Descripteur
Termes IGN > télédétection
télédétection
Commentaire :
Télédétection aérospatiale Télédétection par satellite Télédétection satellitaire Télédétection spatiale Appareils enregistreurs >> Agriculture de précision Capteurs (technologie) Photogrammétrie aérienne Photographie aérienne >>Terme(s) spécifique(s) : Télédétection en sciences de la Terre Cartographie radar Traitement d'images -- Techniques numériques Images de télédétection Radar à antenne synthétique Radar en sciences de la Terre Reconnaissance aérienne Satellites artificiels en télédétection Satellites de télédétection des ressources terrestres SPOT (satellites de télédétection) Surveillance électronique Télédétection hyperfréquence Télémesure spatiale Thermographie Equiv. LCSH : Remote sensing Domaine(s) : 500; 600 |
Documents disponibles dans cette catégorie (2520)
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
Proposition d’un référentiel de description et de détection de la végétation dans une agglomération / Mathilde Segaud (2021)
Titre : Proposition d’un référentiel de description et de détection de la végétation dans une agglomération Type de document : Mémoire Auteurs : Mathilde Segaud, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 128 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème année, Information Géographique, Analyse Spatiale et TélédétectionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Cartographie thématique
[Termes IGN] agglomération
[Termes IGN] analyse de données
[Termes IGN] analyse spatiale
[Termes IGN] arbre urbain
[Termes IGN] base de données localisées de référence
[Termes IGN] carte de la végétation
[Termes IGN] cartographie écologique
[Termes IGN] couvert végétal
[Termes IGN] extraction de la végétation
[Termes IGN] flore locale
[Termes IGN] image Pléiades
[Termes IGN] indice de végétation
[Termes IGN] milieu urbain
[Termes IGN] Nancy
[Termes IGN] paysage urbain
[Termes IGN] service écosystémique
[Termes IGN] structure de la végétationIndex. décimale : IGAST Mémoires du Master Information Géographique, Analyse Spatiale et Télédétection Résumé : (Auteur) Ce stage intervient sur le projet Des Hommes et Des Arbres, ainsi que Green Urban Sat. Il a pour objectif de proposer une méthode générique de cartographie de la végétation pour les agglomérations. Cette cartographie est destinée à devenir un support d’évaluation de services écosystémiques rendus par la végétation. Ce stage vise à élaborer et à proposer un référentiel de description de la végétation, ainsi qu’un socle de méthodes de cartographie de la végétation fidèle au référentiel typologique proposé. Dans un premier temps, j’ai pris connaissance des modèles de description de la végétation dans la littérature. Cette étude bibliographique fait ressortir l’intérêt d’une approche structurelle de description de la végétation à des fins d’évaluation de services écosystémiques. Une typologie est produite en tant que référentiel. Le second chapitre consiste à étudier, parmi les bases de données de végétation existantes, celles qui pourraient instancier ou participer à l’élaboration du référentiel typologique. Une analyse quantitative et qualitative de bases de données sélectionnées est produite. Enfin, une proposition méthodologique de cartographie de description de la végétation en accord avec le référentiel est présentée. La méthode proposée fait appel à des outils d’analyse spatiale et de télédétection. Elle est inspirée d’une analyse de la littérature et basée sur les contraintes auxquelles nous devons faire face dans le projet. Note de contenu : Introduction
1. Mise en place d’un référentiel de description de la végétation
1.1 Objectifs et problématiques
1.2 Végétation en milieu urbain : définition et contraintes
1.3 Typologies de description de la végétation
1.4 Classification de la végétation dans les bases de données
1.5 Proposition d’une typologie de description de la végétation à l’échelle d’une agglomération
1.6 Conclusion : Avantages et limites du référentiel
2. Analyse de la compatibilité des données existantes avec le référentiel
2.1 Objectifs et problématiques
2.2 Présentation du site d’étude : la Métropole du Grand Nancy (MGN)
2.3 Présentation des bases de données étudiées
2.4 Analyse de la couverture végétale sur les zones d’étude
2.5 Identification des formes végétalisées
2.6 Conclusion
3. Méthode de détection de la végétation
3.1 Objectifs et problématiques
3.2 Méthodes de caractérisation et de suivi de la végétation
3.3 Proposition d’une méthode de cartographie de la végétation
3.4 Expérimentations et résultats
3.5 Conclusion et travaux futurs
Discussion, limites et perspectives
Gestion de projet
ConclusionNuméro de notice : 26691 Affiliation des auteurs : non IGN Thématique : FORET/GEOMATIQUE/IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Cerema Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99304 Documents numériques
peut être téléchargé
Proposition d’un référentiel de description et de détection de la végétation dans une agglomération - pdf auteurAdobe Acrobat PDF Qualification des données LiDAR GEDI pour le suivi de l’impact climatique sur la forêt de Südharz / Iris Jeuffrard (2021)
Titre : Qualification des données LiDAR GEDI pour le suivi de l’impact climatique sur la forêt de Südharz Type de document : Mémoire Auteurs : Iris Jeuffrard, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 51 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] Allemagne
[Termes IGN] analyse comparative
[Termes IGN] biomasse forestière
[Termes IGN] changement climatique
[Termes IGN] Coleoptera (ordre)
[Termes IGN] données de terrain
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] écosystème forestier
[Termes IGN] Global Ecosystem Dynamics Investigation lidar
[Termes IGN] image Sentinel-MSI
[Termes IGN] maladie phytosanitaire
[Termes IGN] modèle numérique de surface
[Termes IGN] Python (langage de programmation)
[Termes IGN] réalité de terrain
[Termes IGN] semis de points
[Termes IGN] surveillance forestière
[Termes IGN] Thuringe
[Termes IGN] visualisation 3DIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Le département de cartographie, SIG et télédétection de l’Institut de Géographie (appartenant à l’université Georg-August de Göttingen, Allemagne) se consacre au suivi du changement climatique et des écosystèmes terrestres. Bien que leurs projets de recherche concernent les dynamiques de toute la surface terrestre ainsi que les dimensions humaines du changement climatique, l’étude porte sur un écosystème forestier de la région de Südharz. Cette région appartenant au massif montagneux des Harz (centre-nord de l’Allemagne), autrefois sauvage et riche du point de vue écologique, est peuplée d’épicéas fortement impactés par le réchauffement climatique. Ils souffrent de l’infestation de Scolytes, un coléoptère ravageur profitant de l’affaiblissement des arbres par les sécheresses et du modèle de monoculture pour proliférer et décimer les arbres. Dans ce contexte, les équipes du département de cartographie, SIG et télédétection mettent à profit les outils SIG et de télédétection pour repérer et quantifier les zones atteintes afin d’aider les forestiers à gérer au mieux les écosystèmes. Jusqu’à présent les études reposent principalement sur les images Sentinel-2. Cependant le déploiement de la mission GEDI (The Global Ecosystem Dynamics Investigation) sur la Station Spatiale Internationale (ISS) en 2018 apporte de nouvelles perspectives. GEDI produit les premières observations de télémétrie laser à haute résolution de la structure 3D de la Terre : des mesures précises de la hauteur et de la structure verticale de la canopée ainsi que de l’élévation de la surface. Ces données verticales dont on ne dispose pas avec les images satellites traditionnelles, améliorent considérablement la caractérisation de la biodiversité. Les données GEDI ne sont pas encore utilisées par l’équipe, mais peuvent constituer un réel nid d’information pour de futures recherches. L’objectif est donc d’évaluer leur précision et leur intérêt pour le suivi des milieux forestiers. Pour cela les données GEDI Level 2B (Canopy Cover and Vertical Profile Metrics product) de la zone de Südharz de l’été 2019 et de l’été 2020 sont téléchargées, traitées et visualisées dans un SIG ou via des scripts Python. Les attributs GEDI d’évaluation de la biomasse (PAI, Cover, rh100, FHD) sont comparés à des données terrain fournies par l’administration forestière de l’état de Thuringe (Thüringen) puis à des données Sentinel-2 et enfin à une vérité terrain effectuée durant le stage. Les résultats statistiques de corrélation ainsi que la comparaison des données entre 2019 et 2020 offrent une meilleure appréciation de la qualité et de la pertinence des données appliquées au suivi des écosystèmes. Note de contenu : Introduction
1. Données de la mission GEDI
1.1 Présentation de la mission GEDI
1.2 Présentation de la zone d’étude et des données GEDI utilisées
1.3 Préparation des données
2. Exploration des informations
2.1 Observation d’un granule GEDI
2.2 Analyse de corrélation des données GEDI compte tenu de données forestières
2.3 Corrélation des données GEDI et Sentinel-2
2.4 Corrélation des données GEDI et LiDAR aéroporté
3. Validation des données GEDI
3.1 Qualité du suivi temporel grâce aux données GEDI
3.2 Vérité terrain
3.3 Bilan et limites de cette étude
ConclusionNuméro de notice : 26606 Affiliation des auteurs : IGN (2020- ) Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Institut de Géographie (Université de Georg-August en Allemagne) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98508 Documents numériques
peut être téléchargé
Qualification des données LiDAR GEDI pour le suivi de l’impact climatique... - pdf auteurAdobe Acrobat PDF
Titre : Remote Sensing Type de document : Monographie Auteurs : Andrew Hammond, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2021 Importance : 140 p. ISBN/ISSN/EAN : 978-1-83880-978-2 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection
[Termes IGN] Amérique du sud
[Termes IGN] analyse d'image orientée objet
[Termes IGN] biomasse
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données spatiotemporelles
[Termes IGN] Enhanced vegetation index
[Termes IGN] géostatistique
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Terra-MODIS
[Termes IGN] incendie de forêt
[Termes IGN] Inde
[Termes IGN] mésosphère
[Termes IGN] précision stéréoscopique
[Termes IGN] sciences naturelles
[Termes IGN] segmentation d'image
[Termes IGN] série temporelle
[Termes IGN] stratosphère
[Termes IGN] système d'information géographique
[Termes IGN] température au sol
[Termes IGN] troposphèreIndex. décimale : 35.00 Télédétection - généralités Résumé : (Editeur) This Edited Volume is a collection of reviewed and relevant research chapters, offering a comprehensive overview of recent developments in the field of Remote Sensing. The book comprises single chapters authored by various researchers and edited by an expert active in this research area. All chapters are complete in themselves but united under a common research study topic. This publication aims at providing a thorough overview of the latest research efforts by international authors on this field of study, and open new possible research paths for further novel developments. Note de contenu : 1. Lidar Observations in South America. Part I - Mesosphere and Stratosphere
2. Lidar Observations in South America. Part II - Troposphere
3. Application of Remote Sensing in Natural Sciences
4. Assessment of Ecological Disturbance Caused by Flood and Fire in Assam Forests, India, Using MODIS Time Series Data of 2001-2011
5. Delineation of Open-Pit Mining Boundaries on Multispectral Imagery
6. Stereoscopic Precision of the Large Format Digital Cameras
7. Remote Sensing Applications in Disease MappingNuméro de notice : 26799 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.87829 Date de publication en ligne : 08/12/2021 En ligne : https://doi.org/10.5772/intechopen.87829 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100066 Remote sensing and GIS / Basudeb Bhatta (2021)
Titre : Remote sensing and GIS Type de document : Guide/Manuel Auteurs : Basudeb Bhatta, Auteur Mention d'édition : 3ème édition Editeur : Oxford, Londres, ... : Oxford University Press Année de publication : 2021 Importance : 752 p. Format : 24 x 18 cm ISBN/ISSN/EAN : 978-0-19-949664-8 Note générale : Bibliographie
additional reading material with Oxford arealLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection
[Termes IGN] acquisition d'images
[Termes IGN] airborne multispectral scanner
[Termes IGN] analyse spatiale
[Termes IGN] Global Navigation Satellite System
[Termes IGN] image hyperspectrale
[Termes IGN] image thermique
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] Lidar
[Termes IGN] modèle numérique de surface
[Termes IGN] modèle numérique de terrain
[Termes IGN] modélisation 3D
[Termes IGN] orthorectification
[Termes IGN] Passive and Active L and S band Sensor
[Termes IGN] photographie aérienne
[Termes IGN] Satellite Microwave Radiometer
[Termes IGN] scène 3D
[Termes IGN] stéréoscopie
[Termes IGN] système d'information géographique
[Termes IGN] traitement d'image
[Termes IGN] visualisation 3DIndex. décimale : 35.00 Télédétection - généralités Résumé : (Editeur) Beginning with the history and basic concepts of remote sensing and GIS, the book gives an exhaustive coverage of optical, thermal, and microwave remote sensing, global navigation satellite systems (such as GPS and IRNSS), digital photogrammetry, visual image analysis, digital image processing, spatial and attribute data model, geospatial analysis, and planning, implementation, and management of GIS. It also presents the modern trends of remote sensing and GIS with an illustrated discussion on its numerous applications. Note de contenu : 1. Concept of Remote Sensing
1.1 Introduction
1.2 Distance of Remote Sensing
1.3 Definition of Remote Sensing
1.4 Remote Sensing: Art and/or Science
1.5 Data
1.6 Remote Sensing Process
1.7 Source of Energy
1.8 Interaction with Atmosphere
1.9 Interaction with Target
1.9.1 Hemispherical Absorptance, Transmittance, and Reflectan
1.10 Interaction with the Atmosphere Again
1.11 Recording of Energy by Sensor
1.12 Transmission, Reception, and Processing
1.13 Interpretation and Analysis
1.14 Applications of Remote Sensing
1.15 Advantages of Remote Sensing
1.16 Limitations of Remote Sensing
1.17 Ideal Remote Sensing System
2. Types of Remote Sensing and Sensor Characteristics
2.1 Introduction
2.2 Types of Remote Sensing
2.3 Characteristics of Images
2.4 Orbital Characteristics of Satellite
2.5 Remote Sensing Satellites
2.6 Concept of Swath
2.7 Concept of Nadir
2.8 Sensor Resolutions
2.9 Image Referencing System
2.9.1 Path
2.9.2 Row
2.9.3 Orbital Calendar
3. History of Remote Sensing and Indian Space Program
3.1 Introduction
3.2 The Early Age
3.3 The Middle Age
3.4 The Modern Age or Space Age
3.5 Indian Space Program
4. Photographic Imaging
4.1 Introduction
4.2 Camera Systems
4.3 Types of Camera
4.4 Filter
4.5 Film
4.6 Geometry of Aerial Photography
4.7 Ideal Time and Atmosphere for Aerial Remote Sensing
5. Digital Imaging
5.1 Introduction
5.2 Digital Image
5.3 Sensor
5.4 Imaging by Scanning Technique
5.5 Hyper-spectral Imaging
5.6 Imaging By Non-scanning Technique
5.7 Thermal Remote Sensing
5.8 Other Sensors
6. Microwave Remote Sensing
6.1 Introduction
6.2 Passive Microwave Remote Sensing
6.3 Active Microwave Remote Sensing
6.4 Radar Imaging
6.5 Airborne Versus Space-Borne Radars
6.6 Radar Systems
7. Ground-truth Data and Global Positioning System
7.1 Introduction
7.2 Requirements of Ground-Truth Data
7.3 Instruments for Ground Truthing
7.4 Parameters of Ground Truthing
7.5 Factors of Spectral Measurement
7.6 Global Navigation Satellite System
8. Photogrammetry
8.1 Introduction
8.2 Development of Photogrammetry
8.3 Classification of Photogrammetry
8.4 Photogrammetric Process
8.5 Acquisition of Imagery and its Support Data
8.6 Orientation and Triangulation
8.7 Stereo Model Compilation
8.8 Stereoscopic 3D Viewing
8.9 Stereoscopic Measurement
8.10 DTM/DEM Generation
8.11 Contour Map Generation
8.12 Orthorectification
8.13 3D Feature Extraction
8.14 3D Scene Modelling
8.15 Photogrammetry and LiDAR
8.16 Radargrammetry and Radar Interferometry
8.17 Limitations of Photogrammetry
9. Visual Image Interpretation
9.1 Introduction
9.2 Information Extraction by Human and Computer
9.3 Remote Sensing Data Products
9.4 Border or Marginal Information
9.5 Image Interpretation
9.6 Elements of Visual Image Interpretation
9.7 Interpretation Keys
9.8 Generation of Thematic Maps
9.9 Thermal Image Interpretation
9.10 Radar Image Interpretation
10. Digital Image Processing
10.1 Introduction
10.2 Categorization of Image Processing
10.3 Image Processing Systems
10.4 Digital Image
10.5 Media for Digital Data Recording, Storage, and Distribution
10.6 Data Formats of Digital Image
10.7 Header Information
10.8 Display of Digital Image
10.9 Pre-processing
10.10 Image Enhancement
10.11 Image Transformation
10.12 Image Classification
11. Data Integration, Analysis, and Presentation
11.1 Introduction
11.2 Multi-approach of Remote Sensing
11.3 Integration with Ground Truth and Other Ancillary Data
11.4 Integration of Transformed Data
11.5 Integration with GIS
11.6 Process of Remote Sensing Data Analysis
11.7 The Level of Detail
11.8 Limitations of Remote Sensing Data Analysis
11.9 Presentation
12. Applications of Remote Sensing
12.1 Introduction
12.2 Land Cover and Land Use
12.3 Agriculture
12.4 Forestry
12.5 Geology
12.6 Geomorphology
12.7 Urban Applications
12.8 Hydrology
12.9 Mapping
12.10 Oceans and Coastal Monitoring
12.11 Monitoring of Atmospheric Constituents
PART II Geographic Information Systems and Geospatial Analysis
13. Concept of Geographic Information Systems
13.1 Introduction
13.2 Definitions of GIS
13.3 Key Components of GIS
13.4 GIS-An Integration of Spatial and Attribute Information
13.5 GIS-Three Views of Information System
13.6 GIS and Related Terms
13.7 GIS-A Knowledge Hub
13.8 GIS-A Set of Interrelated Subsystems
13.9 GIS-An Information Infrastructure
13.10 Origin of GIS
14. Functions and Advantages of GIS
14.1 Introduction
14.2 Functions of GIS
14.3 Application Areas of GIS
14.4 Advantages of GIS
14.5 Functional Requirements of GIS
14.6 Limitations of GIS
15. Spatial Data Model
15.1 Introduction
15.2 Spatial, Thematic, and Temporal Dimensions of Geographic Data
15.3 Spatial Entity and Object
15.4 Spatial Data Model
15.5 Raster Data Model
15.6 Vector Data Model
15.7 Raster versus Vector
15.8 Object-Oriented Data Model
15.9 File Formats of Spatial Data
16. Attribute Data Management and Metadata Concept
16.1 Introduction
16.2 Concept of Database and DBMS
16.3 Advantages of DBMS
16.4 Functions of DBMS
16.5 File and Data Access
16.6 Data Models
16.7 Database Models
16.8 Data Models in GIS
16.9 Concept of SQL
16.10 Concept of Metadata
17. Process of GIS
17.1 Introduction
17.2 Data Capture
17.3 Data Sources
17.4 Data Encoding Methods
17.5 Linking of Spatial and Attribute Data
17.6 Organizing Data for Analysis
18. Geospatial Analysis
18.1 Introduction
18.2 Geospatial Data Analysis
18.3 Integration and Modelling of Spatial Data
18.4 Geospatial Data Analysis Methods
18.5 Database Query
18.6 Geospatial Measurements
18.7 Overlay Operations
18.8 Network Analysis
18.9 Surface Analysis
18.10 Geostatistics
18.11 Geovisualization
19. Planning, Implementation, and Management of GIS
19.1 Introduction
19.2 Planning of Project
19.3 Implementation of Project
19.4 Management of Project
19.5 Keys for Successful GIS
19.6 Reasons for Unsuccessful GIS
20. Modern Trends of GIS
20.1 Introduction
20.2 Local to Global Concept in GIS
20.3 Increase in Dimensions in GIS
20.4 Linear to Non-linear Techniques in GIS
20.5 Development in Relation between Geometry and Algebra in GIS
20.6 Development of Common Techniques in GIS
20.7 Integration of GIS and Remote Sensing
20.8 Integration of GIS and Multimedia
20.9 3D GIS
20.9.1 Virtual Reality in GIS
20.10 Integration of 3D GIS and Web GIS
20.11 4D GIS and Real-time GIS
20.12 Mobile GIS
20.12.1 Mobile mapping
20.13 Collaborative GIS (CGIS)
21. Change Detection and Geosimulation
21.1 Visual change detection
21.2 Thresholding
21.3 Image difference
21.4 Image regression
21.5 Image ratioing
21.6 Vegetation index differencing
21.7 Principal component differencing
21.8 Multi-temporal image stock classification
21.9 Post classification comparison
21.10 Change vector analysis
21.12 Cellular automata simulation
21.13 Multi-agent simulation
21.14 ANN learning in simulation
Appendix A - Concept of Map, Coordinate System, and Projection
Appendix B - Concept on Mathematical TopicsNuméro de notice : 26518 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE/POSITIONNEMENT Nature : Manuel de cours DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97342 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 26518-01 35.00 Livre Centre de documentation Télédétection Disponible Retrieving surface soil water content using a soil texture adjusted vegetation index and unmanned aerial system images / Haibin Gu in Remote sensing, vol 13 n° 1 (January-1 2021)
[article]
Titre : Retrieving surface soil water content using a soil texture adjusted vegetation index and unmanned aerial system images Type de document : Article/Communication Auteurs : Haibin Gu, Auteur ; Zhe Lin, Auteur ; Wenxuan Guo, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 145 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] humidité du sol
[Termes IGN] image captée par drone
[Termes IGN] image multibande
[Termes IGN] image thermique
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] régression linéaire
[Termes IGN] stress hydrique
[Termes IGN] texture du solRésumé : (auteur) Surface soil water content (SWC) is a major determinant of crop production, and accurately retrieving SWC plays a crucial role in effective water management. Unmanned aerial systems (UAS) can acquire images with high temporal and spatial resolutions for SWC monitoring at the field scale. The objective of this study was to develop an algorithm to retrieve SWC by integrating soil texture into a vegetation index derived from UAS multispectral and thermal images. The normalized difference vegetation index (NDVI) and surface temperature (Ts) derived from the UAS multispectral and thermal images were employed to construct the temperature vegetation dryness index (TVDI) using the trapezoid model. Soil texture was incorporated into the trapezoid model based on the relationship between soil texture and the lower and upper limits of SWC to form the texture temperature vegetation dryness index (TTVDI). For validation, 128 surface soil samples, 84 in 2019 and 44 in 2020, were collected to determine soil texture and gravimetric SWC. Based on the linear regression models, the TTVDI had better performance in estimating SWC compared to the TVDI, with an increase in R2 (coefficient of determination) by 14.5% and 14.9%, and a decrease in RMSE (root mean square error) by 46.1% and 10.8%, for the 2019 and 2020 samples, respectively. The application of the TTVDI model based on high-resolution multispectral and thermal UAS images has the potential to accurately and timely retrieve SWC at the field scale. Numéro de notice : A2021-077 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs13010145 Date de publication en ligne : 04/01/2021 En ligne : https://doi.org/10.3390/rs13010145 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96815
in Remote sensing > vol 13 n° 1 (January-1 2021) . - n° 145[article]PermalinkPermalinkPermalinkSpatial characterization and distribution modelling of Ensete ventricosum (wild and cultivated) in Ethiopia / Meron Awoke Eshetae in Geocarto international, vol 36 n° 1 ([01/01/2021])PermalinkPermalinkPermalinkTélédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes / Arthur Crespin-Boucaud (2021)PermalinkTélédétection synchronisée hyperspectrale et LiDAR à retour d’onde complet : application au suivi des littoraux sableux de la région Pays-de-la-Loire / Giovanni Frati (2021)PermalinkThe Influence of camera calibration on nearshore bathymetry estimation from UAV Vvdeos / Gonzalo Simarro in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkThe use of deep machine learning for the automated selection of remote sensing data for the determination of areas of arable land degradation processes distribution / Dimitri I. Rukhovitch in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkTowards a systematic and continuous monitoring of climate change impacts on forest productivity in Europe [diaporama] / Clémentine Ols (2021)PermalinkPermalinkPermalinkVolumes by tree species can be predicted using photogrammetric UAS data, Sentinel-2 images and prior field measurements / Mikko Kukkonen in Silva fennica, vol 55 n° 1 (January 2021)PermalinkCharacterizing the spatial and temporal variation of the land surface temperature hotspots in Wuhan from a local scale / Chen Yang in Geo-spatial Information Science, vol 23 n° 4 (December 2020)PermalinkExploring the inclusion of Sentinel-2 MSI texture metrics in above-ground biomass estimation in the community forest of Nepal / Santa Pandit in Geocarto international, vol 35 n° 16 ([01/12/2020])PermalinkA framework for unsupervised wildfire damage assessment using VHR satellite images with PlanetScope data / Minkyung Chung in Remote sensing, vol 12 n° 22 (December-1 2020)PermalinkGeomorphological analysis of the San Domino Island (Tremiti Islands, Southern Adriatic Sea). Results from the 2019 Geomorphological Field Camp of the MSc in Geological Science and Technology (University of Chieti-Pescara) / Marcello Buccolini in Journal of maps, vol 16 n° 3 ([01/12/2020])PermalinkInnovative approaches, tools and visualization techniques for analysing land use structures and dynamics of cities and regions (Editorial) / Robert Hecht in Journal of Geovisualization and Spatial Analysis, vol 4 n° 2 (December 2020)PermalinkA novel intelligent classification method for urban green space based on high-resolution remote sensing images / Zhiyu Xu in Remote sensing, vol 12 n° 22 (December-1 2020)Permalink