Mercator Océan possède un outil de visualisation et d'analyse de données océanographiques dénommé Moniqua. Développée par Makina Corpus, cette solution réalise la mise en valeur de données statistiques scientifiques récoltées par Mercator Océan afin de pouvoir visualiser et manipuler des graphiques paramétrables par l'utilisateur. En 2020, nous avons réalisé des développements complémentaires pour permettre de gérer dans l'application Moniqua l'insertion et la modération d'images pré-générées composant un bulletin d'informations de données océanographiques visant à être diffusées aux partenaires de Mercator Ocean.

Le projet Moniqua-OMI a pour objectif de reprendre la structure applicative existante et d'ajouter un système d'insertion de données statistiques d'anomalies de relevés. Cela signifie donc qu'un système d'import et de catégorisation de données statistiques issues de fichiers NetCDF a été créé ainsi qu'un écran de consultation des statistiques associées dans l'interface de Moniqua. Cette fonctionnalité a pour objectif de permettre la visualisation de données qualifiées tout en les diffusant au public via l'utilisation d'un mode "Widget".

La réalisation du widget a été rendu possible grâce au socle applicatif front end développé en React, permettant l'utilisation de composants. Ainsi, la vue Widget a donc consisté à épurer la vue principale de l'application tout en réduisant les fonctionnalités de personnalisation des graphs, afin d'être embarquée sur le site web public de Mercator Ocean.

L'intégration des données issues de fichiers NetCDF a été effectuée directement dans le back end développé en Django, via l'utilisation de la bibliothèque NetCDF4. Afin de permettre aux utilisateur de Moniqua de facilement créer la structure de données associées, il a été rendu possible l'insertion d'objets via l'utilisation d'un fichier de nomenclature en JSON. Enfin, outre la gestion du stockage des données et leur service via une API grâce à Django Rest Framework, le back end a été développé afin de pouvoir gérer au mieux les éléments suivants :

• Génération de fichier CSV, mis à disposition par une API, permettant aux utilisateurs de récupérer les données brutes affichées sur le front end
• Gestion des marges d'erreurs liées aux estimations d'incertitudes associées à chaque jeu de données

Côté front end, le système d'affichage de graphiques a été revu, pour permettre l'ajout d'échelles à la volée, adaptées à la courbe affichée, elles-mêmes personnalisables via le sélecteur de date de l'écran. Il a également été permis aux utilisateur de surcharger les couleurs des graphiques pour pouvoir les distinguer et mieux discerner les affichages d'incertitudes associées (générés à partir de plotlyJS, à la fois pour les incertitudes ponctuelles et continues). Surtout, l'utilisation de la bibliothèque ml-regression-simple-linear a permis de calculer à la volée les tendances de chaque graph via l'utilisation de formules de régressions linéaires.

Ce projet est en résumé une nouvelle fonctionnalité s'intégrant dans une continuité de l'application Moniqua. Celui-ci a permis une mise à niveau applicative tout en proposant de nouveaux challenges techniques liés à la complexité de la donnée traitée.