Centre de documentation
scientifique

Automatic detection and classification of low-level orographic precipitation processes from space-borne radars using machine learning / Malarvizhi Arulraj in Remote sensing of environment, vol 257 (May 2021)  

Public [article]  inRemote sensing of environment > vol 257 (May 2021) . - n° 112355 Titre : Automatic detection and classification of low-level orographic precipitation processes from space-borne radars using machine learning Type de document : Article/Communication Auteurs : Malarvizhi Arulraj, Auteur ; Ana P. Baros, Auteur Année de publication : 2021 Article en page(s) : n° 112355 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] Appalaches [Termes IGN] apprentissage automatique [Termes IGN] bande S [Termes IGN] classification automatique [Termes IGN] classification barycentrique [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] image GPM [Termes IGN] orographie [Termes IGN] précipitation Résumé : (auteur) Ground-clutter is a significant cause of missed-detection and underestimation of precipitation in complex terrain from space-based radars such as the Global Precipitation Measurement Mission (GPM) Dual-frequency Precipitation Radar (DPR). This research proposes an Artificial Intelligence (AI) framework consisting of a precipitation detection model (PDM) and a precipitation regime classification model (PCM) to improve orographic precipitation retrievals from GPM-DPR using machine learning. The PDM is a Random Forest Classifier using GPM Microwave Imager (GMI) calibrated brightness temperatures (Tbs) and low-level precipitation mixing ratios from the High-Resolution Rapid Refresh (HRRR) analysis as inputs. The PCM is a Convolutional Neural Network that predicts the precipitation regime class, defined independently based on quantitative features of ground-based radar reflectivity profiles, using GPM DPR Ku-band (Ku-PR) reflectivity profiles and GMI Tbs. The AI framework is demonstrated for warm-season precipitation in the Southern Appalachian Mountains over. Numéro de notice : A2021-279 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.rse.2021.112355 Date de publication en ligne : 19/02/2021 En ligne : https://doi.org/10.1016/j.rse.2021.112355 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97372 [article]

Suivi de la rotation des cultures à partir de séries temporelles d’images satellite / Félix Quinton (2021) 

Public Titre : Suivi de la rotation des cultures à partir de séries temporelles d’images satellite Type de document : Mémoire Auteurs : Félix Quinton , Auteur ; Loïc Landrieu , Encadrant Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 49 p. Format : 21 x 30 cm Note générale : bibliographie Rapport de stage de fin d’études Cycle des Ingénieurs diplômés de l’ENSG 3ème année, TSI Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage profond [Termes IGN] classification automatique [Termes IGN] cultures [Termes IGN] image Sentinel-MSI [Termes IGN] parcelle agricole [Termes IGN] politique agricole commune [Termes IGN] recensement agricole [Termes IGN] série temporelle [Termes IGN] subvention [Termes IGN] variation saisonnière Index. décimale : MTSI Mémoires du Master Technologies des Systèmes d'Information Résumé : (auteur) La politique agricole commune (PAC) mise en place dans les pays de l’Union Européenne est chargée de l’attribution de subventions aux agriculteurs des états membres, qui totalisent près de 50 milliards d’euros chaque année. Afin d’attribuer correctement ces subventions, il est nécessaire de recenser les types de cultures présents dans chaque parcelle tous les ans. Une automatisation du processus est donc souhaitable. Les séries temporelles d’images satellite constituent aujourd’hui la principale source de données utilisée pour la surveillance automatique de la Terre et sont de fait, la principale source de données utilisée en classification automatique. Nous proposons une nouvelle approche basée sur l’utilisation des séries temporelles d’images satellites pluriannuelles en opposition aux séries temporelles mono-année utilisées actuellement. Notre approche permet d’améliorer les performances des modèles de 7.7% par rapport aux modèles constituant l’état de l’art actuel. Dans une optique de suivit des cultures à partir d’imagerie satellite, l’utilisation de données pluriannuelles s’impose donc comme une nécessité. Note de contenu : 1- Introduction 2- Etat de l’art de la modélisation mono-annuelle des cultures agricoles 3- Etat de l’art de la modélisation pluriannuelles des cultures agricoles 4- Généralisation Temporelle 5- Modélisation Pluriannuelle 6- Analyse statistique 7- Gestion de projet 8- Perspectives Numéro de notice : 28424 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Lastig, IGN (Saint-Mandé) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98767

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
28424-01	MTSI	Livre	Centre de documentation	Travaux d'élèves	Disponible

Documents numériques

peut être téléchargé Suivi de la rotation des cultures... - pdf auteur - Adobe Acrobat PDF

Vegetation unit assignments: phytosociology experts and classification programs show similar performance but low convergence / Lise Maciejewski in Applied Vegetation Science, vol 23 n° 4 (October 2020)  

Public [article]  inApplied Vegetation Science > vol 23 n° 4 (October 2020) Titre : Vegetation unit assignments: phytosociology experts and classification programs show similar performance but low convergence Type de document : Article/Communication Auteurs : Lise Maciejewski, Auteur ; Paulina E. Pinto, Auteur ; Stéphanie Wurpillot , Auteur ; Jacques Drapier , Auteur ; Serge Cadet, Auteur ; Serge Muller, Auteur ; Pierre Agou, Auteur ; Benoit Renaux, Auteur ; Jean-Claude Gégout, Auteur Année de publication : 2020 Projets : 1-Pas de projet / Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] classification automatique [Termes IGN] cohérence des données [Termes IGN] convergence [Termes IGN] écosystème forestier [Termes IGN] phytosociologie [Termes IGN] unité phytosociologique [Vedettes matières IGN] Ecologie forestière Résumé : (auteur) Aims : Assigning vegetation plots to vegetation units is a key step in biodiversity management projects. Nevertheless, the process of plot assignment to types is usually non‐standardized, and assignment consistency remains poorly explored. To date, the efficiency of automatic classification programs has been assessed by comparing them with a unique expert judgment. Therefore, we investigated the consistency of five phytosociology expert judgments, and the consistency of these judgements with those of automatic classification programs. Location : Mainland France. Methods : We used 273 vegetation plots distributed across France and covering the diversity of the temperate and mountainous forest ecosystems of Western Europe. We asked a representative panel of five French organizations with recognized expertise in phytosociology to assign each plot to vegetation units. We provided a phytosociological classification including 228 associations, 43 alliances and eight classes. The assignments were compared among experts using an agreement ratio. We then compared the assignments suggested by three automatic classification programs with the expert judgments. Results : We observed small differences among the agreement ratios of the expert organizations; a given expert organization agreed with another one on association assignment one time in four on average, and one time in two on alliance assignment. The agreement ratios of the automatic classification programs were globally lower, but close to expert judgments. Conclusions : The results support the current trend toward unifying the existing classifications and specifying the assignment rules by creating guiding tools, which will decrease inter‐observer variation. As compared to a pool of phytosociology experts, programs perform similarly to individual experts in vegetation unit assignment, especially at the alliance level. Although programs still need to be improved, these results pave the way for the creation of habitat time series crucial for the monitoring and conservation of biodiversity. Numéro de notice : A2020-461 Affiliation des auteurs : IGN+Ext (2012-2019) Thématique : BIODIVERSITE/FORET Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/avsc.12516 Date de publication en ligne : 12/07/2020 En ligne : https://doi.org/10.1111/avsc.12516 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95579 [article]

A novel framework based on polarimetric change vectors for unsupervised multiclass change detection in dual-pol intensity SAR images / David Pirrone in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 7 (July 2020) . - pp 4780 - 4795 Titre : A novel framework based on polarimetric change vectors for unsupervised multiclass change detection in dual-pol intensity SAR images Type de document : Article/Communication Auteurs : David Pirrone, Auteur ; Francesca Bovolo, Auteur ; Lorenzo Bruzzone, Auteur Année de publication : 2020 Article en page(s) : pp 4780 - 4795 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] classification automatique [Termes IGN] classification non dirigée [Termes IGN] coordonnées polaires [Termes IGN] détection de changement [Termes IGN] image multitemporelle [Termes IGN] image radar moirée [Termes IGN] image Sentinel-SAR [Termes IGN] méthode des vecteurs de changement [Termes IGN] polarimétrie radar [Termes IGN] radar à antenne synthétique Résumé : (auteur) Change detection (CD) is a crucial topic in many remote sensing applications. In the recent years, satellite polarimetric synthetic aperture radar (PolSAR) systems (e.g., the Sentinel-1 constellation) became a suitable tool for multitemporal monitoring due to the regular acquisitions with a short revisit time in different polarimetric channels. Methods for CD in PolSAR data mainly focus on binary CD (i.e., they provide information about the presence/absence of change only), whereas the polarimetric enhanced information provides multiple features that can be exploited for performing multiclass CD. In this article, we introduce a novel framework for the characterization of multitemporal changes in dual-polarimetric data. The framework is based on the definition of polarimetric change vectors (PCVs) and their representation in a polar coordinate system. PCVs allow characterizing and, thus, to separate multiclass changes in terms of target properties of the single-time scenes and the scattering theory. The proposed model is used to: 1) derive the statistical behaviors of change and no change classes in PolSAR multitemporal images; 2) design an automatic and unsupervised strategy to estimate the optimal number of changes; and 3) distinguish no change from change classes and the kinds of change from each other. An experimental analysis has been conducted on three multitemporal PolSAR data sets having different complexities in terms of number and kinds of change classes. The results confirm the effectiveness of the proposed approach and the better performance with respect to both specific techniques for CD in dual-pol SAR data and a general multiclass CD method, not designed for PolSAR data. Numéro de notice : A2020-390 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2966865 Date de publication en ligne : 04/02/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2966865 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95373 [article]

Satellite image time series classification with pixel-set encoders and temporal self-attention / Vivien Sainte Fare Garnot (2020)    

Public 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 sol Résumé : (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 préprint Adobe Acrobat PDF

Vers une occupation du sol France entière par imagerie satellite à très haute résolution / Tristan Postadjian (2020)  

Permalink

Addressing overfitting on point cloud classification using Atrous XCRF / Hasan Asy’ari Arief in ISPRS Journal of photogrammetry and remote sensing, vol 155 (September 2019)  

Permalink

A multi-faceted CNN architecture for automatic classification of mobile LiDAR data and an algorithm to reproduce point cloud samples for enhanced training / Bhavesh Kumar in ISPRS Journal of photogrammetry and remote sensing, vol 147 (January 2019)  

Permalink

A review of accuracy assesment for object-based image analysis: from per pixel to per-polygon approaches [review article] / Su Ye in ISPRS Journal of photogrammetry and remote sensing, vol 141 (July 2018)  

Permalink

A higher order conditional random field model for simultaneous classification of land cover and land use / Lena Albert in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)  

Permalink

Northern conifer forest species classification using multispectral data acquired from an unmanned aerial vehicle / Steven E. Franklin in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 7 (July 2017)  

Permalink

Semantic segmentation of forest stands of pure species combining airborne lidar data and very high resolution multispectral imagery / Clément Dechesne in ISPRS Journal of photogrammetry and remote sensing, vol 126 (April 2017)  

Permalink

Discriminative low-rank Gabor filtering for spectral–spatial hyperspectral image classification / Lin He in IEEE Transactions on geoscience and remote sensing, vol 55 n° 3 (March 2017)  

Permalink

Utilisation d’image THR et drone pour l’étude de la dynamique côtière d’Ouvéa (Île des Loyautés - Nouvelle Calédonie) / Sabrina Bosque (2017) 

Permalink

Multiple kernel learning based on discriminative kernel clustering for hyperspectral band selection / Jie Feng in IEEE Transactions on geoscience and remote sensing, vol 54 n° 11 (November 2016)  

Permalink