Ce projet visait à développer un nouvel add-on pour le SIG GRASS, permettant à la communauté de l'OT de mettre en oeuvre plus facilement une approche
basée sur l'apprentissage automatique pour la cartographie dasymétrique de variables socio-économiques basées sur des produits dérivés de
l'Observation de la Terre tels que les cartes d'occupation et d'utilisation du sol.
La majorité des données socio-économiques sont généralement publiés par les
unités administratives. Cependant, l'extension spatiale de nombreux phénomènes ne correspond à aucune limite administrative existante. En même temps,
les informations géospatiales commencent à être disponibles à une résolution spatiale de plus en plus détaillée grâce aux progrès réalisés en
observation de la terre à très haute résolution. Par conséquent, les scientifiques sont confrontés au fait que la résolution spatiale des unités
administratives est trop grossière et ne correspond pas à leurs besoins.
Afin de permettre l'exploitation des données socio-économiques pour des analyses
spatialement détaillées et/ou pour explorer des phénomènes spatiaux qui ne suivent pas les unités administratives existantes, la cartographie
dasymétrique a reçu de plus en plus d'attention au cours des dernières décennies, faisant l'hypothèse que la connaissance du territoire peut être utilisée
pour désagréger spatialement les données socio-économiques officielles fournies au niveau administratif en un produit de grille à échelle plus
fine.
Le principal défi réside dans la détermination de la distribution spatiale de la variable socio-économique au sein des unités administratives, sur la
base d'un ensemble de données spatiales auxiliaires. Ces dernières sont utilisés comme des poids dans la cartographie dasymétrique pour désagréger
(redistribuer) la variable socio-économique à un niveau plus détaillé. Dans l'exemple du comptage de la population humaine, ces couches de pondération
sont généralement produites à l'aide d'informations indirectes fournies par les cartes de couverture et d'utilisation des sols dérivées des données
d'observation de la terre. Pendant longtemps, ces pondérations ont été déterminées de manière subjective sur la base de connaissances d'experts.