Descripteur
|
Termes IGN > sciences naturelles > physique > optique > optique physique > radiométrie > rayonnement électromagnétique > limite de résolution spectrale
limite de résolution spectraleVoir aussi |
Documents disponibles dans cette catégorie (17)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externesEtendre la recherche sur niveau(x) vers le bas
Challenging the link between functional and spectral diversity with radiative transfer modeling and data / Javier Pacheco-Labradora in Remote sensing of environment, vol 280 (October 2022)
Titre : Challenging the link between functional and spectral diversity with radiative transfer modeling and data Type de document : Article/Communication Auteurs : Javier Pacheco-Labradora, Auteur ; Mirco Migliavacca, Auteur ; Xuanlong Ma, Auteur ; Miguel D. Mahecha, Auteur ; Nuno Carvalhais, Auteur ; Ulrich Weber, Auteur ; Raquel Benavides, Auteur ; Olivier Bouriaud Année de publication : 2022 Projets : 3-projet - voir note / Article en page(s) : n° 113170 Note générale : bibliographie
JPL, MMi, and MMa acknowledge the German Aerospace Center (DLR) project OBEF-Accross2 “The Potential of Earth Observations to Capture Patterns of Biodiversity” (Contract No. 50EE1912, German Aerospace Center). JPL, MMi, AH, CW, MMa, GK, FJB, and UW acknowledge the German Aerospace Center (DLR) for providing DESIS imagery through the Announcement of Opportunity “EBioIDEA: Enhancing Biodiversity Inventories with DESIS Imagery Analysis”. FunDivEUROPE data collection was supported by the European Union Seventh Framework Programme (FP7/2007-2013) (grant agreement number: 265171) and the EU H2020 project Soil4Europe (Bioidversa 2017-2019). The in-situ plant traits data collected over Romanian and Spanish sites were supported by a Marie-Curie Fellowship (DIVERFOR, FP7-PEOPLE-2011-IEF. No. 302445) to R. Benavides. OB acknowledges funding from project 10PFE/2021 Ministry of Research, Innovation and Digitalization within Program 1 - Development of national research and development system, Subprogram 1.2 - Institutional Performance - RDI excellence funding projects. XM was supported by the National Natural Science Foundation of China (42171305), the Director Fund of the International Research Center of Big Data for Sustainable Development Goals (CBAS2022DF006), and the Open Fund of State Key Laboratory of Remote Sensing Science (OFSLRSS202229). We thank Prof. Dr. Michael Scherer-Lorenzen for coordinating the interaction with the FunDivEUROPE network and Dr. Fernando Valladares for coordinating data production in FunDivEUROPE sites in Spain. We thank Yuhan Li for helping collect and process Sentinel-2 data in 2020 for the verification task. ESA's Copernicus Open Access Hub enabled the free use of Sentinel-2 data.Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] biodiversité végétale
[Termes IGN] image hyperspectrale
[Termes IGN] image optique
[Termes IGN] image Sentinel-MSI
[Termes IGN] limite de résolution spectrale
[Termes IGN] modèle de transfert radiatif
[Termes IGN] variabilitéRésumé : (auteur) In a context of accelerated human-induced biodiversity loss, remote sensing (RS) is emerging as a promising tool to map plant biodiversity from space. Proposed approaches often rely on the Spectral Variation Hypothesis (SVH), linking the heterogeneity of terrestrial vegetation to the variability of the spectroradiometric signals. Yet, due to observational limitations, the SVH has been insufficiently tested, remaining unclear which metrics, methods, and sensors could provide the most reliable estimates of plant biodiversity. Here we assessed the potential of RS to infer plant biodiversity using radiative transfer simulations and inversion. We focused specifically on “functional diversity,” which represents the spatial variability in plant functional traits. First, we simulated vegetation communities and evaluated the information content of different functional diversity metrics (FDMs) derived from their optical reflectance factors (R) or the corresponding vegetation “optical traits,” estimated via radiative transfer model inversion. Second, we assessed the effect of the spatial resolution, the spectral characteristics of the sensor, and signal noise on the relationships between FDMs derived from field and remote sensing datasets. Finally, we evaluated the plausibility of the simulations using Sentinel-2 (multispectral, 10 m pixel) and DESIS (hyperspectral, 30 m pixel) imagery acquired over sites of the Functional Significance of Forest Biodiversity in Europe (FunDivEUROPE) network. We demonstrate that functional diversity can be inferred both by reflectance and optical traits. However, not all the FDMs tested were suited for assessing plant functional diversity from RS. Rao's Q index, functional dispersion, and functional richness were the best-performing metrics. Furthermore, we demonstrated that spatial resolution is the most limiting RS feature. In agreement with simulations, Sentinel-2 imagery provided better estimates of plant diversity than DESIS, despite the coarser spectral resolution. However, Sentinel-2 offered inaccurate results at DESIS spatial resolution. Overall, our results identify the strengths and weaknesses of optical RS to monitor plant functional diversity. Future missions and biodiversity products should consider and benefit from the identified potentials and limitations of the SVH. Numéro de notice : A2022-582 Affiliation des auteurs : LIF+Ext (2020- ) Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rse.2022.113170 Date de publication en ligne : 18/07/2022 En ligne : https://doi.org/10.1016/j.rse.2022.113170 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101343
in Remote sensing of environment > vol 280 (October 2022) . - n° 113170[article]Amélioration des résolutions spatiale et spectrale d’images satellitaires par réseaux antagonistes / Anaïs Gastineau (2021)
Titre : Amélioration des résolutions spatiale et spectrale d’images satellitaires par réseaux antagonistes Type de document : Thèse/HDR Auteurs : Anaïs Gastineau, Auteur ; Jean-François Aujol, Directeur de thèse ; Yannick Berthoumieu, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2021 Importance : 111 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade de Docteur de l'Université de Bordeaux, spécialité Mathématiques appliquées et calcul scientifiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] fusion d'images
[Termes IGN] image multibande
[Termes IGN] image panchromatique
[Termes IGN] limite de résolution géométrique
[Termes IGN] limite de résolution spectrale
[Termes IGN] optimisation (mathématiques)
[Termes IGN] pansharpening (fusion d'images)
[Termes IGN] réseau antagoniste génératifIndex. décimale : THESE Thèses et HDR Résumé : (auteur) De plus en plus d'applications, telles que la cartographie ou la classification de l'occupation des sols, nécessitent des images hautes résolutions de la surface de la Terre, mais ces données ne sont pas toujours disponibles. Ainsi, cette thèse porte sur le problème de fusion d'images panchromatiques et multispectrales dans le but d'exploiter au mieux les richesses spatiale et spectrale de chacune de ces données. Pour atteindre cet objectif, cette thèse explore plusieurs aspects liés à l'optimisation du problème ou bien aux architectures considérées.De manière générale, la paramétrisation des réseaux convolutifs est souvent suffisante pour supporter la diversité des problèmes rencontrés. La base de données d'apprentissage est alors considérée comme le vecteur principal de conditionnement au problème traité. Ainsi, dans un contexte de réseaux antagonistes génératifs, nous proposons d'intégrer une modélisation plus fine du problème de "pansharpening" quant à la conception même du réseau. Nous avons également évalué l'impact sur les performances de reconstruction de différentes formulations de la fonctionnelle globale à minimiser tenant compte des spécificités de l'application.Dans un premier temps, nous étudions les différents types de régularisation existant dans un cadre variationnel pour ensuite utiliser cette connaissance afin d'ajouter ce type de contraintes géométrique et spectrale dans la fonction de perte du générateur.Dans un second temps, nous étudions des solutions liées aux architectures considérées pour le générateur et le discriminateur. En effet, nous proposons l'utilisation de plusieurs discriminateurs, chacun répondant à une tâche différente mais complémentaire. Le premier discriminateur se concentre sur la préservation de la résolution spatiale en prenant en compte la luminance et la composante infra-rouge, très informative d'un point de vue de la texture pour la végétation, des images satellites. Le second discriminateur préserve la résolution spectrale en comparant les composantes chromatiques Cb et Cr. Nous étudions également l'ajout de mécanismes d'attention dans le générateur. Nous considérons des mécanismes d'attention spatiale et spectrale pour améliorer la précision de reconstruction du générateur. En effet, ces mécanismes ont pour objectif d'attirer l'attention du générateur sur les parties de l'image les plus pertinentes pour améliorer le résultat.L'ensemble des pistes que nous avons explorées a conduit à des résultats convaincants, à la fois quantitatifs et visuels. En effet, nous avons pu observer une amélioration notable de la précision des reconstructions spatiale et spectrale, contribuant ainsi à résoudre le problème de fusion d'images panchromatique et multispectrale. Note de contenu : 1- Introduction
2- État-de-l’art général
3- Fusion d’images non locale préservant la géométrie basée sur les méthodes variationnelles
4- Reconstruction de la géométrie par l’utilisation de GANs
5- Préservation des résolutions spatiale et spectrale dans un cadre GAN basé multidiscriminateur
6- Reconstructions spatiale et spectrale basées sur l’utilisation de mécanismes d’attention
7- Conclusion : bilan et perspectivesNuméro de notice : 28630 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques appliquées et calcul scientifique : Bordeaux : 2021 Organisme de stage : Laboratoire de l'intégration du matériau au système DOI : sans En ligne : https://tel.hal.science/tel-03519655/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99620
Titre : Multiple spectral similarity metrics for surface materials identification using hyperspectral data Type de document : Article/Communication Auteurs : Rama Rao Nidamanuri, Auteur Année de publication : 2016 Article en page(s) : pp 845 - 859 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification spectrale
[Termes IGN] image hyperspectrale
[Termes IGN] limite de résolution spectrale
[Termes IGN] pouvoir de résolution spectrale
[Termes IGN] similitude spectraleRésumé : (Auteur) Modern hyperspectral imaging and non-imaging spectroradiometer has the capability to acquire high-resolution spectral reflectance data required for surface materials identification and mapping. Spectral similarity metrics, due to their mathematical simplicity and insensitiveness to the number of reference labelled spectra, have been increasingly used for material mapping by labelling reflectance spectra in hyperspectral data labelling. For a particular hyperspectral data set, the accuracy of spectral labelling depends considerably upon the degree of unambiguous spectral matching achieved by the spectral similarity metric used. In this work, we propose a new methodology for quantifying spectral similarity for hyperspectral data labelling for surface materials identification. Developed adopting the multiple classifier system architecture, the proposed methodology unifies into a single framework the differential performances of eight different spectral similarity metrics for the quantification of spectral matching for surface materials. The proposed methodology has been implemented on two types of hyperspectral data viz. image (airborne hyperspectral images) and non-image (library spectra) for numerous surface materials identification. Further, the performance of the proposed methodology has been compared with the support vector machines (SVM) approach, and with all the base spectral similarity metrics. The results indicate that, for the hyperspectral images, the performance of the proposed methodology is comparable with that of the SVM. For the library spectra, the proposed methodology shows a consistently higher (increase of about 30% when compared to SVM) classification accuracy. The proposed methodology has the potential to serve as a general library search method for materials identification using hyperspectral data. Numéro de notice : A2016-457 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2015.1086903 Date de publication en ligne : 30/09/2015 En ligne : http://dx.doi.org/10.1080/10106049.2015.1086903 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81381
in Geocarto international > vol 31 n° 7 - 8 (July - August 2016) . - pp 845 - 859[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 059-2016041 RAB Revue Centre de documentation En réserve L003 Disponible
Titre : A comparison study on fusion methods using evaluation indicators Type de document : Article/Communication Auteurs : V. Karanthanassi, Auteur ; P. Kolokousis, Auteur ; S. Ioannidou, Auteur Année de publication : 2007 Article en page(s) : pp 2309 - 2341 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] analyse comparative
[Termes IGN] fusion d'images
[Termes IGN] indicateur
[Termes IGN] limite de résolution spectrale
[Termes IGN] rapport signal sur bruit
[Termes IGN] transformation intensité-teinte-saturationRésumé : (Auteur) Various fusion methods have been developed for improving data spatial resolution. The methods most encountered in the literature are the intensity-hue-saturation (IHS) transform, the Brovey transform, the principal components algorithm (PCA) fusion method, the Gram-Schmidt fusion method, the local mean matching method, the local mean and variance matching method, the least square fusion method, the discrete wavelet fusion method including Daubechies, Symlet, Coiflet, biorthogonal spline, reverse biorthogonal spline, and Meyer wavelets, the wavelet-PCA fusion method, and the crossbred IHS and wavelet fusion method. Using various evaluation indicators such as two-dimensional correlation, relative difference of means, relative variation, deviation index, entropy difference, peak signal-to-noise ratio index and universal image quality index, as well as photo-interpretation methods and techniques, results of the above fusion methods were compared and comments on the fusion methods and potential of evaluation indicators were made. Among data fusion methods and indicators the local mean and variance matching methods proved the most efficient and the peak signal-to-noise ratio indicator proved the most appropriate for the evaluation of data fusion results. Copyright Taylor & Francis Numéro de notice : A2007-292 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/01431160600606890 En ligne : https://doi.org/10.1080/01431160600606890 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=28655
in International Journal of Remote Sensing IJRS > vol 28 n° 10 (May 2007) . - pp 2309 - 2341[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 080-07061 RAB Revue Centre de documentation En réserve L003 Exclu du prêt Etude de différents facteurs influant les classifications d'images multi-résolution / F. Kazemipour (2006)
Titre : Etude de différents facteurs influant les classifications d'images multi-résolution Type de document : Mémoire Auteurs : F. Kazemipour, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2006 Importance : 63 p. Format : 21 x 30 cm Note générale : Bibliographie
Mémoire de master 2ème année, spécialité : sciences de l'information géographiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] ENVI
[Termes IGN] image à haute résolution
[Termes IGN] image multibande
[Termes IGN] image satellite
[Termes IGN] Kappa de Cohen
[Termes IGN] limite de résolution géométrique
[Termes IGN] limite de résolution spectrale
[Termes IGN] matrice de confusion
[Termes IGN] précision de la classificationIndex. décimale : DSIG Mémoires du master 2 IG, du master 2 SIG, de l'ex DEA SIG Résumé : (Auteur) Au cours des dernières années, les satellites d'observation de la terre ainsi que leurs capteurs embarqués ont pris un réel essor. Selon les domaines d'applications, diverses images satellites sont disponibles avec une large panoplie de résolutions spectrales et spatiales. Ce développement offre des changements significatifs et permet de développer des méthodes d'analyse, d'intégration et de modélisation efficace des données d'observation de la terre. La classification est une technique informatique très pratique pour faire de l'analyse spatiale à partir de ces données d'observation de la terre. Le but du stage est d'étudier l'influence des paramètres intrinsèques à l'image, telles que la résolution spatiale ou la résolution spectrale, sur les classifications. Naturellement, la classification est basée sur la qualité radiométrique des images, mais cela ne veut pas dire que la résolution spatiale ne joue pas un rôle sur la qualité de la classification, c'est ce que nous avons voulu montrer. Le choix de la résolution la mieux adaptée pour arriver à une classification parfaitement fiable, dépend de la nature de chaque objet à classifier. Ce travail présente une analyse et une classification des données multi-résolution pour trouver la relation entre les résolutions spectrales/spatiales et la précision de classification. Il a fallu également choisir et intégrer la résolution la plus convenable à partir des données disponibles, en considérant les différentes techniques de classification. Note de contenu : 1 INTRODUCTION
2 GENERALITES
2.1 Contexte et objectifs du stage
2.2 Les outils utilisés
- Logiciel ENVI
- Logiciel eCognition
2.3 Les données disponibles
2.4 Classification
- Matrice de confusion
3 DEROULEMENT
3.1 Choix des types de données à tester
3.2 Préparation des données
3.3 Classification des images
- Classification des images multi-capteur et calcul des statistiques sur les images entières
- Classification des images multi-capteur avec les statistiques sur les zones d'intérêts
- Classification d'une image recalée sur les autres images
- Classification d'une image sous-échantillonnée
- Classification d'une image multi-spectrale sur les canaux séparés
3.4 Présentation des résultats
- Pourcentage de superficie des objets (classes) : la résulution spatiale
- Réponses spectrales
3.5 Explications et commentaires sur les résultats
4 CONCLUSION ET PERSPECTIVESNuméro de notice : 23646 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire Master 2 IG Organisme de stage : DIAS ; ENSG Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=51547 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 23646-01 DSIG Livre Centre de documentation En réserve Mezzanine Disponible PermalinkPermalinkHigh spectral resolution infrared remote sensing for Earth's weather and climate studies: Proceedings of the NATO Research workshop, Paris, France, March 23-26, 1992, 9. Volume 9 / A. Chedin (1993)
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalink
