Recherche Data Gouv
Not a member yet
4753 research outputs found
Sort by
Projet OneForAll : Don de données provenant de maisons connectées (Maison 2)
No full textLe projet OneForAll a été initié en 2024 afin de fournir les données issues de maisons connectées via un don par les participants. Si vous trouvez ce jeu de données utile ou vous avez des questions, n'hésitez pas à écrire dans le topic sur le forum OTE.
Le dépôt actuel est l'historique des données remontées par la Maison Numéro2.
Les mesures remontées sont:
Les données environnement intérieur:
- Analyse de l’air de chaque pièce
- Luminosité de chaque pièce
- Position d’ouverture de chaque porte et fenêtre
- Détecteurs de mouvement
Les données environnement extérieur:
- Conditions météorologiques extérieures
Les données électriques:
- Consommation d’électricité de chaque appareil
- Données de consommation globale
- Données de production photovoltaique
- Données de l'utilité de stockage d'électricité
Le dépot actuel couvre les dates du mois de Juin 2024 au mois de Décembre 2024The OneForAll project was initiated in 2024 to provide data from connected homes via a donation by participants. If you find this dataset useful or have any questions, please feel free to comment on the discussion dedicated to this dataset on the OTE forum .
The current repository is the history of the data sent by House Number 2
The measurements sent are:
Indoor environment data:
- Air analysis of each room
- Brightness of each room
- Opening position of each door and window
- Motion detectors
Outdoor environment data:
- Outdoor weather conditions
Electrical data:
- Electricity consumption of each device
- Global consumption data
- Photovoltaic production data
- Electricity storage utility data
The current repository covers the dates from June 2024 to December 202
Genomic assemblies and polymorphism datasets of Leptosphaeria maculans strains (Van de Wouw et al., 2023), generated in the context of the study by Rabeau et al. (2025).
No full textLinks to assembly and polymorphism files of Leptosphaeria maculans strains described and published in Van de Wouw et al. 2023, generated in the context of the study by Rabeau et al. (2025).
To explore this dataset and analyze polymorphisms:
raw data are available: here
use the variant explorer from the bioinfobioger platform
</p
Simulator of oceanic solute transport in the french coast
No full textThis data consists of velocity fields of currents from MARS3D/ifremer dataset of the year 2023 for input to a Python numerical model of transport over the french coast
Structural annotation of five Brassica chloroplast genomes
No full textStructural annotations (.gff) of the chloroplast genomes of five B. rapa and B. oleracea accessions:
Two B. rapa (B. rapa ssp. narinosa cv. Wutacai and B. rapa ssp. trilocularis cv. R500)
Three B. oleracea accessions (B. oleracea ssp. acephala cv C102, B. oleracea ssp. botrytis cv Nd125, a wild type B. oleracea ‘Bos01’ individual from Le Hode)
Their corresponding genomes are available on ENA (https://www.ebi.ac.uk/ena/browser/view/PRJEB91446
netCDF files of BBC room data.
No full textFully processed and cleaned up netCDF files for BBC room data.
They are fully organized by themes, for better replication and understanding of every community.
All 39 measurements included are organized by themes. You can find, in the ZIP file:
netCDF files of BBC room data: seperated by years. That means you will find a file for 2019, 2020, 2021 and so on to 2024.
Global netCDF file with all years, from 2019 to 2024.
All netCDF files are organized following this list:
Office environement: Ambiant values (Temperature, humidity and CO2), Indicators (Presence, ventilation, VOC and heating), Doors and windows (Opened of closed, only starting in 2020)
Specialized office values Relative temperature, humidity and CO2 concentration
Specialized sensors:Thermocouples sensors(TC1-4, temperature), Triosys 1-2 measuring temperature and triosys 1 measuring humidity.
Solar measurements: Adjustable sunshade (south, southeast, east, southwest and west), starting in 2020. Pyranometer energy and irradiance.
Illuminance: North and south.
Energy:
General, heating, kitchen, main and outlets meter.
All these netCDF files can be used to compare with own data, and are targeted towards students, researchers, and environmental office workers. These netCDF files are also a good alternative if not wanting to replicate the whole workflow and stick to aleardy processed data
A ready-to-use database for DADA2: Diat.barcode_rbcL_263bp_DADA2
No full textWe propose a ready to use database for DADA2 for diatoms with a short rbcl barcode (263bp). It has been constructed from diat.barcode. We give here the different versions
Leaf temperature, morpho-physiological traits involved in the leaf energy balance, and their genetic analysis in a grapevine diversity panel
No full textThis dataset comes from a panel of 279 grapevine (Vitis Vinifera L.) cultivars (Nicolas et al., 2016). Measurements were performed during the summer 2024 on 3-year-old plants grafted on SO4 rootstock (Vitis berlandieri × Vitis riparia) cultivated at Pech Rouge INRAE experimental station, Gruissan, in southern France (43.14° North | 3.14° East). The experimental trial contained 253 cultivars from the diversity panel, and was planted at 2.5 x 0.9 m spacing. Rows were oriented East-Southeast/West-Northwest. The experimental design consisted of two adjacent complete blocks with respectively 15 and 22 rows of variable length. Each row was subdivided into 13 or 21 elementary plots made of five contiguous plants of one same cultivar.
On this panel, leaf temperature (Tleaf) and stomatal conductance were measured using a fluoro-porometer, leaf inclination with an inclinometer, leaf reflectance and transmittance were calculated from spectra obtained with an integrative sphere, leaf area and unfolding (ratio of folded area over spread area) were obtained by photographing the leaves and analysing their area on ImageJ. Leaves were systematically chosen as primary, fully expanded and well-irradiated, and measurements were performed from the beginning of June to the beginning of July.
For all traits, the best linear unbiased predictors (BLUPs) of genetic values were estimated using mixed linear models taking into account some climatic variables. Along with genotypic data composed of 197,885 SNPs issued from microarray and genotyping-by-sequencing (Flutre et al., 2022) and reduced to 82,868 SNPs (exclusion of SNPs that did not vary across the panel, SNPs with a minor allelic frequency below 5% and duplicated positions, Coupel-Ledru et al., 2024), BLUPs were then used to perform three types of genome wide association studies (GWAS, MM4LMM, MLMM and varbvs) to detect SNPs associated with the different traits. BLUPs were further used in a mechanistic model of the leaf energy balance to better understand which of the morpho-physiological traits among those involved in the leaf energy balance could drive Tleaf genetic variation.
The overall goals of this study were to investigate genomic regions associated with leaf temperature and whether these regions co-localized to morphophysiological traits, and to shed light on their respective weight in Tleaf regulation through the energy balance equations.
The associated publication is: Chir Laurine, Boulord Romain, Coindre Eva, Segura Vincent, Saurin Nicolas, Doligez Agnès, Pallas Benoît, Simonneau Thierry, Coupel-Ledru Aude (2025). Genetic variability of leaf temperature and underlying morpho-physiological traits in a grapevine diversity panel. Journal of Experimental Botany. DOI: https://doi.org/10.1093/jxb/eraf324. Englis
Genetic variants from 567 French cattle samples
No full textThe vcf file contains SNPs, small insertions and deletions (InDels) detected with Illumina paired-end sequencing data (15X mean coverage) for 567 bulls from 14 French cattle breeds. Sequences were aligned on the ARS-UCD1.2 reference genome assembly sequence using bwa mem and small genomic variations were walled with the GATK software
Projet AGRIBALYSE v2.0 – EMPREINTE EAU
No full textL’objectif du projet (2017) était de faire évoluer la base de données AGRIBALYSE afin que celle-ci contienne les informations permettant l’évaluation du volet consommation /
stress hydrique de l’empreinte eau des productions agricoles. Plus spécifiquement,
l’objectif du projet était de générer les données d’inventaire relatives aux
consommations d’eau afin de compléter les ICVs de la base de données
AGRIBALYSE. Pour générer ces données d’ICV, le projet a développé une
méthodologie permettant de prendre en compte les flux d’eau dans les ICVs
agricoles.
Le travail réalisé dans le cadre du projet a conduit aux résultats suivants :
- Intégration de Cropwat au sein de MEANS-InOut, permettant la création d’ICV
pour les productions agricoles (productions végétales, bovins et petits
ruminants)
- Création/mise à jour des ICV de maïs grain, soja, carotte d’Aquitaine, pomme
du Sud Est, tomate hors sol et sous serre, production de raisin de cuve,
production bovine
- Rédaction d’un guide utilisateur de CROPWAT
- Rédaction d’un rapport méthodologiqu
Indicateurs des changements par niveaux de réchauffement TRACC issus des projections hydrologiques Explore2 pour le modèle ORCHIDEE (référence 1976-2005)
No full textIndicateurs des changements par niveaux de réchauffement TRACC issus des débits journaliers simulés par le modèle hydrologique ORCHIDEE pour l'ensemble des projections climatiques Explore2 sous RCP 8.5. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur, niveau de réchauffement et chaîne de simulation, c'est-à-dire, couple GCM/RCM et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Définition des narratifs hydrologiques : L'ensemble des descriptions des narratifs hydrologiques définis dans le cadre de la TRACC par niveaux de réchauffement et secteurs hydrographiques est défini ici : https://doi.org/10.57745/KAHIWJ.
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} RWL : Niveau de réchauffement TRACC (RWL-(20|27|40)) → {1}_{2}_{3} Changement : Changement d'une variable pour un niveau de réchauffement TRACC par rapport à une période de référence, défini dans le récapitulatif des indicateurs hydrologiques {4} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {5} GCM : Identifiant du GCM forçeur {6} RCM : Identifiant du RCM {7} BC : Identifiant de la méthode de correction de biais statistique {8} HM : Identifiant du modèle hydrologique {9} Référence : Période de référence (ref-YYYYMMDD-YYYYMMDD)
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation *Changement* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet