Descripteur
Documents disponibles dans cette catégorie (9742)
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
Estimating aboveground biomass in dense Hyrcanian forests by the use of Sentinel-2 data / Fardin Moradi in Forests, vol 13 n° 1 (January 2022)
[article]
Titre : Estimating aboveground biomass in dense Hyrcanian forests by the use of Sentinel-2 data Type de document : Article/Communication Auteurs : Fardin Moradi, Auteur ; Ali Asghar Darvishsefat, Auteur ; Manizheh Rajab Pourrahmati, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 104 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] biomasse aérienne
[Termes IGN] Carpinus betulus
[Termes IGN] classification barycentrique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] diamètre à hauteur de poitrine
[Termes IGN] image Sentinel-MSI
[Termes IGN] Iran
[Termes IGN] régression multiple
[Termes IGN] réseau neuronal artificielNuméro de notice : A2022-080 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/f13010104 Date de publication en ligne : 12/01/2022 En ligne : https://doi.org/10.3390/f13010104 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99472
in Forests > vol 13 n° 1 (January 2022) . - n° 104[article]
Titre : Etude de la propagation de l’onde de crue du bassin versant de la Save Type de document : Mémoire Auteurs : Emma Bonzom, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 44 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de stage de Master 1 GéomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] analyse de données
[Termes IGN] bassin hydrographique
[Termes IGN] cartographie thématique
[Termes IGN] crue
[Termes IGN] inondation
[Termes IGN] modèle de régression
[Termes IGN] QGIS
[Termes IGN] R (langage)
[Termes IGN] régression linéaire
[Termes IGN] rivièreIndex. décimale : M1GEO Mémoires de Master 1 Géomatique Résumé : (auteur) Mon stage de fin de première année du cycle du Master Géomatique à l’ENSG s’est déroulé au sein du syndicat de gestion de la Save et de ses affluents. C’est un organisme public qui protège et aménage les masses d’eau du bassin versant de la Save grâce à leur compétence GEMAPI (Gestion des Milieux Aquatiques et de Prévention des Inondations). J’ai été accueillie par une technicienne de rivière référente prévention des inondations. Le syndicat cherchait un stagiaire capable de réaliser une étude sur la propagation de l’onde de crue du bassin versant de la Save afin de renforcer leurs connaissances de l’aléa inondation sur leur territoire. Il faut estimer le temps de propagation de l’onde entre chaque station hydrométrique du bassin versant. Ce rapport retrace comment à partir de tableaux au format CSV de données hydrométriques, cette étude a été réalisée en deux grands axes : la visualisation et l’analyse statistique des données. Je me suis servie pour cette étude sur l’onde de crue de QGIS, PostgreSQL, Python et R. Cette mission au sein du syndicat de rivière m’a donnée la possibilité de mettre en application concrète mes connaissances acquises à l’école au service de la gestion de l’environnement, plus précisément la gestion des milieux aquatiques. Note de contenu : Introduction
1- Visualisation des données des stations hydrométriques
2- Analyse statistique des données géographiques
3- Travail annexe pour le syndicat de gestion de la rivière Save
ConclusionNuméro de notice : 24029 Affiliation des auteurs : non IGN Nature : Mémoire masters divers Organisme de stage : Syndicat de gestion de la Save et de ses affluents Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101833 Documents numériques
en open access
Etude de la propagation de l’onde de crue du bassin versant de la Save - pdf auteurAdobe Acrobat PDF Évaluation des grandeurs moyennes caractérisant les infrastructures agroécologiques du Gers / Adrien Dupas (2022)
Titre : Évaluation des grandeurs moyennes caractérisant les infrastructures agroécologiques du Gers Type de document : Mémoire Auteurs : Adrien Dupas, Auteur Editeur : Paris : Université de Paris 1 Panthéon Sorbonne Année de publication : 2022 Autre Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Importance : 80 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de licence professionnelle Géomatique et EnvironnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] biodiversité
[Termes IGN] évaluation
[Termes IGN] exploitation agricole
[Termes IGN] Gers (32)
[Termes IGN] QGIS
[Termes IGN] Registre parcellaire graphique
[Termes IGN] système d'information géographiqueRésumé : (auteur) Mon stage s’inscrit dans le cadre d’un projet ayant débuté il y a un an au sein de l’association Noé. La mission biodiversité agricole s’est lancée comme objectif de créer un outil simple et générique permettant d’évaluer le potentiel biodiversité d’une exploitation à partir de données que les agriculteurs, et les coopératives ont déjà à disposition. Cet outil s’intéresse aux infrastructures agroécologiques (cf : Partie 1.A) et son ambition est de pouvoir calculer une surface réelle d’infrastructures agroécologiques sur le total d’une exploitation agricole. Les données en possession des agriculteurs renseignent sur la surface en infrastructures agroécologiques, mais sont coefficientées notamment par des pondérations écologiques. C’est-à-dire qu’elles ne permettent pas d’obtenir d’emblée une surface représentative de la réalité. L’enjeu est donc de convertir ces données en données d’emprise réelle au sol. Pour pouvoir réaliser ces conversions, Noé doit calculer les grandeurs moyennes caractérisant plusieurs types d’infrastructures agroécologiques. L’objectif de ce stage était de pouvoir développer et tester une méthodologie permettant d’exploiter les bases de données cartographiques à l’échelle nationale et d’identifier les grandeurs moyennes caractérisant certaines catégories d’infrastructures agroécologiques, au plus proche de la réalité de leurs emprises au sol. Grâce aux solutions SIG, une méthodologie dérivant les différents traitements réalisés a pu être rédigée pour toutes les infrastructures agroécologiques le nécessitant. Des grandeurs moyennes les caractérisant ont ainsi été obtenues à l’échelle du Gers grâce aux données géographiques fournies par l’IGN. L’objectif résidait aussi en l’évaluation de la capacité d’automatisation de ces traitements. Dans la plupart des cas, les méthodes d’obtention des grandeurs moyennes d’infrastructures agroécologiques pourront être automatisées. Après ma mission, l’enjeu sera de répéter ces calculs de grandeurs moyennes sur d’autres départements à partir de la note méthodologie écrite lors de ce stage. Note de contenu : Introduction générale
1- Présentation d'ensemble du sujet de stage
2- Organisation, méthode et moyens utilisés
3- Réalisation technique et présentation du rendu
ConclusionNuméro de notice : 28885 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/GEOMATIQUE Nature : Mémoire licence Organisme de stage : Noé, mission biodiversité agricole Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101581 Documents numériques
en open access
Évaluation des grandeurs... - pdf auteur -Adobe Acrobat PDF Évaluation de la qualité des données géographiques d'OpenStreetMap à l'aide des méthodes d'apprentissage automatique : cas de la République de Djibouti / Ibrahim Maidaneh Abdi (2022)
Titre : Évaluation de la qualité des données géographiques d'OpenStreetMap à l'aide des méthodes d'apprentissage automatique : cas de la République de Djibouti Type de document : Thèse/HDR Auteurs : Ibrahim Maidaneh Abdi , Auteur ; Ana-Maria Olteanu-Raimond , Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2022 Importance : 232 p. Note générale : bibliographie
École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2015-....)Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] apprentissage automatique
[Termes IGN] Djibouti
[Termes IGN] données localisées des bénévoles
[Termes IGN] données localisées numériques
[Termes IGN] OpenStreetMap
[Termes IGN] qualité des donnéesIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La qualité des données de la base OpenStreetMap (OSM) peut être évaluée en comparant les données d'OSM avec les données d'une base de données géographiques de référence. Cependant, en l'absence d'une telle base de référence (cas de Djibouti), la précision spatiale de ces données n'est pas connue. L'objectif de nos travaux est de mettre en place une méthode permettant de déterminer la qualité d'un jeu de données issue d'OSM sans le comparer avec une base de référence. Pour cela, nous cherchons à établir un lien statistique entre des mesures extrinsèques de qualité (calculées en confrontant les données OSM avec des données de référence), et des indicateurs intrinsèques de qualité (calculés en se basant uniquement sur les objets à évaluer), pour disposer d'une estimation des mesures extrinsèques de qualité d'un jeu de données OSM pour lequel il n'y aurait pas de référence. Nous implémentons un modèle d'apprentissage supervisé, amélioré au fil des méthodes d'apprentissages en partant par une régression multiple LASSO vers une classification de type Random Forest en passant par une étude d'autocorrélation spatiale pour aboutir sur une étude de la transférabilité du modèle de classification sur d'autres zones d'études. Le modèle de régression que nous calculons permet d'expliquer 30 % de la variance sur les mesures de qualité d'objets OSM de type bâtiments. Et si l'on agrège des bâtiments dans un voisinage défini, on améliore le score de variance expliquée par la régression jusqu'à 42 %. Quant avec la classification, notre modèle parvient à détecter une mauvaise qualité de saisie de bâtiments à 81,5 % d'AUC. Enfin, les résultats préliminaires testés sur deux zones d'études, montrent que le modèle d'apprentissage se transfère assez bien sur la nouvelle zone d'étude. Numéro de notice : 14332 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences de l’information géographique : Gustave Eiffel : 2022 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/03/2023 En ligne : https://theses.hal.science/tel-04048674 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102984
Titre : Event-driven feature detection and tracking for visual SLAM Type de document : Thèse/HDR Auteurs : Ignacio Alzugaray, Auteur Editeur : Zurich : Eidgenossische Technische Hochschule ETH - Ecole Polytechnique Fédérale de Zurich EPFZ Année de publication : 2022 Note générale : bibliographie
thesis submitted to attain the degree of Doctor of Sciences of ETH ZurichLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] caméra d'événement
[Termes IGN] cartographie et localisation simultanées
[Termes IGN] détection d'objet
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image floue
[Termes IGN] reconnaissance de formes
[Termes IGN] séquence d'images
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Traditional frame-based cameras have become the de facto sensor of choice for a multitude of applications employing Computer Vision due to their compactness, low cost, ubiquity, and ability to provide information-rich exteroceptive measurements. Despite their dominance in the field, these sensors exhibit limitations in common, real-world scenarios where detrimental effects, such as motion blur during high-speed motion or over-/underexposure in scenes with poor illumination, are prevalent. Challenging the dominance of traditional cameras, the recent emergence of bioinspired event cameras has opened up exciting research possibilities for robust perception due to their high-speed sensing, High-Dynamic-Range capabilities, and low power consumption. Despite their promising characteristics, event cameras present numerous challenges due to their unique output: a sparse and asynchronous stream of events, only capturing incremental perceptual changes at individual pixels. This radically different sensing modality renders most of the traditional Computer Vision algorithms incompatible without substantial prior adaptation, as they are initially devised for processing sequences of images captured at fixed frame-rate. Consequently, the bulk of existing event-based algorithms in the literature have opted to discretize the event stream into batches and process them sequentially, effectively reverting to frame-like representations in an attempt to mimic the processing of image sequences from traditional sensors. Such event-batching algorithms have demonstrably outperformed other alternative frame-based algorithms in scenarios where the quality of conventional intensity images is severely compromised, unveiling the inherent potential of these new sensors and popularizing them. To date, however, many newly designed event-based algorithms still rely on a contrived discretization of the event stream for its processing, suggesting that the full potential of event cameras is yet to be harnessed by processing their output more naturally. This dissertation departs from the mere adaptation of traditional frame-based approaches and advocates instead for the development of new algorithms integrally designed for event cameras to fully exploit their advantageous characteristics. In particular, the focus of this thesis lies on describing a series of novel strategies and algorithms that operate in a purely event-driven fashion, \ie processing each event as soon as it gets generated without any intermediate buffering of events into arbitrary batches and thus avoiding any additional latency in their processing. Such event-driven processes present additional challenges compared to their simpler event-batching counterparts, which, in turn, can largely be attributed to the requirement to produce reliable results at event-rate, entailing significant practical implications for their deployment in real-world applications. The body of this thesis addresses the design of event-driven algorithms for efficient and asynchronous feature detection and tracking with event cameras, covering alongside crucial elements on pattern recognition and data association for this emerging sensing modality. In particular, a significant portion of this thesis is devoted to the study of visual corners for event cameras, leading to the design of innovative event-driven approaches for their detection and tracking as corner-events. Moreover, the presented research also investigates the use of generic patch-based features and their event-driven tracking for the efficient retrieval of high-quality feature tracks. All the developed algorithms in this thesis serve as crucial stepping stones towards a completely event-driven, feature-based Simultaneous Localization And Mapping (SLAM) pipeline. This dissertation extends upon established concepts from state-of-the-art, event-driven methods and further explores the limits of the event-driven paradigm in realistic monocular setups. While the presented approaches solely rely on event-data, the gained insights are seminal to future investigations targeting the combination of event-based vision with other, complementary sensing modalities. The research conducted here paves the way towards a new family of event-driven algorithms that operate efficiently, robustly, and in a scalable manner, envisioning a potential paradigm shift in event-based Computer Vision. Note de contenu : 1- Introduction
2- Contribution
3- Conclusion and outlookNuméro de notice : 28699 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : PhD Thesis : Sciences : ETH Zurich : 2022 DOI : sans En ligne : https://www.research-collection.ethz.ch/handle/20.500.11850/541700 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100470 Explorer la théorie des ancres et les espaces cognitifs dans la cartographie multi-échelle / Maieul Gruget (2022)PermalinkExploring data fusion for multi-object detection for intelligent transportation systems using deep learning / Amira Mimouna (2022)PermalinkFlood susceptibility mapping using meta-heuristic algorithms / Alireza Arabameri in Geomatics, Natural Hazards and Risk, vol 13 (2022)PermalinkFrom artificial intelligence to artificial human interaction : understand consumer acceptance of smart objects via mental representations of future interactions / Mohamed Hakimi (2022)PermalinkGénération d’un jeu de données d’entraînement et mise en oeuvre d’une architecture de détection par deep learning des numéros de parcelles sur les plans du cadastre Napoléonien / Tiecoumba Ibrahim Tamela (2022)PermalinkPermalinkPermalinkA GIS-based landslide susceptibility mapping and variable importance analysis using artificial intelligent training-based methods / Pengxiang Zhao in Remote sensing, vol 14 n° 1 (January-1 2022)PermalinkGlobal and climate challenges, graph-based data analysis for multisource information extraction / Morgane Batelier (2022)PermalinkGlobal canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles / Nico Lang in Remote sensing of environment, vol 268 (January 2022)Permalink