Descripteur
Termes IGN > mathématiques > statistique mathématique
statistique mathématique
Commentaire :
>>
biométrie,
échantillonnage (statistique), probabilité, statistique. >>Terme(s) spécifique(s) : analyse de régression, analyse de variance, analyse des données, analyse multivariée, analyse séquentielle, calcul d'erreur, carré latin, corrélation (statistique), efficacité asymptotique (statistique), fonction pseudo-aléatoire, loi des grands nombres, modèle linéaire (statistique), modèle non linéaire (statistique), moindre carré, physique statistique, plan d'expérience, rang et sélection (statistique), rupture (statistique), SAS (logiciel), série chronologique, statistique non paramétrique, statistique robuste, tableau de contingence, test d'hypothèses (statistique), statistique stellaire. Equiv. LCSH : Mathematical statistics. Domaine(s) : 510. |
Documents disponibles dans cette catégorie (6846)
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
Evaluation de méthodes automatisées de cartographie des zones inondables adaptées à la prévision des crues soudaines / Nabil Hocini (2022)
Titre : Evaluation de méthodes automatisées de cartographie des zones inondables adaptées à la prévision des crues soudaines Type de document : Thèse/HDR Auteurs : Nabil Hocini, Auteur ; Eric Gaume, Directeur de thèse Editeur : Nantes : Université de Nantes Année de publication : 2022 Importance : 200 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université de Nantes, Spécialité Sciences de la Terre et de l’EnvironnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Cartographie thématique
[Termes IGN] analyse de sensibilité
[Termes IGN] bassin méditerranéen
[Termes IGN] cours d'eau
[Termes IGN] crue
[Termes IGN] géomorphologie locale
[Termes IGN] incertitude des données
[Termes IGN] inondation
[Termes IGN] jeu de données
[Termes IGN] modèle hydrographique
[Termes IGN] zone inondableIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les crues soudaines causent d'importants dégâts matériels et humains dans le monde entier. En France, elles frappent fréquemment les petits cours d'eau de la zone méditerranéenne, avec des conséquences souvent catastrophiques. Compte tenu du grand nombre de petits cours d'eau pouvant être touchés, l'utilisation de méthodes de cartographie automatisée des zones inondées peut être d'une grande aide pour l'identification des impacts potentiels de ce type de crues. Ce travail de thèse a permis d’automatiser et de tester trois approches de cartographie des zones inondées, adaptées aux petits cours d'eau, et d'un degré de complexité croissant : HAND/MS, caRtino 1D, et Floodos 2D. Dans un premier temps, ces méthodes ont été comparées à des modélisations expertisées de référence issues de la mise en oeuvre de la directive européenne inondation, sur plusieurs cours d'eau du sud de la France, en reprenant des hypothèses et données d'entrée identiques à ces modélisations de référence. Par la suite, les trois approches ont été évaluées sur leur aptitude à reproduire trois crues majeures récentes, toujours dans le sud de la France, et pour lesquelles de larges jeux de données d’observations des étendues et hauteurs d'inondation sont disponibles. Finalement, cette double évaluation a permis d'identifier certaines limites de l'approche HAND/MS, dont le niveau de simplification peut être à l'origine d'erreurs importantes. La plus-value de l'approche hydrodynamique 2D (Floodos) a également été mise en évidence, notamment dans les situations de plaines inondables très larges. Ces évaluations ont également confirmé la possibilité de cartographier les inondations de façon automatisée sur les petits cours d'eau, avec des niveaux d'erreurs acceptables et des vitesses de calcul adaptées à la couverture de grands domaines spatiaux. Enfin, les principales sources d'erreur subsistantes, comme la qualité des informations topographiques et/ou la connaissance des débits, ont été identifiées, et leurs poids relatif a pu être évalué. Note de contenu : 1- Introduction générale
2- Cartographie adaptée aux petits cours d'eau
3- Méthodologie d'évaluation des outils de cartographie automatisée
4- Evaluation à partir de cartographies de référence expertisées
5- Evaluation à partir d'inondations réellement observées
6- Analyse de sensibilité aux principales sources d'incertitudes
7- Conclusion générale et perspectivesNuméro de notice : 15270 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Thèse étrangère Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l’Environnement : Nantes : 2022 Organisme de stage : Laboratoire GERS-EE DOI : sans En ligne : http://www.theses.fr/2022NANT4015 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100772 Évolution rétrospective et prospective d’un massif dunaire par imagerie multispectrale et LiDAR / Iris Jeuffrard (2022)
Titre : Évolution rétrospective et prospective d’un massif dunaire par imagerie multispectrale et LiDAR : Anse du Guesclin, 1948 - 2100 Type de document : Mémoire Auteurs : Iris Jeuffrard, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Note générale : bibliographie
Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème année, Spécialité PPMDLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] aménagement durable
[Termes IGN] analyse diachronique
[Termes IGN] changement climatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données lidar
[Termes IGN] données multisources
[Termes IGN] dune
[Termes IGN] érosion côtière
[Termes IGN] Ille-et-Vilaine (35)
[Termes IGN] image aérienne
[Termes IGN] image captée par drone
[Termes IGN] littoral
[Termes IGN] modèle numérique de terrain
[Termes IGN] régression linéaire
[Termes IGN] série temporelle
[Termes IGN] trait de côteIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Le Centre de Géo-Écologie Littorale (CGEL), autrefois Laboratoire de Géomorphologie dépend de l’École Pratique des Hautes Études (EPHE) depuis 1936 et s’est toujours consacré à l’observation des écosystèmes littoraux à partir d’images de très haute résolution. Il répond à différentes missions d’expertise sur le littoral, dans le but d’aider les gestionnaires à évaluer les risques et mettre en place des stratégies d’aménagement durables. Tout naturellement, le Service Patrimoine Naturel du Département d’Ille-et-Vilaine a fait appel au CGEL pour cartographier l’évolution d’un espace naturel sensible (ENS) sous leur protection, l’anse du Guesclin. Il abrite un complexe dunaire, écosystème précieux pour tous les services écosystémiques qu’il rend (richesse d’habitat et de biodiversité, barrière naturelle contre les aléas météo-marins, tourisme, etc.). Fragilisé par le passé par des événements météo-marins et des pressions anthropiques, il est aujourd’hui menacé par l’érosion. Le Département a donc engagé depuis 2010 un plan de réhabilitation. L’objectif est de fournir une cartographie fine de l’évolution pluri-décennale passée et future du massif dunaire de l’anse du Guesclin. Dans un premier temps l’évolution de la dune est étudiée à partir d’images aériennes historiques depuis 1948. Des marqueurs évolutifs (trait de côte, surface de végétation dunaire) permettent de retracer l’historique du massif. En complément, les variations géomorphologiques depuis 2010 sont quantifiées à partir d’acquisitions drone LiDAR réalisées par l’IGN, le SHOM et le CGEL. Les séries temporelles du recul du trait de côte et de la surface de végétation sont expliquées par un modèle de régression linéaire et de régression par Random Forest en fonction de paramètres météo-marins historiques (température, vent, précipitations, niveau moyen de la mer). Les modèles sont ensuite appliqués avec les prévisions du GIEC selon différents scénarios pour prédire l’évolution des marqueurs. Le modèle retenu (R2=0.84, RMSE=3.07m) prévoit ainsi un recul du trait de côte de 14 à 31 m à moyen terme selon les scénarios. Les résultats confirment les tendances d’érosion observées jusqu’à présent, et ce dès le court terme. La végétation serait favorisée par l’augmentation des gaz à effet de serre mais dépend de l’état de conservation du massif, qui est lui très vulnérable aux événements météorologiques extrêmes. Note de contenu : Introduction
1. Analyse rétrospective
1.1 Démarche
1.2 Site d’étude et données
1.3 Prétraitement
1.4 Étude du trait de côte
1.5 Étude de la surface de la végétation dunaire
1.6 Étude du volume du massif dunaire
1.7 Conclusion
2. Analyse prospective
2.1 Méthode
2.2 Données
2.3 Résultats
2.4 Limites et conclusions
ConclusionNuméro de notice : 24050 Affiliation des auteurs : IGN (2020- ) Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Service Patrimoine Naturel du Département d’Ille-et-Vilaine Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101923 Documents numériques
en open access
Évolution rétrospective... - pdf auteur -Adobe Acrobat PDF Exploring data fusion for multi-object detection for intelligent transportation systems using deep learning / Amira Mimouna (2022)
Titre : Exploring data fusion for multi-object detection for intelligent transportation systems using deep learning Type de document : Thèse/HDR Auteurs : Amira Mimouna, Auteur ; Abdelmalik Taleb-Ahmed, Directeur de thèse ; Najoua Essoukri Ben Amara, Directeur de thèse Editeur : Valenciennes : Université polytechnique Hauts-de-France Année de publication : 2022 Note générale : bibliographie
Thèse de doctorat pour obtenir le grade de Docteur de l'Université polytechnique Hauts-de-France et l'INSA Hauts-de-France et l'Université de Sousse, spécialité Electronique, Acoustique et TélécommunicationsLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] détection d'objet
[Termes IGN] données publiques
[Termes IGN] entropie
[Termes IGN] profil d'obstacle
[Termes IGN] segmentation d'image
[Termes IGN] système de transport intelligent
[Termes IGN] trafic urbain
[Termes IGN] transformation en ondelettes
[Termes IGN] vision par ordinateur
[Termes IGN] zone d'intérêtIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Building reliable environment perception systems is a crucial task for autonomous driving, especially in dense traffic areas. Researching in this field is evolving increasingly. However, we are at the beginning of a research pathway towards a future generation of intelligent transportation systems. In fact, challenging conditions in real-world driving circumstances, infrastructure monitoring, and accurate real-time system response, are the predominant concerns when developing such systems. Recent improvements and breakthroughs in scene understanding for intelligent transportation systems have been mainly based on deep learning and the fusion of different modalities. In this context, firstly, we introduce OLIMP : A heterOgeneous MuLtimodal Dataset for Advanced EnvIronMent Perception . This is the first public, multimodal and synchronized dataset that includes Ultra Wide-Band (UWB) radar data, acoustic data, narrowband radar data and images. OLIMP comprises 407 scenes and 47,354 synchronized frames, including four categories: pedestrians, cyclists, cars and trams. The dataset presents various challenges related to dense urban traffic such as cluttered environments and differentweather conditions. To demonstrate the usefulness of the introduced dataset, we propose, afterwards, a fusion framework that combines the four modalities for multi object detection. The obtained results are promising and spur for future research. In short range settings, UWB radars represent a promising technology for building reliable obstacle detection systems as they are robust to environmental conditions. However, UWB radars suffer from a segmentation challenge: localizing relevant Regions Of Interests (ROIs) within its signals. Therefore, we put froward a segmentation approach to detect ROIs in an environment perception-dedicated UWB radar as a third contribution. Specifically, we implement a differential entropy analysis to detect ROIs. The obtained results show higher performance in terms of obstacle detection compared to state-of-theart techniques, as well as stable robustness even with low amplitude signals. Subsequently, we propose a novel framework that exploits Recurrent Neural Networks (RNNs) with UWB signals for multiple road obstacle detection as a deep learning-based approach. Features are extracted from the time-frequency domain using the discrete wavelet transform and are forwarded to the Long short-term memory (LSTM) network. The obtained results show that the LSTM-based system outperforms the other implemented related techniques in terms of obstacle detection. Note de contenu : 1- Introduction
2- Environment perception system: State of the art
3- OLIMP: A heterogeneous multimodal dataset for advanced environment perception
4- Multiple object detectors using UWB signals
5- Conclusions and perspectivesNuméro de notice : 15289 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Electronique, Acoustique et Télécommunications : Université polytechnique Hauts-de-France : 2022 Organisme de stage : Institut d'électronique, de microélectronique et de nanotechnologie DOI : sans En ligne : https://hal.science/tel-03522730 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101520 FLAIR: French Land cover from Aerial ImageRy - Challenge FLAIR #1: semantic segmentation and domain adaptation / Anatol Garioud (2022)
Titre : FLAIR: French Land cover from Aerial ImageRy - Challenge FLAIR #1: semantic segmentation and domain adaptation Type de document : Article/Communication Auteurs : Anatol Garioud , Auteur ; Stéphane Peillet, Auteur ; Eva Bookjans, Auteur ; Sébastien Giordano , Auteur ; Boris Wattrelos , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Importance : 9 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] base de données d'occupation du sol
[Termes IGN] image aérienne à axe vertical
[Termes IGN] jeu de données localisées
[Termes IGN] segmentation sémantiqueRésumé : (auteur) [context] The French National Institute of Geographical and Forest Information (IGN) has the mission to document and measure land-cover on French territory and provides referential geographical datasets, including high-resolution aerial images and topographic maps. The monitoring of land-cover plays a crucial role in land management and planning initiatives, which can have significant socio-economic and environmental impact. Together with remote sensing technologies, artificial intelligence (IA) promises to become a powerful tool in determining land-cover and its evolution. IGN is currently exploring the potential of IA in the production of high-resolution land cover maps. Notably, deep learning methods are employed to obtain a semantic segmentation of aerial images. However, territories as large as France imply heterogeneous contexts: variations in landscapes and image acquisition make it challenging to provide uniform, reliable and accurate results across all of France. The FLAIR-one dataset presented is part of the dataset currently used at IGN to establish the French national reference land cover map "Occupation du sol à grande échelle" (OCS- GE). Numéro de notice : P2022-010 Affiliation des auteurs : IGN (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Preprint nature-HAL : Préprint DOI : 10.48550/arXiv.2211.12979 En ligne : https://doi.org/10.48550/arXiv.2211.12979 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102141 Forest fire susceptibility assessment using Google Earth engine in Gangwon-do, Republic of Korea / Yong Piao in Geomatics, Natural Hazards and Risk, vol 13 (2022)
[article]
Titre : Forest fire susceptibility assessment using Google Earth engine in Gangwon-do, Republic of Korea Type de document : Article/Communication Auteurs : Yong Piao, Auteur ; Dongkun Lee, Auteur ; Sangjin Park, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 432 - 450 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] aléa
[Termes IGN] cartographie des risques
[Termes IGN] classification et arbre de régression
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] Corée du sud
[Termes IGN] Google Earth Engine
[Termes IGN] incendie de forêt
[Termes IGN] pente
[Termes IGN] risque naturel
[Termes IGN] vulnérabilitéRésumé : (auteur) Forest fires are one of the most frequently occurring natural hazards, causing substantial economic loss and destruction of forest cover. As the Gangwon-do region in Korea has abundant forest resources and ecological diversity as Korea's largest forest area, spatial data on forest fire susceptibility of the region are urgently required. In this study, a forest fire susceptibility map (FFSM) of Gangwon-do was constructed using Google Earth Engine (GEE) and three machine learning algorithms: Classification and Regression Trees (CART), Random Forest (RF), and Boosted Regression Trees (BRT). The factors related to climate, topography, hydrology, and human activity were constructed. To verify the accuracy, the area under the receiver operating characteristic curve (AUC) was used. The AUC values were 0.846 (BRT), 0.835 (RF), 0.751 (CART). Factor importance analysis was performed to identify the important factors of the occurrence of forest fires in Gangwon-do. The results show that the most important factor in the Gangwon-do region is slope. A slope of approximately 17° (moderately steep) has a considerable impact on the occurrence of forest fires. Human activity and interference are the other important factors that affect forest fires. The established FFSM can support future efforts on forest resource protection and environmental management planning in Gangwon-do. Numéro de notice : A2022-445 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/19475705.2022.2030808 Date de publication en ligne : 02/02/2022 En ligne : https://doi.org/10.1080/19475705.2022.2030808 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99942
in Geomatics, Natural Hazards and Risk > vol 13 (2022) . - pp 432 - 450[article]PermalinkFusion de données hyperspectrales et panchromatiques dans le domaine réflectif / Yohann Constans (2022)PermalinkUne généralisation de la méthode de partage des poids dans le cas où la base de sondage est continue / Philippe Brion (2022)PermalinkGenerating GPS decoupled clock products for precise point positioning with ambiguity resolution / Shuai Liu in Journal of geodesy, vol 96 n° 1 (January 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)PermalinkPermalinkA 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 canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles / Nico Lang in Remote sensing of environment, vol 268 (January 2022)PermalinkHistograms of oriented mosaic gradients for snapshot spectral image description / Lulu Chen in ISPRS Journal of photogrammetry and remote sensing, vol 183 (January 2022)PermalinkHistorical shoreline analysis and field monitoring at Ennore coastal stretch along the Southeast coast of India / M. Dhananjayan in Marine geodesy, vol 45 n° 1 (January 2022)PermalinkHourly rainfall forecast model using supervised learning algorithm / Qingzhi Zhao in IEEE Transactions on geoscience and remote sensing, vol 60 n° 1 (January 2022)PermalinkIdentifying map users with eye movement data from map-based spatial tasks: user privacy concerns / Hua Liao in Cartography and Geographic Information Science, vol 49 n° 1 (January 2022)PermalinkImproving local adaptive filtering method employed in radiometric correction of analogue airborne campaigns / Lâmân Lelégard (2022)PermalinkImproving LSMA for impervious surface estimation in an urban area / Jin Wang in European journal of remote sensing, vol 55 n° 1 (2022)PermalinkIncorporation of spatial anisotropy in urban expansion modelling with cellular automata / Jinqu Zhang in International journal of geographical information science IJGIS, vol 36 n° 1 (January 2022)PermalinkPermalinkInteractive semantic segmentation of aerial images with deep neural networks / Gaston Lenczner (2022)PermalinkIntroduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale / François Sémécurbe (2022)PermalinkLearning multi-view aggregation in the wild for large-scale 3D semantic segmentation / Damien Robert (2022)PermalinkLearning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)Permalink