Descripteur
Termes IGN > 1- Outils - instruments et méthodes > document > document géographique
document géographique |
Documents disponibles dans cette catégorie (3686)
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
Landuse and land cover identification and disaggregating socio-economic data with convolutional neural network / Jingtao Yao in Geocarto international, vol 35 n° 10 ([01/08/2020])
[article]
Titre : Landuse and land cover identification and disaggregating socio-economic data with convolutional neural network Type de document : Article/Communication Auteurs : Jingtao Yao, Auteur ; Xiangbin Kong, Auteur ; Rattan Lal, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 1109 - 1123 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte thématique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] densité de population
[Termes IGN] désagrégation
[Termes IGN] données socio-économiques
[Termes IGN] image Landsat-8
[Termes IGN] occupation du sol
[Termes IGN] utilisation du solRésumé : (auteur) Numéro de notice : A2020-427 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1568587 Date de publication en ligne : 18/03/2019 En ligne : https://doi.org/10.1080/10106049.2019.1568587 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95493
in Geocarto international > vol 35 n° 10 [01/08/2020] . - pp 1109 - 1123[article]Small‐area patch‐merging method accounting for both local constraints and the overall area balance / Chengming Li in Transactions in GIS, Vol 24 n° 4 (August 2020)
[article]
Titre : Small‐area patch‐merging method accounting for both local constraints and the overall area balance Type de document : Article/Communication Auteurs : Chengming Li, Auteur ; Yong Yin, Auteur ; Zhaoxin Dai, Auteur Année de publication : 2020 Article en page(s) : 21 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] contrainte relationnelle
[Termes IGN] fusion (généralisation)
[Termes IGN] itération
[Termes IGN] Kouangtoung (Chine)
[Termes IGN] parcelle agricole
[Termes IGN] structure hiérarchique de données
[Termes IGN] superficie
[Termes IGN] Triangulated Irregular Network
[Termes IGN] triangulation de Delaunay
[Termes IGN] utilisation du sol
[Vedettes matières IGN] GénéralisationRésumé : (auteur) Small‐area patch merging is a common operation in land use data generalization. However, existing research on small‐area patch merging has mainly focused on local compatibility measures, which often lead to area imbalances among land use types from a global perspective. To address the shortcomings of previous studies by resolving local and global concerns simultaneously, this article proposes a merging method that considers both local constraints and the overall area balance. First, a local optimization model that considers three constraints—namely, the areas of neighboring patches, the lengths of shared arcs, and semantic similarity—is established. The areas of small patches are first pre‐allocated. Subsequently, in accordance with an area change threshold for individual land use types, land use types with area changes that exceed this threshold are identified. The patches corresponding to these land use types are subjected to iterative adjustments while considering the overall area balance. Based on their area splitting abilities, the split lines for small‐area patches are determined, and small‐area patches are merged. Finally, actual data from Guangdong Province are used for validation. The experimental results demonstrate that the proposed method is capable of preserving the local compatibility of patches while balancing the overall area associated with each land use type. Numéro de notice : A2020-672 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12634 Date de publication en ligne : 29/05/2020 En ligne : https://doi.org/10.1111/tgis.12634 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96157
in Transactions in GIS > Vol 24 n° 4 (August 2020) . - 21 p.[article]Can we characterize river corridor evolution at a continental scale from historical topographic maps? A first assessment from the comparison of four countries / J. Horacio Garcia in River Research and Applications, vol 36 n° 6 (July 2020)
[article]
Titre : Can we characterize river corridor evolution at a continental scale from historical topographic maps? A first assessment from the comparison of four countries Type de document : Article/Communication Auteurs : J. Horacio Garcia, Auteur ; Samuel Dunesme , Auteur ; Hervé Piegay, Auteur Année de publication : 2020 Projets : EUR H20'Lyon / Article en page(s) : pp 934 - 946 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] Belgique
[Termes IGN] carte ancienne
[Termes IGN] corridor biologique
[Termes IGN] dix-neuvième siècle
[Termes IGN] forêt ripicole
[Termes IGN] géomorphologie locale
[Termes IGN] rivière
[Termes IGN] Suisse
[Termes IGN] vectorisationRésumé : (auteur) National historical map resources are assessed in four European countries to characterize river corridor features and associated channel changes, as well as identify issues limiting or promoting geomorphic assessment procedures at a continental scale. A geomorphic audit that launches potential data for diagnosis from reach to continental scales could offer a good resource for biology and ecology managers of river authorities or government agencies and engineers. The assessment compares the resources available by country in terms of period covered, spatial scale, history and chronology, and representation of the fluvial corridor features. We then applied the Historical Maps Vectorization Toolbox, initially developed for vectorizing river corridors from French maps, to detect and extract flow channels, unvegetated bars and riparian vegetation patches from historical topographical maps. We found that (a) it is difficult to apply an audit of channel changes to the whole continental scale because map legends differ between countries due to geographic and political specificity; (b) there exists an opportunity to get assessment information in all countries at reach or national scale where map resources are available; (c) the highest potential is observed in Switzerland and Belgium where there is high quality national map coverage from the 19th century; and (d) the algorithm Historical Maps Vectorization Toolbox applied to map resources works well with any of the countries, and its widespread application is encouraging. Numéro de notice : A2020-362 Affiliation des auteurs : ENSG+Ext (2012-2019) Thématique : FORET/GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1002/rra.3582 Date de publication en ligne : 30/12/2019 En ligne : https://doi.org/10.1002/rra.3582 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95333
in River Research and Applications > vol 36 n° 6 (July 2020) . - pp 934 - 946[article]Cartographie des surfaces pastorales à l’aide des données Sentinel 2 L3A et des données ouvertes : Promesses et réalités / Urcel Kalenga Tshingomba in Revue internationale de géomatique, vol 30 n° 3-4 (juillet - décembre 2020)
[article]
Titre : Cartographie des surfaces pastorales à l’aide des données Sentinel 2 L3A et des données ouvertes : Promesses et réalités Titre original : Mapping of pastoral areas using Sentinel 2 L3A data and open data. Promises and realities Type de document : Article/Communication Auteurs : Urcel Kalenga Tshingomba, Auteur ; Magali Jouven, Auteur ; Lucile Sautot, Auteur ; Imad Shaqura, Auteur ; Maguelonne Teisseire, Auteur Année de publication : 2020 Article en page(s) : pp 245 - 277 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] BD forêt
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données ouvertes
[Termes IGN] image Sentinel-MSI
[Termes IGN] Occitanie (région 2016)
[Termes IGN] parcours
[Termes IGN] Provence-Alpes-Côte d'Azur
[Termes IGN] Registre parcellaire graphiqueRésumé : (auteur) Dans cet article, les auteurs expérimentent une démarche permettant de produire une cartographie cohérente de l’occupation des sols des surfaces des parcours en zones périméditerranéennes françaises représentées par les régions Occitanie et Provence-Alpes-Côte d’Azur. Quatre différentes sources de données sont utilisées : l’occupation des sols millésime OSO (OSO), le Registre parcellaire graphique (RPG), la BD-Forêt V.2.0 et les données satellites Sentinel 2 L3A. Le RPG de 2019 et la BD-Forêt actualisée en 2018 ont été utilisés comme principale source de données de référence pour l’entraînement des modèles en vue de classifier les objets OSO 2019 de faible F-score, après extraction des variables spectrales, et des indices spectraux et texturaux issus des données Sentinel 2 L3A. Trois différentes tailles de données de référence ont été constituées. Ensuite 6 modèles ont été entraînés en utilisant l’algorithme Random Forest (RF) dont 3 modèles à partir des 3 jeux de données, intégrant toutes les variables extraites (98) et 3 modèles en reprenant uniquement les variables importantes (30) définies par le RF. Les résultats montrent des précisions globales stables pour tous les jeux de données utilisés et produisent une meilleure discrimination de 3 classes sur 4 : les pelouses, les cultures pérennes et les forêts. Les landes ne sont pas bien discriminées à cause de leur forte hétérogénéité spatiale. Numéro de notice : A2022-324 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.3166/rig.2021.00112 Date de publication en ligne : 20/04/2022 En ligne : https://doi.org/10.3166/rig.2021.00112 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100479
in Revue internationale de géomatique > vol 30 n° 3-4 (juillet - décembre 2020) . - pp 245 - 277[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 047-2020021 SL Revue Centre de documentation Revues en salle Disponible Evaluating techniques for mapping island vegetation from unmanned aerial vehicle (UAV) images: Pixel classification, visual interpretation and machine learning approaches / S.M. Hamylton in International journal of applied Earth observation and geoinformation, vol 89 (July 2020)
[article]
Titre : Evaluating techniques for mapping island vegetation from unmanned aerial vehicle (UAV) images: Pixel classification, visual interpretation and machine learning approaches Type de document : Article/Communication Auteurs : S.M. Hamylton, Auteur ; R.H. Morris, Auteur ; R.C. Carvalho, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : n° 102085 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] carte de la végétation
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification pixellaire
[Termes IGN] détection de changement
[Termes IGN] données de terrain
[Termes IGN] image captée par drone
[Termes IGN] Nouvelle-Galles du Sud
[Termes IGN] pesticide
[Termes IGN] réserve naturelle
[Termes IGN] série temporelle
[Termes IGN] surveillance de la végétationRésumé : (auteur) We evaluate three approaches to mapping vegetation using images collected by an unmanned aerial vehicle (UAV) to monitor rehabilitation activities in the Five Islands Nature Reserve, Wollongong (Australia). Between April 2017 and July 2018, four aerial surveys of Big Island were undertaken to map changes to island vegetation following helicopter herbicide sprays to eradicate weeds, including the creeper Coastal Morning Glory (Ipomoea cairica) and Kikuyu Grass (Cenchrus clandestinus). The spraying was followed by a large scale planting campaign to introduce native plants, such as tussocks of Spiny-headed Mat-rush (Lomandra longifolia). Three approaches to mapping vegetation were evaluated, including: (i) a pixel-based image classification algorithm applied to the composite spectral wavebands of the images collected, (ii) manual digitisation of vegetation directly from images based on visual interpretation, and (iii) the application of a machine learning algorithm, LeNet, based on a deep learning convolutional neural network (CNN) for detecting planted Lomandra tussocks. The uncertainty of each approach was assessed via comparison against an independently collected field dataset. Each of the vegetation mapping approaches had a comparable accuracy; for a selected weed management and planting area, the overall accuracies were 82 %, 91 % and 85 % respectively for the pixel based image classification, the visual interpretation / digitisation and the CNN machine learning algorithm. At the scale of the whole island, statistically significant differences in the performance of the three approaches to mapping Lomandra plants were detected via ANOVA. The manual digitisation took a longer time to perform than others. The three approaches resulted in markedly different vegetation maps characterised by different digital data formats, which offered fundamentally different types of information on vegetation character. We draw attention to the need to consider how different digital map products will be used for vegetation management (e.g. monitoring the health individual species or a broader profile of the community). Where individual plants are to be monitored over time, a feature-based approach that represents plants as vector points is appropriate. The CNN approach emerged as a promising technique in this regard as it leveraged spatial information from the UAV images within the architecture of the learning framework by enforcing a local connectivity pattern between neurons of adjacent layers to incorporate the spatial relationships between features that comprised the shape of the Lomandra tussocks detected. Numéro de notice : A2020-716 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.jag.2020.102085 Date de publication en ligne : 03/03/2020 En ligne : https://doi.org/10.1016/j.jag.2020.102085 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96287
in International journal of applied Earth observation and geoinformation > vol 89 (July 2020) . - n° 102085[article]Exploratory bivariate and multivariate geovisualizations of a social vulnerability index / Georgianna Strode in Cartographic perspectives, n° 95 (July 2020)PermalinkLa gratuité, une histoire ancienne... / Anonyme in Géomètre, n° 2182 (juillet - août 2020)PermalinkImproved crop classification with rotation knowledge using Sentinel-1 and -2 time series / Sébastien Giordano in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 7 (July 2020)PermalinkMapping the condition of macadamia tree crops using multi-spectral UAV and WorldView-3 imagery / Kasper Johansen in ISPRS Journal of photogrammetry and remote sensing, vol 165 (July 2020)PermalinkMapping the French green infrastructure – an exercise in homogenizing heterogeneous regional data / Lucille Billon in International journal of cartography, Vol 6 n° 2 (July 2020)PermalinkRoles of horizontal and vertical tree canopy structure in mitigating daytime and nighttime urban heat island effects / Jike Chen in International journal of applied Earth observation and geoinformation, vol 89 (July 2020)PermalinkSimulating urban land use change by integrating a convolutional neural network with vector-based cellular automata / Yaqian Zhai in International journal of geographical information science IJGIS, vol 34 n° 7 (July 2020)PermalinkThe image of subsurface geology / Ane Bang-Kittilsen in International journal of cartography, Vol 6 n° 2 (July 2020)PermalinkTriangulation network of 1929–1944 of the first 1:500 urban map of València / Miriam Villar-Cano in Survey review, vol 52 n° 373 (July 2020)PermalinkAn integrated approach for detection and prediction of greening situation in a typical desert area in China and its human and climatic factors analysis / Lei Zhou in ISPRS International journal of geo-information, vol 9 n° 6 (June 2020)PermalinkCartographic inference: a peircean perspective / Gordon A. Cromley in Cartographica, vol 55 n° 2 (Summer 2020)PermalinkA change of theme: the role of generalization in thematic mapping / Paulo Raposo in ISPRS International journal of geo-information, vol 9 n° 6 (June 2020)PermalinkFine-grained landuse characterization using ground-based pictures: a deep learning solution based on globally available data / Shivangi Srivastava in International journal of geographical information science IJGIS, vol 34 n° 6 (June 2020)PermalinkHydrogeology of the western Po plain (Piedmont, NW Italy) / Domenico Antonio De Luca in Journal of maps, vol 16 n° 2 ([01/06/2020])PermalinkMapping aboveground biomass and its prediction uncertainty using LiDAR and field data, accounting for tree-level allometric and LiDAR model errors / Svetlana Saarela in Forest ecosystems, vol 7 (2020)PermalinkMapping forest age using National Forest Inventory, airborne laser scanning, and Sentinel-2 data / Johannes Schumacher in Forest ecosystems, vol 7 (2020)PermalinkSketch maps for searching in spatial data / Ali Zare Zardiny in Transactions in GIS, Vol 24 n° 3 (June 2020)PermalinkStorytelling for making cartographic design decisions for climate change communication in the United States / Carolyn Fish in Cartographica, vol 55 n° 2 (Summer 2020)PermalinkTraffic signal detection from in-vehicle GPS speed profiles using functional data analysis and machine learning / Yann Méneroux in International Journal of Data Science and Analytics JDSA, vol 10 n° 1 (June 2020)PermalinkAutomatic extraction of road intersection points from USGS historical map series using deep convolutional neural networks / Mahmoud Saeedimoghaddam in International journal of geographical information science IJGIS, vol 34 n° 5 (May 2020)Permalink