Descripteur
Documents disponibles dans cette catégorie (3174)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision / Sami Beniaouf (2021)
Titre : Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision Type de document : Mémoire Auteurs : Sami Beniaouf, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 65 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de Master PPMD Photogrammétrie, Positionnement et Mesure de DéformationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse d'image orientée objet
[Termes IGN] apprentissage profond
[Termes IGN] carte de la végétation
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] géoréférencement
[Termes IGN] image captée par drone
[Termes IGN] maladie phytosanitaire
[Termes IGN] semis de points
[Termes IGN] surveillance de la végétation
[Termes IGN] Vaud (Suisse)
[Termes IGN] viticultureIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Au cours des dernières années, les progrès rapides des techniques d'apprentissage en profondeur ont considérablement accéléré l'élan de la détection d'objets, qui constitue la base de nombreuses tâches de vision par ordinateur, telles que la segmentation d'instances, la classification d'images, le suivi d'objets et bien d'autres. Ce travail s’intéresse à l’utilisation de cette technique ainsi que la photogrammétrie terrestre et la télédétection dans le domaine de la viticulture, pour l’extraction et la cartographie d’informations physiologiques lié aux vignes. Cette étude s’est orientée vers la détection de la maladie de Mildiou au moyen d’une caméra multispectrale. Le mildiou de la vigne est causé par l'organisme de type fongique Plasmopara viticola, qui se produit généralement pendant les années excessivement humides et chaudes. Le champignon provoque directement une perte de rendement par la pourriture des feuilles, des grappes et des pousses. La détection d’objets par segmentation en instances a été réalisé en utilisant le modèle d’apprentissage pré-entraîné Mask R-CNN, dont les couches de classification ont été réentraîné avec des images de vignes acquises et labélisées. La méthodologie suivie consiste en l’extraction de masques d’objets des classes d’intérêt en utilisant le modèle entraîné, qui sont ensuite importés séparément sur les images. La reconstruction du nuage de points 3D à partir d’images masquées ensuit la génération d’un nuage de point de la classe cible. En segmentant ces nuages de points par instances, le calcul des coordonnées des barycentres de ces instances sont représentés finalement sur une carte. Note de contenu :
Introduction générale
I- Introduction à la viticulture de précision
I.1- Télédétection
I.2- Optimisation du rendement
I.3- Détection de maladies
I.4- Apprentissage profond
II- Acquisition des images et méthodologie
II.1- Acquisition des images
II.2- Méthodologie
Résultats et analyseNuméro de notice : 28393 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire PPMD Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98747 Documents numériques
peut être téléchargé
Suivi des vignes par télédétection... - pdf auteur -Adobe Acrobat PDF
Titre : Les synergies de la télédétection optique par drone et satellite : changement d’échelle et application à la conservation des prairies humides Type de document : Thèse/HDR Auteurs : Emilien Alvarez-Vanhard, Auteur ; Thomas Houet, Directeur de thèse ; Thomas Corpetti, Directeur de thèse Editeur : Rennes : Université de Rennes 2 Année de publication : 2021 Importance : 193 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée pour obtenir le grade de Docteur de l’Université de Rennes 2, Spécialité : GéographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte de la végétation
[Termes IGN] données de terrain
[Termes IGN] échelle des données
[Termes IGN] étalonnage des données
[Termes IGN] fusion de données multisource
[Termes IGN] image captée par drone
[Termes IGN] image satellite
[Termes IGN] inondation
[Termes IGN] jeu de données localisées
[Termes IGN] marais
[Termes IGN] phytosociologie
[Termes IGN] prairie
[Termes IGN] réserve naturelle
[Termes IGN] zone humideIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La technologie drone est une nouvelle source de données de télédétection qui offre de nouvelles perspectives aux sciences de l'observation de la Terre. Elle permet un nouveau régime d'observation flexible et à très haute résolution spatiale qui apparaît comme complémentaire à celui des systèmes satellitaires et favorise l'application du changement d'échelle. Cette thèse a pour objectif d'évaluer l'apport des complémentarités entre drone et satellite pour le suivi des prairies humides - des milieux à fort enjeux écologiques et économiques. Pour cela, les principales synergies entre les données drone et satellite ont été identifiées dans la littérature scientifique. Un jeu de données multi-sources et multi-échelles alliant observations drone, satellitaires et in-situ a été constitué sur le site de la réserve régionale du marais de Sougéal, France. Ainsi, deux synergies adaptées au changement d'échelle - la "calibration de modèle" et la "fusion de données" - ont été appliquées à la cartographie de la structure des prairies humides - la distribution des communautés végétales et les dynamiques d'inondation. Les résultats montrent que le drone apporte une information sur la structure spatiale fine qui est utile pour dépasser les effets de pixels mixtes présents dans les données satellitaires. Par ailleurs, ces synergies facilitent la réalisation de représentations cartographiques qui intègrent la nature graduelle des milieux de prairies humides. Note de contenu : Introduction générale
Chapitre 1 - État-de-l’art : Identification des synergies entre drone et satellite
1.1 Introduction
1.2 Méthodes
1.3 Résultats
1.4 Discussion
1.5 Conclusion
Chapitre 2 - Le potentiel des synergies drone/satellite pour le suivi des prairies humides
2.1 Introduction
2.2 Les problématiques et enjeux du suivi des prairies humides
2.3 Méthodologies appliquées aux synergies drone/satellite
2.4 Site d’étude et données
2.5 Conclusion
Chapitre 3 - Calibration de modèle : Cartographie des communautés végétales de prairie humide
3.1 Introduction
3.2 Matériels
3.3 Méthodes
3.4 Résultats
3.5 Discussion
3.6 Conclusion
Chapitre 4 - Fusion de données : Cartographie des dynamiques d’inondation de prairie humide
4.1 Introduction
4.2 Matériels
4.3 Méthodes
4.4 Résultats
4.5 Discussion
4.6 Conclusion
Conclusion généraleNuméro de notice : 26727 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géographie : Rennes 2 : 2021 Organisme de stage : Littoral, Environnement, Télédétection, Géomatique LETG nature-HAL : Thèse DOI : sans Date de publication en ligne : 10/01/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03519981/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99529
Titre : Système expert et télédétection pour la cartographie des habitats : Apports et valorisations pour la conservation de la biodiversité de l’estuaire de la Loire Type de document : Thèse/HDR Auteurs : Mathieu Le Dez, Auteur ; Marc Robin, Directeur de thèse ; Patrick Launeau, Directeur de thèse Editeur : Nantes : Université de Nantes Année de publication : 2021 Importance : 350 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université de Nantes, spécialité GéographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte thématique
[Termes IGN] conservation des ressources naturelles
[Termes IGN] données lidar
[Termes IGN] estuaire
[Termes IGN] habitat d'espèce
[Termes IGN] image Sentinel-MSI
[Termes IGN] inventaire
[Termes IGN] Loire (bassin)
[Termes IGN] modèle numérique de terrain
[Termes IGN] relevé phytosociologique
[Termes IGN] site Natura 2000
[Termes IGN] système expertIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’inventaire et la cartographie des habitats sont des processus essentiels pour la mise en oeuvre des politiques de conservation de la nature. Les méthodes actuelles, basées sur des prospections de terrain, sont difficilement applicables sur de vastes territoires et jugées inadaptées à un suivi régulier et harmonisé des habitats. L’objectif de cette thèse est d’explorer des approches innovantes afin de faciliter l’inventaire et la cartographie des habitats sur de grands sites naturels, en prenant comme cas d’étude le site Natura 2000 ‘Estuaire de la Loire’. Un système expert a été développé pour l’identification de relevés phytosociologiques afin d’établir la typologie des habitats du site. Cette démarche a permis de rattacher de manière formelle 1843 relevés de végétation à 89 habitats EUNIS et 17 habitats d’intérêt communautaire. Des images satellites Sentinel-2 et des données aéroportées hyperspectrales et LiDAR ont été exploitées pour spatialiser les habitats du site par télédétection. Ces différentes données, aux caractéristiques complémentaires (résolutions spatiales, résolutions spectrales, répétitivité, 3D), ont permis de cartographier avec une très grande précision la majorité des habitats des 24 000 ha de l’estuaire de la Loire. L’application de ces nouvelles approches démontre l’intérêt d’associer les systèmes experts et la télédétection pour typifier et cartographier des habitats de façon rentable et reproductible favorisant une gestion concertée du site Natura 2000. Note de contenu : Introduction générale
1- Elaboration de la typologie des habitats de l’estuaire de la Loire
2- Cartographie des habitats de l’estuaire de la Loire par télédétection
3- Analyse des usages de la cartographie des végétations et des habitats par les praticiens
Synthèse et conclusion généraleNuméro de notice : 28665 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/GEOMATIQUE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géographie : Nantes : 2021 Organisme de stage : LETG Littoral DOI : sans En ligne : https://archive.bu.univ-nantes.fr/pollux/show/show?id=eb664035-71eb-4900-a09d-7c [...] Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99861 Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes / Arthur Crespin-Boucaud (2021)
Titre : Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes : application aux Hautes Terres, à Madagascar Type de document : Thèse/HDR Auteurs : Arthur Crespin-Boucaud, Auteur ; Agnès Bégue, Directeur de thèse Editeur : Paris, Nancy, ... : AgroParisTech (2007 -) Année de publication : 2021 Importance : 326 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de docteur délivré par l’institut des sciences et industries du vivant et de l’environnement, Spécialité : GéomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] agriculture
[Termes IGN] analyse d'image orientée objet
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données de terrain
[Termes IGN] image Pléiades-HR
[Termes IGN] image Sentinel-MSI
[Termes IGN] Madagascar
[Termes IGN] modèle conceptuel de données
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] parcelle agricole
[Termes IGN] prise en compte du contexte
[Termes IGN] série temporelle
[Termes IGN] système complexe
[Termes IGN] utilisation du solIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les méthodes de classification des données de télédétection pour la cartographie de l’occupation des sols reposent sur des mesures de proximité entre pixels ou objets dans un hyperespace spectral dans lequel ils sont projetés en fonction de leur réflectance dans plusieurs bandes spectrales de l'image. La projection en retour des pixels ou des objets vers l'espace géographique permet d'obtenir la carte d’occupation du sol recherchée, avec autant de classes que de régions identifiées comme significatives dans l'hyperespace. Le raisonnement qui sous-tend l'analyse dans l'hyperespace des données satellitaires est que dans ce dernier, les relations de proximité de "signatures spectrales" des objets et des pixels sont plus faciles à mettre en évidence que dans l’espace géographique. Ces méthodes sont particulièrement efficaces pour la cartographie des espaces agricoles caractérisés par de grandes parcelles et par des pratiques culturales homogènes. Cependant, pour une grande partie des Suds, les espaces agricoles sont plus complexes, avec des parcelles généralement plus petites, et une diversité d’usages et d’occupations des sols qui reflète les coutumes et leur adaptation au climat et à la géographie locale. L'efficacité des méthodes de télédétection diminue fortement pour ces systèmes agricoles plus complexes. Afin de repousser ces limites, les recherches actuelles portent sur des méthodes combinant à la fois des séries temporelles d’images satellites et des données contextuelles, telles que des indices de texture, l’altitude ou la pente, dont certaines sont basées sur l’apprentissage profond. Ces développements méthodologiques et techniques poussés utilisent principalement l’information spectrale et n’intègrent que peu les autres types de connaissances agricoles disponibles. Par exemple, on sait que certaines cultures ne poussent qu’à partir d’une altitude ou à proximité des habitations. Aisément identifiables dans l’espace géographique, ces connaissances, à la fois spatiales et temporelles, sont plus difficilement identifiables dans l’hyperespace des données. Cela suggère intuitivement qu'une meilleure prise en compte des connaissances agricoles pourrait améliorer les méthodes de classification pour obtenir des cartes de l'occupation de l’usage des sols plus cohérentes sur le plan agricole. Dans cette thèse, nous explorons la possibilité d'utiliser les connaissances en agriculture, formalisées sous forme de règles, pour améliorer une méthode de classification supervisée pour la cartographie de l'occupation et de l’usage des sols des systèmes agricoles complexes. Dans un premier temps, cette thèse propose un modèle conceptuel permettant de combiner à la fois des méthodes de classification de données de télédétection et de la modélisation spatio-temporelle. Ce modèle est décomposé en quatre modules spatiaux et temporels, chacun correspondant à une méthode visant à améliorer la caractérisation de l’occupation et de l’usage des sols, et pouvant être utilisé indépendamment. Les deux modules spatiaux du modèle sont ensuite appliqués à une zone d’étude agricole située dans la région du Vakinankaratra, sur les Hautes Terres de Madagascar afin d’évaluer l’approche développée. D’un point de vue quantitatif, l’application des deux modules spatiaux n’améliore que très peu la caractérisation des classes d’occupation et d’usage des sols de la zone d’étude, notamment du fait du manque de données de qualité supportant l’application des règles spatiales identifiées. Néanmoins, l'application des modules spatiaux permet une meilleure discrimination entre les cultures pluviales et les espaces de savanes, source de nombreuses confusions avec les méthodes utilisées en traitement de données de télédétection. L'analyse de ces résultats permet de proposer des améliorations pour le modèle conceptuel ainsi que pour son application plus générale aux systèmes agricoles complexes. Note de contenu : Introduction générale
1- Contexte et problématique de la thèse
2- Modèle conceptuel
3- Zone d’étude, matériel et méthodes
4- Méthode d’application des modules à la région des Hautes Terres
5- Résultats d’applications
6- Discussion
Conclusion généraleNuméro de notice : 28322 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géomatique : AgroParisTech : 2021 Organisme de stage : TETIS (Montpellier) DOI : sans En ligne : https://pastel.archives-ouvertes.fr/tel-03306233/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98314 The challenge of robust trait estimates with deep learning on high resolution RGB images / Etienne David (2021)
Titre : The challenge of robust trait estimates with deep learning on high resolution RGB images Type de document : Thèse/HDR Auteurs : Etienne David, Auteur ; Frédéric Baret, Directeur de thèse Editeur : Avignon : Université d'Avignon Année de publication : 2021 Importance : 145 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université d'Avignon, spécialité Sciences AgronomiquesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage profond
[Termes IGN] base de données d'images
[Termes IGN] blé (céréale)
[Termes IGN] céréales
[Termes IGN] comptage
[Termes IGN] cultures
[Termes IGN] densité de la végétation
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] image à haute résolution
[Termes IGN] image captée par drone
[Termes IGN] image RVB
[Termes IGN] jeu de données
[Termes IGN] surveillance agricoleIndex. décimale : THESE Thèses et HDR Résumé : (auteur) High throughput plant phenotyping, especially in the context of open field acquisitions, relies on the interpretation of data from different sensors implemented on various vectors such as tractors, robots or drones. Initially, these data were interpreted using remote sensing algorithms that exploit the spatial resolution of the signal. Since 2015, however, progresses of ”Deep Learning”, based on the training on examples, has already obtained promising results for measuring the rate of cover, counting plants or organs. It uses learned convolution layers, can take advantage of the spatial organization of the signal. The advantage of these methods is that they are based on Red-Green-Blue (RGB) sensors, which are much less expensive than multi- or hyperspectral imagers. However, these methods are sensitive to changes in the distribution between the data used in training and the predicted data. In practice, variable prediction errors from site to site can be observed using these methods. The objective of the thesis is to understand the causes of these variations and propose solutions for reliable phenotypic trait estimates using Deep Learning. The study focuses on detecting plants and organs from high-resolution RGB images acquired in the field. Our work first focused on the constitution of diversified image databases from different locations and stages of development for plant emergence (maize, beet, sunflower) and wheat ears, which allowed the publication of two annotated databases, grouping 27 acquisition sessions for thedrone and 47 for the ear detection. The datasets demonstrate the performances difference between the published results and ours due to the change in distribution. To go beyond the limits of the usual methods, we organized two data competitions, the Global Wheat Challenges, in 2020 and 2021, which allowed us to obtain solutions trained for robustness on a different data set than the training one. The analysis of the solutions showed the importance of the training strategies for robustness beyond the architectures used. We have also shown that these solutions can be effectively deployed as a replacement for manual counting. Finally, we have demonstrated the inefficiency of training functions designed for robust training. Our work opens the prospect of a better evaluation of Deep Learning in the context of high-throughput phenotyping and thus of confidence in its use in real-life conditions. Note de contenu : 1- Introduction
2- Evaluation of the robustness of handcrafted and deep learning methods for plant density estimation
3- Design of a large and diverse dataset for training and evaluating deep learning models: application to wheat head detection
4- Competition design to train robust Deep Learn model: the example of the Global Wheat Challenges
5- GlobalWheat-Wilds: Global Wheat Head Dataset as a benchmark of in-the-wild distribution shifts
6- Conclusion and perspectivesNuméro de notice : 15244 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences Agronomiques : Avignon : 2021 Organisme de stage : Laboratoire EMMAH DOI : sans En ligne : https://hal.inrae.fr/tel-03431192v2/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100610 The use of deep machine learning for the automated selection of remote sensing data for the determination of areas of arable land degradation processes distribution / Dimitri I. Rukhovitch in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkUrban construction waste with VHR remote sensing using multi-feature analysis and a hierarchical segmentation method / Qiang Chen in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkUsing remote sensing and modeling to monitor and understand harmful algal blooms. Application to Karaoun Reservoir (Lebanon) / Najwa Sharaf (2021)PermalinkApplication of various strategies and methodologies for landslide susceptibility maps on a basin scale: the case study of Val Tartano, Italy / Vasil Yordanov in Applied geomatics, vol 12 n° 4 (December 2020)PermalinkCharacterizing the spatial and temporal variation of the land surface temperature hotspots in Wuhan from a local scale / Chen Yang in Geo-spatial Information Science, vol 23 n° 4 (December 2020)PermalinkConvolutional Neural Networks accurately predict cover fractions of plant species and communities in Unmanned Aerial Vehicle imagery / Teja Kattenborn in Remote sensing in ecology and conservation, vol 6 n° 4 (December 2020)PermalinkA deep learning approach to improve the retrieval of temperature and humidity profiles from a ground-based microwave radiometer / Xing Yan in IEEE Transactions on geoscience and remote sensing, Vol 58 n° 12 (December 2020)PermalinkExploring the inclusion of Sentinel-2 MSI texture metrics in above-ground biomass estimation in the community forest of Nepal / Santa Pandit in Geocarto international, vol 35 n° 16 ([01/12/2020])PermalinkA framework for unsupervised wildfire damage assessment using VHR satellite images with PlanetScope data / Minkyung Chung in Remote sensing, vol 12 n° 22 (December-1 2020)PermalinkA novel intelligent classification method for urban green space based on high-resolution remote sensing images / Zhiyu Xu in Remote sensing, vol 12 n° 22 (December-1 2020)PermalinkRemote sensing in urban planning: Contributions towards ecologically sound policies? / Thilo Wellmann in Landscape and Urban Planning, vol 204 (December 2020)PermalinkThe effect of different sampling schemes on estimation precision of snow water equivalent (SWE) using geostatistics techniques in a semi-arid region of Iran / Hojatolah Ganjkhanlo in Geocarto international, vol 35 n° 16 ([01/12/2020])PermalinkAnalyse de la déforestation dans la périphérie ouest de la réserve de biosphère du Dja au Cameroun, à partir d'une série multi-annuelle d'images Landsat / Eric Wilson Tegno Nguekam in Revue Française de Photogrammétrie et de Télédétection, n° 222 (novembre 2020)PermalinkDétection du changement de l'étalement urbain au bas-Sahara algérien : apport de la télédétection spatiale et des SIG, cas de la ville de Biskra (Algérie) / Assoule Dechaicha in Revue Française de Photogrammétrie et de Télédétection, n° 222 (novembre 2020)PermalinkMapping tree species deciduousness of tropical dry forests combining reflectance, spectral unmixing, and texture data from high-resolution imagery / Astrid Helena Huechacona-Ruiz in Forests, vol 11 n°11 (November 2020)PermalinkNon-stationary extreme value analysis of ground snow loads in the French Alps: a comparison with building standards / Erwann Le Roux in Natural Hazards and Earth System Sciences, vol 20 n° 11 (November 2020)PermalinkSea surface temperature and high water temperature occurrence prediction using a long short-term memory model / Minkyu Kim in Remote sensing, vol 12 n° 21 (November 2020)PermalinkSoil erosion assessment using RUSLE model and its validation by FR probability model / Amiya Gayen in Geocarto international, vol 35 n° 15 ([01/11/2020])PermalinkUrban tree species identification and carbon stock mapping for urban green planning and management / MD Abdul Choudhury in Forests, vol 11 n°11 (November 2020)PermalinkVNIR-SWIR superspectral mineral mapping: An example from Cuprite, Nevada / Kathleen E. Johnson in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 11 (November 2020)PermalinkDrought stress detection in juvenile oilseed rape using hyperspectral imaging with a focus on spectra variability / Wiktor R. Żelazny in Remote sensing, vol 12 n° 20 (October-2 2020)PermalinkTime series potential assessment for biophysical characterization of orchards and crops in a mixed scenario with Sentinel-1A SAR data / Hemant Sahu in Geocarto international, vol 35 n° 14 ([15/10/2020])PermalinkAnalysis of shoreline changes in Vishakhapatnam coastal tract of Andhra Pradesh, India: an application of digital shoreline analysis system (DSAS) / Mirza Razi Imam Baig in Annals of GIS, vol 26 n° 4 (October 2020)PermalinkBistatic specular scattering measurements for the estimation of rice crop growth variables using fuzzy inference system at X-, C-, and L-bands / Ajeet Kumar Vishwakarma in Geocarto international, vol 35 n° 13 ([01/10/2020])PermalinkChallenges in flood modeling over data-scarce regions: how to exploit globally available soil moisture products to estimate antecedent soil wetness conditions in Morocco / El Mahdi El Khalk in Natural Hazards and Earth System Sciences, vol 20 n° 10 (October 2020)PermalinkChoosing an appropriate training set size when using existing data to train neural networks for land cover segmentation / Huan Ning in Annals of GIS, vol 26 n° 4 (October 2020)PermalinkComparative analysis of index and chemometric techniques-based assessment of leaf area index (LAI) in wheat through field spectroradiometer, Landsat-8, Sentinel-2 and Hyperion bands / Bappa Das in Geocarto international, vol 35 n° 13 ([01/10/2020])PermalinkGround-based remote sensing of forests exploiting GNSS signals / Leila Guerriero in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)PermalinkImpact of INSAT-3D/3DR radiance data assimilation in predicting tropical cyclone Titli over the bay of Bengal / Raghu Nadimpalli in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)PermalinkA machine learning framework for estimating leaf biochemical parameters from its spectral reflectance and transmission measurements / Bikram Koirala in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)PermalinkLa méthode de la photo-interview à partir de la photographie aérienne : Le cas d’un bidonville à Nanterre dans les années 1960 / Laetitia Delavoipiere in EchoGeo, n° 54 (octobre - décembre 2020)PermalinkA preliminary exploration of the cooling effect of tree shade in urban landscapes / Qiuyan Yu in International journal of applied Earth observation and geoinformation, vol 92 (October 2020)PermalinkSpatio-temporal relationship between land cover and land surface temperature in urban areas: A case study in Geneva and Paris / Xu Ge in ISPRS International journal of geo-information, vol 9 n° 10 (October 2020)PermalinkUncertainty of forested wetland maps derived from aerial photography / Stephen P. Prisley in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 10 (October 2020)PermalinkWide-area near-real-time monitoring of tropical forest degradation and deforestation using Sentinel-1 / Dirk Hoekman in Remote sensing, vol 12 n° 19 (October-1 2020)PermalinkUse of visible and near-infrared reflectance spectroscopy models to determine soil erodibility factor (K) in an ecologically restored watershed / Qinghu Jiang in Remote sensing, vol 12 n° 18 (September-2 2020)PermalinkAnalysis of chlorophyll concentration in potato crop by coupling continuous wavelet transform and spectral variable optimization / Ning Liu in Remote sensing, vol 12 n° 17 (September-1 2020)PermalinkApplying multi-temporal Landsat satellite data and Markov-cellular automata to predict forest cover change and forest degradation of sundarban reserve forest, Bangladesh / Mohammad Emran Hasan in Forests, vol 11 n° 9 (September 2020)PermalinkArctic tsunamis threaten coastal landscapes and communities – survey of Karrat Isfjord 2017 tsunami effects in Nuugaatsiaq, western Greenland / Mateusz C. Strzelecki in Natural Hazards and Earth System Sciences, vol 20 n° 9 (September 2020)PermalinkCombining optical and radar satellite image time series to map natural vegetation: savannas as an example / Maylis Lopes in Remote sensing in ecology and conservation, vol 6 n° 3 (September 2020)PermalinkComparison of tree-based classification algorithms in mapping burned forest areas / Dilek Kucuk Matci in Geodetski vestnik, vol 64 n° 3 (September - November 2020)PermalinkDeriving a frozen area fraction from Metop ASCAT backscatter based on Sentinel-1 / Helena Bergstedt in IEEE Transactions on geoscience and remote sensing, vol 58 n° 9 (September 2020)PermalinkEvaluation of crop mapping on fragmented and complex slope farmlands through random forest and object-oriented analysis using unmanned aerial vehicles / Re-Yang Lee in Geocarto international, vol 35 n° 12 ([01/09/2020])PermalinkMapping croplands of Europe, Middle East, Russia, and Central Asia using Landsat, Random Forest, and Google Earth Engine / Aparna R. Phalke in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)PermalinkMonitoring narrow mangrove stands in Baja California Sur, Mexico using linear spectral unmixing / Jonathan B. Thayn in Marine geodesy, Vol 43 n° 5 (September 2020)Permalink