Introduction & problématiques

Les données d’observation de la Terre, issues de satellites, de capteurs in situ ou de modèles numériques, sont désormais produites à des résolutions spatiales et temporelles de plus en plus fines, engendrant des productions et des produits de plus en plus volumineux. Ces données restent souvent sous-exploitées en raison des problématiques liées aux nouvelles volumétries de stockage, à l’accès et manipulation des données.

Concernant le stockage et l’accès à la donnée, à l’heure où nous raisonnons en pétaoctets, il est nécessaire de mettre en place des infrastructures adéquates, et par conséquent onéreuses. D'autre part, l'accès à ces données peut être limité par les lenteurs d’accès sur le réseau. La manipulation massive de données nécessite également la mise en place de ressources de calcul importantes ainsi que des environnements et outils adaptés pour produire, retraiter et diffuser.

Au sein même des projets, une des tâches les plus significatives est dédiée développement d’outils afin d’accéder et télécharger des données plutôt que des réaliser des analyses à des fins scientifiques. Dans ce contexte, le développement de nouvelles architectures de stockage, de formats optimisés (cloud native), d’indexation avancées et orientées « science » et environnement de calcul au plus proche de la donnée (VRE) apparaît comme un objectif majeur pour exploiter efficacement des données.

L’enjeu est donc de s’appuyer sur des formats et outils « standards » efficaces, facilement utilisables et interopérables, respectant les principes FAIR. Un système de référencement et d’accès commun, comme les Digital Global Grid Systems décrits ci-dessous, pourrait potentiellement répondre aux problématiques identifiées, en unifiant les grilles sous lesquelles toutes les données sont distribuées.

Ce changement de paradigme n’est pas anodin pour les communautés scientifiques, et nécessite la réalisation d’études pour vérifier l’adéquation, qualifier et quantifier les impacts. L’une de nos études, réalisée via un stage, consiste notamment à comparer les performances de méthodes de traitement d’images (notamment la convolution) selon qu’ils sont appliqués sur une grille UTM (celle de Sentinel-2) et sur un DGGS de type HEALPix (voir ci-dessous).

Concept des DGGS

Indexation & hiérarchisation

Les grilles DGGS permettent de partitionner la Terre en plusieurs cellules hiérarchisées, offrant ainsi plusieurs niveaux de résolution au sein d’une même grille. Le système de coordonnées dans un index DGGS utilise des coordonnées dites « discrètes », c'est-à-dire que chaque cellule correspond à un identifiant unique (modèles conceptuels ISO 19100 & 19111). Ces identifiants sont hiérarchisés et associés à un niveau de résolution prédéfinis par le type de grille sélectionné. Parmi les DGGS, Healpix et H3 sont les plus couramment utilisées.

A titre d’exemple, H3 propose un partitionnement hexagonal avec un facteur de 7 entre deux niveaux de résolution. Healpix propose quant à lui une subdivision quadrangulaire avec un facteur de 4. La surface couverte par chaque élément est constante pour une résolution donnée, ce qui est un avantage, par rapport aux projections cartographiques classiques, de type Mercator.

Ce type de maillage où chaque cellule a un identifiant unique, permet de facilement comparer des jeux de données d’origines différentes. Un identifiant unique permet d’accéder très facilement à une donnée, alors qu’avec des coordonnées cartographiques, il faut spécifier deux coordonnées et une projection. Sur la grille Sentinel-2, il faut aussi spécifier un numéro de tuile, et certaines données peuvent figurer sur deux projections différentes qui se recouvrent. Ces grilles et leurs identifiants apportent donc une grande simplification.

L’inconvénient est que l’identification des pixels voisins d’une donnée n’est pas aussi simple. Sur une grille cartographique, on ajoute ou on enlève 1 aux coordonnées pour trouver les pixels voisins. Sur une grille DGGS, il faut utiliser une librairie qui recherche les voisins, et même si c’est rapide pour un pixel, cela consomme du temps quand on doit le faire des millions de fois.

La structure hiérarchique peut permettre aussi de simplifier et compresser l’information. Supposons que l’on s’intéresse aux terres émergées seulement, on peut, au-dessus des océans, ne donner que des cellules de niveau hiérarchique élevé, qui représentent de grandes surfaces, et ne réserver les cellules à haute résolution qu’aux terres émergées.

Interface par programme de l’OGC (API)

L’Open Geospatial Consortium (OGC), qui tente de normaliser les protocoles d’accès aux données geospatiales, à labellisé une interface par programme (API). Cette « OGC API », officielle depuis mars 2025, spécifie une interface par programme, via le Web permettant la récupération directe de données géospatiales pour une zone, une période et une résolution données, à partir d'une grille spécifiée. L'API DGGS définit également des paramètres pour interroger la liste des cellules contenant des données et/ou correspondant à une requête HTTP émise.

Le standard OGC spécifie également plusieurs encodages pour la récupération des données DGGS et des listes de zones, notamment des encodages JSON adaptés aux données quantifiées dans des zones DGGS de géométries arbitraires, ainsi qu'aux formats de données géospatiales les plus répandus. Des représentations binaires compactes pour les données de zone et les listes de zones sont également proposées.

Conclusion

L’utilisation des DGGS est encore un projet exploratoire au sein de la communauté de l’Observation de la Terre. Malgré son référencement à l’OGC, Il reste encore des études à mener et une coordination entre différents acteurs pour l’adopter en tant que standard à grande échelle. Un important effort de développement informatique sera aussi nécessaire : fournitures de bibliothèques, outils de visualisation, de conversion de format…

Le développement et la mise à disposition de librairies telles que xdggs, healpix-geo et healpix-analyse, ainsi que des plugins pour QGIS, contribuent à démocratiser l'utilisation des DGGS au sein de la communauté géospatiale. Cependant, ces outils manquent de retours d'utilisation sur différents cas d'usage, ce qui limite pour l'instant l'évaluation de leur maturité.

Quelques questions subsistent encore : quel est le meilleur maillage par rapport à mon besoin ou ma thématique ? Le DGGS est-il adapté au monde de l’imagerie ? Comment traduire un niveau de résolution spatiale (en mètre) en niveau de résolution hiérarchique ?

C’est pour répondre à toutes ces questions, que nous réalisons des études en interne et différentes actions de recherche avec nos collègues de l’Ifremer, qui font partie des pionniers de la solution Healpix. Un premier stage a confirmé que les opérations de traitement sur des voisinages de pixels, comme les convolutions, seront plus complexes avec des DGGS.