Présentations de maîtrise avec mémoire en sciences géomatiques

Vous êtes cordialement invité.e.s à venir assister aux présentations de maitrise en sciences géomatiques avec mémoire (GMT-6103), qui se dérouleront le vendredi 28 août 2026 à compter de 9h00 à la salle GHK-2320-2330 (Université Laval). 

Pour assister à distance aux présentations, merci de vous connecter avec le lien Zoom suivant : https://ulaval.zoom.us/j/64205966236?pwd=3Xb3uofeuLqOaU3G1WDMORBxDGhO1y.1

Voici l’horaire des présentations. Vous trouverez les résumés de ces présentations à la fin du message. 

Voici les résumés de chaque présentation : 

Nadiya Panahi 

Titre : Towards Age-Friendly Smart Cities, Using Placemaking Approach: Enhance Social Participation of Older Adults in Smart Cities

Résumé : This research develops and validates an Age-Friendly Smart Placemaking Framework to support the social participation of older adults in urban public spaces. The study responds to the limited integration of age-friendly planning, placemaking, and smart city approaches by examining how these domains can be connected within a coherent planning framework applicable to real urban contexts.

Using the Saint-Roch district of Quebec City as a case study, the research adopts a co-design and sequential mixed-method approach structured in four chapters. The study combines policy and conceptual analysis, walking interviews with older adults, qualitative thematic coding using NVivo, GIS-based spatial analysis, and framework validation through focus groups, expert consultation, and comparative benchmarking.

The empirical investigation identifies relationships between lived experience and urban spatial conditions by examining mobility barriers, accessibility constraints, environmental quality, and opportunities for social interaction. Through the spatialization of experiential insights and the synthesis of qualitative and spatial evidence, the study refines a framework that links participatory processes, urban design conditions, and selected smart placemaking features.

The research contributes both conceptually and practically by advancing smart placemaking as an integrated planning approach and by providing implementation-oriented guidance for designing more inclusive and socially responsive urban environments for aging populations. The proposed framework offers a transferable model to support planners and policymakers in incorporating accessibility, participation, and digital inclusion into smart urban development.

Maxime Rioux-Rousseau

Titre : La classification des milieux humides par apprentissage machine : l’analyse des méthodes d’échantillonnage et des données de référence

Résumé : La classification des milieux humides par apprentissage machine en utilisant des données issues de la télédétection est un sujet assez recherché dans le monde. Il existe cependant des incohérences et des disparités majeures entre les résultats de ces travaux et ceux produits manuellement par photo-interprétation de modèles stéréoscopiques. Le projet explore l’effet de l’autocorrélation géospatiale entre les données d’entrainement et les données de validation, ainsi que l’inclusion des surfaces hydrographiques comme milieux humides, sur les métriques de performance des modèles afin d’expliquer ces incohérences.

Muhammad Abu Bakar 

Titre : Cartographie des obstacles dynamiques à la mobilité en milieu urbain à l’aide de grands modèles de langage 

Résumé : La mobilité est essentielle à l’autonomie et à la participation aux activités quotidiennes, particulièrement pour les personnes à mobilité réduite. L’accessibilité urbaine peut être affectée par des obstacles permanents, tels qu’une pente forte ou un trottoir étroit, ou bien par des obstacles dynamiques, comme la présence de neige, de glace ou de travaux. Toutefois, la collecte et la mise à jour fréquente des données sur ces obstacles peuvent être coûteuses avec les méthodes conventionnelles. Les médias sociaux et les données volontaires offrent ainsi des possibilités intéressantes comme sources de données complémentaires. Le présent projet propose d’explorer le potentiel des grands modèles de langage (LLM) pour identifier, classifier, localiser et cartographier les obstacles à la mobilité urbaine à partir de données textuelles. La méthode proposée permet d’extraire les types d’obstacles ainsi que les informations sur leur durée de présence et leur géolocalisation, puis de géocoder ces dernières afin d’en produire une représentation spatiotemporelle. Le flux de travail a été intégré à une application Web interactive afin de soutenir la planification des déplacements piétonniers en temps quasi réel. Le projet démontre le potentiel des données textuelles pour améliorer l’information sur l’accessibilité et soutenir une mobilité urbaine plus inclusive.

Clémentine Beau

Titre: Évaluation des produits SWOT et AirSWOT pour la caractérisation hydrologique des rivières québécoises

Résumé: La surveillance des rivières est un enjeu crucial pour la gestion de l'eau et la prévention des inondations, d'autant plus dans un contexte de changement climatique qui modifie la variabilité hydrologique des cours d'eau. Cependant, les réseaux de stations hydrométriques recouvrent inégalement le territoire canadien et de nombreuses rivières sont peu ou pas instrumentées. La mission satellitaire SWOT, lancée en 2022, et son analogue aéroporté AirSWOT offrent une solution pour la surveillance des rivières à grande échelle spatiale et temporelle. Ils mesurent des paramètres comme l'élévation, la largeur ou encore la pente de la surface de l'eau. Mais l'exploitation de ces données requiert une évaluation rigoureuse de leur qualité. Ce travail propose une évaluation des produits issus de SWOT et AirSWOT sur des rivières québécoises. Il s'articule en deux volets. Le premier développe une chaîne de traitement des nuages de points SWOT et des rasters AirSWOT, puis compare ces produits sur deux rivières contrastées, la Chaudière et le Saguenay, lors d'une campagne terrain réalisée en août 2023. Le second volet évalue les produits vectoriels SWOT sur trois ans de mission et trois rivières (Chaudière, Jacques-Cartier et Montmorency), à travers un filtrage statistique et une analyse des sources d'erreurs systématiques. 

Ces analyses fournissent des recommandations pour exploiter les données SWOT et AirSWOT dans un cadre hydrologique, mieux appréhender leurs limites et identifier les conditions dans lesquelles les mesures de ces deux capteurs sont les plus fiables. 

Gabriel Duquet

Titre: Évaluation de la réflectométrie GNSS et de l’altimétrie radar pour la caractérisation de l’hydrométrie des rivières canadiennes en hiver

Résumé: Dans les climats froids, la glace modifie les processus hydrologiques des rivières en modifiant les niveaux d’eau et en augmentant les risques d'inondation liées aux embâcles. En hiver, les instruments in situ peuvent présenter des limites opérationnelles dues à la présence de glace, générant des interruptions et une fiabilité réduite. Le suivi de la couverture de glace est donc essentiel pour anticiper les crues, gérer les niveaux d’eau et protéger les communautés et les infrastructures.

Cette étude évalue le potentiel de la réflectométrie interférométrique par Systèmes de positionnement par satellites (GNSS-IR) et de l’altimétrie radar proche nadir avec l'instrument interférométrique en bande Ka (KaRIn) du satellite Surface Water Ocean Topography (SWOT) comme méthodes alternatives sans contact pour l’hydrométrie hivernale des rivières canadiennes. Le GNSS-IR exploite l'interférence entre les signaux GNSS directs et réfléchis pour évaluer les changements en surface. L’analyse spectrale du rapport signal-sur-bruit (SNR) permet d’estimer l’élévation et de caractériser l’état de surface. L’altimétrie radar satellitaire mesure les niveaux d’eau principalement en période d'eau libre, alors que sa capacité à mesurer la surface des rivières en présence de glace reste peu explorée. Les performances de ces approches sont évaluées sous diverses conditions hivernales sur le fleuve Saint-Laurent et la rivière Chaudière (Québec) ainsi que dans le delta Paix–Athabasca (Alberta). Les paramètres dérivés du GNSS-IR sont utilisés pour la classification de l’état de surface des rivières par apprentissage automatique. Des images et vidéos acquises par caméras accompagnent l’interprétation de l’état de surface et des écarts observés. Les élévations obtenues par GNSS-IR et SWOT sont comparées à des mesures in situ afin d’explorer leur potentiel pour la dérivation des niveaux d'eau, de glace et de neige.

Les résultats mettent en évidence la robustesse et la viabilité de ces approches pour le suivi des conditions hydrométriques et cryosphériques des rivières en hiver. Ces techniques économiquement avantageuses contribuent ainsi au renforcement des stratégies d’adaptation et de gestion des risques face à l’intensification des évènements hydrologiques.