1. Examining satellite images market stability using the Records theory: Evidence from French spatial data infrastructures
- Author
-
Pierre Maurel, Latifa Ghalayini, Anis Hoayek, Zaher Khraibani, Chadi Jabbour, Centre d'Economie de l'Environnement - Montpellier - UMR 5211 (CEE-M), Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Lebanese University [Beirut] (LU), Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne), Université Clermont Auvergne (UCA)-Université Clermont Auvergne (UCA), Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), French National Research Agency (ANR), French CNES/TOSCA program, CNRS-L, OPenIG, ANR-10-EQPX-0020,GEOSUD,GEOSUD : Infrastructure nationale d'imagerie satellitaire pour la recherche sur l'environnement et les territoires et ses applications à la gestion et aux politiques publiques(2010), Centre d'Economie de l'Environnement - Montpellier (CEE-M), Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut Agro - Montpellier SupAgro, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne)
- Subjects
Earth observation ,Spatial data infrastructure ,Geography (General) ,9. Industry and infrastructure ,Computer science ,landsat ,Yang-Nevzorov ,Geography, Planning and Development ,spatial data infrastructure ,Records theory ,spatial information ,spot ,Term (time) ,[SDE]Environmental Sciences ,market stability ,G1-922 ,Satellite ,Satellite imagery ,Spike (software development) ,Computers in Earth Sciences ,Volatility (finance) ,Spatial analysis ,satellite images ,Information Systems ,Remote sensing - Abstract
International audience; The spatial data infrastructures (SDIs) which constitute a direct link between spatial data users and the large Earth observation industry, have a leading role in establishing market opportunities in the space sector. The spatial information supplied through various forms of SDI platforms exhibits large increases in demand volatility. The users' demand is unpredictable and the market is vulnerable to high evolution shifts. We study the effect of extreme demands for a particular type of spatial information, the satellite images. Drawing on two French SDIs, GEOSUD and PEPS, we examine the shifts occurring on their platforms and assess the probability of witnessing a spike/drop in the short term of different satellite imagery schemes: the high resolution images through GEOSUD; the Landsat (U.S.), Sentinel (Europe) and SPOT (France) images through PEPS. We analyze the market stability through the two SDIs and evaluate the probability of future records by using the Records theory. The results show that the high resolution images demand through GEOSUD, for which the classical i.i.d. model fits the most, is stable. Moreover, the Yang-Nevzorov model fits to the Landsat data, due to more records concentrated beyond the first observations. The Landsat demand is the less stable out of the other three satellite images series, and the probability of having a record in the coming years is the highest. While the use of Records theory drops mathematical constraints, it offers an alternative solution to the non-applicability of the machine learning techniques and long-term memory models.
- Published
- 2021
- Full Text
- View/download PDF