Descripteur
Documents disponibles dans cette catégorie (2069)
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
Using machine learning to map Western Australian landscapes for mineral exploration / Thomas Albrecht in ISPRS International journal of geo-information, vol 10 n° 7 (July 2021)
[article]
Titre : Using machine learning to map Western Australian landscapes for mineral exploration Type de document : Article/Communication Auteurs : Thomas Albrecht, Auteur ; Ignacio Gonzalez-Alvarez, Auteur ; Jens Klump, Auteur Année de publication : 2021 Article en page(s) : n° 459 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] Australie occidentale (Australie)
[Termes IGN] cartographie automatique
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] géomorphologie
[Termes IGN] modèle numérique de surface
[Termes IGN] prospection minérale
[Termes IGN] Python (langage de programmation)Résumé : (auteur) Landscapes evolve due to climatic conditions, tectonic activity, geological features, biological activity, and sedimentary dynamics. Geological processes at depth ultimately control and are linked to the resulting surface features. Large regions in Australia, West Africa, India, and China are blanketed by cover (intensely weathered surface material and/or later sediment deposition, both up to hundreds of metres thick). Mineral exploration through cover poses a significant technological challenge worldwide. Classifying and understanding landscape types and their variability is of key importance for mineral exploration in covered regions. Landscape variability expresses how near-surface geochemistry is linked to underlying lithologies. Therefore, landscape variability mapping should inform surface geochemical sampling strategies for mineral exploration. Advances in satellite imaging and computing power have enabled the creation of large geospatial data sets, the sheer size of which necessitates automated processing. In this study, we describe a methodology to enable the automated mapping of landscape pattern domains using machine learning (ML) algorithms. From a freely available digital elevation model, derived data, and sample landclass boundaries provided by domain experts, our algorithm produces a dense map of the model region in Western Australia. Both random forest and support vector machine classification achieve approximately 98% classification accuracy with a reasonable runtime of 48 minutes on a single Intel® Core™ i7-8550U CPU core. We discuss computational resources and study the effect of grid resolution. Larger tiles result in a more contiguous map, whereas smaller tiles result in a more detailed and, at some point, noisy map. Diversity and distribution of landscapes mapped in this study support previous results. In addition, our results are consistent with the geological trends and main basement features in the region. Mapping landscape variability at a large scale can be used globally as a fundamental tool for guiding more efficient mineral exploration programs in regions under cover. Numéro de notice : A2021-546 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi10070459 Date de publication en ligne : 06/07/2021 En ligne : https://doi.org/10.3390/ijgi10070459 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98048
in ISPRS International journal of geo-information > vol 10 n° 7 (July 2021) . - n° 459[article]The delineation of tea gardens from high resolution digital orthoimages using mean-shift and supervised machine learning methods / Akhtar Jamil in Geocarto international, vol 36 n° 7 ([15/04/2021])
[article]
Titre : The delineation of tea gardens from high resolution digital orthoimages using mean-shift and supervised machine learning methods Type de document : Article/Communication Auteurs : Akhtar Jamil, Auteur ; Bulent Bayram, Auteur Année de publication : 2021 Article en page(s) : pp 758 - 772 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] algorithme de décalage moyen
[Termes IGN] analyse d'image orientée objet
[Termes IGN] apprentissage automatique
[Termes IGN] arbre de décision
[Termes IGN] Camellia sinensis
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] exploitation agricole
[Termes IGN] extraction de la végétation
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] orthoimage
[Termes IGN] segmentation hiérarchique
[Termes IGN] TurquieRésumé : (Auteur) Rize district is an important tea production site in Turkey, which is known for high quality tea. Determining the temporal changes is very crucial from the viewpoint of agricultural management and protection of tea areas. In addition, delineation of tea gardens using photogrammetric evaluation techniques for a single orthoimage takes approximately 8 h of labour work, which is both costly and time-consuming process. To overcome these issues, a method is proposed for demarcation of tea gardens from high-resolution orthoimages. In this article, a hierarchical object-based segmentation using mean-shift (MS) and supervised machine learning (ML) methods are investigated for delineation of tea gardens. First, the MS algorithm was applied to partition the images into homogeneous segments (objects) and then from each segment, various spectral, spatial and textural features were extracted. Finally, four most widely used supervised ML classifiers, support vector machine (SVM), artificial neural network (ANN), random forest (RF), and decision trees (DTs), were selected for classification of objects into tea gardens and other types of trees. Photogrammetrically evaluated tea garden borders were taken as reference data to evaluate the performance of the proposed methods. The experiments showed that all selected supervised classifiers were effective for delineation of the tea gardens from high-resolution images. Numéro de notice : A2021-293 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1622597 Date de publication en ligne : 19/06/2019 En ligne : https://doi.org/10.1080/10106049.2019.1622597 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97349
in Geocarto international > vol 36 n° 7 [15/04/2021] . - pp 758 - 772[article]A BiLSTM-CNN model for predicting users’ next locations based on geotagged social media / Yi Bao in International journal of geographical information science IJGIS, vol 35 n° 4 (April 2021)
[article]
Titre : A BiLSTM-CNN model for predicting users’ next locations based on geotagged social media Type de document : Article/Communication Auteurs : Yi Bao, Auteur ; Zhou Huang, Auteur ; Linna Li, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 639 - 660 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse de groupement
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données spatiotemporelles
[Termes IGN] géopositionnement
[Termes IGN] graphe
[Termes IGN] modèle de simulation
[Termes IGN] point d'intérêt
[Termes IGN] réseau social
[Termes IGN] service fondé sur la position
[Termes IGN] utilisateur
[Termes IGN] Wuhan (Chine)Résumé : (auteur) Location prediction based on spatio-temporal footprints in social media is instrumental to various applications, such as travel behavior studies, crowd detection, traffic control, and location-based service recommendation. In this study, we propose a model that uses geotags of social media to predict the potential area containing users’ next locations. In the model, we utilize HiSpatialCluster algorithm to identify clustering areas (CAs) from check-in points. CA is the basic spatial unit for predicting the potential area containing users’ next locations. Then, we use the LINE (Large-scale Information Network Embedding) to obtain the representation vector of each CA. Finally, we apply BiLSTM-CNN (Bidirectional Long Short-Term Memory-Convolutional Neural Network) for location prediction. The results show that the proposed ensemble model outperforms the single LSTM or CNN model. In the case study that identifies 100 CAs out of Weibo check-ins collected in Wuhan, China, the Top-5 predicted areas containing next locations amount to an 80% accuracy. The high accuracy is of great value for recommendation and prediction on areal unit. Numéro de notice : A2021-268 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1808896 Date de publication en ligne : 26/08/2020 En ligne : https://doi.org/10.1080/13658816.2020.1808896 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97324
in International journal of geographical information science IJGIS > vol 35 n° 4 (April 2021) . - pp 639 - 660[article]Utilizing urban geospatial data to understand heritage attractiveness in Amsterdam / Sevim Sezi Karayazi in ISPRS International journal of geo-information, vol 10 n° 4 (April 2021)
[article]
Titre : Utilizing urban geospatial data to understand heritage attractiveness in Amsterdam Type de document : Article/Communication Auteurs : Sevim Sezi Karayazi, Auteur ; Gamze Dane, Auteur ; Bauke de Vries, Auteur Année de publication : 2021 Article en page(s) : n° 198 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] Amsterdam (Pays-Bas)
[Termes IGN] analyse de groupement
[Termes IGN] analyse spatiale
[Termes IGN] attractivité (aménagement)
[Termes IGN] données issues des réseaux sociaux
[Termes IGN] données localisées des bénévoles
[Termes IGN] gestion durable
[Termes IGN] image Flickr
[Termes IGN] musée
[Termes IGN] patrimoine
[Termes IGN] point d'intérêt
[Termes IGN] régression géographiquement pondérée
[Termes IGN] tourismeRésumé : (auteur) Touristic cities are home to historical landmarks and irreplaceable urban heritages. Although tourism brings financial advantages, mass tourism creates pressure on historical cities. Therefore, “attractiveness” is one of the key elements to explain tourism dynamics. User-contributed and geospatial data provide an evidence-based understanding of people’s responses to these places. In this article, the combination of multisource information about national monuments, supporting products (i.e., attractions, museums), and geospatial data are utilized to understand attractive heritage locations and the factors that make them attractive. We retrieved geotagged photographs from the Flickr API, then employed density-based spatial clustering of applications with noise (DBSCAN) algorithm to find clusters. Then combined the clusters with Amsterdam heritage data and processed the combined data with ordinary least square (OLS) and geographically weighted regression (GWR) to identify heritage attractiveness and relevance of supporting products in Amsterdam. The results show that understanding the attractiveness of heritages according to their types and supporting products in the surrounding built environment provides insights to increase unattractive heritages’ attractiveness. That may help diminish the burden of tourism in overly visited locations. The combination of less attractive heritage with strong influential supporting products could pave the way for more sustainable tourism in Amsterdam. Numéro de notice : A2021-480 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi10040198 Date de publication en ligne : 25/03/2021 En ligne : https://doi.org/10.3390/ijgi10040198 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97424
in ISPRS International journal of geo-information > vol 10 n° 4 (April 2021) . - n° 198[article]Une base de données pour étudier vingt années de dynamiques du marché immobilier résidentiel en Île-de-France / Thibault Le Corre in Cybergeo, European journal of geography, n° 2021 ([01/02/2021])
[article]
Titre : Une base de données pour étudier vingt années de dynamiques du marché immobilier résidentiel en Île-de-France Type de document : Article/Communication Auteurs : Thibault Le Corre, Auteur Année de publication : 2021 Article en page(s) : n° 992 Note générale : bibliographie Langues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] base de données
[Termes IGN] base de données spatiotemporelles
[Termes IGN] dynamique spatiale
[Termes IGN] Ile-de-France
[Termes IGN] immobilier (secteur)
[Termes IGN] logement
[Termes IGN] marché foncierRésumé : (auteur) Cet article expose la démarche de préparation et de consolidation d’une base de données immobilières à partir de données sources dont l’accès est restreint et l’usage complexe. CASSMIR (Contribution à l’Analyse Spatiale et Sociologique des Marchés Immobiliers Résidentiels) est une base de données sur le marché du logement en Île-de-France couvrant une période de 1996 à 2018. Les indicateurs de la base CASSMIR recouvrent quatre champs d’investigation thématiques sur le marché immobilier : les prix, le profil socio-démographique des acquéreurs et vendeurs, les régimes d’achat et les types de mutation des biens ainsi que les types de biens immobiliers. Ces indicateurs caractérisent des unités spatiales à trois échelles (communes, carroyage 1 km et carroyage 200 mètres) et des groupes de population d’acquéreurs et de vendeurs déclinés selon un critère social, de génération et de genre. La livraison de la base fait suite à une série d’opérations d’agrégation de données individuelles issues de deux bases de données sources : une base sur les transactions immobilières, la base BIEN, et une base sur les investissements en primo-accession avec des prêts aidés, la base PTZ. Cet article propose de restituer les principales informations contenues dans la base CASSMIR et les étapes de préparation de la base. Numéro de notice : A2021-798 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.4000/cybergeo.37430 Date de publication en ligne : 09/08/2021 En ligne : https://doi.org/10.4000/cybergeo.37430 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98686
in Cybergeo, European journal of geography > n° 2021 [01/02/2021] . - n° 992[article]Monitoring the coastal changes of the Po river delta (Northern Italy) since 1911 using archival cartography, multi-temporal aerial photogrammetry and LiDAR data: implications for coastline changes in 2100 A.D. / Massimo Fabris in Remote sensing, Vol 13 n° 3 (February 2021)PermalinkAn infrastructure perspective for enhancing multi-functionality of forests: A conceptual modeling approach / Mojtaba Houballah in Earth' future, vol 9 n° 1 (January 2021)PermalinkPermalinkApport de la photogrammétrie et de l’intelligence artificielle à la détection des zones amiantées sur les fronts rocheux / Philippe Caudal (2021)PermalinkChinese tourists in Nordic countries: An analysis of spatio-temporal behavior using geo-located travel blog data / Yunhao Zheng in Computers, Environment and Urban Systems, vol 85 (January 2021)PermalinkConnecting images through time and sources: Introducing low-data, heterogeneous instance retrieval / Dimitri Gominski (2021)PermalinkConsolidation of crowd-sourced geo-ragged data for parameterized travel recommendations / Ago Luberg (2021)PermalinkPermalinkPermalinkForest Products Annual Market Review 2020-2021 / United Nations Economic Commission for Europe (2021)Permalink