Descripteur
Documents disponibles dans cette catégorie (4689)
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
Using remote sensing to assess the effect of time of day on the spatial and temporal variation of LST in urban areas / Akram Abdulla (2020)
Titre : Using remote sensing to assess the effect of time of day on the spatial and temporal variation of LST in urban areas Type de document : Thèse/HDR Auteurs : Akram Abdulla, Auteur ; Kevin Tansey, Directeur de thèse ; Kristen Barrett, Directeur de thèse Editeur : Leicester [Royaume-Uni] : University of Leicester Année de publication : 2020 Importance : 128 p. Format : 21 x 30 cm Note générale : bibliographie
Thesis submitted for the degree of Doctor of Philosophy at The University of Leicester, School of Geography, Geology and EnvironmentLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] données spatiotemporelles
[Termes IGN] ilot thermique urbain
[Termes IGN] image infrarouge
[Termes IGN] image Landsat
[Termes IGN] image Terra-MODIS
[Termes IGN] image thermique
[Termes IGN] occupation du sol
[Termes IGN] phénomène climatique extrême
[Termes IGN] température au sol
[Termes IGN] variation diurne
[Termes IGN] variation saisonnière
[Termes IGN] variation temporelle
[Termes IGN] zone urbaineIndex. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis seeks to add to the study of the relationship between land surface temperature (LST) and urban land cover by presenting a method to project Landsat LST data from the satellite overpass time (9:40 am) to a local peak of temperature (estimated to be around 1:15 pm locally), to investigate the impact of the time of image acquisition on modelling the spatial and temporal variations of LST. Additionally, it would also verify the effects of extreme temperature to reach more representative seasonal images.The study uses remote sensing data extracted from Landsat 5 and 8 (30 m resolution) and the Spinning Enhanced Visible and Infrared Imager LST products (SEVIRI 3 km resolution), in addition to LST-based measurements collected from the ground. The study presented a method to convert Landsat images to be estimated during local peaks in LST with an accuracy of: standard error of 1.7°C and an R of 0.82 in comparison with actual ground-based measurements. This allowed an investigation of the effects of time of day on the spatial and temporal variation of LST, where it was found that this factor has clearly affected the relationship between LST and urban land cover. Similarly, the time of day has caused differences in estimating LST change over several years. It is also found that the extreme values of temperature can affect the trend of LST temporal variation, and which can be minimized by using the images in the form of the average of seasonal images for each year rather than images being used in a standalone manner. This study contributes to the improved study of LST by minimizing the uncertainty that can occur because of the angle of the sun and associated factors such as shadows, which has long been a controversial issue among researches due to the lack of appropriate satellite data. Note de contenu : 1- Introduction
2- Literature review
3- Study area
4- Converting Landsat LST data from morning to peak temperatures(9:40 am to 1:15 pm)
5- Assessing the effect of the time of day on the spatial variation of LST
6- Assessment and enhancement of the temporal variation of LST over a time series
7- General Discussion and ConclusionsNuméro de notice : 28304 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : PhD thesis : Geography, Geology and Environment : University of Leicester : 2020 DOI : sans En ligne : https://doi.org/10.25392/leicester.data.14518848.v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98068 Uso de QGIS en la teledetección, Vol. 2. QGIS y sus aplicaciones en la agricultura y la silvicultura / Nicolas Baghdadi (2020)
Titre de série : Uso de QGIS en la teledetección, Vol. 2 Titre : QGIS y sus aplicaciones en la agricultura y la silvicultura Type de document : Monographie Auteurs : Nicolas Baghdadi, Éditeur scientifique ; Clément Mallet , Éditeur scientifique ; Mehrez Zribi, Éditeur scientifique Editeur : Londres : ISTE Editions Année de publication : 2020 Importance : 368 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-1-80028-052-6 Note générale : Bibliographie Langues : Espagnol (spa) Descripteur : [Vedettes matières IGN] Applications SIG
[Termes IGN] cartographie thématique
[Termes IGN] classification dirigée
[Termes IGN] image optique
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] QGIS
[Termes IGN] télédétection spatialeIndex. décimale : 37.35 Logiciels SIG Résumé : (Editeur) La agricultura y la silvicultura son áreas fuertemente comprometidas con el uso de datos espaciales, que son esenciales para restaurar la variabilidad espacial y temporal de las condiciones de la superficie. Un muy buen conocimiento de estos entornos es fundamental tanto desde el punto de vista económico como medioambiental. En este contexto, el uso de herramientas GIS ha estado presente durante mucho tiempo en el apoyo de la explotación de imágenes espaciales. QGIS (Quantum Geographic Information System) y sus aplicaciones en la agricultura y la silvicultura presentan diferentes ejemplos en ambas áreas. Cuenta con el apoyo de científicos de renombre internacional en sus campos y está destinado a equipos de investigación en geomática, estudiantes de postgrado e ingenieros que se dedican a la monitorización y gestión de recursos agrícolas o forestales y, más fundamentalmente, a la extracción de los conocimientos necesarios para satisfacer estas necesidades. Este libro da acceso a datos y herramientas informáticas, así como a capturas de pantalla de todas las ventanas que ilustran las manipulaciones necesarias para crear cada aplicación. Note de contenu : 1. Estimación de la humedad del suelo mediante el acoplamiento de imágenes ópticas y de radar
2. Desintegración de imágenes térmicas
3. Extracción automática de la parcela agrícola a partir de imágenes de teledetección y del registro gráfico de la parcela en QGIS/OTB
4. Mapeo de la cubierta terrestre utilizando imágenes Sentinel-2 y el plugin de Clasificación Semi Automática: el ejemplo del norte de Burkina Faso
5. Detección y cartografía de los desmontes mediante teledetección óptica por satélite
6. Cartografía de la vegetación a partir de imágenes de radar del centinela 1
7. Detección remota de formaciones vegetales particulares en la selva amazónica de Guyana
8. Cartografía fisiográfica de la vegetación natural
9. Clasificación de la fisonomía del paisaje de montaña mediante la clasificación orientada a objetos supervisadaNuméro de notice : 14251B Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : FORET/GEOMATIQUE/IMAGERIE Nature : Recueil / ouvrage collectif nature-HAL : DirectOuvrColl/Actes DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96572 Vers une occupation du sol France entière par imagerie satellite à très haute résolution / Tristan Postadjian (2020)
Titre : Vers une occupation du sol France entière par imagerie satellite à très haute résolution Type de document : Thèse/HDR Auteurs : Tristan Postadjian , Auteur ; Clément Mallet , Directeur de thèse ; Arnaud Le Bris , Encadrant ; Hichem Sahbi, Encadrant Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2020 Importance : 169 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée pour l'obtention du titre de Docteur de l'Université Paris-Est, spécialité : Mathématiques, Sciences et Technologies de l'Information et de la CommunicationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] base de données localisées IGN
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification automatique
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] image à très haute résolution
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] mise à jour de base de données
[Termes IGN] occupation du sol
[Termes IGN] OCS GEIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La connaissance de la couverture des territoires en terme d’occupation des sols est devenue un enjeu majeur du XXIème siècle. Que ce soit à l’échelle nationale ou à une échelle plus globale, les initiatives se multiplient pour proposer des cartographies d’occupation des sols qui répondent à des besoins propres à chacune. Consistant à classer des objets présents sur le sol selon des nomenclatures prédéfinies, la tâche est fastidieuse à l’heure actuelle avec des processus essentiellement manuels ou semi-manuels, nécessaires pour garantir le respect de certaines qualités et spécifications. De son côté, la télédétection spatiale a connu un essor conséquent avec la multiplication des capteurs optiques d’observation de la Terre disponibles et de leur diversité en terme de résolutions spectrale, spatiale et temporelle. Ces capteurs optiques proposent chacun une description de la surface terrestre qui leur est propre, et donc caractérisant un ou plusieurs type(s) d’occupation(s) des sols. Ces types dépendent justement des caractéristiques de ces capteurs, caractéristiques adaptées davantage à l’observation des glaciers, des forêts ou des zones plus urbaines par exemple. Les satellites SPOT 6 et SPOT 7, lancés en 2012 et 2014 respectivement, sont dotés de capteurs optiques à très haute résolution spatiale, et acquièrent des images dans quatre bandes spectrales à haute résolution ainsi qu’une bande panchromatique à très haute résolution, permettant de porter la résolution des quatre canaux spectraux à 1,5 m. L’IGN, à partir de ces acquisitions SPOT disponibles sur le pôle de données surfaces continentales THEIA, produit chaque année une couverture d’orthophotos sur l’ensemble du territoire français. Il apparaît dès lors intéressant d’exploiter cette couverture pour générer une OCS millésimée. La problématique de cartographie de l’occupation des sols automatique à partir d’images aériennes ou satellites occupe la communauté de télédétection depuis longtemps, par le biais de processus de classification supervisés, tels que les SVMs, ou les forêts aléatoires pour, entre autres, la vitesse d’exécution de ces derniers. Mais les résultats obtenus par ces méthodes n’ont pas encore permis une réelle automatisation, notamment en adéquation avec des spécifications existantes (erreurs encore trop importantes). En parallèle de ces algorithmes depuis longtemps utilisés, des méthodes d’apprentissage automatique d’un genre nouveau, bien que reposant sur des concepts remontant aux années 1950, émergent depuis une décennie et sont étroitement liés aux recherches menées en machine learning. L’apprentissage profond, dont il est question ici, a fait ses preuves dans de nombreux domaines depuis le traitement naturel du langage, à la reconnaissance d’objets dans des images. Cet essor récent est la conséquence de la disponibilité de grandes bases de données d’apprentissage, ainsi que la démocratisation de l’utilisation de GPUs et de l’accroissement général des puissances de calcul. Représentants principaux de cette famille d’apprentissage, les réseaux de neurones profonds ont réellement bouleversé le monde actuel au quotidien. Que ce soit au niveau académique en terme de recherche, au niveau sociétal, au travers des smartphones par exemple (reconnaissances vocale, faciale, systèmes de recommandation), ou même au niveau politique, avec les questions déontologiques que cela peut poser en terme de confidentialité des données (RGPD) et de protection des libertés individuelles, l’apprentissage profond est au cœur de technologies utilisées par la plupart des gens, de manière transparente et donc sans que ceux-ci s’en aperçoivent. En effet, pour afficher de telles performances dans tant de domaines, l’inconvénient pratique est le besoin très massif de données d’apprentissage lorsque l’on manipule ces algorithmes. Les bases de données géographiques de l’IGN sont donc une opportunité dans notre cas, permettant d’exploiter au mieux les images très haute résolution monoscopiques acquises par les satellites SPOT 6 et 7 en les classifiant automatiquement par réseaux de neurones profonds appris sur ces mêmes bases de données. C’est cette approche que nous proposons dans ces travaux de thèse, avec une volonté d’étudier cette problématique tout en se plaçant dans un cadre plus large à visée opérationnelle, afin de proposer des cartographies sur de grandes étendues géographiques. Les expérimentations menées répondent aux questions soulevées lorsque l’on cherche à classifier de grandes zones : par exemple, la couverture annuelle SPOT produite par l’IGN étant unique, deux images adjacentes de cette couverture peuvent avoir été acquises à des époques différentes. Également, nous étudions les possibilités de transfert d’apprentissage par fine-tuning qui offre beaucoup d’avantages en matière de charges de calcul et de jeu d’apprentissage. Enfin, dans un contexte de mise à jour automatique de bases de données géographiques, l’exploitation jointe d’images aériennes et de réseaux de neurones profonds est étudiée, avec un accent mis sur la préparation des données d’apprentissage issues des bases de données géographiques de l’IGN qui présentent certains inconvénients. Note de contenu : 1- Introduction
2- Etat de l'art
3- Apprentissage profond sur images satellites très haute résolution
4- Mettre à jour des bases de données d'OCS
5- Conclusion et perspectivesNuméro de notice : 25964 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : FORET/IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Paris-Est : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 08/12/2020 En ligne : https://theses.hal.science/tel-03045637 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96546 Very high resolution land cover mapping of urban areas at global scale with convolutional neural network / Thomas Tilak (2020)
Titre : Very high resolution land cover mapping of urban areas at global scale with convolutional neural network Type de document : Article/Communication Auteurs : Thomas Tilak , Auteur ; Arnaud Braun , Auteur ; David Chandler , Auteur ; Nicolas David , Auteur ; Sylvain Galopin , Auteur ; Amélie Lombard, Auteur ; Camille Parisel , Auteur ; Camille Parisel , Auteur ; Matthieu Porte , Auteur ; Marjorie Robert, Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2020 Autre Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B3 Projets : 1-Pas de projet / Conférence : ISPRS 2020, Commission 3, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Archives Commission 3 Importance : 8 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] BD Alti
[Termes IGN] carte d'occupation du sol
[Termes IGN] chaîne de production
[Termes IGN] chaîne de traitement
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] corrélation croisée maximale
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] Gironde (33)
[Termes IGN] image à très haute résolution
[Termes IGN] image aérienne
[Termes IGN] image multibande
[Termes IGN] modèle numérique de surface
[Termes IGN] segmentation sémantique
[Termes IGN] vectorisation
[Termes IGN] zone d'intérêt
[Termes IGN] zone urbaineRésumé : (auteur) This paper describes a methodology to produce a 7-classes land cover map of urban areas from very high resolution images and limited noisy labeled data. The objective is to make a segmentation map of a large area (a french department) with the following classes: asphalt, bare soil, building, grassland, mineral material (permeable artificialized areas), forest and water from 20cm aerial images and Digital Height Model. We created a training dataset on a few areas of interest aggregating databases, semi-automatic classification, and manual annotation to get a complete ground truth in each class. A comparative study of different encoder-decoder architectures (U-Net, U-Net with Resnet encoders, Deeplab v3+) is presented with different loss functions. The final product is a highly valuable land cover map computed from model predictions stitched together, binarized, and refined before vectorization. Numéro de notice : C2020-038 Affiliation des auteurs : IGN+Ext (2020- ) Autre URL associée : vers ArXiv Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B3-2020-201-2020 Date de publication en ligne : 21/08/2020 En ligne : https://doi.org/10.5194/isprs-archives-XLIII-B3-2020-201-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95079 Water stress detection over irrigated wheat crops in semi-arid areas using the diurnal differences of Sentinel-1 backscatter / Nadia Ouaadi (2020)
Titre : Water stress detection over irrigated wheat crops in semi-arid areas using the diurnal differences of Sentinel-1 backscatter Type de document : Article/Communication Auteurs : Nadia Ouaadi, Auteur ; Lionel Jarlan, Auteur ; Jamal Ezzahar, Auteur ; Saïd Khabba, Auteur ; Valérie Le Dantec, Auteur ; Zoubair Rafi, Auteur ; Mehrez Zribi, Auteur ; Pierre-Louis Frison , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2020 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : M2GARSS 2020, Mediterranean and Middle-East Geoscience and Remote Sensing Symposium 09/03/2020 11/03/2020 Tunis Tunisie Proceedings IEEE Importance : pp 306 - 309 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] bande C
[Termes IGN] blé (céréale)
[Termes IGN] coefficient de rétrodiffusion
[Termes IGN] cultures irriguées
[Termes IGN] image Sentinel-SAR
[Termes IGN] Maroc
[Termes IGN] stress hydrique
[Termes IGN] surveillance agricole
[Termes IGN] teneur en eau de la végétation
[Termes IGN] variation diurne
[Termes IGN] zone semi-arideRésumé : (auteur) This work aims to investigate the sensitivity of the diurnal differences of radar backscatter to diurnal changes in the vegetation water content (VWC). Sentinel-1 backscattering coefficient differences between two orbits (morning and evening) are analyzed over an irrigated and voluntarily stressed wheat field. A physical model of backscatter prediction is evaluated for wheat and used to examine the sensitivity of radar differences to the VWC for a range of surface soil moisture and biomass conditions. Results highlight the potential of C-band diurnal differences for the monitoring the water stress over agricultural canopies. Numéro de notice : C2020-036 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/M2GARSS47143.2020.9105171 Date de publication en ligne : 02/06/2020 En ligne : https://doi.org/10.1109/M2GARSS47143.2020.9105171 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99685 Ship identification and characterization in Sentinel-1 SAR images with multi-task deep learning / Clément Dechesne in Remote sensing, Vol 11 n° 24 (December-2 2019)PermalinkAn implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data / Puzhao Zhang in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)PermalinkCombining Sentinel-1 and Sentinel-2 Satellite image time series for land cover mapping via a multi-source deep learning architecture / Dino Lenco in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)PermalinkA learning approach to evaluate the quality of 3D city models / Oussama Ennafii in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 12 (December 2019)PermalinkMatching of TerraSAR-X derived ground control points to optical image patches using deep learning / Tatjana Bürgmann in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)PermalinkNovel adaptive histogram trend similarity approach for land cover change detection by using bitemporal very-high-resolution remote sensing images / Zhi Yong Lv in IEEE Transactions on geoscience and remote sensing, vol 57 n° 12 (December 2019)PermalinkOn the value of corner reflectors and surface models in InSAR precise point positioning / Mengshi Yang in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)PermalinkPolarization dependence of azimuth cutoff from quad-pol SAR images / Huimin Li in IEEE Transactions on geoscience and remote sensing, vol 57 n° 12 (December 2019)PermalinkQuantification of the adjacency effect on measurements in the thermal infrared region / Xiaopo Zheng in IEEE Transactions on geoscience and remote sensing, vol 57 n° 12 (December 2019)PermalinkA two-scale approach for estimating forest aboveground biomass with optical remote sensing images in a subtropical forest of Nepal / Upama A. Koju in Journal of Forestry Research, vol 30 n° 6 (December 2019)PermalinkAccurate modelling of canopy traits from seasonal Sentinel-2 imagery based on the vertical distribution of leaf traits / Tawanda W. Gara in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)PermalinkComparison between convolutional neural networks and random forest for local climate zone classification in mega urban areas using Landsat images / Cheolhee Yoo in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)PermalinkDeep learning for multi-modal classification of cloud, shadow and land cover scenes in PlanetScope and Sentinel-2 imagery / Yuri Shendryk in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)PermalinkIntroducing spatial regularization in SAR tomography reconstruction / Clément Rambour in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)PermalinkNew method for environmental monitoring in armed conflict zones: a case study of Syria / Samira Mobaied in Environmental Monitoring and Assessment, vol 191 n° 11 (November 2019)PermalinkSig-NMS-based faster R-CNN combining transfer learning for small target detection in VHR optical remote sensing imagery / Ruchan Dong in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)PermalinkA temporal phase coherence estimation algorithm and its application on DInSAR pixel selection / Feng Zhao in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)PermalinkUnsupervised classification of multispectral images embedded with a segmentation of panchromatic images using localized clusters / Ting Mao in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)PermalinkUtilisation des SIG et de la télédétection pour la cartographie de la susceptibilité aux mouvements d'instabilité de versant dans l'Ouest montagneux de la Côte d'Ivoire / Boyossoro Hélène Kouadio in Revue Française de Photogrammétrie et de Télédétection, n° 221 (novembre 2019)PermalinkPotential of Landsat-8 and Sentinel-2A composite for land use land cover analysis / Divyesh Varade in Geocarto international, vol 34 n° 14 ([30/10/2019])Permalink