La genèse systémique d’empreinte pour une maîtrise de l’observation de la Terre

Abstract

Ce travail s’intéresse à l’observation, à la connaissance scientifique construite à partir de ce qui est perçu (Lien de Sens) d’un monde systémique complexe. La démarche conduit à proposer le concept d’empreinte dans le cadre scientifique interdisciplinaire « Système - Réalité - Monde perçu - Modèle », à le mettre à l’épreuve des données, puis à proposer la démarche d’ontologie systémique. Celle-ci permet de déployer le Lien de Forme du domaine systémique au monde perçu, d’analyser et décrire la part pertinente de la donnée et de montrer en quoi l’ensemble de ce travail essentiellement symbolique peut contribuer à la maîtrise sémantique, technologique et numérique de la collecte et analyse des données et de l’observation de la Terre. Les illustrations portent principalement sur l’oasis. Ce travail discute ce qu’il apporte dans la construction d’une science de l’observation.

Cadre conceptuel pour l’étude de la relation société-milieu : attache et insertion au monde

“…Pour éviter l'usage de ce terme polysémique tout en souhaitant relier les approches systémiques aux approches géographiques, nous optons comme Chenorkian pour le concept de milieu. Employé au singulier dans ce travail, le milieu comprend au sens large l'ensemble des conditions, des facteurs qui caractérisent le contexte environnemental (bio-physico-socio-écolo-écono-systémique) auquel est soumis un élément d'intérêt dans un espace géographique (Fargette et al, 2022). Quant au terme de société, lui aussi employé au singulier dans ce travail, il permet de considérer l'ensemble des relations des hommes entre eux et avec le milieu, qu'elles soient individuelles ou collectives.…”

Inversion of Water Quality TN-TP Values Based on Hyperspectral Features and Model Validation

“…This involves utilizing known water quality spectral indices or sensitive characteristic bands for analysis and selecting the optimal band or combination of bands as independent variables [20,21]. This approach utilizes water quality parameters as dependent variables to estimate water quality and utilizes statistical regression or neural network methods for constructing water quality inversion models [22][23][24].…”