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.