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 (2364)
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
Inversion de données PolSAR en bande P pour l'estimation de la biomasse forestière / Colette Gelas (2020)
Titre : Inversion de données PolSAR en bande P pour l'estimation de la biomasse forestière Type de document : Thèse/HDR Auteurs : Colette Gelas, Auteur ; Laurent Polidori, Directeur de thèse ; Ludovic Villard, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2020 Importance : 154 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l'Université de Toulouse, spécialité Surface et interfaces continentales, HydrologieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] acquisition d'images
[Termes IGN] Afrique (géographie politique)
[Termes IGN] bande P
[Termes IGN] biomasse forestière
[Termes IGN] données de terrain
[Termes IGN] données polarimétriques
[Termes IGN] état de l'art
[Termes IGN] forêt tropicale
[Termes IGN] image AIRSAR
[Termes IGN] image radar moirée
[Termes IGN] indicateur de biodiversité
[Termes IGN] radar à antenne synthétique
[Termes IGN] série temporelle
[Termes IGN] variation saisonnièreIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La thèse s'inscrit dans le cadre des travaux préparatoires à la mission spatiale BIOMASS du programme Earth Explorer de l'ESA (Agence Spatiale Européenne), qui prévoit d'exploiter pour la première fois depuis l'espace un SAR en bande P (435 MHz), dans le but de cartographier la biomasse et la hauteur des forêts à l'échelle globale pour la période 2023-2028. L'utilisation de la bande P permet d'obtenir une sensibilité du signal inédite avec la biomasse, en lien avec ses capacités de pénétration même à travers des forêts tropicales denses. La mission BIOMASS se base sur l'utilisation conjointe de trois méthodes d'imagerie qui sont la Polarimétrie (PolSAR), l'Interférométrie (PolInSAR) et la Tomographie (TomoSAR). Ses objectifs sont de produire tous les 7 mois des cartes de biomasse et hauteur des forêts à la résolution de 4 ha, ainsi que des cartes des perturbations sévères à 0.5 ha. La thèse s'est organisée autour du développement d'une chaîne de calcul articulée en plusieurs modules permettant d'extraire des valeurs de biomasse à partir de données PolSAR en bande P dans la perspective de cartographier la biomasse forestière de manière robuste et automatique. Les deux modules principaux consistent à estimer un indicateur polarimétrique lié à la biomasse forestière puis à l'inverser en biomasse en appliquant une méthode bayésienne construite sur des grandeurs a priori issues d'un modèle électromagnétique prédictif (MIPERS-4D). Une étude a été consacrée à la comparaison de différents indicateurs PolSAR permettant l'inversion de la biomasse forestière sur les différents sites expérimentaux étudiés. Cette thèse aborde la possibilité de minimiser les effets de la topographie avec une utilisation conjointe des modèles numériques d'élévation (DEM) qui donnent une approximation des pentes sous forêts et des données PolSAR à partir desquelles il est possible d'extraire des informations sur les coefficients des matrices de covariances et sur les pentes azimutales sous forêt. Dans l'objectif d'améliorer les relations entre les coefficients de rétrodiffusion et la biomasse, la minimisation des effets de speckle a également été étudiée dans le cadre des scénarios d'acquisitions BIOMASS, supposant des adaptations des techniques de filtrage existantes pour des séries temporelles de données SLC polarimétriques. Ces travaux sur le développement d'un filtre multi-temporel et multi-canal adapté aux séries temporelles PolSAR ont été valorisés dans l'article "Multi-temporal speckle filtering of polarimetric P-band SAR data over dense tropical forests in French Guiana : application to the BIOMASS mission" (publié dans la revue Remote Sensing), dans lequel un nouvel indicateur permettant de quantifier les performances du filtrage a également été proposé, en lien avec la capacité inédite de ces données pour caractériser les pentes azimutales du terrain. Ces différents travaux ont permis de mettre au point une méthode d'inversion adaptable aux contraintes de généralisation spatiale et temporelle pour les futures acquisitions BIOMASS à l'échelle globale. La méthode développée repose sur la combinaison d'un indicateur issu des données PolSAR qui optimise la relation à la biomasse ainsi que d'une méthode bayésienne minimisant les effets de dispersion à partir de fonctions de vraisemblance issues du modèle MIPERS-4D. Les conditions d'observations peuvent ainsi être prises en compte au travers de la paramétrisation du modèle, et l'application de cette méthode aux données des campagnes aéroportées étudiées dans cette thèse a montré son intérêt pour éviter la propagation directe des effets temporels ou de structure en biomasse. La combinaison de ces différentes études a permis d'améliorer la méthode d'inversion tout au long de la thèse, en ouvrant également des perspectives de développement pour la consolider avec en particulier la généralisation aux indicateurs PolInSAR et TomoSAR, en vue d'une exploitation la plus complète des futures données BIOMASS. Note de contenu : Introduction
1. Objectifs scientifiques et défis techniques de la mission BIOMASS
1.1 Contexte et objectifs scientifiques de la mission BIOMASS
1.2 Choix technologiques pour répondre aux objectifs de la mission BIOMASS
1.3 Les indicateurs pertinents pour cartographier la biomasse
1.4 Scénarios d’acquisitions et produits de la mission BIOMASS
1.5 Références
2. Présentation des données adaptées aux objectifs de la thèse
2.1 Contexte de réalisation des campagnes aéroportées spécifiques à BIOMASS
2.2 La campagne TropiSAR
2.3 La campagne AfriSAR
2.4 Les expérimentations TropiScat[1&2] et AfriScat
2.5 Références
3. Adaptation du Filtre Multi-canal et Multi-Temporel (MCMT) aux séquences temporelles de données SLC polarimétriques type BIOMASS
3.1 Etat de l’art
3.2 Filtre multi-temporel et multi-canal (MTMC)
3.3 Résultats
3.4 Discussion
3.5 Conclusion
3.6 Références
4. Algorithme d’inversion des données PolSAR bande P en biomasse des forêts
4.1 Modélisation de la relation intensité et biomasse
4.2 Inversion en biomasse
4.3 Procédure d’inversion
4.4 Résultats
4.5 Discussion et analyse
4.6 Références
5. Perspectives et discussions
5.1 Applications liées au filtrage
5.2 Perspectives d’améliorations de l’inversion en biomasse
5.3 Références
ConclusionNuméro de notice : 26556 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surface et interfaces continentales, Hydrologie : Toulouse 3 Paul Sabatier : 2020 Organisme de stage : Centre d'Etudes Spatiales de la BIOsphère CESBIO nature-HAL : Thèse Date de publication en ligne : 05/07/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03278312/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98045 Learning and geometric approaches for automatic extraction of objects from remote sensing images / Nicolas Girard (2020)
Titre : Learning and geometric approaches for automatic extraction of objects from remote sensing images Type de document : Thèse/HDR Auteurs : Nicolas Girard, Auteur Editeur : Nice : Université Côte d'Azur Année de publication : 2020 Importance : 169 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat Présentée en vue de l’obtention du grade de docteur en Automatique, Traitement du Signal et des Images de l'Université Côte d’AzurLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] alignement
[Termes IGN] appariement de données localisées
[Termes IGN] apprentissage profond
[Termes IGN] chaîne de traitement
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection du bâti
[Termes IGN] erreur
[Termes IGN] figure géométrique
[Termes IGN] filtrage du bruit
[Termes IGN] jeu de données
[Termes IGN] polygonation
[Termes IGN] réalité de terrain
[Termes IGN] segmentation d'image
[Termes IGN] vectorisationIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Creating a digital double of the Earth in the form of a map has many applications in e.g. autonomous driving, automated drone delivery, urban planning, telecommunications, and disaster management. Geographic Information Systems (GIS) are the frameworks used to integrate geolocalized data and represent maps. They represent shapes of objects in a vector representation so that it is as sparse as possible while representing shapes accurately, as well as making it easier to edit than raster data. With the increasing amount of satellite and aerial images being captured every day, automatic methods are being developed to transfer the information found in those remote sensing images into Geographic Information Systems. Deep learning methods for image segmentation are able to delineate the shapes of objects found in images, but they do so with a raster representation, in the form of a mask. Post-processing vectorization methods then convert that raster representation into a vector representation compatible with GIS. Another challenge in remote sensing is to deal with a certain type of noise in the data, which is the misalignment between different layers of geolocalized information (e.g. between images and building cadaster data). This type of noise is frequent due to various errors introduced during the processing of remote sensing data. This thesis develops combined learning and geometric approaches with the purpose to improve automatic GIS mapping from remote sensing images. We first propose a method for correcting misaligned maps over images, with the first motivation for them to match, but also with the motivation to create remote sensing datasets for image segmentation with alignment-corrected ground truth. Indeed training a model on misaligned ground truth would not lead to a nice segmentation, whereas aligned ground truth annotations will result in better segmentation models. During this work we also observed a denoising effect of our alignment model and use it to denoise a misaligned dataset in a self-supervised manner, meaning only the misaligned dataset was used for training.
We then propose a simple approach to use a neural network to directly output shape information in the vector representation, in order to by-pass the post-processing vectorization step. Experimental results on a dataset of solar panels show that the proposed network succeeds in learning to regress polygon coordinates, yielding directly vectorial map outputs. Our simple method is limited to predicting polygons with a fixed number of vertices though. While more recent methods for learning directly in the vector representation are not limited to a fixed number of vertices, they still have other limitations in terms of the type of object shapes they can predict. More complex topological cases such as objects with holes or buildings touching each other (with a common wall which is very typical of European city centers) are not handled by these fully deep learning methods. We thus propose a hybrid approach alleviating those limitations by training a neural network to output a segmentation probability map as usual and also to output a frame field aligned with the contours of detected objects (buildings in our case). The frame field constitutes additional shape information learned by the network. We then propose our highly parallelizable polygonization method for leveraging that frame field information to vectorize the segmentation probability map efficiently. Because our polygonization method has access to additional information in the form of a frame field, it can be less complex than other advanced vectorization methods and is thus faster. Lastly, requiring an image segmentation network to also output a frame field only adds two convolutional layers and virtually does not increase inference time, making the use of a frame field only beneficial.Note de contenu : 1- Introduction
2- Building alignment
3- Building alignment from noisy ground truth
4- PolyCNN: learning polygons
5- Frame field learning
6- Polygonization by frame field
7- Conclusions and perspectivesNuméro de notice : 28501 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du Signal et des Images : Côte d’Azur : 2020 Organisme de stage : Inria Sophia-Antipolis nature-HAL : Thèse DOI : sans En ligne : https://hal.inria.fr/tel-03111628/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96940
Titre : Learning stereo reconstruction with deep neural networks Type de document : Thèse/HDR Auteurs : Stepan Tulyakov, Auteur ; François Fleuret, Directeur de thèse ; Anton Ivanov, Directeur de thèse Editeur : Lausanne : Ecole Polytechnique Fédérale de Lausanne EPFL Année de publication : 2020 Importance : 139 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée à l'Ecole Polytechnique Fédérale de Lausanne pour l’obtention du grade de Docteur ès SciencesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification semi-dirigée
[Termes IGN] contrainte géométrique
[Termes IGN] couple stéréoscopique
[Termes IGN] entropie
[Termes IGN] estimateur
[Termes IGN] étalonnage géométrique
[Termes IGN] modèle stéréoscopique
[Termes IGN] profondeur
[Termes IGN] réalité de terrain
[Termes IGN] reconstruction 3D
[Termes IGN] reconstruction d'image
[Termes IGN] vision par ordinateur
[Termes IGN] vision stéréoscopiqueRésumé : (auteur) Stereo reconstruction is a problem of recovering a 3d structure of a scene from a pair of images of the scene, acquired from different viewpoints. It has been investigated for decades and many successful methods were developed. The main drawback of these methods, is that they typically utilize a single depth cue, such as parallax, defocus blur or shading, and thus are not as robust as a human visual system that simultaneously relies on a range of monocular and binocular cues. This is mainly because it is hard to manually design a model, accounting for multiple depth cues. In this work, we address this problem by focusing on deep learning-based stereo methods that can discover a model for multiple depth cues directly from training data with ground truth depth. The complexity of deep learning-based methods, however, requires very large training sets with ground truth depth, which is often hard or costly to collect. Furthermore, even when training data is available it is often contaminated with noise, which reduces the effectiveness of supervised learning. In this work, in Chapter 3 we show that it is possible to alleviate this problem by using weakly supervised learning, that utilizes geometric constraints of the problem instead of ground truth depth. Besides the large training set requirement, deep stereo methods are not as application-friendlyas traditional methods. They have a large memory footprint and their disparity range is fixed at training time. For some applications, such as satellite stereo i magery, these are serious problems since satellite images are very large, often reaching tens of megapixels, and have a variable baseline, depending on a time difference between stereo images acquisition. In this work, in Chapter 4 we address these problems by introducing a novel network architecture with a bottleneck, capable of processing large images and utilizing more context, and an estimator that makes the network less sensitive to stereo matching ambiguities and applicable to any disparity range without re-training. Because deep learning-based methods discover depth cues directly from training data, they can be adapted to new data modalities without large modifications. In this work, in Chapter 5 we show that our method, developed for a conventional frame-based camera, can be used with a novel event-based camera, that has a higher dynamic range, smaller latency, and low power consumption. Instead of sampling intensity of all pixels with a fixed frequency, this camera asynchronously reports events of significant pixel intensity changes. To adopt our method to this new data modality, we propose a novel event sequence embedding module, that firstly aggregates information locally, across time, using a novel fully-connected layer for an irregularly sampled continuous domain, and then across discrete spatial domain. One interesting application of stereo is a reconstruction of a planet’s surface topography from satellite stereo images. In this work, in Chapter 6 we describe a geometric calibration method, as well as mosaicing and stereo reconstruction tools that we developed in the framework of the doctoral project for Color and Stereo Surface Imaging System onboard of ESA’s Trace Gas Orbiter, orbiting Mars. For the calibration, we propose a novel method, relying on starfield images because large focal lengths and complex optical distortion of the instrument forbid using standard methods. Scientific and practical results of this work are widely used by a scientific community. Note de contenu : 1- Introduction
2- Background
3- Weakly supervised learning of deep patch-matching cost
4- Applications-friendly deep stereo
5- Dense deep event-based stereo
6- Calibration of a satellite stereo system
7- ConclusionsNuméro de notice : 25795 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : Thèse de Doctorat : Sciences : Lausanne : 2020 En ligne : https://infoscience.epfl.ch/record/275342?ln=fr Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95025
Titre : Manual of Digital Earth Type de document : Monographie Auteurs : Huadong Guo, Auteur ; Michael F. Goodchild, Auteur ; Alessandro Annoni, Auteur Editeur : Springer International Publishing Année de publication : 2020 Importance : 852 p. ISBN/ISSN/EAN : 978-981-329-915-3 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Société de l'information
[Termes IGN] changement climatique
[Termes IGN] développement durable
[Termes IGN] données localisées numériques
[Termes IGN] données massives
[Termes IGN] données numériques
[Termes IGN] informatique en nuage
[Termes IGN] Infrastructure de données
[Termes IGN] intelligence artificielle
[Termes IGN] télédétectionRésumé : (éditeur) This open access book offers a summary of the development of Digital Earth over the past twenty years. By reviewing the initial vision of Digital Earth, the evolution of that vision, the relevant key technologies, and the role of Digital Earth in helping people respond to global challenges, this publication reveals how and why Digital Earth is becoming vital for acquiring, processing, analysing and mining the rapidly growing volume of global data sets about the Earth. The main aspects of Digital Earth covered here include: Digital Earth platforms, remote sensing and navigation satellites, processing and visualizing geospatial information, geospatial information infrastructures, big data and cloud computing, transformation and zooming, artificial intelligence, Internet of Things, and social media. Moreover, the book covers in detail the multi-layered/multi-faceted roles of Digital Earth in response to sustainable development goals, climate changes, and mitigating disasters, the applications of Digital Earth (such as digital city and digital heritage), the citizen science in support of Digital Earth, the economic value of Digital Earth, and so on. This book also reviews the regional and national development of Digital Earth around the world, and discusses the role and effect of education and ethics. Lastly, it concludes with a summary of the challenges and forecasts the future trends of Digital Earth. By sharing case studies and a broad range of general and scientific insights into the science and technology of Digital Earth, this book offers an essential introduction for an ever-growing international audience. Note de contenu : Part I Digital Earth Technologies
Part II Digital Earth for Multi-domain Applications
Part III Digital Earth Regional & National Development
Part IV Digital Earth Education and EthicsNuméro de notice : 25688 Affiliation des auteurs : non IGN Thématique : SOCIETE NUMERIQUE Nature : Monographie En ligne : https://doi.org/10.1007/978-981-32-9915-3 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94727 Modélisation des effets de la compétition interspécifique et des pratiques sylvicoles sur la croissance de jeunes plants forestiers / Jean-Charles Miquel (2020)
Titre : Modélisation des effets de la compétition interspécifique et des pratiques sylvicoles sur la croissance de jeunes plants forestiers Type de document : Thèse/HDR Auteurs : Jean-Charles Miquel, Auteur ; Catherine Collet, Directeur de thèse ; Mathieu Fortin, Directeur de thèse Editeur : Nancy, Metz : Université de Lorraine Année de publication : 2020 Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de docteur délivré par L’Institut des Sciences et Industries du Vivant et de l’Environnement (AgroParisTech), Spécialité : Biologie et écologie des forêts et des agrosystèmesLangues : Français (fre) Descripteur : [Termes IGN] capteur terrestre
[Termes IGN] croissance des arbres
[Termes IGN] données de terrain
[Termes IGN] données dendrométriques
[Termes IGN] données environnementales
[Termes IGN] état de l'art
[Termes IGN] Filicophyta
[Termes IGN] humidité du sol
[Termes IGN] intensité lumineuse
[Termes IGN] méthode de Monte-Carlo
[Termes IGN] modèle de croissance végétale
[Termes IGN] outil d'aide à la décision
[Termes IGN] peuplement forestier
[Termes IGN] Pinus sylvestris
[Vedettes matières IGN] SylvicultureIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La plantation est un outil intéressant pour mettre en œuvre des stratégies de gestion forestière et constitue également une étape critique du cycle de gestion forestière. Durant cette période, la préparation du site est très souvent employée pour assurer le succès de la plantation en l’allégeant de contraintes telles que la compétition exercée par la végétation accompagnatrice.Les modèles de croissance sont largement utilisés depuis de nombreuses années et sont des outils efficaces pour simuler l’impact des opérations sylvicoles et de la compétition. Toutefois, il n’existe actuellement en France aucun modèle de croissance des arbres permettant d'évaluer ou de comparer les opérations sylvicoles réalisées au cours des jeunes stades, même pour des essences commerciales cultivées couramment. La plupart d'entre eux sont des modèles phénoménologiques décrivant les variables dendrométriques en fonction des caractéristiques techniques des opérations sylvicoles réalisées. Ces modèles produisent généralement des prédictions robustes mais difficilement extrapolable en dehors de leurs conditions d’application. D’autres modèles, dit fonctionnels, se basent sur les processus écophysiologique afin d'estimer la croissance des semis mais nécessitent cependant d’un nombre de paramètres qui peuvent être difficiles à obtenir et, en outre, produisent des prévisions de croissance des arbres qui ne sont pas toujours solides. Des modèles hybrides qui mêlent méthodes de mensuration et méthodes écophysiologique sont une approche prometteuse qui permet d'utiliser des relations fonctionnelles exprimant la croissance des arbres tout en obtenant une prédiction robuste de la croissance. La fougère aigle (Pteridium aquilinum L. Kuhn) est l'une des espèces problématiques pour le succès des jeunes plantations. Elle réagit rapidement à l’ouverture de la canopée et se révèle très compétitrice pour les ressources du milieu (notamment l'eau et lumière), pouvant ainsi retarder le développement des jeunes arbres pendant plusieurs années. Note de contenu : 1. Introduction à la sylviculture
2. Régénération naturelle et plantation
2.1. La régénération naturelle
2.2. La plantation
3. La phase juvénile : définition et implications
4. La végétation compétitrice
4.1. Les différentes interactions régissant le monde végétal
4.2. La compétition
5. Notion de période critique
6. La modélisation en foresterie
6.1. Le modèle comme outil d’aide à la prise de décision
6.2. Les modèles juvéniles
6.3. Les différentes approches de modélisation en foresterie
6.4. Modèles phénoménologiques
6.5. Modèles écophysiologiques
6.6. Modèles hybrides
7. Objectifs de l’étude
Ch 1 : Modélisation de la croissance juvénile de plusieurs essences cultivées selon différents traitements de préparation du site
1. Introduction
1.1. La préparation de site
1.2. Objectif du chapitre
2. Matériels et méthodes
2.1. Sélection et organisation des données de croissance
2.2. Définition du modèle et analyses statistiques
3. Résultats
3.1. Résultats de diamètre
3.2. Résultats de hauteur
4. Discussion
5. Conclusions
6. Annexes du Chapitre 1
Ch 2 : Étude de l’impact de la compétition en eau et en lumière exercée par la fougère aigle sur la croissance de semis de pin sylvestre à travers la conception d’un modèle de croissance hybride
1. État de l’art et objectifs de l’étude
1.1. La compétition pour les ressources
1.2 Conséquences en termes de modélisation de la croissance
1.3. La compétition hydrique
1.4. La compétition pour la lumière
1.5. Le Pin sylvestre (Pinus sylvestris)
1.6. La fougère aigle (Pteridium aquilinum)
1.7. Rappel des enjeux de l’étude
2. Matériel et méthodes
2.1. Description du site expérimental
2.2. Protocole de mesure, d’acquisition et de traitement des données
2.3. Modélisation de la croissance
2.4. Intégration de la compétition dans le modèle de croissance
2.5. Simulation sur l’année par Monte-Carlo
3. Résultats
3.1. Données récoltées sur la campagne de mesure 2018
3.2. Modèle de croissance
3.3. Modèle composé
3.4. Influence de la compétition
3.5. Projection du modèle de croissance sur 2018 et 2019
4. Discussion
4.1. Problématique et originalité du travail
4.2. Discussion autour du choc de transplantation
4.3. Résultats dendrométriques
4.4. Modèle de croissance
4.5. Modèle étendu
5. Bilan et perspectives
6. Annexes du Chapitre 2
Conclusion généraleNuméro de notice : 26525 Affiliation des auteurs : non IGN Thématique : FORET Nature : Thèse française Note de thèse : Thèse de Doctorat : Biologie et écologie des forêts et des agrosystèmes : Lorraine : 2020 Organisme de stage : Institut des Sciences et Industries du Vivant et de l’Environnement (AgroParisTech) nature-HAL : Thèse Date de publication en ligne : 08/04/2021 En ligne : https://pastel.archives-ouvertes.fr/tel-03191601/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97511 A new cellular automata framework of urban growth modeling by incorporating statistical and heuristic methods / Yongjiu Feng in International journal of geographical information science IJGIS, vol 34 n° 1 (January 2020)PermalinkOn the joint exploitation of optical and SAR satellite imagery for grassland monitoring / Anatol Garioud (2020)PermalinkPhotogrammetric Bathymetry for the Canadian Arctic / Matus Hodul in Marine geodesy, Vol 43 n° 1 (January 2020)PermalinkPredicting carbon accumulation in temperate forests of Ontario, Canada using a LiDAR-initialized growth-and-yield model / Paulina T. Marczak in Remote sensing, vol 12 n° 1 (January 2020)PermalinkPermalinkPermalinkRecherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois / Margarita Khokhlova (2020)PermalinkRegional-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)PermalinkPermalinkRevealing the Correlation between Population Density and the Spatial Distribution of Urban Public Service Facilities with Mobile Phone Data / Yi Shi in ISPRS International journal of geo-information, Vol 9 n° 1 (January 2020)Permalink