Sismologie
Les sismologues du monde entier utilisent MATLAB pour étudier la sismicité tectonique et anthropique, surveiller l'activité volcanique et analyser les données de forme d'onde de divers réseaux de capteurs. Les experts ont développé des toolboxes qui personnalisent MATLAB pour l'accès et l'analyse des données sismologiques.
Découvrez comment vous pouvez :
- Utiliser MATLAB et Signal Processing Toolbox pour lire, analyser et comparer les formes d'onde sismiques (Signal Processing Onramp)
- Analyser les formes d'onde de manière interactive et générer automatiquement du code avec l'application Signal Analyzer (documentation)
- Lire et écrire des fichiers miniSEED avec les fonctions RDMSEED et MKMSEED (toolbox)
- Télécharger et traiter les données sismiques à partir de l'ISC Bulletin en utilisant ISC Earthquake Toolbox pour MATLAB (toolbox et API)
- Utiliser l'interface graphique ZMAP7 de l'application MATLAB pour la visualisation de données sismiques, l'analyse statistique et la recherche dans les catalogues de données sismiques (toolbox)
- Explorer les toolboxes géodésiques MATLAB Stavel et Gridstrain pour dériver les champs de vitesse et de taux de déformation à partir des données GNSS (toolboxes)
En savoir plus
- Toolboxes communautaires pour la sismologie
- Signal Processing Toolbox et Wavelet Toolbox pour analyser les signaux sismiques, filtrer le bruit et détecter les patterns
Océan et climat
MATLAB permet aux chercheurs d'analyser et de modéliser des systèmes océaniques et atmosphériques complexes, en fournissant des informations sur les changements climatiques et les impacts environnementaux.
- Climate Data Toolbox : explorer des données historiques et analyser les tendances de température et les modèles climatiques spatio-temporels (publication, G3).
- Tide Model Driver 3.0 : prédire les marées en fonction des données du modèle de marée (Démarrer avec TMD).
- Ocean Data Tools : accéder aux données via des API sur des sites de données océanographiques courants (toolbox).
- jLab : effectuer des analyses de Big Data, du traitement du signal, de l'analyse par ondelettes et de la cartographie pour les applications océanographiques (toolbox).
En savoir plus
- cmocean : cartes de couleurs perceptivement uniformes pour les variables océanographiques couramment utilisées
- Juillet 2023 a été le mois « le plus chaud » depuis que les enregistrements sont conservés (article de blog, publication)
- Toolboxes communautaires pour :
Hydrologie
MATLAB permet des simulations complexes, des analyses statistiques et des représentations graphiques de données hydrologiques, facilitant ainsi des tâches telles que la modélisation des bassins versants, la prévision des inondations et des glissements de terrain ainsi que l'évaluation de la qualité de l'eau.
- Cartographier les zones inondées en utilisant des images Sentinel-1 SAR : cartographier les zones inondées en utilisant des images Sentinel-1 SAR avec Hyperspectral Imaging Library for Image Processing Toolbox (support package).
- CUAHSI HydroShare : accéder aux données hydrologiques et les analyser avec le référentiel de code MATLAB et MATLAB Online sur HydroShare (plateforme en ligne).
- Wadenow Toolbox : prévoir la tendance des vitesses des glissements de terrain déclenchés par les précipitations, via la transformée en ondelettes continue et le Deep Learning (publication, Geosciences).
En savoir plus
- Modélisation du bilan hydrique du lac Mono (programme d'enseignement)
- Cartographie de la susceptibilité aux glissements de terrain basée sur le Machine Learning (blog et ressources)
- Toolboxes communautaires pour l'océanographie et l'hydrologie
- Hyperspectral Imaging Library for Image Processing Toolbox (support package logiciel)
Agriculture
MATLAB dispose d'outils pour l'analyse de données, le traitement d'images et l'agriculture intelligente. Il permet la prédiction du rendement des cultures, l'analyse de l'humidité du sol et une surveillance avancée basée sur des images. Vous pouvez utiliser :
- Les fonctions de traitement d'images hyperspectrales pour détecter les changements de couverture terrestre (exemple de code)
- ThingSpeak et des capteurs IoT afin de collecter et d’analyser des données pour la détection précoce des maladies végétales en utilisant des modèles de Machine Learning (étude de cas)
- MATLAB afin d'analyser les signaux d’images provenant de différentes parties du spectre électromagnétique pour la détection et la cartographie de la végétation (étude de cas)
En savoir plus