments dans les stations météorologiques, ou au moyen d’un système hybride utilisant des observateurs météorologiques pour compléter les données des stations météorologiques automatisées.

NEXRAD sur AWS | géré par la NOAA : Données en temps réel et archivées du réseau américain NEXRAD (Next Generation Weather Radar).

Global Surface Summary of Day (GSOD) | géré par la NOAA : GSOD est une collection de mesures météorologiques quotidiennes incluant la température, la vitesse du vent, l’humidité, la pression, produites par plus de 9 000 stations météorologiques à travers le monde.

Integrated Surface Database (ISD) | géré par la NOAA : Le modèle DSI se compose d’observations horaires et synoptiques globales compilées à partir de nombreuses sources dans un format de largeur fixe compressé (gzip). Il a été élaboré en tant qu’activité conjointe au sein du complexe climatique fédéral d’Asheville. La base de données comprend plus de 35 000 stations dans le monde, dont certaines possèdent des données remontant en 1901, bien que le volume de données ait augmenté substantiellement dans les années 1940 et au début des années 1970. Actuellement, plus de 14 000 stations « actives » sont mises à jour quotidiennement dans la base de données. Le volume total de données non compressées est d’environ 600 gigaoctets, mais il continue de croître à mesure que de nouvelles données sont ajoutées. Le modèle ISD comprend de nombreux paramètres tels que la vitesse et la direction du vent, les rafales de vent, la température, le point de rosée, des données sur les nuages, la pression au niveau de la mer, le paramétrage altimétrique, la pression de la station, la météo actuelle, la visibilité, les quantités de précipitations pour diverses périodes, l’épaisseur de neige et divers autres éléments observés par chaque station.

Changement climatique

Les données climatiques comprennent à la fois des observations et des données modélisées. Pour que les observations soient considérées comme des données de qualité climatique, elles doivent inclure une série chronologique de mesures cohérentes et continues d’une durée suffisante (généralement 30 ans ou plus), car ces informations permettent de déterminer la variabilité et le changement climatiques. Les données des modèles climatiques sont le plus souvent disponibles sous forme de projections de données climatiques. Elles permettent d’évaluer le comportement du système climatique global et sont relativement pertinentes pour la simulation des caractéristiques du climat global, telles que la température globale et les modèles de circulation continentaux.

NASA NEX : Collection d’ensembles de données géoscientifiques tenus à jour par la NASA, y compris des projections sur les changements climatiques et des images satellitaires de la surface de la Terre. Il s’agit de projections climatiques mondiales quotidiennes à échelle réduite.

Données climatiques du CCAFS : Données climatiques à haute résolution pour aider à évaluer les impacts du changement climatique principalement sur l’agriculture. Ces ensembles de données en accès libre sur les projections climatiques aideront les chercheurs à évaluer les répercussions des changements climatiques.

Global Historical Climatology Network Daily (GHCN-D) | géré par la NOAA : GHCN-D est une base de données intégrée de bulletins climatiques provenant de stations de surface terrestres du monde entier qui ont fait l’objet d’une série commune d’examens d’assurance qualité. Certaines données remontent à plus de 175 ans. Il s’agit de la version moyenne quotidienne de l’ensemble de données, qui est mise à jour quotidiennement. Les ensembles de données sont regroupés par année.

NOAA Global Historical Climatology Network Hourly (GHCN-H) | géré par la NOAA : Le GHCN-H est un ensemble de données de la NOAA qui contient des observations quotidiennes des zones terrestres du monde entier. Il contient des mesures émanant de stations terrestres, dont les deux tiers environ ne servent qu’à la mesure des précipitations. Les autres éléments météorologiques comprennent, sans s’y limiter, la température quotidienne maximale et minimale, la température au moment de l’observation, les chutes de neige et l’épaisseur du manteau neigeux. Il s’agit d’un ensemble d’enregistrements climatiques provenant de nombreuses sources qui ont été fusionnés et fait l’objet d’une série commune d’examens d’assurance qualité. Certaines données remontent à plus de 175 ans. Les données sont enregistrées au format CSV. Chaque fichier correspond à une année entre 1763 et l’année en cours et est nommé comme tel.

ECMWF ERA5 | géré par Intertrust : ERA5 est la cinquième génération de réanalyses atmosphériques du climat mondial réalisées par l’ECMWF et la première réanalyse réalisée en tant que service opérationnel. Il utilise les meilleures données d’observation disponibles des satellites et des stations terrestres, qui sont assimilées et traitées en utilisant le cycle 41r2 du système intégré de prévisions (IFS) de l’ECMWF. L’ensemble de données fournit tous les paramètres météorologiques atmosphériques essentiels comme (mais sans s’y limiter) la température de l’air, la pression et le vent à différentes altitudes, ainsi que des paramètres de surface comme les précipitations, l’humidité du sol et des paramètres marins, comme la température de surface de la mer et la hauteur des vagues. ERA5 fournit des données à une résolution spatiale et temporelle considérablement plus élevée que son homologue ERA-Interim. ERA5 se compose d’une version haute résolution avec une résolution horizontale de 31 kilomètres (19 miles) et d’une version d’ensemble à résolution réduite à 10 membres. Il est actuellement disponible depuis 2008, mais proposera progressivement des données d’abord jusqu’en 1979, puis jusqu’en 1950.

Données climatiques limitées à l’Alaska | Le projet est géré par Scenarios Network for Alaska and Arctic Planning au Centre international de recherche sur l’Arctique de l’Université de l’Alaska, à Fairbanks : Cet ensemble de données contient des données climatiques archivées et prévisionnelles limitées à l’Alaska et aux régions environnantes à une résolution de 20 kilomètres (12 miles) et produites toutes les heures. Ces données ont été produites à l’aide du modèle Weather Research and Forecasting (WRF) (version 3.5). Nous avons regroupé à la fois les données de réanalyse ERA-Interim archivées (pour la période 1979-2015) et les données archivées et prévisionnelles de deux modèles de circulation générale du projet CMIP5 (Coupled Model Inter-comparison Project 5) : GFDL-CM3 et NCAR-CCSM4 (cycle historique : 1970-2005 et RCP 8.5 : 2006-2100).

Scientific Information for Land Owners (SILO) | géré par le gouvernement du Queensland : SILO est une base de données climatiques australiennes de 1889 à nos jours. Elle fournit quotidiennement des de données dans des formats prêts à l’emploi pour la recherche et les applications opérationnelles. Les données SILO maillées au fil des années sont disponibles au format NetCDF sur AWS. Les données ponctuelles sont disponibles sur le site web de SILO.

Énergie

Cette thématique comprend les ensembles de données liées aux projets énergétiques, tels que l’ensoleillement et la fréquence du vent comme facteurs climatiques, les indicateurs d’intensité énergétique, la consommation annuelle d’énergie, entre autres.

Wind Integration National Dataset (WIND) | géré par le NREL : Le WIND est une mise à jour et une augmentation des ensembles de données Eastern Wind Integration et Western Wind Integration. Il soutient la nouvelle génération d’études sur l’intégration de l’énergie éolienne.

National Solar Radiation Data Base | géré par le NREL : La base nationale de données sur le rayonnement solaire (BNDRS) est une collection complète des valeurs horaires et demi-horaires consécutives des trois mesures les plus courantes du rayonnement solaire (l’irradiance horizontale globale, normale directe et horizontale diffuse) et les données météorologiques. Ces données ont été recueillies à un nombre suffisant de lieux et à des échelles temporelles et spatiales pour représenter avec précision le rayonnement solaire au niveau des climats régionaux.

Hydrologie terrestre

Les données hydrologiques comprennent à la fois des observations et des données modélisées. Les données du modèle hydrologique aident à surveiller et à prédire les variables hydrologiques du système réel qui ne sont pas faciles à observer (p. ex. les eaux de surface, l’humidité au sol, le ruissellement et les eaux souterraines). Ces données aident les communautés écoresponsables à comprendre et à gérer les ressources en eau.

Réanalyse du modèle NWM (National Water Model) de la NOAA | géré par la NOAA : L’ensemble de données National Water Model Reanalysis de la NOAA contient les résultats d’une simulation rétrospective sur 25 ans (de janvier 1993 à décembre 2017) de la version 1.2 du modèle national américain de l’eau. Cet ensemble de données a pour objectif de fournir un contexte historique aux conditions actuelles en temps réel du débit de l’eau, de l’humidité du sol et du manteau neigeux incluses dans le modèle NWM. Les données de réanalyse permettent de déduire les fréquences d’écoulement et d’effectuer des analyses temporelles avec un débit horaire et un débit trihoraire à la surface terrestre. L’ensemble de données long terme peut également être utilisé pour le développement d’applications destinées aux utilisateurs finaux qui ont besoin d’une base de données chronologique étendue à des fins de formation ou de vérification du système.

Prévision à court terme du modèle NWM (National Water Model) de la NOAA | géré par la NOAA : Le NWM est un modèle des ressources en eau qui simule et prévoit les variables du bilan hydrique, y compris l’accumulation de neige, l’évapotranspiration, l’humidité du sol et l’écoulement fluvial sur l’ensemble du territoire continental des États-Unis (CONUS). Le modèle, lancé en août 2016, est conçu pour améliorer la capacité de la NOAA à répondre aux besoins de ses intervenants (prévisionnistes, organisateurs des urgences, exploitants de réservoirs, premiers intervenants, récréologues, agriculteurs, exploitants de barges, gestionnaires d’écosystèmes et de plaines inondables) en fournissant des renseignements plus précis, détaillés et fréquents sur les eaux. Il est exploité par l’Office of Water Prediction de la NOAA. Ce compartiment contient un renouvellement de quatre semaines de la sortie du modèle de prévision à court terme et les données de forçage correspondantes pour le modèle. Le modèle est forcé avec les données météorologiques des modèles HRRR (High Resolution Rapid Refresh) et RAP (Rapid Refresh). La configuration du modèle de prévision à court terme est cyclique toutes les heures et produit des prévisions déterministes horaires sur le débit et les états hydrologiques jusqu’à 18 heures.

Modèles de prévision océanique

Les modèles océaniques sont des modèles numériques axés sur les propriétés et la circulation des océans. Les modèles océaniques jouent un rôle important dans notre compréhension de l’influence de l’océan sur le temps et le climat.

NOAA OFS (Ocean Forecast System) | géré par la NOAA : L’OFS a été mis au point pour servir la communauté des utilisateurs maritimes dans le cadre d’un projet conjoint de la NOAA/du NOS (National Ocean Service)/du Bureau américain de surveillance côtière, de la NOAA/du NOS/du centre d’opérations des produits et services océanographiques (CO-OPS) et de la NOAA/du service météorologique national (NWS)/de la gestion centralisée des agences nationales américaines de prévisions environnementales (NCO). L’OFS produit des prévisions sur les niveaux, les courants, la température et la salinité de l’eau (à l’exception des Grands Lacs), ainsi que des prévisions immédiates et prévisionnelles des vents quatre fois par jour.

Qualité de l’air

Les données sur la qualité de l’air comprennent des données observées et modélisées. Elles permettent de surveiller et de prévoir les effets de la qualité de l’air sur la santé humaine et l’environnement. De plus, elles peuvent être utilisées pour surveiller la conformité réglementaire.

OpenAQ : Données agrégées globales sur la qualité de l’air provenant de sources de données publiques fournies par le gouvernement, les chercheurs et d’autres sources.

Données d’entrée de GEOS-Chem : Données d’entrée du modèle GEOS-Chem relatif au déplacement de produits chimiques dans l’atmosphère. Comprend les produits météorologiques NASA/GMAO MERRA-2 et GEOS-FP, les inventaires d’émissions HEMCO et d’autres données moins volumineuses, telles que les conditions initiales du modèle.

Indicateurs environnementaux de l’agence de protection de l’environnement (EPA) pour l’évaluation des risques : Les résultats détaillés du modèle de circulation atmosphérique proviennent du modèle RSEI (indicateurs environnementaux d’évaluation des risques) de l’EPA.

Safecast | géré par Safecast : Collection continue de mesures du rayonnement et de la qualité de l’air relevées par les appareils du projet Safecast.

Observations sur la Terre

Les ensembles de données d’observation de la Terre sont principalement constitués d’informations provenant d’observations satellitaires, mais ils peuvent aussi comprendre des images prises à partir d’aéronefs. Les données sont généralement utilisées pour surveiller l’évolution de la couverture terrestre aux fins de surveillance de l’environnement, des applications agricoles (p. ex. la gestion des cultures dans le cadre de la sécurité alimentaire), de la surveillance des eaux intérieures et de la cartographie et de la gestion des inondations (p. ex. après les inondations : analyse des risques, évaluation des pertes et gestion des sinistres).

Sentinel-1 | géré par Sinergize : Sentinel-1 se compose de deux satellites européens dotés d’un radar à synthèse d’ouverture lancés en 2014 et 2016. Son cycle de répétition de six jours et sa capacité d’observation à travers les nuages en font un outil idéal pour la surveillance maritime et terrestre, les interventions d’urgence en cas de catastrophes environnementales et les applications économiques. (Modèle Paiement par le demandeur)

Ensemble de données S1 SLC (Sentinel-1 Single Look Complex) pour l’Asie du Sud, l’Asie du Sud-Est, Taïwan et le Japon | géré par l’Université technologique de Nanyang à Singapour : L’ensemble de données S1 SLC contient des données radar à synthèse d’ouverture (SAR) dans la longueur d’onde de la bande C. Les capteurs SAR sont installés sur une constellation de deux satellites (Sentinel-1A et Sentinel-1B) en orbite autour de la Terre avec un cycle de répétition combiné de six jours, exploité par l’Agence spatiale européenne. Les données S1 SLC sont un produit de niveau 1 qui recueille des informations sur l’amplitude et la phase des radars par tous les temps, de jour comme de nuit, ce qui est idéal pour étudier les dangers naturels et les interventions d’urgence, les épandages terrestres, la surveillance des déversements d’hydrocarbures, les conditions de glace de mer et les effets connexes des changements climatiques. (Modèle Paiement par le demandeur)

Sentinel-2 | géré par Sinergise : La mission Sentinel-2 est une constellation de deux satellites de surveillance terrestre qui fournissent des images optiques à haute résolution et assurent la continuité de traitement pour les missions actuelles SPOT et Landsat. La mission fournit une couverture globale de la surface terrestre tous les cinq jours, ce qui rend les données très utiles dans les études en cours. (Modèle Paiement par le demandeur)

Landsat 8 | géré par Planet : Collection continue d’images satellitaires de toutes les régions du monde produites par le satellite Landsat 8.

Spectroradiomètre imageur à résolution moyenne (MODIS) | gérée par la Commission géologique des États-Unis et la NASA : MODIS est un capteur sur les satellites Terra et Aqua. MODIS possède une faible résolution spatiale, mais une résolution temporelle élevée, ce qui le rend idéal pour la détection des changements sur le terrain. Il est également utilisé pour la détection des incendies de forêt.

GOES | géré par la NOAA : GOES assure la prise de vue météorologique et la surveillance des données météorologiques et de l’environnement spatial en continue au-dessus de l’Amérique du Nord. Il s’agit d’un satellite géostationnaire dont la fonction principale est d’effectuer des prévisions météorologiques. Nous hébergeons les données GOES 17 et GOES 18.

Unidata GOES-16 | géré par Unidata : GOES assure la prise de vues météorologique et la surveillance des données météorologiques et de l’environnement spatial en continu au-dessus de l’Amérique du Nord.

Programme NAIP (National Agricultural Imagery Program) : Images aériennes de haute qualité avec une résolution de 1 mètre prises par avion pendant les saisons de croissance agricole dans la partie continentale des États-Unis. (Modèle Paiement par le demandeur)

Satellite CBERS (China-Brazil Earth Resources Satellite) | géré par AMS Kepler : Le CBERS effectue des observations multispectrales permettant de détecter l’utilisation des sols. (Modèle Paiement par le demandeur)

Programme de données ouvertes DigitalGlobe | géré par DigitalGlobe : Photos satellite à haute résolution avant et après événement utilisées dans le cadre de la planification d’urgence, de l’évaluation des risques, de la surveillance des aires de rassemblement et des interventions d’urgence, de l’évaluation et de la réparation des dommages. Comprend également l’évaluation en série des dommages causés par les catastrophes majeures et soudaines.

OpenStreetMap (OSM) : OSM est une carte du monde gratuite et modifiable, créée et maintenue par des bénévoles. Amazon S3 propose des archives de données OSM mises à jour régulièrement.

Référencement linéaire OpenStreetMap (OSMLR) : OSMLR est un système de référencement linéaire basé sur OpenStreetMap. OpenStreetMap dispose d’informations précieuses sur les routes du monde entier et leurs interconnexions, mais il n’a pas les moyens d’attribuer des identifiants stables aux tronçons routiers. Le système OSMLR, quant à lui, fournit un ensemble stable d’identifiants numériques pour chaque tronçon de route de 1 kilomètre (0,6 mile) autour du monde. Dans les zones urbaines, des numéros d’identification OSMLR sont attachés à chaque bloc routier entre les intersections importantes.

Terrain Tiles : Ensemble de données global fournissant des hauteurs de terrain à sol nu composées de mosaïque pour une utilisation facile.

Nuages de points LiDAR 3DEP USGS | Géré par Hobu, Inc. : L’objectif du 3DEP est de recueillir des données altimétriques sous forme de données de détection et d’estimation de la distance par laser (LiDAR) sur les territoires contigus des États-Unis, d’Hawaï et des autres possessions américaines, sur une période de huit ans. Cet ensemble de données propose les nuages de points 3DEP sous deux formes. La première ressource est un octree en accès libre, au format Entwine Point Tiles sans perte, à pleine densité, diffusable et basé sur LASzip (LAZ). La deuxième ressource est un compartiment Paiement par le demandeur des mêmes données au format LAZ (Compressed LAS). Les noms des ressources dans les deux compartiments correspondent aux noms des projets de l’USGS.

Global Hydro Estimator (GHE) de la NOAA | géré par la NOAA : Le GHE fournit une imagerie globale en mosaïque des estimations des précipitations provenant de satellites géostationnaires, tels que GOES-16, GOES-15, Meteosat-8, Meteosat-11 et Himawari-8. Il inclut les informations suivantes : taux de pluviométrie instantanée, sur 1 heure, 3 heures, 6 heures, 24 heures et plusieurs jours.

Indicateurs naturels, sociaux et économiques

Les ensembles de données sur le capital naturel, social et humain comprennent des indicateurs sociaux, environnementaux et économiques, tels que l’empreinte écologique, le taux de pauvreté, l’espérance de vie et le taux de chômage. Ces informations permettent à la communauté écoresponsable de comprendre l’état actuel d’une région, d’un pays ou d’un continent, et le rythme d’évolution des mesures environnementales, sociales et économiques.

NFA 2017 - Utilisation des ressources écologiques et capacité des ressources des nations de 1961 à 2013 : Empreinte écologique par rapport au PIB. Les comptes nationaux de l’empreinte écologique (NFA) mesurent l’utilisation des ressources écologiques et la capacité en ressources des pays entre 1961 et 2013. Les calculs des NFA sont principalement basés sur des ensembles de données des Nations Unies, y compris ceux publiés par l’Organisation des Nations Unies pour l’alimentation et l’agriculture, la base de données des Nations Unies sur les statistiques commerciales des produits de base (COMTRADE), la Division de l’ONU chargée des statistiques, ainsi que l’Agence internationale de l’énergie.

Enquête démographique du Bureau de recensement américain (ACS) : L’échantillon de microdonnées à grande diffusion du Bureau de recensement américain (PUMS) est disponible dans un format de données liées utilisant le modèle de données Resource Description Framework (RDF).

Cartes de densité de population à haute résolution + Estimations démographiques par le CIESIN et Facebook | géré par Facebook : Données démographiques pour une sélection de pays, allouées à des blocs de 1 seconde d’arc et fournies sous forme de fichiers CSV et GeoTIFF optimisés pour le Cloud. Ceci affine les données du Gridded Population of the World du CIESIN en utilisant des modèles de Machine Learning sur l’imagerie satellitaire mondiale à haute résolution Digital Globe. Les chiffres démographiques agrégés du CIESIN issus des données du recensement mondial sont alloués aux zones censées représenter des bâtiments dans les photos satellite.

Catastrophes

Les ensembles de données sur les catastrophes comprennent les données utilisées pour l’atténuation et la prévention des catastrophes.

Open Earthquake Early-Warnings (OpenEEW) | géré par Grillo : Grillo a mis au point un système d’alerte rapide aux tremblements de terre basé sur l’Internet des Objets au Mexique et au Chili et il ouvre maintenant au monde entier ses archives de données d’accéléromètre non traitées pour encourager le développement de nouveaux algorithmes capables de détecter et d’identifier rapidement les séismes en temps réel.

Biodiversité

Les ensembles de données sur la biodiversité surveillent le dénombrement et la variabilité des organismes vivants et de leurs écosystèmes (terrestres, marins et aquatiques).

Résultats du modèle eBird Status and Trends | géré par le Laboratoire d’ornithologie de l’Université Cornell : Le projet eBird Status and Trends génère des estimations de l’occurrence et de l’abondance des oiseaux à une résolution spatiotemporelle élevée. Cet ensemble de données, qui représente les principaux résultats modélisés du flux de travail d’analyse, est conçu pour une analyse, une synthèse, une visualisation et une exploration plus approfondies.

Machine Learning

Les ensembles de données de Machine Learning sont utilisés pour les recherches de Machine Learning en matière de développement durable. Il s’agit notamment d’ensembles de données de formation hiérarchisées pour les algorithmes d’apprentissage machine supervisés et semi-supervisés.

Relevés de chimie des sols réalisés par le Service africain d’information sur les sols (AfSIS) | géré par le Quantitative Engineering Design : Cet ensemble de données contient des données spectrales infrarouges sur les sols et des mesures de référence des propriétés des sols appariés pour des échantillons de sol géoréférencés qui ont été recueillis dans le cadre du projet AfSIS, qui a duré de 2009 à 2018. Dans ce communiqué, nous incluons les données recueillies au cours de la phase I (2009-2013). Des échantillons géoréférencés ont été prélevés dans 19 pays d’Afrique subsaharienne dans le cadre d’un plan d’échantillonnage statistiquement fiable ; leurs propriétés ont été analysées à l’aide de méthodes conventionnelles d’analyse du sol et de méthodes spectrales (spectroscopie par réflexion diffuse infrarouge). Les deux types de données peuvent être appariés pour former un ensemble de données de formation pour l’apprentissage machine de sorte que certaines propriétés du sol peuvent être bien prédites par des techniques spectrales moins coûteuses.

Dernières actualités
Découvrez comment nous mettons notre culture d'échelle et créative en application pour construire un avenir durable.
  • Comment Amazon et Hasbro se sont unis pour inventer un meilleur emballage
  • La boîte à sourire d'Amazon (Amazon Smile) n'en finit pas de nous éblouir. Aujourd'hui, nous avons annoncé que nous avons commencé à accueillir des installations solaires sur les toits de nos centres de tri et d'expédition dans le but d'installer au moins 50 panneaux solaires d'ici 2020.
  • Pour une réduction globale des déchets