Avec des années d’expériences de développement logiciel et SIG dans le domaine des géosciences, dont en particulier Flow-R, AtmoSwing, ToolMap et Coltop3D, Terranum offre des solutions personnelles et adaptées à vos besoins. Des développements sur mesure peuvent être élaborés dans les domaines suivants:
Terranum fourni des solutions logicielles sur mesure en géologie, hydrologie, météorologie et géomatique en divers langages de programmation (C++, Python, Julia, stack de développement web) et environnements (multi-plateforme, Windows, Linux, web). Nos applications peuvent effectuer des calculs complexes, intégrer la gestion de bases de données et de séries temporelles ou encore incorporer une interface de cartographie SIG.
Terranum fournit un support à la gestion de données SIG pour les administrations. De plus, afin d’automatiser ou de simplifier des analyses dans un SIG ou encore de traiter de très grands jeux de données, Terranum développe des scripts et routines SIG sur mesure en Python ou FME pour les plateformes QGIS ou ArcGIS. Ces routines peuvent combiner des fonctions SIG existants avec des routines spécifiquement créées pour répondre à vos besoins.
Terranum développe des bases de géodonnées relationnelles combinant données spatiales et tabulaires pour les plateformes QGIS ou ArcGIS (base de données MySQL/MariaDB, PostgreSQL, SQLite). Terranum soutient également la gestion, la migration et la mise à jour des bases de données, ou encore dans l’harmonisation de géodonnées provenant de différentes sources pour les rendre compatibles avec une base de données finale.
Les techniques issues de l’intelligence artificielle (machine learning, deep learning) offrent de nouvelles perspectives pour des applications en géosciences lorsque des données sont disponibles en quantité suffisante. Terranum s’est formé au développement de tels outils et à leur application dans le domaine des géosciences. Nous pouvons élaborer et entraîner des modèles tels que des random forests, réseaux de neurones (NN), convolutional neural network (CNN), long short-term memory (LSTM), ou transformers à l’aide de TensorFlow ou PyTorch.