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 (6085)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Reconnaissance automatique d’objets pour le jumeau numérique ferroviaire à partir d’imagerie aérienne / Valentin Desbiolles (2020)
![]()
Titre : Reconnaissance automatique d’objets pour le jumeau numérique ferroviaire à partir d’imagerie aérienne Type de document : Mémoire Auteurs : Valentin Desbiolles, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2020 Importance : 71 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de fin d'études INSA Strasbourg, Topographie - M2 IRIVLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image orientée objet
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] corrélation croisée normalisée
[Termes IGN] détection automatique
[Termes IGN] détection d'objet
[Termes IGN] détection de coins Harris
[Termes IGN] détection de contours
[Termes IGN] filtre adaptatif
[Termes IGN] image aérienne
[Termes IGN] orthophotographie
[Termes IGN] segmentation sémantique
[Termes IGN] voie ferréeIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Ce projet propose une étude sur l’insertion automatique d’objets utiles au fonctionnement d’une voie ferrée dans un plan DAO. Ces objets sont visibles sur des orthophotos acquises par moyens aéroportés (drone ou hélicoptère). La solution se scinde en 2 grands axes : La détection et la localisation des objets d’intérêt sur une orthophoto ; Leurs insertions dans un plan DAO. Ce PFE parcourt ainsi les différentes techniques pour automatiser une phase de reconnaissance de certains éléments cibles sur une image pour finir sur le développement d'une méthode permettant de les reporter dans un plan DAO. Note de contenu : Introduction
1- Etat de l'art
2- Etude de faisabilité
3- Analyse théorique d'un réseau type MASK R-CNN
4- Entraînement du réseau
5- Déploiement du réseau entraîné
6- Evaluation des résultats et perspectives d'amélioration
ConclusionNuméro de notice : 28580 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : ALTAMETRIS DOI : sans En ligne : http://eprints2.insa-strasbourg.fr/4130/1/Rapport_PFE_Desbiolles_G5.pdf Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97863 Regional-scale forest mapping over fragmented landscapes using global forest products and Landsat time series classification / Viktor Myroniuk in Remote sensing, vol 12 n° 1 (January 2020)
![]()
[article]
Titre : Regional-scale forest mapping over fragmented landscapes using global forest products and Landsat time series classification Type de document : Article/Communication Auteurs : Viktor Myroniuk, Auteur ; Mykola Kutia, Auteur ; Arbi J. Sarkissian, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : 24 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bande infrarouge
[Termes IGN] carte forestière
[Termes IGN] changement climatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] Google Earth Engine
[Termes IGN] image ALOS-PALSAR
[Termes IGN] image Landsat
[Termes IGN] image proche infrarouge
[Termes IGN] image RVB
[Termes IGN] image satellite
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] plaine
[Termes IGN] série temporelle
[Termes IGN] surveillance forestière
[Termes IGN] UkraineRésumé : (auteur) Satellite imagery of 25–30 m spatial resolution has been recognized as an effective tool for monitoring the spatial and temporal dynamics of forest cover at different scales. However, the precise mapping of forest cover over fragmented landscapes is complicated and requires special consideration. We have evaluated the performance of four global forest products of 25–30 m spatial resolution within three flatland subregions of Ukraine that have different forest cover patterns. We have explored the relationship between tree cover extracted from the global forest change (GFC) and relative stocking density of forest stands and justified the use of a 40% tree cover threshold for mapping forest in flatland Ukraine. In contrast, the canopy cover threshold for the analogous product Landsat tree cover continuous fields (LTCCF) is found to be 25%. Analysis of the global forest products, including discrete forest masks Global PALSAR-2/PALSAR Forest/Non-Forest Map (JAXA FNF) and GlobeLand30, has revealed a major misclassification of forested areas under severe fragmentation patterns of landscapes. The study also examined the effectiveness of forest mapping over fragmented landscapes using dense time series of Landsat images. We collected 1548 scenes of Landsat 8 Operational Land Imager (OLI) for the period 2014–2016 and composited them into cloudless mosaics for the following four seasons: yearly, summer, autumn, and April–October. The classification of images was performed in Google Earth Engine (GEE) Application Programming Interface (API) using random forest (RF) classifier. As a result, 30 m spatial resolution forest mask for flatland of Ukraine was created. The user’s and producer’s accuracy were estimated to be 0.910 ± 0.015 and 0.880 ± 0.018, respectively. The total forest area for the flatland Ukraine is 9440.5 ± 239.4 thousand hectares, which is 3% higher than official data. In general, we conclude that the Landsat-derived forest mask performs well over fragmented landscapes if forest cover of the territory is higher than 10–15% Numéro de notice : A2020-225 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs12010187 Date de publication en ligne : 05/01/2020 En ligne : https://doi.org/10.3390/rs12010187 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94940
in Remote sensing > vol 12 n° 1 (January 2020) . - 24 p.[article]
Titre : Remote sensing based building extraction Type de document : Monographie Auteurs : Mohammad Awrangjeb, Auteur ; Xiangyun Hu, Auteur ; Bisheng Yang, Auteur ; Jiaojiao Tian, Auteur Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Importance : 442 p. ISBN/ISSN/EAN : 978-3-03928-383-5 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage profond
[Termes IGN] détection du bâti
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] image à haute résolution
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsRésumé : (Editeur) Building extraction from remote sensing data plays an important role in urban planning, disaster management, navigation, updating geographic databases, and several other geospatial applications. Even though significant research has been carried out for more than two decades, the success of automatic building extraction and modeling is still largely impeded by scene complexity, incomplete cue extraction, and sensor dependency of data. Most recently, deep neural networks (DNN) have been widely applied for high classification accuracy in various areas including land-cover and land-use classification. Therefore, intelligent and innovative algorithms are needed for the success of automatic building extraction and modeling. This Special Issue focuses on newly developed methods for classification and feature extraction from remote sensing data for automatic building extraction and 3D. Numéro de notice : 26305 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Monographie DOI : 10.3390/books978-3-03928-383-5 Date de publication en ligne : 07/04/2020 En ligne : https://doi.org/10.3390/books978-3-03928-383-5 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95064 Réponses de la productivité des forêts aux fluctuations météorologiques : biais et surestimations des estimations de terrain / Olivier Bouriaud (2020)
![]()
Titre : Réponses de la productivité des forêts aux fluctuations météorologiques : biais et surestimations des estimations de terrain Type de document : Thèse/HDR Auteurs : Olivier Bouriaud , Auteur
Editeur : Paris-Orsay : Université de Paris 11 Paris-Sud Centre d'Orsay Année de publication : 2020 Importance : 52 p. Note générale : bibliographie
Dossier présenté pour l’obtention de l’Habilitation à Diriger des Recherches, Université Paris-Sud, Ecole Doctorale Sciences du Végétal : du Gène à l'EcosystèmeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Statistiques
[Termes IGN] allométrie
[Termes IGN] biomasse forestière
[Termes IGN] changement climatique
[Termes IGN] croissance des arbres
[Termes IGN] erreur systématique
[Termes IGN] estimation statistique
[Termes IGN] inventaire forestier (techniques et méthodes)
[Termes IGN] phénomène climatique extrême
[Termes IGN] productivité biologiqueRésumé : (auteur) La productivité, définie comme l’accroissement annuel en volume ou en biomasse d’un peuplement forestier, est le meilleur indicateur de sa vitalité, dont dépendent directement nombre de processus, biens et services. L’analyse de la productivité, omniprésente en sciences forestières, passe par son estimation, ce qui pose des questions méthodologiques importantes. Une question centrale de mes travaux de recherche a porté sur l’amélioration des estimations de productivité à différentes échelles spatiales et temporelles, et l’approfondissement de la compréhension des effets du climat et de la gestion sur la productivité des forêts. La croissance radiale des arbres est un des éléments les mieux étudiés et décrits dans la littérature, mais qui n’est qu’assez indirectement lié à la productivité lorsque celle-ci est exprimée en termes de biomasse ou de quantités de carbone fixés par unités de temps et de surface. Mes travaux ont montré que la raison de la perte de proportionnalité entre croissance radiale et productivité se structure en plusieurs termes : le manque de proportionnalité entre la croissance secondaire et la croissance primaire, le découplage existant entre croissance individuelle et production totale dans des communautés végétales fermées, le découplage entre la croissance radiale et la variation de la densité du bois, enfin l’échantillonnage, qui renvoie directement aux questions typiques des programmes d’inventaire forestier nationaux et qui tient donc à un axe de recherche spécifique. Tous ces mécanismes convergent vers une surestimation des fluctuations de la productivité. Sur cette base de connaissances, les travaux proposés dans mon projet s’organisent autour de deux axes : un axe portant sur l’amélioration de la quantification de la productivité, incluant une intégration des progrès dans les méthodes d’inventaire forestier national, et un axe portant sur l’analyse à très grande échelle de la productivité et de sa relation au climat, à la gestion. L’axe d’amélioration des estimations se justifie par le fait que pratiquement toutes les estimations de volume et de biomasse font appel à des modèles de biomasse ou de volume. Mais les erreurs de prédiction des modèles ont une amplitude représentant environ 10 à 40% de l’estimation elle-même. Toute amélioration des modèles offrirait donc un gain appréciable sur les prédictions. La multiplicité des sources de variation de l’allométrie impose l’utilisation de formes de modèles assez souples pour les absorber, et dont le développement est déjà en cours. L’estimation de la productivité nécessite d’utiliser en différentiel des modèles ajustés sur des données statiques. La dynamique de l’allocation aux compartiments aériens boisés n’est pas assez documentée pour être prise en compte, mais pourrait s’avérer importante quantitativement et apporter des connaissances sur le comportement et la réaction des essences aux stress. Concernant le deuxième axe, les objectifs sont de quantifier la réponse de la productivité des forêts aux évènements météorologiques à l’échelle de la ressource, en approfondissant la prise en compte de l’autocorrélation temporelle dans les estimations de productivité, et en abordant la problématique de la résistance aux évènements extrêmes. Les interactions avec la gestion seront analysées en se basant sur les progrès méthodologiques et se concentrant sur les changements de l’allométrie des couronnes et de leur intrication spatiale. De nombreuses études récentes montrent une augmentation globale de la productivité des forêts. Déterminer la part du forçage climatique et des effets de la gestion sont des objectifs déterminants des défis futurs que sont la transition climatique, et au plan de la gestion, l’antagonisme entre écologie politique, conservation de la nature et bioéconomie. Numéro de notice : 17534 Affiliation des auteurs : LIF (2020- ) Thématique : FORET/MATHEMATIQUE Nature : HDR Note de thèse : HDR : Sciences du végétal : Paris-Sud : 2020 nature-HAL : HDR DOI : sans Date de publication en ligne : 27/01/2021 En ligne : https://hal.archives-ouvertes.fr/tel-03123055/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98238 Satellite image time series classification with pixel-set encoders and temporal self-attention / Vivien Sainte Fare Garnot (2020)
![]()
![]()
Titre : Satellite image time series classification with pixel-set encoders and temporal self-attention Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu
, Auteur ; Sébastien Giordano
, Auteur ; Nesrine Chehata
, Auteur
Editeur : Computer vision foundation CVF Année de publication : 2020 Projets : 1-Pas de projet / Conférence : CVPR 2020, IEEE Conference on Computer Vision and Pattern Recognition 14/06/2020 19/06/2020 en ligne Chine Open Access Proceedings Importance : pp 12325 - 12334 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] classification automatique
[Termes IGN] classification orientée objet
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] géocodage
[Termes IGN] image multibande
[Termes IGN] image satellite
[Termes IGN] parcelle agricole
[Termes IGN] politique agricole commune
[Termes IGN] série temporelle
[Termes IGN] utilisation du solRésumé : (auteur) Satellite image time series, bolstered by their growing availability, are at the forefront of an extensive effort towards automated Earth monitoring by international institutions. In particular, large-scale control of agricultural parcels is an issue of major political and economic importance. In this regard, hybrid convolutional-recurrent neural architectures have shown promising results for the automated classification of satellite image time series.We propose an alternative approach in which the convolutional layers are advantageously replaced with encoders operating on unordered sets of pixels to exploit the typically coarse resolution of publicly available satellite images. We also propose to extract temporal features using a bespoke neural architecture based on self-attention instead of recurrent networks. We demonstrate experimentally that our method not only outperforms previous state-of-the-art approaches in terms of precision, but also significantly decreases processing time and memory requirements. Lastly, we release a large openaccess annotated dataset as a benchmark for future work on satellite image time series. Numéro de notice : C2020-016 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers ArXiv/vers CVF Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/CVPR42600.2020.01234 Date de publication en ligne : 05/08/2020 En ligne : https://doi.org/10.1109/CVPR42600.2020.01234 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94225 Documents numériques
en open access
Satellite image time series classification - pdf préprintAdobe Acrobat PDF PermalinkSemi-kinematic geodetic reference frame based on the ITRF2014 for Malaysia / M. Azhari in Journal of geodetic science, vol 10 n° 1 (January 2020)
PermalinkSimplicial complexes reconstruction and generalisation of 3d lidar data in urban scenes / Stéphane Guinard (2020)
PermalinkSmoothing algorithms for navigation, localisation and mapping based on high-grade inertial sensors / Paul Chauchat (2020)
PermalinkPermalinkSpatio-Temporal Prediction of the Epidemic Spread of Dangerous Pathogens Using Machine Learning Methods / Wolfgang B. Hamer in ISPRS International journal of geo-information, Vol 9 n° 1 (January 2020)
PermalinkPermalinkSuperpixel-enhanced deep neural forest for remote sensing image semantic segmentation / Li Mi in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)
PermalinkPermalinkThe certitude of a global sea level acceleration during the satellite altimeter era / Huseyin Baki Iz in Journal of geodetic science, vol 10 n° 1 (January 2020)
PermalinkUncertainty analysis of remotely-acquired thermal infrared data to extract the thermal Properties of active lava surfaces / James A. Thompson in Remote sensing, vol 12 n° 1 (January 2020)
PermalinkUnsupervised satellite image time series analysis using deep learning techniques / Ekaterina Kalinicheva (2020)
PermalinkUso de QGIS en la teledetección, Vol. 2. QGIS y sus aplicaciones en la agricultura y la silvicultura / Nicolas Baghdadi (2020)
PermalinkVers une occupation du sol France entière par imagerie satellite à très haute résolution / Tristan Postadjian (2020)
PermalinkVery high resolution land cover mapping of urban areas at global scale with convolutional neural network / Thomas Tilak (2020)
PermalinkPermalinkShip identification and characterization in Sentinel-1 SAR images with multi-task deep learning / Clément Dechesne in Remote sensing, Vol 11 n° 24 (December-2 2019)
PermalinkAn implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data / Puzhao Zhang in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
PermalinkCombining Sentinel-1 and Sentinel-2 Satellite image time series for land cover mapping via a multi-source deep learning architecture / Dino Lenco in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
PermalinkData-adaptive spatio-temporal filtering of GRACE data / Paoline Prevost in Geophysical journal international, vol 219 n° 3 (December 2019)
PermalinkDeep learning for conifer/deciduous classification of airborne LiDAR 3D point clouds representing individual trees / Hamid Hamraz in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
PermalinkExtracting urban landmarks from geographical datasets using a random forests classifier / Yue Lin in International journal of geographical information science IJGIS, vol 33 n° 12 (December 2019)
PermalinkHalf a percent of labels is enough: efficient animal detection in UAV imagery using deep CNNs and active learning / Benjamin Kellenberger in IEEE Transactions on geoscience and remote sensing, vol 57 n° 12 (December 2019)
PermalinkKnowing is not enough: exploring the missing link between climate change knowledge and action of German forest owners and managers / Yvonne Hengst-Ehrhart in Annals of Forest Science, Vol 76 n° 4 (December 2019)
PermalinkA learning approach to evaluate the quality of 3D city models / Oussama Ennafii in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 12 (December 2019)
![]()
PermalinkMatching of TerraSAR-X derived ground control points to optical image patches using deep learning / Tatjana Bürgmann in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
PermalinkModelling of the timeseries of GNSS coordinates and their interaction with average magnitude earthquakes / Sanja Tucikesic in Geodetski vestnik, Vol 63 n° 4 (December 2019)
PermalinkNovel adaptive histogram trend similarity approach for land cover change detection by using bitemporal very-high-resolution remote sensing images / Zhi Yong Lv in IEEE Transactions on geoscience and remote sensing, vol 57 n° 12 (December 2019)
PermalinkSpatiotemporal variation in the relationship between boreal forest productivity proxies and climate data / Clémentine Ols in Dendrochronologia, vol 58 (December 2019)
PermalinkAccurate modelling of canopy traits from seasonal Sentinel-2 imagery based on the vertical distribution of leaf traits / Tawanda W. Gara in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)
PermalinkAn approach for establishing correspondence between OpenStreetMap and reference datasets for land use and land cover mapping / Qi Zhou in Transactions in GIS, Vol 23 n° 6 (November 2019)
PermalinkComparison between convolutional neural networks and random forest for local climate zone classification in mega urban areas using Landsat images / Cheolhee Yoo in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)
PermalinkContext pyramidal network for stereo matching regularized by disparity gradients / Junhua Kang in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)
PermalinkDeep learning for multi-modal classification of cloud, shadow and land cover scenes in PlanetScope and Sentinel-2 imagery / Yuri Shendryk in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)
PermalinkA double-strategy-check active learning algorithm for hyperspectral image classification / Ying Cui in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 11 (November 2019)
PermalinkMeasuring differential access to facilities between population groups using spatial Lorenz curves and related indices / Gordon A. Cromley in Transactions in GIS, Vol 23 n° 6 (November 2019)
PermalinkSig-NMS-based faster R-CNN combining transfer learning for small target detection in VHR optical remote sensing imagery / Ruchan Dong in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)
PermalinkSystematic errors in SLR data and their impact on the ILRS products / Vincenza Luceri in Journal of geodesy, vol 93 n°11 (November 2019)
PermalinkTélédétection des habitats insulaires ligériens par drone : Retour d’expérience sur les îles de Mareau-aux-Prés (Loiret) / Hilaire Martin in Revue forestière française, vol 71 n° 6 (2019)
PermalinkA temporal phase coherence estimation algorithm and its application on DInSAR pixel selection / Feng Zhao in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)
PermalinkLa Terre en 4D : apport des séries temporelles de modèles numériques d'élévation par photogrammétrie spatiale pour l'étude de la surface terrestre / César Deschamps-Berger in Revue Française de Photogrammétrie et de Télédétection, n° 221 (novembre 2019)
PermalinkUnsupervised classification of multispectral images embedded with a segmentation of panchromatic images using localized clusters / Ting Mao in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)
PermalinkPotential of Landsat-8 and Sentinel-2A composite for land use land cover analysis / Divyesh Varade in Geocarto international, vol 34 n° 14 ([30/10/2019])
PermalinkResidences information extraction from Landsat imagery using the multi-parameter decision tree method / Yujie Yang in Geocarto international, vol 34 n° 14 ([30/10/2019])
PermalinkSegmenting mangrove ecosystems drone images using SLIC superpixels / Edward Zimudzi in Geocarto international, vol 34 n° 14 ([30/10/2019])
Permalink