Il s'agit du fichier TOPO produit par le référentiel TOPAD de la DGFIP est filtré sur les départements de la Région Provence-Alpes-Côte-d'Azur, plus les départements de la Drôme et le Gard afin d'être raccord avec la couverture du service MAJIC. Le fichier TOPO se substitue désormais au fichier FANTOIR depuis juillet 2023.   Il répertorie l'ensemble des entités topographiques (Pays, Région, Département, Communes, Voies) connues et gérées par TOPAD, y compris l'historique des entités annulées.  Ce qui change par rapport au fichier FANTOIR : * ajout de la région,  * ajout des données des collectivités d'outre-mer, * présence des données de topo étrangère (retrait des pseudo voies) [Fichier des entités topographiques (TOPO) DGFiP — Ministère de l’Économie, des Finances et de l’Industrie](https://data.economie.gouv.fr/explore/dataset/topo-fichier-des-entites-topographiques/information/)

Le trait de côte est une synthèse saisonnière de la position de la limite entre eau et sédiment ; Il est défini par la limite supérieure de l’excursion spatiale des lignes d’eau extraites automatiquement sur plusieurs images satellites Sentinel-2 proches dans le temps (2-3 mois de période d’acquisition). L’évolution de la position du trait de côte est statistiquement calculée entre deux dates pour lesquelles la position du trait de côte est dérivée de la limite supérieure de l’excursion spatiale des lignes d’eau extraites automatiquement sur plusieurs images satellites Sentinel-2 proches dans le temps (2-3 mois de période d’acquisition). L’évolution annuelle de la position du trait de côte est calculée tous les 20 m le long du littoral du Golfe de Fréjus. La méthode de détection des lignes d’eau est basée sur les travaux de Vos K. et al [1], par le biais d’une classification et de l’indice NDWI2. Les étapes principales sont les suivantes : * Géo-référencement relatif des images entre elles, * Création d’une image composite en empilant un sous-ensemble des bandes spectrales originales et certains indices (végétation, eau et sol), * Utilisation du classificateur de forêt aléatoire [2], de l’'indice NDWI2 et seuillage entre le pixel de sable et le pixel d'eau, * Utilisation de l’algorithme ‘Marching Square’ pour construire automatiquement la courbe rejoignant les pixels du seuil défini. Des traitements complémentaires ont été effectués pour estimer l'évolution de la position du trait de côte à partir des images satellites : * Génération arbitraire d’une ligne de référence virtuelle, longeant approximativement le littoral * Génération de profils perpendiculaires à la côte, le long du littoral, à 20 m d’intervalle * Calcul statistique de la variation annuelle en [m/an] de la position du trait de côte le long de chaque profil [3] à l’aide de l’extension Digital Shoreline Analysis System (DSAS). Des traitements complémentaires pour le calcul de l'évolution de la surface côtière : * Conversion des lignes vectorielles correspondant aux traits de côtes en surfaces vectorielles (polygonisation), * Calcul statistique en [m²] et cartographie des surfaces gagnées et perdues d’une date à la suivante. \[1\]: Vos K\.\, Splinter K\.D\.\, Harley M\.D\.\, Simmons J\.A\.\, Turner I\.L\. \(2019\)\. CoastSat: a Google Earth Engine\-enabled Python toolkit to extract shorelines from publicly available satellite imagery\. Environmental Modelling and Software\. 122\, 104528\. [2] Breiman, L. (2001). Random forests. Machine Learning, 45, 1, 5-32, 10.1023/A:1010933404324 [3] Himmelstoss E.A., Henderson, R.E., Kratzmann, M.G., Farris, A.S. (2018). Digital Shoreline Analysis System (DSAS) version 5.0 user guide. Open-File Report, 10.3133/OFR20181179 **Cadre du projet** : Dans le cadre du projet Space for Shore du programme Coastal Erosion lancé par l’Agence Spatiale Européenne, des caractéristiques physiques du littoral sont extraites depuis des images satellites de haute résolution. Ces informations spatialisées ont pour vocation d’aider les chercheurs dans leurs études et les aménageurs et décideurs dans la gestion du littoral, car elles ouvrent la voie vers un suivi haute fréquence des points côtiers sensibles et vers une meilleure connaissance des tendances d’évolution. Parmi les zones géographiques retenues dans ce projet, le littoral méditerranéen, en région Provence Alpes Côte d'Azur, comprend l’ensemble du delta du Rhône (Camargue), un lot de données approfondies extraites sur les secteurs de la Lagune de Véran et de l’embouchure du Grand Rhône, la Baie des Lecques, le Golfe de Fréjus, et Juan-les-Pins. L'ensemble des données ont été validées par F. Sabatier (Aix-Marseille Univ. - CEREGE), référent expert. **Obligation de citation : Produit numérique i-Sea 2020, projet financé par ESA Coastal Erosion**

Le trait de côte est une synthèse saisonnière de la position de la limite entre eau et sédiment ; Il est défini par la limite supérieure de l’excursion spatiale des lignes d’eau extraites automatiquement sur plusieurs images satellites Sentinel-2 proches dans le temps (2-3 mois de période d’acquisition). L’évolution de la position du trait de côte est statistiquement calculée entre deux dates pour lesquelles la position du trait de côte est dérivée de la limite supérieure de l’excursion spatiale des lignes d’eau extraites automatiquement sur plusieurs images satellites Sentinel-2 proches dans le temps (2-3 mois de période d’acquisition). L’évolution annuelle de la position du trait de côte est calculée tous les 20 m le long du littoral. La méthode de détection des lignes d’eau est basée sur les travaux de Vos K. et al [1], par le biais d’une classification et de l’indice NDWI2. Les étapes principales sont les suivantes : * Géo-référencement relatif des images entre elles, * Création d’une image composite en empilant un sous-ensemble des bandes spectrales originales et certains indices (végétation, eau et sol), * Utilisation du classificateur de forêt aléatoire [2], de l’'indice NDWI2 et seuillage entre le pixel de sable et le pixel d'eau, * Utilisation de l’algorithme ‘Marching Square’ pour construire automatiquement la courbe rejoignant les pixels du seuil défini. Des traitements complémentaires ont été effectués pour estimer l'évolution de la position du trait de côte à partir des images satellites : * Génération arbitraire d’une ligne de référence virtuelle, longeant approximativement le littoral * Génération de profils perpendiculaires à la côte, le long du littoral, à 20 m d’intervalle * Calcul statistique de la variation annuelle en [m/an] de la position du trait de côte le long de chaque profil [3] à l’aide de l’extension Digital Shoreline Analysis System (DSAS). Des traitements complémentaires pour le calcul de l'évolution de la surface côtière : * Conversion des lignes vectorielles correspondant aux traits de côtes en surfaces vectorielles (polygonisation), * Calcul statistique en [m²] et cartographie des surfaces gagnées et perdues d’une date à la suivante. \[1\]: Vos K\.\, Splinter K\.D\.\, Harley M\.D\.\, Simmons J\.A\.\, Turner I\.L\. \(2019\)\. CoastSat: a Google Earth Engine\-enabled Python toolkit to extract shorelines from publicly available satellite imagery\. Environmental Modelling and Software\. 122\, 104528\. [2] Breiman, L. (2001). Random forests. Machine Learning, 45, 1, 5-32, 10.1023/A:1010933404324 [3] Himmelstoss E.A., Henderson, R.E., Kratzmann, M.G., Farris, A.S. (2018). Digital Shoreline Analysis System (DSAS) version 5.0 user guide. Open-File Report, 10.3133/OFR20181179 **Cadre du projet** : Dans le cadre du projet Space for Shore du programme Coastal Erosion lancé par l’Agence Spatiale Européenne, des caractéristiques physiques du littoral sont extraites depuis des images satellites de haute résolution. Ces informations spatialisées ont pour vocation d’aider les chercheurs dans leurs études et les aménageurs et décideurs dans la gestion du littoral, car elles ouvrent la voie vers un suivi haute fréquence des points côtiers sensibles et vers une meilleure connaissance des tendances d’évolution. Parmi les zones géographiques retenues dans ce projet, le littoral méditerranéen, en région Provence Alpes Côte d'Azur, comprend l’ensemble du delta du Rhône (Camargue), un lot de données approfondies extraites sur les secteurs de la Lagune de Véran et de l’embouchure du Grand Rhône, la Baie des Lecques, le Golfe de Fréjus, et Juan-les-Pins. L'ensemble des données ont été validées par F. Sabatier (Aix-Marseille Univ. - CEREGE), référent expert. **Obligation de citation : Produit numérique i-Sea 2020, projet financé par ESA Coastal Erosion**

Fichier des parcelles du territoire de la Sainte-Baume en lien avec la gestion sylvo-paysagère. La prise en compte des paysages et de la fonctionnalité de l’écosystème dans la gestion forestière nécessite avant tout de connaître et comprendre les dynamiques à l’œuvre. Une fois déterminées, les orientations choisies doivent se traduire en actes sylvicoles précis et progressifs, permettant de prendre en compte à la fois la production de bois, la biodiversité, le paysage et l’ensemble des usages. Le tout, à court terme mais aussi à long terme. L'aspect opérationnel est mis en avant sous forme de fiche-actionou fiches [AGIR] permettant aux propriétaires ou aux gestionnaires forestiers d’appréhender les connaissances techniques et règlementaires ainsi que les recommandations générales et spécifiques, dressées par le Parc naturel régional de la Sainte-Baume.

**WEkEO est un service d’accès aux données et à l’information de l’ensemble des services Copernicus, ainsi que des satellites européens Sentinel.** Cette initiative offre un accès continu et unifié aux données [Copernicus](https://www.copernicus.eu/en), aux ressources et outils de traitement avancés, ainsi qu’à des ensembles de données pertinents pour la surveillance du climat, des milieux marins et terrestres, et de la composition atmosphérique. Développé conjointement par les principales institutions Copernicus : EUMETSAT, ECMWF, l’Agence Européenne de l’Environnement (EEA) et Mercator Ocean International, **WEkEO** fournit des données environnementales complètes, des environnements de traitement conviviaux et une assistance spécialisée aux utilisateurs. Inspiré par l’approche collaborative de Wikipédia, le nom WEkEO (prononcé [wikio]) souligne les efforts conjoints entre les quatre organisations clés – EUMETSAT, ECMWF, EEA et Mercator Ocean International – et la communauté élargie des utilisateurs («&nbsp;WE&nbsp;»), l’avancement et le partage des connaissances («&nbsp;k&nbsp;»), et l’observation de la Terre et de l’environnement («&nbsp;EO&nbsp;»). La force distinctive de WEkEO réside dans son architecture distribuée innovante, qui intègre les ressources existantes des institutions partenaires. Un accord signé en juillet 2023 entre le CNES et [EUMETSAT](https://www.eumetsat.int/ "EUMETSAT - nouvelle fenêtre"), a permit au CNES d'intégrer la fédération [WEkEO](https://www.wekeo.eu/ "WEkEO - nouvelle fenêtre") Grâce à cet accord, WEkEO bénéficie d’un accès enrichi à environ **30 pétaoctets de données** issues de missions spatiales opérées par le CNES, portant le total à **80 Po de données d’observation de la Terre**. Cela inclut des missions comme **CFOSAT**, **SWOT**, **Spot World Heritage**, et à venir **Merlin** et **MicroCarb**. <br> <br> <br> <br>

Dati degli aereoporti armonizzati per l'area datasud Données des aéroports harmonisées pour la zone datasud