Collection organisée de relevés, mesures ou sorties de modèles liés à la pollution, assemblée avec métadonnées structurées, traçabilité, horodatages, géolocalisation, indicateurs de qualité et format spécifié, destinée à l'analyse, au partage et à la réutilisation.

Principe

Respecter les bonnes pratiques de gouvernance des données (FAIR : trouvable, accessible, interopérable, réutilisable), inclure la provenance et l'information sur la qualité, documenter les méthodes d'échantillonnage et de traitement, et fournir des formats lisibles par machine et des vocabulaires contrôlés si possible.

Démonstration

Un jeu de données publié contenant les concentrations horaires de NO2 provenant de 50 stations de surveillance pour 2010–2020 en formats CSV et NetCDF, avec coordonnées des stations, types d'instruments, registres d'étalonnage et indicateurs QC.

Mauvaise application

Publier des comptes bruts d'instruments ou des moyennes agrégées sans métadonnées, facteurs d'étalonnage ou indicateurs de qualité, ou fusionner des jeux de données hétérogènes sans harmonisation et provenance, conduisant à des analyses erronées.

Conséquence

Des jeux de données bien construits permettent une recherche reproductible, la calibration et validation de modèles, l'analyse des tendances, des méta-analyses et une évaluation transparente des politiques ; des jeux de données de mauvaise qualité génèrent une fausse confiance et des décisions mal informées.

Inversion

Des observations ad hoc non documentées ou des enregistrements propriétaires fermés empêchent la réutilisation et la vérification ; inversement, une restriction excessive de l'accès aux données peut limiter la validation et l'application.

Limite

Couvre les enregistrements d'observation, les séries de mesures traitées et les sorties de modèles documentées destinées à l'analyse ; exclut les observations éphémères non consignées, les données propriétaires non documentées sans métadonnées, et les données instrumentales brutes sans contexte sauf si accompagnées d'une documentation de traitement.

Tension sémantique

Tension entre jeu de données et base de données/flux : un jeu de données est un instantané organisé et versionné destiné à l'analyse, tandis qu'une base de données peut être dynamique et un flux fournit des mesures continues ; la distinction importe pour l'usage en modélisation ou en contexte réglementaire.

Synthèse

Un ensemble de données sur la pollution est une collection organisée, documentée et contrôlée en qualité de données relatives à la pollution qui rend l'information empirique découvrable, interprétable et réutilisable pour l'analyse, la modélisation et l'aide à la décision.