Parsec
Création de nouveaux outils pour le partage et la réutilisation des données grâce à une étude trans-nationale des impacts socio-économiques des aires protégées
Parsec est un projet financé par le Belmont Forum, après avoir été sélectionné dans le cadre de l’appel à projet “Science-driven e-infrastructure Innovation (SEI)”. Le projet est dirigé par Nicolas Mouquet, également directeur scientifique du Cesab et réunit plusieurs partenaires de France (FRB, Université de Toulouse), Brésil (Université de São Paulo), États-Unis (American Geophysical Union – AGU) et Japon (National Institute of Information and Communications Technology – NIICT).
Les progrès scientifiques dépendent de la disponibilité, de l’accessibilité et de la réutilisation des données et des logiciels. Pourtant, de grandes quantités de données sur la Terre ne sont pas bien préservées ou pas préservées du tout. Le projet Parsec permet la collaboration de deux équipes de scientifiques travaillant sur deux aspects des données: une travaillant sur la collecte et la gestion des données, et une autre travaillant sur la synthèse de données. Le groupe travaillant sur la synthèse de données est accueilli au Cesab pour toute la durée du projet (4 ans).
- Le projet est composé de deux équipes : une équipe de science de synthèse et une équipe de science des données. Notre équipe scientifique de synthèse utilise des techniques d’intelligence artificielle pour analyser les images satellites et les informations socio-économiques afin de mieux prédire et atténuer les effets des actions qui menacent potentiellement les moyens de subsistance et la santé des communautés locales (indigènes). Comme la plupart des chercheurs qui étudient des problèmes environnementaux complexes, l’équipe dépend fortement de la disponibilité de bonnes données, dispersées dans l’espace, multidisciplinaires et chronologiques.
- L’équipe de science des données, composée de scientifiques travaillant sur la gestion des données environnementales, de communautés de données (RDA, ESIP), de revues de société (AGU) et de représentants des infrastructures électroniques d’attribution des données (par exemple, DataCite et ORCID), élaborera des pratiques de pointe en matière de citation, d’attribution, de crédit et de réutilisation des données. Dans le cadre du travail intégré avec l’équipe scientifique de synthèse, l’équipe scientifique des données fournira un examen des meilleures pratiques pour la gestion et l’intendance des données en utilisant cet effort comme une étude de cas de la communauté scientifique au sens large pour optimiser l’accès et la réutilisation des données. L’équipe développera et mettra également en œuvre un nouvel outil pour mieux suivre l’utilisation et la réutilisation des données pour les chercheurs.
Parsec est un projet trans-disciplinaire et trans-national qui travaille sur l’utilisation et la réutilisation des données environnementales et socio-économiques pour évaluer les pratiques pour la gestion et la conservation des données. Le projet permet aux scientifiques travaillant sur la gestion de données ainsi que aux scientifiques travaillant sur la synthèse de données de collaborer en temps réel dans le but d’améliorer les résultats de la recherche et le partage des données. Les résultats qui en résulteront permettront de mieux prédire et ainsi de mitiger l’effet des actions perturbant des pratiques historiques d’utilisation des terres et menaçant les communautés locales.
Plus d’informations sur le site internet de Parsec.
Pays participants :
Brazil, France, Japan, United States.
Partenaires :
Australia – Lesley WYBORN; United Kingdom – Helen GLAVES.
Associés :
DataCite; Earth Science Information Partners (ESIP); Environmental Data Initiative (EDI); ORCID; Research Data Alliance (RDA); Sharing Rewards and Credit (SHARC) Interest Group (RDA); World Data System (WDS); Academia Sinica (Taipei); The John Welsey Powell Center (JWP); The Nature Conservancy (TNC).
Porteur de projet :
Nicolas MOUQUET – MARBEC, CNRS Montpellier, FRB (France)
Co-porteurs de projet :
David MOUILLOT – MARBEC, University of Montpellier (France); Alison SPECHT – University of Queensland (Australia); Shelley STALL – American Geophysical Union (USA)
Post-doctorants :
Ali BEN ABBES – FRB-Cesab (France); Jeaneth MACHIATO – University of Sao Paulo (Brazil)
Le projet Parsec réunit des spécialistes de la science des données, de la biologie de la conservation, de la télédétection, de l’exploration des données, de l’intelligence artificielle, des zones protégées et des sciences sociales.
Le projet Parsec est issu de l’appel à projet du Belmont Forum de 2018.
[08] Ben Abbes A, Machicao J, Corrêa PL, Specht A, Devillers R, Ometto JP, Kondo Y & Mouillot D (2024) DeepWealth: A generalizable open-source deep learning framework using satellite images for well-being estimation. SoftwareX, 27, 101785. DOI: 10.1016/j.softx.2024.101785.
[07] Mouillot D, Velez L, Albouy C, Casajus N, Claudet J, Delbar V, Devillers R, Letessier TB, Loiseau N, Manel S, Mannocci L, Meeuwig J, Mouquet N, Nuno A, O’Connor L, Parravicini V, Renaud J, Seguin R, Troussellier M & Thuiller W (2024) The socioeconomic and environmental niche of protected areas reveals global conservation gaps and opportunities. Nature Communications, 15, 9007. DOI: 10.1038/s41467-024-53241-1.
[06] Specht A, O’Brien M, Edmunds R, Corrêa P, David R, Mabile L, Machicao J, Murayama Y & Stall S (2023) The Value of a Data and Digital Object Management Plan (D(DO)MP) in Fostering Sharing Practices in a Multidisciplinary Multinational Project. Data Science Journal, 22, 38. DOI: 10.5334/dsj-2023-038.
[05] Machicao J, Ben Abbes A, Meneguzzi L, Corrêa PLP, Specht A, David R, Subsol G, Vellenich D, Devillers R, Stall S, Mouquet N, Chaumont M, Berti-Equille L & Mouillot D (2022) Mitigation strategies to improve reproducibility of poverty estimations from remote sensing images using deep learning. Earth and Space Science, 9, e2022EA002379. DOI: 10.1029/2022EA002379.
[04] Machicao J, Specht A, Vellenich D, Meneguzzi L, David R, Stall S, Ferraz K, Mabile L, O'Brien M & Corrêa P (2022) A deep-learning method for the prediction of socio-economic indicators from street-view imagery using a case study from Brazil. Data Science Journal, 21, 1–15. DOI: 10.5334/dsj-2022-006.
[03] Specht A & Crowston K (2022) Interdisciplinary collaboration from diverse science teams can produce significant outcomes. PLoS ONE, 17, e0278043. DOI: 10.1371/journal.pone.0278043.
[02] David R, Mabile L, Specht A, Stryeck S, Thomsen M, Yahia M, Jonquet C, Dollé L, Jacob D, Bailo D, Bravo E, Gachet S, Gunderman H, Hollebecq J-E, Ioannidis V, Le Bras Y, Lerigoleur E & Cambon-Thomsen A (2020) FAIRness Literacy: The Achilles' Heel of Applying FAIR Principles. Data Science Journal, 19, 32. DOI: 10.5334/dsj-2020-032.
[01] Specht A, Corrêa P, Belbin L & Loescher HW (2020) Critical research infrastructure: The importance of synthesis centers. Elephant in the Lab. DOI: 10.5281/zenodo.3660920.