Centre de documentation
scientifique

Evaluation de la qualité des mesures de croissance pluriannuelles des données d’inventaire forestier national en vue de leur utilisation en monitoring à haute fréquence de la production forestière / Félix Altenhoven (2021) 

Public Titre : Evaluation de la qualité des mesures de croissance pluriannuelles des données d’inventaire forestier national en vue de leur utilisation en monitoring à haute fréquence de la production forestière Type de document : Mémoire Auteurs : Félix Altenhoven, Auteur Editeur : Paris, Nancy, ... : AgroParisTech (2007 -) Année de publication : 2021 Autre Editeur : Nancy, Metz : Université de Lorraine Note générale : Mémoire de stage, soutenu à Nancy le 03/09/2021 MASTER AETPF Agrosciences, Environnement, Territoire, Paysage, Forêt Langues : Français (fre) Descripteur : [Termes IGN] cerne [Termes IGN] erreur aléatoire [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] mesurage [Vedettes matières IGN] Inventaire forestier Index. décimale : MASTX Mémoires de masters divers Résumé : (auteur) [...] Lors de chaque campagne [d'inventaire forestier], environ 6000 placettes d’inventaire réparties partout en France sont visitées sur le terrain pour y décrire la forêt en place. Sur chaque placette, une carotte courte est prélevée sur chaque arbre vif afin de mesurer son accroissement radial cumulé lors des cinq dernières années (ou IR5). [...] L’objectif de ce stage de fin d’étude est de vérifier s’il existe une différence significative entre les valeurs de mesure d’IR5 obtenues sur le terrain, et celles obtenues en laboratoire pour une campagne de prélèvement donnée. Un autre objectif de ce stage est d’identifier les biais de mesures qui altèrent la précision des données. Note de contenu : 1-Contexte et objectifs 2-Matériel et méthode 3-Résultats 4-Discussion 5-Conclusion et perspectives Numéro de notice : 17528 Affiliation des auteurs : non IGN Thématique : FORET Nature : Mémoire masters divers Organisme de stage : LIF (IGN) DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99218

Documents numériques

peut être téléchargé Evaluation de la qualité des mesures ... - pdf auteur Adobe Acrobat PDF

Self-tuning robust adjustment within multivariate regression time series models with vector-autoregressive random errors / Boris Kargoll in Journal of geodesy, vol 94 n° 5 (May 2020)  

Public [article]  inJournal of geodesy > vol 94 n° 5 (May 2020) Titre : Self-tuning robust adjustment within multivariate regression time series models with vector-autoregressive random errors Type de document : Article/Communication Auteurs : Boris Kargoll, Auteur ; Gaël Kermarrec, Auteur ; Hamza Alkhatib, Auteur ; Johannes Korte, Auteur Année de publication : 2020 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques [Termes IGN] algorithme espérance-maximisation [Termes IGN] analyse vectorielle [Termes IGN] auto-régression [Termes IGN] bruit blanc [Termes IGN] corrélation croisée normalisée [Termes IGN] erreur aléatoire [Termes IGN] méthode de Monte-Carlo [Termes IGN] modèle stochastique [Termes IGN] régression linéaire [Termes IGN] série temporelle [Termes IGN] station GPS [Termes IGN] valeur aberrante Résumé : (auteur) The iteratively reweighted least-squares approach to self-tuning robust adjustment of parameters in linear regression models with autoregressive (AR) and t-distributed random errors, previously established in Kargoll et al. (in J Geod 92(3):271–297, 2018. https://doi.org/10.1007/s00190-017-1062-6), is extended to multivariate approaches. Multivariate models are used to describe the behavior of multiple observables measured contemporaneously. The proposed approaches allow for the modeling of both auto- and cross-correlations through a vector-autoregressive (VAR) process, where the components of the white-noise input vector are modeled at every time instance either as stochastically independent t-distributed (herein called “stochastic model A”) or as multivariate t-distributed random variables (herein called “stochastic model B”). Both stochastic models are complementary in the sense that the former allows for group-specific degrees of freedom (df) of the t-distributions (thus, sensor-component-specific tail or outlier characteristics) but not for correlations within each white-noise vector, whereas the latter allows for such correlations but not for different dfs. Within the observation equations, nonlinear (differentiable) regression models are generally allowed for. Two different generalized expectation maximization (GEM) algorithms are derived to estimate the regression model parameters jointly with the VAR coefficients, the variance components (in case of stochastic model A) or the cofactor matrix (for stochastic model B), and the df(s). To enable the validation of the fitted VAR model and the selection of the best model order, the multivariate portmanteau test and Akaike’s information criterion are applied. The performance of the algorithms and of the white noise test is evaluated by means of Monte Carlo simulations. Furthermore, the suitability of one of the proposed models and the corresponding GEM algorithm is investigated within a case study involving the multivariate modeling and adjustment of time-series data at four GPS stations in the EUREF Permanent Network (EPN). Numéro de notice : A2020-291 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s00190-020-01376-6 Date de publication en ligne : 10/05/2020 En ligne : https://doi.org/10.1007/s00190-020-01376-6 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95120 [article]

La Terre en 4D : apport des séries temporelles de modèles numériques d'élévation par photogrammétrie spatiale pour l'étude de la surface terrestre / César Deschamps-Berger in Revue Française de Photogrammétrie et de Télédétection, n° 221 (novembre 2019)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 221 (novembre 2019) . - pp 23 - 35 Titre : La Terre en 4D : apport des séries temporelles de modèles numériques d'élévation par photogrammétrie spatiale pour l'étude de la surface terrestre Type de document : Article/Communication Auteurs : César Deschamps-Berger, Auteur ; Simon Gascoin, Auteur ; Etienne Berthier, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 23 - 35 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] erreur aléatoire [Termes IGN] erreur systématique [Termes IGN] modèle numérique de surface [Termes IGN] observation de la Terre [Termes IGN] photogrammétrie spatiale [Termes IGN] série temporelle Résumé : (Auteur) Cet article présente une revue des applications en géosciences des séries temporelles de modèles numériques d'élévation (MNE) calculés par photogrammétrie spatiale pour l'observation des changements géométriques à la surface terrestre. Les premières utilisations de MNE dans ce contexte émergent au début des années 2000, facilitées par la multiplication des satellites imageurs haute ou moyenne résolution. La disponibilité des images satellite stéréoscopiques est retracée depuis ses débuts militaires jusqu'à sa propagation dans le civil. Les différentes méthodes de traitement de MNE multi-temporels sont présentées ainsi que leur utilisation dans les travaux scientifiques en glaciologie, hydrologie, volcanologie, sismologie, et en géomorphologie. Grâce à l'amélioration constante de la qualité et résolution des images, le spectre des phénomènes observés devrait continuer de s'étendre. Numéro de notice : A2019-562 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2019.430 Date de publication en ligne : 28/02/2020 En ligne : https://doi.org/10.52638/rfpt.2019.430 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94427 [article]

A Stepwise-Then-Orthogonal Regression (STOR) with quality control for optimizing the RFM of high-resolution satellite imagery / Chang Li in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 9 (September 2017)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 83 n° 9 (September 2017) . - pp 611 - 620 Titre : A Stepwise-Then-Orthogonal Regression (STOR) with quality control for optimizing the RFM of high-resolution satellite imagery Type de document : Article/Communication Auteurs : Chang Li, Auteur ; Xiaojuan Liu, Auteur ; Yongjun Zhang, Auteur ; Zuxun Zhang, Auteur Année de publication : 2017 Article en page(s) : pp 611 - 620 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] contrôle qualité [Termes IGN] détection d'erreur [Termes IGN] erreur aléatoire [Termes IGN] image à haute résolution [Termes IGN] image SPOT 5 [Termes IGN] modèle par fonctions rationnelles [Termes IGN] régression Résumé : (auteur) There are two major problems in Rational Function Model (RFM) solution: (a) Data source error, including gross error, random error, and systematic error; and (b) Model error, including over-parameterization and over-correction issues caused by unnecessary RFM parameters and exaggeration of random error in constant term of error-in-variables (EIV) model, respectively. In order to solve two major problems simultaneously, we propose a new approach named stepwise-then-orthogonal regression (STOR) with quality control. First, RFM parameters are selected by stepwise regression with gross error detection. Second, the revised orthogonal distance regression is utilized to adjust random error and address the overcorrection problem. Third, systematic error is compensated by Fourier series. The performance of conventional strategies and the proposed STOR are evaluated by control and check grids generated from SPOT5 high-resolution imagery. Compared with the least squares regression, partial least squares regression, ridge regression, and stepwise regression, the proposed STOR shows a significant improvement in accuracy. Numéro de notice : A2017-598 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.83.9.611 En ligne : https://doi.org/10.14358/PERS.83.9.611 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86874 [article]

Bias compensation for rational function model based on total least squares / Anzhu Yu in Photogrammetric record, vol 32 n° 157 (March - May 2017)  

Public [article]  inPhotogrammetric record > vol 32 n° 157 (March - May 2017) . - pp 48 - 60 Titre : Bias compensation for rational function model based on total least squares Type de document : Article/Communication Auteurs : Anzhu Yu, Auteur ; Ting Jiang, Auteur ; Wenyue Guo, Auteur Année de publication : 2017 Article en page(s) : pp 48 - 60 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique [Termes IGN] analyse numérique [Termes IGN] calcul d'erreur [Termes IGN] compensation par moindres carrés [Termes IGN] erreur aléatoire [Termes IGN] erreur systématique [Termes IGN] modèle par fonctions rationnelles [Termes IGN] pondération [Termes IGN] précision du positionnement Résumé : (auteur) When using the rational function model for the geometric orientation and geopositioning of satellite imagery, systematic bias compensation for vendor-provided rational polynomial coefficients (RPCs) is very important. Most existing bias-compensation models express systematic biases as a function of certain deterministic parameters, and least squares adjustment is used for estimating correction parameters. In this paper, the errors-in-variables model is introduced to take random errors in both the observation vector and the design matrix into consideration, based on a weighted total least squares adjustment. Experiments performed with two datasets demonstrate that the proposed method is reliable and the geopositioning accuracy improvement is better compared with a traditional least squares adjustment. Numéro de notice : A2017-197 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1111/phor.12183 En ligne : http://dx.doi.org/10.1111/phor.12183 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84871 [article]

A correctly weighted least squares adjustment - Part 1 Problems from using computed standard deviations / Charles D. Ghilani in xyHt, vol 2016 n° 1 (January 2016)

Permalink

On diverse noises in hyperspectral unmixing / Chunzhi Li in IEEE Transactions on geoscience and remote sensing, vol 53 n° 10 (October 2015)  

Permalink

Adjustment of geodetic measurements with mixed multiplicative and additive random errors / Peilang Xu in Journal of geodesy, vol 87 n° 7 (July 2013)  

Permalink

Effects of national forest inventory plot location error on forest carbon stock estimation using k-nearest neighbor algorithm / Jaehoon Jung in ISPRS Journal of photogrammetry and remote sensing, vol 81 (July 2013)  

Permalink

L’anticipation du changement en prospective et des changements spatiaux en géoprospective / Christine Voiron-Canicio in Espace géographique, vol 41 n° 2 (avril - juin 2012)  

Permalink

GNSS, systèmes globaux de positionnement par satellite / Pierre Bosser (2012) 

Permalink

Accuracy versus precision: a primer on GPS truth / D. Rutledge in GPS world, vol 21 n° 5 (May 2010)

Permalink

Improving dilution of precision: a companion measure of systematic effects / D. Milbert in GPS world, vol 20 n° 11 (November 2009)

Permalink

The application of GPS precise point positioning technology in aerial triangulation / Xiuxiao Yuan in ISPRS Journal of photogrammetry and remote sensing, vol 64 n° 6 (November - December 2009)  

Permalink

Error budget of Lidar systems and quality control of the derived data / A. Habib in Photogrammetric Engineering & Remote Sensing, PERS, vol 75 n° 9 (September 2009)  

Permalink