Les données obtenues via le GBIF

Diapositive 1 - Comment les données sont-elles partagées sur GBIF.org ?

Il convient de garder à l’esprit que les éditeurs de données du GBIF possèdent et conservent leurs données, qu’ils partagent ensuite avec le GBIF.

Diapositive 2 - Publication de données

Le fonctionnement est donc le suivant : nous avons un ensemble de données qui appartient à une organisation. Cette organisation doit être approuvée par un nœud du GBIF, qui peut être un nœud national ou tout autre nœud participant, pour pouvoir partager des données avec le GBIF.

Ces données doivent ensuite être hébergées quelque part dans une installation, par exemple la boîte à outils de publication intégrée fournie par le GBIF.

Les ensembles de données y sont donc hébergés, puis ils peuvent être publiés dans le GBIF et partagés avec vous.

Diapositive 3 - Les données partagées sur le GBIF sont hétérogènes

Une autre chose dont il faut tenir compte est que les données du GBIF sont très hétérogènes. Les organisations qui partagent des données avec le GBIF proviennent de sources très diverses, et il s’agit d’un processus approuvé par la communauté, comme je l’ai mentionné, où les nœuds approuvent les organisations de publication, qui peuvent être des universités, des musées, des agences gouvernementales, etc.

Ce qu’ils partagent peut donc provenir de projets de recherche ou d’efforts de suivi, de données issues de la science citoyenne ou de collectes.

Il faut également garder à l’esprit que ces données ne sont pas disponibles en direct sur le GBIF.

Vous pouvez avoir des données qui font partie d’un effort mobilisé d’une collection, d’une collection de musée qui pourrait numériser ses données d’il y a 50 ans, 70 ans, et le jour suivant, elles sont disponibles sur GBIF.

Diapositive 4 - Accéder aux données et les télécharger

Pour vous montrer comment une telle recherche agrégée peut se présenter à vous en tant qu’utilisateur, si vous allez voir une espèce, dans ce cas, je vous montre le papillon à pointe orange. Si, comme la plupart de nos utilisateurs, vous vous rendez sur notre portail et recherchez l’espèce, la première chose que vous verrez sera la page des espèces.

Vous obtiendrez ainsi une description générale de l’espèce et la répartition des occurrences du GBIF. Mais en général, vous devriez aller à la page d’enregistrement des occurrences, où vous pourriez appliquer d’autres filtres.

Dans ce cas, je dis que je ne veux que des enregistrements datant de 2020 à 2022, je pense. Je précise également qu’ils doivent se situer sur le continent européen.

J’ai donc réduit ma recherche et je clique sur télécharger, où je dois choisir différentes options. Dans ce cas, je choisis l’option simple.

Mais vous pouvez également voir d’autres informations, telles que les problèmes connus pour les données, ce qui pourrait être quelque chose que vous devriez examiner si vous voulez appliquer des filtres supplémentaires pour votre téléchargement, si vous ne voulez pas que ces données soient incluses.

Ainsi, dans votre profil d’utilisateur GBIF, vous pouvez voir tous les téléchargements que vous avez créés.

Dans ce cas, je vous montre celui que je viens de créer, les filtres. Mais vous verrez aussi que 927 ensembles de données ont contribué à cette recherche agrégée.

Les sources de données sont donc très variées. C’est important car cela a un impact sur ce qui sera réellement dans les données que vous téléchargez.

Diapositive 5 - Examen d’un téléchargement

Voici donc un exemple du téléchargement simple que je viens de créer, dans lequel il y a moins de champs disponibles, moins de colonnes. Mais si vous téléchargez l’archive Darwin Core complète, vous disposerez de nombreux champs pour effectuer des recherches. Mais vous remarquerez que certains de ces champs semblent être vides, c’est-à-dire qu’il n’y a pas de valeurs. Mais comme vous pouvez le voir, comme je vous le montre maintenant, vous avez en fait des informations sur la localité partagées par certains éditeurs.

Cela signifie que certains éditeurs peuvent partager leurs données et d’autres non. Et cela peut avoir une incidence sur votre analyse.

Ainsi, par exemple, le compte individuel, qui peut vous donner une idée de l’abondance de l’espèce, n’est pas nécessairement rempli par certains éditeurs, mais l’est par d’autres.

Et comme je l’ai mentionné, si vous téléchargez l’archive Darwin Core complète, où vous avez beaucoup plus de colonnes, vous verrez un ensemble de données beaucoup plus inégal, ce qui a une incidence sur la façon dont vous post-traitez vos données.

Diapositive 6 - Dans quelle mesure les champs que vous téléchargez contiennent-ils du contenu ?

Si nous entrons un peu plus dans le détail du contenu que vous pouvez attendre des données que vous téléchargez sur GBIF, je vous donne juste quelques idées générales de certains des champs que vous pouvez télécharger.

L’identifiant GBIF, que nous appliquons à l’enregistrement partagé avec le GBIF, est toujours de 100 %. Vous obtenez toujours tous les identifiants GBIF pour vos données. Mais si vous recherchez des informations sur l’habitat, si vous regardez tous les enregistrements d’occurrence du GBIF, seuls 7 % environ contiennent des données dans ce champ.

Les nombres d’individus présentent des chiffres assez élevés, de même que l’état et la province, mais il faut garder à l’esprit que cela est dû aux oiseaux. Le plus grand groupe de données que nous ayons sur le GBIF provient des oiseaux, ce qui fait qu’ils augmentent vraiment la quantité de données dont nous disposons. Les données peuvent donc être très spécifiques à un groupe.

Ainsi, si vous recherchez des insectes, vous constaterez peut-être que le pourcentage de valeurs réellement couvertes est assez faible.

Avec le nom scientifique, c’est plutôt bien.

En ce qui concerne la profondeur, si vous voulez rechercher des occurrences marins, très peu d’éditeurs partagent réellement ces données.

Il en va de même pour l’élévation, et l’étape de la vie ne représente que 9 %.

La plupart de nos éditeurs fournissent effectivement des données temporelles, mais celles-ci peuvent se limiter à l’année.

Il faut donc en tenir compte lorsque vous utilisez vos données.

Diapositive 7 - Normes de données

Je vais donc vous parler des normes de données qui sous-tendent ce que vous voyez sur le GBIF. Comme vous l’avez remarqué, les colonnes ont des noms assez spécifiques. Ces noms et ces champs sont définis par des normes de données, qui sont maintenues par une communauté mondiale de la biodiversité.

Diapositive 8 - Darwin Core Archive (DwC-A)

Ainsi, la plupart des données partagées avec le GBIF se trouvent généralement dans une archive Darwin Core, comme je l’ai mentionné précédemment. Les éditeurs qui partagent leurs données avec le GBIF doivent les faire correspondre à cette norme Darwin Core.

Il est géré par les normes d’information sur la biodiversité, également appelées TDWG.

Ces normes de données définissent le nom du champ, comme je l’ai mentionné, et elles définissent aussi parfois le contenu de la valeur qui pourrait être comme un vocabulaire contrôlé ou une sorte de valeur normalisée que les gens devraient utiliser lorsqu’ils partagent leurs données.

Supposons que vous soyez un éditeur, que vous soyez totalement novice en matière de normes de données et de publication sur le GBIF. Vous avez peut-être une feuille de calcul indiquant un nom, le nombre d’individus de cette espèce que vous avez observés et quelques notes générales sur ce que vous avez trouvé.

Ces champs doivent être désignés par un nom scientifique, par exemple, nombre d’individus pour les comptages, et pour les notes, vous voudrez peut-être les placer dans les remarques sur l’occurrence ou sur l’événement.

Le but est de disposer de champs spécifiques pour capturer des informations spécifiques.

Diapositive 9 - Champs disponibles

Les champs disponibles pour le partage sur GBIF dépendent de la classe de l’ensemble de données.

Comme je l’ai mentionné, vous avez des enregistrements d’occurrences. Ces enregistrements d’occurrences sont un type de classe d’ensembles de données dans le GBIF.

Le plus simple est donc l’ensemble contenant uniquement des métadonnées, qui ne contient pas vraiment de données. Il s’agit simplement d’une description de l’ensemble de données. Il peut s’agir de la description d’une collection ou d’une étude de terrain, mais les données n’ont pas encore été numérisées.

Nous avons également des ensembles de données de listes de contrôle, qui sont des listes de noms de taxons. Il peut y avoir plus d’informations, mais en général, il s’agit de partager les noms scientifiques d’une zone donnée ou au sein d’un champ spécifique différent.

Ensuite, il y a les occurrences, que j’ai déjà mentionnées, qui sont la preuve de la présence d’une espèce ou d’un taxon à une date et à un endroit donnés.

Le dernier type de la class de l’ensemble de données dont nous disposons est celui des événements d’échantillonnage, qui contient un peu plus d’informations parce que les gens doivent généralement partager l’effort et le protocole d’échantillonnage, et qui peut permettre aux utilisateurs d’évaluer la composition de la communauté et l’abondance des espèces.

Diapositive 10 - Ensembles de données principales

Ces classes d’ensembles de données sont des tables principales. Ainsi, si vous avez une table d’ensemble de données qui est soit une table de taxons, d’occurrences ou d’événements, ces tables ont un ensemble spécifique de champs que vous pouvez partager. Mais il se peut que vous souhaitiez partager encore plus d’informations.

Par exemple, si vous disposez d’un ensemble de données relatives à un événement, vous pouvez souhaiter partager des occurrences individuelles.

Vous avez fait un BioBlitz du début du samedi à la fin du samedi, mais à cette distance, vous avez trouvé ce papillon ou ce coléoptère à un moment précis.

Il s’agit d’une occurrence dans l’événement du BioBlitz.

Ou vous avez peut-être des fichiers multimédias associés. Vous avez pris des photos des différents insectes que vous avez trouvés pendant cette période, ou vous avez peut-être même prélevé des échantillons pour l’ADN, et ensuite vous avez des identifications basées sur l’ADN.

Et vous avez peut-être un noyau de taxons ou d’une liste de contrôle, comme je l’ai mentionné, où vous avez la répartition des espèces abordées.

Diapositive 11 - Champs manquants

Le GBIF propose un grand nombre de champs que vous pouvez filtrer et pour lesquels vous pouvez réduire votre recherche. Mais dans certains cas, il se peut que vous ne trouviez pas les champs dont vous avez besoin pour votre analyse.

Si vous avez besoin d’un tel champ, la bonne façon de l’obtenir, ou du moins d’entamer la discussion pour l’inclure dans le GBIF, serait de passer par le TDWG et la norme Darwin Core.

Vous pouvez proposer de nouveaux termes et des modifications au Darwin Core, mais vous devez garder à l’esprit que la modification des normes de données est un processus communautaire qui nécessite beaucoup d’engagement et de patience, car vous devez en discuter avec vos pairs et trouver un terrain d’entente pour l’ajout de ces données. Vous devez donc vous demander si le terme existe déjà mais nécessite une mise à jour, et où le nouveau terme serait le mieux placé. Est-il spécifique à un taxon ? Est-il spécifique à une occurrence ou à un événement ? Est-ce lié aux lieux ?

Vous devez également vous demander si le terme est mieux adapté à une extension ou à l’un des tableaux principaux.

Beaucoup de gens ne sont peut-être pas au courant des extensions de ces tableaux principaux, mais il y a beaucoup d’extensions pour servir la communauté qui veut partager ou utiliser des données.

Nous vous invitons donc à vous familiariser avec eux avant de proposer ou de modifier des termes.

Diapositive 12 - Métadonnées de l’ensemble des données

Une dernière chose que je dois mentionner à propos des normes de données est qu’il existe également une norme de données appelée EML ou Ecological Metadata Language (langage de métadonnées écologiques) que les éditeurs utilisent pour partager des informations sur la ressource d’ensemble de données dans laquelle ils ont toutes leurs données. Il s’agit, par exemple, des personnes qui ont participé à la maintenance et à la collecte des données, de la portée spatiale et temporelle totale de l’ensemble de données, de la portée taxonomique de l’ensemble de données et de toute information relative au financement et au projet, ainsi que des méthodes et de la conception.

C’est une autre norme qui ne fait pas partie de la norme TDWG et que vous pourriez également examiner.