Descripteur
Termes IGN > géomatique > données localisées
données localiséesSynonyme(s)spatial data ;données géospatiales ;données géographiques données à référence spatialeVoir aussi |
Documents disponibles dans cette catégorie (3735)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Titre : Télédétection radar SAR et photogrammétrie : application à la géographie limnologique avec l'exemple de l'étude du ravinement littoral au lac de Rambla de Algericas (Murcia, Espagne) Type de document : Thèse/HDR Auteurs : Radouane Hout, Auteur ; Véronique Maleval, Directeur de thèse ; Eric Rouvellac, Directeur de thèse Editeur : Limoges : Université de Limoges Année de publication : 2020 Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de docteur de l'Université de Limoges, Spécialité Géographie et AménagementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] érosion hydrique
[Termes IGN] image captée par drone
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] lac
[Termes IGN] limnologie
[Termes IGN] Murcie (Espagne)
[Termes IGN] précision millimétrique
[Termes IGN] semis de points
[Termes IGN] zone semi-arideIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Le lac de Rambla de Algeciras en Murcia est un réservoir d’eau potable. Il contribue aussi à la réduction des inondations. Avec un climat semi-aride et la nature très friable des formations géologiques au niveau des berges lacustres, l’apparition et le développement des ravines de berges sont favorisés et posent un problème majeur d’envasement du lac. Ce travail de thèse a pour objectif le suivi des apports sédimentaires des ravines des berges lacustres, grâce aux photos aériennes, aux données LiDAR et aux images radar SAR. En 2018, trois ravines de différentes morphologies ont été modélisées en haute résolution à l’aide de la photogrammétrie par drone afin d’obtenir leur faible changement topographique. Les nuages de points LiDAR du projet PNOA ont été ainsi utilisés pour étudier la variabilité et la dynamique sédimentaire annuelle sur une échelle spatiale plus large couvrant toutes les berges lacustres. Ceci permet alors de guider les gestionnaires des lacs à mettre en œuvre des stratégies pour prendre en compte les contributions des ravines de berges lacustres qui sont généralement sous-estimées dans les bilans hydro-sédimentaires des lacs.Comme tous les terrains touchés par le phénomène de ravinement se heurtent au manque de données sur le bilan sédimentaire, nous avons proposé l’utilisation de la technique d’interférométrie SAR (InSAR) sur les versants des ravines érodées pour déterminer avec une précision millimétrique les faibles changements topographiques sur les versants en repliement. L’analyse de l’effet de déclenchement du ravinement sur les changements de la cohérence dans les versants en repliement a montré que le signal sur ces derniers est souvent suffisamment cohérent afin de produire une phase InSAR théoriquement utilisable. Cette phase a été exploitée pour déterminer la vitesse de l’érosion des versants des ravines après avoir modifié quelques paramètres liés à la phase du signal radar SAR sur les versants en repliement. L’application de cette technique InSAR multi-temporelle avec des données Sentinel-1 sur les versants des ravines en repliement et la comparaison de leur précision avec des données drone démontre la pertinence des données SAR pour le suivi du bilan sédimentaire sur les versants des ravines en repliement dans des zones semi-arides. D’une manière générale cette thèse contribue à améliorer le suivi régulier des ravines dans les zones semi-arides difficilement accessibles avec une très haute précision. Note de contenu : 1. Introduction générale
2. L’état de l’art des processus d’érosion et présentation de la zone d’étude
2.1 L’érosion hydrique
2.2 Les facteurs de l’érosion
2.3 L’érosion ravinaire
2.4 Présentation du terrain d’étude et des ravines étudiées
3. LiDAR et la photogrammétrie par drone
3.1 Introduction
3.2 Méthodologie
3.3 Résultats et discussion : des pluies efficaces aidées par la dégradation des sols issue des activités anthropiques parfois anciennes provoquent une sédimentation importante dans le lac
3.4 Conclusion
4. La télédétection RADARSAR
4.1 Introduction
4.2 État de l’art
4.3 Méthodologie
4.4 Résultats et discussion : La fiabilité des données SAR utilisées pour mesurer l’évolution morphologique des ravines
4.5 Conclusion
5. Conclusion
6. AnnexesNuméro de notice : 26529 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géographie et Aménagement : Limoges : 2020 Organisme de stage : GEOLAB UMR 6042 nature-HAL : Thèse Date de publication en ligne : 07/04/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03097388/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97559 Three-dimensional reconstruction of fluvial surface sedimentology and topography using personal mobile laser scanning / Richard David Williams in Earth surface processes and landforms, vol 45 n° 1 (January 2020)
![]()
[article]
Titre : Three-dimensional reconstruction of fluvial surface sedimentology and topography using personal mobile laser scanning Type de document : Article/Communication Auteurs : Richard David Williams, Auteur ; Marie-Lou Lamy , Auteur ; Georgios Maniatis, Auteur ; Eilidh Stott, Auteur
Année de publication : 2020 Projets : 2-Pas d'info accessible - article non ouvert / Article en page(s) : pp 251 - 261 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] instrumentation Leica
[Termes IGN] modèle numérique de surface
[Termes IGN] reconstruction 3D
[Termes IGN] reconstruction d'objet
[Termes IGN] rugosité
[Termes IGN] sédimentRésumé : (auteur) High-resolution quantification of fluvial topography has been enabled by a number of geomatics technologies. Hyperscale surveys with spatial extents of Numéro de notice : A2020-877 Affiliation des auteurs : ENSG+Ext (2020- ) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1002/esp.4747 Date de publication en ligne : 27/10/2019 En ligne : https://doi.org/10.1002/esp.4747 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99684
in Earth surface processes and landforms > vol 45 n° 1 (January 2020) . - pp 251 - 261[article]Torch-Points3D: A modular multi-task framework for reproducible deep learning on 3D point clouds / Thomas Chaton (2020)
![]()
Titre : Torch-Points3D: A modular multi-task framework for reproducible deep learning on 3D point clouds Type de document : Article/Communication Auteurs : Thomas Chaton, Auteur ; Nicolas Chaulet, Auteur ; Sofiane Horache, Auteur ; Loïc Landrieu , Auteur
Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2020 Projets : AI4GEO / Conférence : 3DV 2020, International Conference on 3D Vision 25/11/2020 27/11/2020 Fukuoka + en ligne Japon Proceedings IEEE Importance : 12 p. - n° 282 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] apprentissage profond
[Termes IGN] cadre conceptuel
[Termes IGN] code source libre
[Termes IGN] données localisées 3D
[Termes IGN] reproductibilité
[Termes IGN] réseau neuronal profond
[Termes IGN] semis de pointsRésumé : (auteur) We introduce Torch-Points3D, an open-source framework designed to facilitate the use of deep networks on 3D data. Its modular design, efficient implementation, and user-friendly interfaces make it a relevant tool for research and productization alike. Beyond multiple quality-of-life features, our goal is to standardize a higher level of transparency and reproducibility in 3D deep learning research, and to lower its barrier to entry. In this paper, we present the design principles of Torch-Points3D, as well as extensive benchmarks of multiple state-of-the-art algorithms and inference schemes across several datasets and tasks. The modularity of Torch-Points3D allows us to design fair and rigorous experimental protocols in which all methods are evaluated in the same conditions. The Torch-Points3D repository : https://github.com/nicolas-chaulet/torch-points3d. Numéro de notice : C2020-019 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/3DV50981.2020.00029 Date de publication en ligne : 19/01/2021 En ligne : https://doi.org/10.1109/3DV50981.2020.00029 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96456 Traiter, afficher et animer des données vectorielles temporelles avec QGis 3.14 et PostGIS / Anonyme in Géomatique expert, n° 132-133 (janvier - septembre 2020)
[article]
Titre : Traiter, afficher et animer des données vectorielles temporelles avec QGis 3.14 et PostGIS Type de document : Article/Communication Auteurs : Anonyme, Auteur Année de publication : 2020 Article en page(s) : pp 30 - 37 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique
[Termes IGN] données vectorielles
[Termes IGN] PostGIS
[Termes IGN] QGISNuméro de notice : A2020-861 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99183
in Géomatique expert > n° 132-133 (janvier - septembre 2020) . - pp 30 - 37[article]Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 265-2020011 RAB Revue Centre de documentation En réserve L003 Disponible IFN-001-P002238 PER Revue Nogent-sur-Vernisson Salle périodiques Exclu du prêt Unsupervised satellite image time series analysis using deep learning techniques / Ekaterina Kalinicheva (2020)
![]()
Titre : Unsupervised satellite image time series analysis using deep learning techniques Type de document : Thèse/HDR Auteurs : Ekaterina Kalinicheva , Auteur ; Maria Trocan, Directeur de thèse
Editeur : Paris : Sorbonne Université Année de publication : 2020 Importance : 182 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le doctorat de la Sorbonne Université, Spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage non-dirigé
[Termes IGN] détection de changement
[Termes IGN] données spatiotemporelles
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 5
[Termes IGN] réseau neuronal profond
[Termes IGN] réseau neuronal récurrent
[Termes IGN] série temporelle
[Termes IGN] variation saisonnièreIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Cette thèse présente un ensemble d'algorithmes non-supervisés pour l'analyse générique de séries temporelles d'images satellites (STIS). Nos algorithmes exploitent des méthodes de machine learning et, notamment, les réseaux de neurones afin de détecter les différentes entités spatio-temporelles et leurs changements éventuels dans le temps. Nous visons à identifier trois types de comportement temporel : les zones sans changements, les changements saisonniers, les changements non triviaux (changements permanents comme les constructions, la rotation des cultures agricoles, etc). Par conséquent, nous proposons deux frameworks : pour la détection et le clustering des changements non-triviaux et pour le clustering des changements saisonniers et des zones sans changements. Le premier framework est composé de deux étapes : la détection de changements bi-temporels et leur interprétation dans le contexte multi-temporel avec une approche basée graphes. La détection de changements bi-temporels est faite pour chaque couple d’images consécutives et basée sur la transformation des features avec les autoencodeurs (AEs). A l’étape suivante, les changements à différentes dates qui appartiennent à la même zone géographique forment les graphes d’évolution qui sont par la suite clusterisés avec un modèle AE de réseaux de neurones récurrents. Le deuxième framework présente le clustering basé objets de STIS. Premièrement, la STIS est encodée en image unique avec un AE convolutif 3D multi-vue. Dans un deuxième temps, nous faisons la segmentation en deux étapes en utilisant à la fois l’image encodée et la STIS. Finalement, les segments obtenus sont clusterisés avec leurs descripteurs encodés. Note de contenu : 1. Introduction to Remote Sensing and Satellite Image Analysis
1.1 Introduction
1.2 Remote Sensing Images
1.3 Satellite Missions
1.4 Introduction to Data Mining Applied to Images
2. Machine Learning. Clustering and Anomaly Detection
2.1 Introduction
2.2 Unsupervised Learning
2.3 Clustering
2.4 Anomaly Detection
2.5 Quality Indices
2.6 Discussion
3. Feature Extraction using Deep Learning Techniques
3.1 Introduction
3.2 Deep Learning
3.3 AutoEncoders in Image Processing
3.4 Neural Networks Structure
3.5 Discussion
4. Bi-temporal Change Detection
4.1 Introduction
4.2 Related Works
4.3 Methodology
4.4 Data
4.5 Experiments
4.6 Discussion
5. Multi-temporal Change Detection
5.1 Introduction
5.2 Related Works
5.3 Methodology
5.4 Data
5.5 Experiments
5.6 Conclusion
6. Satellite Image Time Series Clustering
6.1 Introduction
6.2 Related Works
6.3 Methodology
6.4 Data
6.5 Experiments
6.6 Discussion
7. Conclusion
7.1 Thesis Contributions
7.2 Short Term Perspectives
7.3 Long Term Perspectives and LimitationsNuméro de notice : 26536 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Sorbonne université : 2020 Organisme de stage : ISEP Institut Supérieur d'Electronique de Paris nature-HAL : Thèse DOI : sans Date de publication en ligne : 01/03/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03032071/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97681 Using remote sensing to assess the effect of time of day on the spatial and temporal variation of LST in urban areas / Akram Abdulla (2020)
PermalinkUso de QGIS en la teledetección, Vol. 4. QGIS y sus aplicaciones en agua y en gestion del riego / Nicolas Baghdadi (2020)
PermalinkPermalinkValidation and verification procedures for defining legal 3D boundaries using terrestrial laser scanners / Sam Rondeel in Survey review, Vol 52 n°370 (January 2020)
PermalinkLe vandalisme de l'information géographique volontaire : analyse exploratoire et proposition d'une méthodologie de détection automatique / Quy Thy Truong (2020)
PermalinkA versatile and efficient data fusion methodology for heterogeneous airborne LiDAR and optical imagery data acquired under unconstrained conditions / Thanh Huy Nguyen (2020)
PermalinkPermalinkDeep 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)
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)
PermalinkInside the ice shelf: using augmented reality to visualise 3D lidar and radar data of Antarctica / Alexandra L. Boghosian in Photogrammetric record, vol 34 n° 168 (December 2019)
Permalink