Centre de documentation
scientifique

Geographically masking addresses to study COVID-19 clusters / Walid Houfaf-Khoufaf in Cartography and Geographic Information Science, vol inconnu (2023)  

Public [article]  inCartography and Geographic Information Science > vol inconnu (2023) Titre : Geographically masking addresses to study COVID-19 clusters Type de document : Article/Communication Auteurs : Walid Houfaf-Khoufaf, Auteur ; Guillaume Touya , Auteur Année de publication : 2023 Projets : 1-Pas de projet / Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] adresse postale [Termes IGN] anonymisation [Termes IGN] carte sanitaire [Termes IGN] classification barycentrique [Termes IGN] surveillance sanitaire [Termes IGN] traitement de données localisées Résumé : (auteur) The spatio-temporal analysis of cases is a good way an epidemic, and the recent COVID-19 pandemic unfortunately generated a huge amount of data. But analysing this raw data, with for instance the address of the people who contracted COVID-19, raises some privacy issues, and geomasking is necessary to preserve both people privacy and the spatial accuracy required for analysis. This paper proposes dierent geomasking techniques adapted to this COVID-19 data. Methods: Different techniques are adapted from the literature, and tested on a synthetic dataset mimicking the COVID-19 spatio-temporal spreading in Paris and a more rural nearby region. Theses techniques are assessed in terms of k-anonymity and cluster preservation. Results: Three adapted geomasking techniques are proposed: aggregation, bimodal gaussian perturbation, and simulated crowding. All three can be useful in different use cases, but the bimodal gaussian perturbation is the overall best techniques, and the simulated crowding is the most promising one, provided some improvements are introduced to avoid points with a low k-anonymity. Conclusions: It is possible to use geomasking techniques on addresses of people who caught COVID-19, while preserving the important spatial patterns. Numéro de notice : A2023-084 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers RSquare Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2021.1977709 Date de publication en ligne : 08/10/2021 En ligne : https://doi.org/10.1080/15230406.2021.1977709 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96857 [article]

Early warning of COVID-19 hotspots using human mobility and web search query data / Takahiro Yabe in Computers, Environment and Urban Systems, vol 92 (March 2022)  

Public [article]  inComputers, Environment and Urban Systems > vol 92 (March 2022) . - n° 101747 Titre : Early warning of COVID-19 hotspots using human mobility and web search query data Type de document : Article/Communication Auteurs : Takahiro Yabe, Auteur ; Kota Tsubouchi, Auteur ; Yoshihide Sekimoto, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 101747 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] aide à la localisation [Termes IGN] analyse de données [Termes IGN] analyse de groupement [Termes IGN] épidémie [Termes IGN] exploration de données [Termes IGN] maladie virale [Termes IGN] mobilité urbaine [Termes IGN] modèle de simulation [Termes IGN] prévention des risques [Termes IGN] requête spatiale [Termes IGN] ressources web [Termes IGN] surveillance sanitaire [Termes IGN] Tokyo (Japon) Résumé : (auteur) COVID-19 has disrupted the global economy and well-being of people at an unprecedented scale and magnitude. To contain the disease, an effective early warning system that predicts the locations of outbreaks is of crucial importance. Studies have shown the effectiveness of using large-scale mobility data to monitor the impacts of non-pharmaceutical interventions (e.g., lockdowns) through population density analysis. However, predicting the locations of potential outbreak occurrence is difficult using mobility data alone. Meanwhile, web search queries have been shown to be good predictors of the disease spread. In this study, we utilize a unique dataset of human mobility trajectories (GPS traces) and web search queries with common user identifiers (> 450 K users), to predict COVID-19 hotspot locations beforehand. More specifically, web search query analysis is conducted to identify users with high risk of COVID-19 contraction, and social contact analysis was further performed on the mobility patterns of these users to quantify the risk of an outbreak. Our approach is empirically tested using data collected from users in Tokyo, Japan. We show that by integrating COVID-19 related web search query analytics with social contact networks, we are able to predict COVID-19 hotspot locations 1–2 weeks beforehand, compared to just using social contact indexes or web search data analysis. This study proposes a novel method that can be used in early warning systems for disease outbreak hotspots, which can assist government agencies to prepare effective strategies to prevent further disease spread. Human mobility data and web search query data linked with common IDs are used to predict COVID-19 outbreaks. High risk social contact index captures both the contact density and COVID-19 contraction risks of individuals. Real world data was collected from 200 K individual users in Tokyo during the COVID-19 pandemic. Experiments showed that the index can be used for microscopic outbreak early warning. Numéro de notice : A2022-114 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1016/j.compenvurbsys.2021.101747 Date de publication en ligne : 17/12/2021 En ligne : https://doi.org/10.1016/j.compenvurbsys.2021.101747 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99637 [article]

Télédétection et modélisation spatiale / Annelise Tran (2022)  

Public Titre : Télédétection et modélisation spatiale : Applications à la surveillance et au contrôle des maladies liées aux moustiques Type de document : Monographie Auteurs : Annelise Tran, Éditeur scientifique ; Eric Daudé, Éditeur scientifique ; Thibault Catry, Éditeur scientifique Editeur : Versailles : Quae Année de publication : 2022 Importance : 148 p. Format : 17 x 25 cm ISBN/ISSN/EAN : 978-2-7592-3629-9 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse multicritère [Termes IGN] cartographie des risques [Termes IGN] distribution spatiale [Termes IGN] image Landsat-8 [Termes IGN] image Landsat-ETM+ [Termes IGN] image multibande [Termes IGN] image Terra-MODIS [Termes IGN] maladie parasitaire [Termes IGN] maladie tropicale [Termes IGN] modélisation spatiale [Termes IGN] Normalized Difference Water Index [Termes IGN] surveillance sanitaire [Termes IGN] température de l'air [Termes IGN] TRMM Résumé : (éditeur) Mosquitoes are vectors of many disease-causing agents, such as malaria, dengue, chikungunya and yellow fever. According to the World Health Organisation, they cause several hundred thousand deaths each year. They are also the cause of zoonoses, such as Rift Valley fever and West Nile fever. In this context, there is a great need for operational tools to guide surveillance and control actions, both in the South - tropical and subtropical areas are the most affected by mosquito-borne diseases - and in the North, where the establishment of new species such as the tiger mosquito increases the risk of disease emergence. Earth observation imagery is of great interest to meet these needs: the spatial distribution and temporal dynamics of mosquitoes are influenced by climatic (temperature, precipitation, humidity) and environmental (availability of water areas, vegetation) variables, indicators of which can be derived from satellite imagery. Many recent studies have developed innovative methods combining remote sensing and spatial modelling to predict the spatial and temporal dynamics of mosquito vectors and associated diseases. Beyond the feasibility study, some of these methods have led to tools and processing chains that are now operational and used by public health actors and vector control operators. This book, intended for students and researchers as well as public health actors, presents a summary of this research work and these tools. Note de contenu : Introduction générale Partie I- Informations spatiales pour la surveillance des moustiques vecteurs et des maladies associées 1- Liens entre moustiques vecteurs et environnement : apport des méthodes de télédétection satellite 2- Indices spectraux et classifications d’images multispectrales pour la cartographie du risque vectoriel 3- Estimation des températures de l’air à partir d’images satellite et de stations météorologiques 4- Du recensement au bâtiment : génération de populations synthétiques 5- Texture des images satellite et caractérisation des milieux urbains favorables aux moustiques vecteurs Partie II- Analyser et prédire l’effet de variables environnementales sur la distribution et la dynamique des moustiques vecteurs 6- Modèles basés sur les données : cartographier la distribution spatiale des vecteurs 7- Modèles fondés sur les connaissances : exemple d’un outil d’évaluation multicritère pour la santé publique 8- Arbocarto : un modèle mécaniste fondé sur le cycle de vie des moustiques Aedes 9- Simulation spatiale du risque de propagation de la dengue à partir de modèles comportementaux vecteurs et hôtes Conclusion générale et perspectives Numéro de notice : 24096 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.35690/978-2-7592-3629-9 En ligne : https://doi.org/10.35690/978-2-7592-3629-9 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102570

Understanding and predicting the spatio-temporal spread of COVID-19 via integrating diffusive graph embedding and compartmental models / Tong Zhang in Transactions in GIS, vol 25 n° 6 (December 2021)  

Public [article]  inTransactions in GIS > vol 25 n° 6 (December 2021) . - pp 3025 - 3047 Titre : Understanding and predicting the spatio-temporal spread of COVID-19 via integrating diffusive graph embedding and compartmental models Type de document : Article/Communication Auteurs : Tong Zhang, Auteur ; Jing Li, Auteur Année de publication : 2021 Article en page(s) : pp 3025 - 3047 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] apprentissage profond [Termes IGN] Colorado (Etats-Unis) [Termes IGN] données spatiotemporelles [Termes IGN] épidémie [Termes IGN] maladie virale [Termes IGN] mobilité territoriale [Termes IGN] modèle de simulation [Termes IGN] modélisation spatio-temporelle [Termes IGN] outil d'aide à la décision [Termes IGN] quartier [Termes IGN] réseau de transport [Termes IGN] risque sanitaire [Termes IGN] surveillance sanitaire Résumé : (Auteur) In order to find useful intervention strategies for the novel coronavirus (COVID-19), it is vital to understand how the disease spreads. In this study, we address the modeling of COVID-19 spread across space and time, which facilitates understanding of the pandemic. We propose a hybrid data-driven learning approach to capture the mobility-related spreading mechanism of infectious diseases, utilizing multi-sourced mobility and attributed data. This study develops a visual analytic approach that identifies and depicts the strength of the transmission pathways of COVID-19 between areal units by integrating data-driven deep learning and compartmental epidemic models, thereby engaging stakeholders (e.g., public health officials, managers from transportation agencies) to make informed intervention decisions and enable public messaging. A case study in the state of Colorado, USA was performed to demonstrate the applicability of the proposed transmission modeling approach in understanding the spatio-temporal spread of COVID-19 at the neighborhood level. Transmission path maps are presented and analyzed, demonstrating their utility in evaluating the effects of mitigation measures. In addition, integrated embeddings also support daily prediction of infected cases and role analysis of each area unit during the transmission of the virus. Numéro de notice : A2021-932 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12803 Date de publication en ligne : 16/07/2021 En ligne : https://doi.org/10.1111/tgis.12803 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99447 [article]

Les journées de la Recherche IGN 2021 / Anonyme in Géomatique expert, n° 135 (septembre 2021)

Public [article]  inGéomatique expert > n° 135 (septembre 2021) . - pp 36 - 47 Titre : Les journées de la Recherche IGN 2021 Type de document : Article/Communication Auteurs : Anonyme, Auteur Année de publication : 2021 Conférence : Journées Recherche de l'IGN 2021, 30es Journées 25/05/2021 28/05/2021 en ligne France vidéos des journées Article en page(s) : pp 36 - 47 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Information géographique [Termes IGN] appariement d'images [Termes IGN] BD Topo [Termes IGN] chronométrie [Termes IGN] Copernicus (programme européen) [Termes IGN] correction radiométrique [Termes IGN] déformation de surface [Termes IGN] données GRACE [Termes IGN] éclairement lumineux [Termes IGN] extraction de données [Termes IGN] fonte des glaces [Termes IGN] horloge atomique [Termes IGN] ilot thermique urbain [Termes IGN] image aérienne [Termes IGN] intelligence artificielle [Termes IGN] MicMac [Termes IGN] modèle numérique de surface [Termes IGN] recherche scientifique [Termes IGN] série temporelle [Termes IGN] surveillance sanitaire [Termes IGN] visualisation de données Résumé : (Auteur) L’édition 2021 des Journées de la Recherche à l’IGN s’est déroulée, cette année encore, « en ligne ». C’était, malgré tout, l’occasion de marquer la trentième édition de l’événement. Numéro de notice : A2021-661 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/09/2021 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98481 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
IFN-001-P002273	PER	Revue	Nogent-sur-Vernisson	Salle périodiques	Exclu du prêt

Crowdsourcing without data bias: Building a quality assurance system for air pollution symptom mapping / Marta Samulowska in ISPRS International journal of geo-information, vol 10 n° 2 (February 2021)  

Permalink

Mise en place d’une infrastructure de données spatiales sur le risque de piqures de tiques / Lilian Calas (2021) 

Permalink

A web-based spatial decision support system for monitoring the risk of water contamination in private wells / Yu Lan in Annals of GIS, vol 26 n° 3 (July 2020)  

Permalink

Using GIS for disease mapping and clustering in Jeddah, Saudi Arabia / Abdulkader Murad in ISPRS International journal of geo-information, vol 9 n° 5 (May 2020)  

Permalink

Online flu epidemiological deep modeling on disease contact network / Liang Zhao in Geoinformatica, vol 24 n° 2 (April 2020)  

Permalink

Guide de gestion des crises sanitaires en forêt / Louise Brunier (2020)

Permalink

Optimizing arbovirus surveillance using risk mapping and coverage modelling / Joni A. Downs in Annals of GIS, Vol 26 n° 1 (January 2020)  

Permalink

Spatial Analysis, Modelling and Planning / Jorge Rocha (2018)  

Permalink

Automatisation de l’acquisition et du traitement des images Sentinel-2 pour le calcul d’indices de végétation aidant à la prévention des pics de paludisme à Madagascar / Charlotte Wolff (2017)

Permalink

Development of habitation maps for allergenic plants in Europe / Juliette Delannoy (2017) 

Permalink