Descripteur
Termes IGN > sciences naturelles > sciences de la Terre et de l'univers > géosciences > géologie > mouvement de terrain
mouvement de terrainVoir aussi |
Documents disponibles dans cette catégorie (289)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Etendre la recherche sur niveau(x) vers le bas
Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique / Thomas Bernard (2022)
![]()
Titre : Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique Type de document : Thèse/HDR Auteurs : Thomas Bernard, Auteur ; Dimitri Lague, Directeur de thèse ; Philippe Davy, Directeur de thèse Editeur : Rennes : Université de Rennes 1 Année de publication : 2022 Importance : 253 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université Rennes 1, Spécialité Sciences de la Terre et de l’EnvironnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] analyse du paysage
[Termes IGN] détection de changement
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] effondrement de terrain
[Termes IGN] géomorphologie locale
[Termes IGN] modèle hydrographique
[Termes IGN] Nouvelle-Zélande
[Termes IGN] semis de points
[Termes IGN] télémétrie laser aéroportéIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’objectif fondamental de la géomorphologie est l’identification et la caractérisation des processus façonnant les paysages. En fournissant une représentation 3D haute précision et haute densité des paysages, le LiDAR aéroporté a révolutionné notre capacité à extraire des informations sur la topographie fournissant ainsi de nouvelles opportunités pour l’identification et la compréhension des processus géomorphologiques. Ce potentiel reste sous-exploité dans de nombreuses problématiques en géomorphologie du fait de l’incapacité des méthodes d’analyse actuelles à exploiter la richesse d’information fournie par le LiDAR aéroporté. Cette thèse intègre les derniers développements sur la simulation hydraulique 2D et la détection de changements 3D afin d’améliorer les méthodes d’analyse pour (i) la description de la structure des paysages fluviaux et (ii) l’identification et l’analyse géométrique des glissements de terrain à haute résolution. Les principaux résultats montrent que la simulation hydraulique 2D permet la définition d’indicateurs hydro-géomorphiques prenant pleinement en compte la structure haute résolution des écoulements de surface. Ces indicateurs permettent une meilleure identification des connexions versants-rivières et la caractérisation de la géométrie hydraulique des chenaux. L’intégration de la détection de changement 3D permet d’exploiter la structure 3D des données LiDAR pour la création d’inventaires robustes, complets et objectifs des glissements de terrain. Cette approche permet une meilleure quantification du volume des glissements de terrain en comparaison des approches traditionnelles. Note de contenu : Introduction générale
1- Etat de l'Art et problématiques
2- Apports de la simulation hydraulique 2D dans l’analyse morphologique haute résolution des paysages
3- Détection semi-automatique et analyses géométriques des glissements de terrain à partir de LiDAR aéroporté répété
4- Approche méthodologique préliminaire pour l’analyse morphodynamique des paysages à la suite de perturbations exogènes par LiDAR aéroporté répété et simulation hydraulique 2D
5- Conclusions et perspectivesNuméro de notice : 24024 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l’Environnement : Rennes 1 : 2022 Organisme de stage : Géosciences DOI : sans En ligne : https://tel.hal.science/tel-03783246 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101820 Combining a class-weighted algorithm and machine learning models in landslide susceptibility mapping: A case study of Wanzhou section of the Three Gorges Reservoir, China / Huijuan Zhang in Computers & geosciences, vol 158 (January 2022)
![]()
[article]
Titre : Combining a class-weighted algorithm and machine learning models in landslide susceptibility mapping: A case study of Wanzhou section of the Three Gorges Reservoir, China Type de document : Article/Communication Auteurs : Huijuan Zhang, Auteur ; Yingxu Song, Auteur ; Shiluo Xu, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 104966 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] aléa
[Termes IGN] apprentissage automatique
[Termes IGN] base de données localisées
[Termes IGN] cartographie des risques
[Termes IGN] Chine
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] effondrement de terrain
[Termes IGN] modèle de simulation
[Termes IGN] régression géographiquement pondérée
[Termes IGN] régression logistique
[Termes IGN] risque naturel
[Termes IGN] Trois Gorges, barrage desRésumé : (auteur) This study aims to investigate the application of a class-weighted algorithm combined with conventional machine learning model (logistic regression (LR)) and ensemble machine learning models (LightGBM and random forest (RF)) to the landslide susceptibility evaluation. Wanzhou section of the Three Gorges Reservoir area, China, frequently suffering numerous landslides, is chosen as an example. The class-weighted algorithm focuses on the class-imbalanced issue of landslide and non-landslide samples, and it can turn the class-imbalanced issue into a cost-sensitive machine learning by setting unequal weights for different classes, which contribute to improving the accuracy of landslide susceptibility evaluation. The landslide inventory database was produced by field investigation and remote sensing images derived from Google Earth. Of the 233 landslides in the inventory, 40% were used for validation, and the remaining 60% were used for training purposes. Twelve environmental parameters (elevation, slope, aspect, curvature, distance to river, NDVI, NDWI, rainfall, seismic intensity, land use, TRI, lithology) were treated as inputs of the models to produce a landslide susceptibility map (LSM). The AUC value, Balanced accuracy, and Geometric mean score were utilized to estimate the quality of models. The result shows that the weighted models (weighted logistic regression (WLR), weighted LightGBM (WLightGBM), weighted random forest (WRF) have higher AUC values, Balanced accuracy, and Geometric mean scores than those of unweighted methods, which demonstrates that the weighted models exhibit better than unweighted models, with the WRF model having the best performance. The landslide susceptibility map of the Wanzhou section displays that the high and very high landslide susceptibility zones are mainly distributed on both sides of the river. The insights from this research will be useful for ameliorating the landslide susceptibility mapping and the prevention and mitigation for the Wanzhou section. Numéro de notice : A2022-029 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1016/j.cageo.2021.104966Get rights and content Date de publication en ligne : 27/10/2021 En ligne : https://doi.org/10.1016/j.cageo.2021.104966Get rights and content Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99268
in Computers & geosciences > vol 158 (January 2022) . - n° 104966[article]Estimation of Lesser Antilles vertical velocity fields using a GNSS-PPP software comparison / Pierre Sakic-Kieffer (2022)
![]()
Titre : Estimation of Lesser Antilles vertical velocity fields using a GNSS-PPP software comparison Type de document : Article/Communication Auteurs : Pierre Sakic-Kieffer, Auteur ; Benjamin Männel, Auteur ; Markus Bradke, Auteur ; et al., Auteur Editeur : Springer Nature Année de publication : 2022 Conférence : IAG 2019, General Assembly 08/07/2019 18/07/2019 Montreal Canada OA proceedings Importance : pp 169 - 180 Format : 16 x 24 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale
[Termes IGN] Antilles (îles des)
[Termes IGN] champ de vitesse
[Termes IGN] données GNSS
[Termes IGN] positionnement ponctuel précis
[Termes IGN] série temporelle
[Termes IGN] subsidenceRésumé : (auteur) Vertical land motion in insular areas is a crucial parameter to estimate the relative sea-level variations which impact coastal populations and activities. In subduction zones, it is also a relevant proxy to estimate the locking state of the plate interface. This motion can be measured using Global Navigation Satellite Systems (GNSS), such as the Global Positioning System (GPS). However, the influence of the processing software and the geodetic products (orbits and clock offsets) used for the solution remains barely considered for geophysics studies. In this study, we process GNSS observations of Guadeloupe and Martinique network (Lesser Antilles). It consists of 40 stations over a period of 18 years for the oldest site. We provide an updated vertical velocity field determined with two different geodetic software, namely EPOS (Gendt et al, GFZ analysis center of IGS–Annual Report. IGS 1996 Annual Report, pp 169–181, 1998) and GINS (Marty et al, GINS: the CNES/GRGS GNSS scientific software. In: 3rd International colloquium scientific and fundamental aspects of the Galileo programme, ESA proceedings WPP326, vol 31, pp 8–10, 2011) using their Precise Point Positioning modes. We used the same input models and orbit and clock offset products to maintain a maximum of consistency, and then compared the obtained results to get an estimation of the time series accuracy and the software influence on the solutions. General consistency between the solutions is noted, but significant velocity differences exist (at the mm/yr level) for some stations. Numéro de notice : C2019-079 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : https://link.springer.com/chapter/10.1007/1345_2020_101 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102747 A GIS-based landslide susceptibility mapping and variable importance analysis using artificial intelligent training-based methods / Pengxiang Zhao in Remote sensing, vol 14 n° 1 (January-1 2022)
![]()
[article]
Titre : A GIS-based landslide susceptibility mapping and variable importance analysis using artificial intelligent training-based methods Type de document : Article/Communication Auteurs : Pengxiang Zhao, Auteur ; Zohreh Masoumi, Auteur ; Maryam Kalantari, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 211 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG
[Termes IGN] aléa
[Termes IGN] analyse comparative
[Termes IGN] apprentissage profond
[Termes IGN] cartographie des risques
[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] effondrement de terrain
[Termes IGN] Iran
[Termes IGN] modèle numérique de surface
[Termes IGN] régression logistique
[Termes IGN] réseau neuronal artificiel
[Termes IGN] risque naturel
[Termes IGN] système d'information géographiqueRésumé : (auteur) Landslides often cause significant casualties and economic losses, and therefore landslide susceptibility mapping (LSM) has become increasingly urgent and important. The potential of deep learning (DL) like convolutional neural networks (CNN) based on landslide causative factors has not been fully explored yet. The main target of this study is the investigation of a GIS-based LSM in Zanjan, Iran and to explore the most important causative factor of landslides in the case study area. Different machine learning (ML) methods have been employed and compared to select the best results in the case study area. The CNN is compared with four ML algorithms, including random forest (RF), artificial neural network (ANN), support vector machine (SVM), and logistic regression (LR). To do so, sixteen landslide causative factors have been extracted and their related spatial layers have been prepared. Then, the algorithms were trained with related landslide and non-landslide points. The results illustrate that the five ML algorithms performed suitably (precision = 82.43–85.6%, AUC = 0.934–0.967). The RF algorithm achieves the best result, while the CNN, SVM, the ANN, and the LR have the best results after RF, respectively, in this case study. Moreover, variable importance analysis results indicate that slope and topographic curvature contribute more to the prediction. The results would be beneficial to planning strategies for landslide risk management. Numéro de notice : A2022-056 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.3390/rs14010211 Date de publication en ligne : 04/01/2022 En ligne : https://doi.org/10.3390/rs14010211 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99459
in Remote sensing > vol 14 n° 1 (January-1 2022) . - n° 211[article]Landslide evolution pattern revealed by multi-temporal DSMs obtained from historical aerial images / Michele Santangelo (2022)
![]()
Titre : Landslide evolution pattern revealed by multi-temporal DSMs obtained from historical aerial images Type de document : Article/Communication Auteurs : Michele Santangelo, Auteur ; Lulin Zhang , Auteur ; Ewelina Rupnik
, Auteur ; Marc Pierrot-Deseilligny
, Auteur ; Mauro Cardinali, Auteur
Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2022 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B2 Projets : 3-projet - voir note / Conférence : ISPRS 2022, Commission 2, 24th ISPRS international congress, Imaging today, foreseeing tomorrow 06/06/2022 11/06/2022 Nice France OA ISPRS Archives Importance : pp 1085 - 1092 Format : 21 x 30 cm Note générale : bibliographie
The research is supported by the Civil Protection of the Apulia region, in the framework of the project ‘Integrated assessment of geo-hydrological instability phenomena in the Apulia region, interpretative models and definition of rainfall thresholds for landslide triggering’ funded by the P.O.R. Puglia 2014-2020, Asse V - Azione 5.1. [Project identification number: B82F16003840006]Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse comparative
[Termes IGN] chaîne de traitement
[Termes IGN] effondrement de terrain
[Termes IGN] image ancienne
[Termes IGN] MicMac
[Termes IGN] modèle numérique de surface
[Termes IGN] photographie aérienne à axe vertical
[Termes IGN] Pouilles (Italie)Résumé : (auteur) Numéro de notice : C2022-017 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B2-2022-1085-2022 Date de publication en ligne : 30/05/2022 En ligne : https://doi.org/10.5194/isprs-archives-XLIII-B2-2022-1085-2022 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100843 Modalités et rythmes d'évolution des falaises des Vaches Noires (Normandie, France) : caractérisation et quantification des dynamiques hydrogravitaires par approches multi-scalaires / Thomas Roulland (2022)
PermalinkModélisation du lien entre éruptions et glissements de flancs au Piton de la Fournaise / Quentin Dumont (2022)
PermalinkA rapid assessment method for earthquake-induced landslide casualties based on GIS and logistic regression model / Yuqian Dai in Geomatics, Natural Hazards and Risk, vol 13 (2022)
PermalinkThree-dimensional simulations of rockfalls in Ischia, Southern Italy, and preliminary susceptibility zonation / Massimiliano Alvioli in Geomatics, Natural Hazards and Risk, vol 13 (2022)
PermalinkA comparative approach of support vector machine kernel functions for GIS-based landslide susceptibility mapping / Khalil Valizadeh Kamran in Applied geomatics, vol 13 n° 4 (December 2021)
PermalinkLand subsidence in Beijing’s sub-administrative center and its relationship with urban expansion inferred from Sentinel-1/2 observations / Jin Cao in Canadian journal of remote sensing, vol 47 n° 6 ([01/11/2021])
PermalinkPersistent scatterer interferometry for Pettimudi (India) landslide monitoring using Sentinel-1A images / Hari Shankar in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 11 (November 2021)
PermalinkEvaluation of methods for connecting InSAR to a terrestrial reference frame in the Latrobe Valley, Australia / P.J. Johnston in Journal of geodesy, vol 95 n° 10 (October 2021)
PermalinkInvestigation of the landslides in Beylikdüzü-Esenyurt districts of Istanbul from InSAR and GNSS observations / Caglar Bayik in Natural Hazards, vol 109 n° 1 (October 2021)
PermalinkLandslide susceptibility prediction based on image semantic segmentation / Bowen Du in Computers & geosciences, vol 155 (October 2021)
Permalink