Centre de documentation
scientifique

The effect of intra-urban mobility flows on the spatial heterogeneity of social media activity: investigating the response to rainfall events / Sidgley Camargo de Andrade in International journal of geographical information science IJGIS, vol 36 n° 6 (June 2022)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 36 n° 6 (June 2022) . - pp 1140 - 1165 Titre : The effect of intra-urban mobility flows on the spatial heterogeneity of social media activity: investigating the response to rainfall events Type de document : Article/Communication Auteurs : Sidgley Camargo de Andrade, Auteur ; João Porto de Albuquerque, Auteur ; Camilo Restrepo-Estrada, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 1140 - 1165 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] auto-régression [Termes IGN] distribution spatiale [Termes IGN] données issues des réseaux sociaux [Termes IGN] données socio-économiques [Termes IGN] hétérogénéité spatiale [Termes IGN] mobilité urbaine [Termes IGN] modélisation spatio-temporelle [Termes IGN] pluie [Termes IGN] précipitation [Termes IGN] Sao Paulo [Termes IGN] Twitter Résumé : (auteur) Although it is acknowledged that urban inequalities can lead to biases in the production of social media data, there is a lack of studies which make an assessment of the effects of intra-urban movements in real-world urban analytics applications, based on social media. This study investigates the spatial heterogeneity of social media with regard to the regular intra-urban movements of residents by means of a case study of rainfall-related Twitter activity in São Paulo, Brazil. We apply a spatial autoregressive model that uses population and income as covariates and intra-urban mobility flows as spatial weights to explain the spatial distribution of the social response to rainfall events in Twitter vis-à-vis rainfall radar data. Results show high spatial heterogeneity in the response of social media to rainfall events, which is linked to intra-urban inequalities. Our model performance (R2=0.80) provides evidence that urban mobility flows and socio-economic indicators are significant factors to explain the spatial heterogeneity of thematic spatiotemporal patterns extracted from social media. Therefore, urban analytics research and practice should consider not only the influence of socio-economic profile of neighborhoods but also the spatial interaction introduced by intra-urban mobility flows to account for spatial heterogeneity when using social media data. Numéro de notice : A2022-405 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2021.1957898 Date de publication en ligne : 03/08/2021 En ligne : https://doi.org/10.1080/13658816.2021.1957898 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100717 [article]

Estimation and testing of linkages between forest structure and rainfall interception characteristics of a Robinia pseudoacacia plantation on China’s Loess Plateau / Changkun Ma in Journal of Forestry Research, vol 33 n° 2 (April 2022)  

Public [article]  inJournal of Forestry Research > vol 33 n° 2 (April 2022) . - pp 529 - 542 Titre : Estimation and testing of linkages between forest structure and rainfall interception characteristics of a Robinia pseudoacacia plantation on China’s Loess Plateau Type de document : Article/Communication Auteurs : Changkun Ma, Auteur ; Yi Luo, Auteur ; Mingan Shao, Auteur ; Xiaoxu Jia, Auteur Année de publication : 2022 Article en page(s) : pp 529 - 542 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] canopée [Termes IGN] capacité de stockage [Termes IGN] Chine [Termes IGN] pluie [Termes IGN] régression multiple [Termes IGN] Robinia pseudoacacia [Termes IGN] structure d'un peuplement forestier [Termes IGN] zone semi-aride [Vedettes matières IGN] Foresterie Mots-clés libres : Rainfall interception loss Résumé : (auteur) Understanding the interaction between canopy structure and the parameters of interception loss is essential in predicting the variations in partitioning rainfall and water resources as affected by changes in canopy structure and in implementing water-based management in semiarid forest plantations. In this study, seasonal variations in rainfall interception loss and canopy storage capacity as driven by canopy structure were predicted and the linkages were tested using seasonal filed measurements. The study was conducted in nine 50 m × 50 m Robinia pseudoacacia plots in the semiarid region of China’s Loess Plateau. Gross rainfall, throughfall and stemflow were measured in seasons with and without leaves in 2015 and 2016. Results show that measured average interception loss for the nine plots were 17.9% and 9.4% of gross rainfall during periods with leaves (the growing season) and without leaves, respectively. Average canopy storage capacity estimated using an indirect method was 1.3 mm in the growing season and 0.2 mm in the leafless season. Correlations of relative interception loss and canopy storage capacity to canopy variables were highest for leaf/wood area index (LAI/WAI) and canopy cover, followed by bark area, basal area, tree height and stand density. Combined canopy cover, leaf/wood area index and bark area multiple regression models of interception loss and canopy storage capacity were established for the growing season and in the leafless season in 2015. It explained 97% and 96% of the variations in relative interception loss during seasons with and without leaves, respectively. It also explained 98% and 99% of the variations in canopy storage capacity during seasons with and without leaves, respectively. The empirical regression models were validated using field data collected in 2016. The models satisfactorily predicted relative interception loss and canopy storage capacity during seasons with and without leaves. This study provides greater understanding about the effects of changes in tree canopy structure (e.g., dieback or mortality) on hydrological processes. Numéro de notice : A2022-334 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article DOI : 10.1007/s11676-021-01324-w Date de publication en ligne : 06/06/2021 En ligne : https://doi.org/10.1007/s11676-021-01324-w Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100668 [article]

Deep learning-based image de-raining using discrete Fourier transformation / Prasen Kumar Sharma in The Visual Computer, vol 37 n° 8 (August 2021)  

Public [article]  inThe Visual Computer > vol 37 n° 8 (August 2021) . - pp 2083 - 2096 Titre : Deep learning-based image de-raining using discrete Fourier transformation Type de document : Article/Communication Auteurs : Prasen Kumar Sharma, Auteur ; Sathisha Basavaraju, Auteur ; Arijit Sur, Auteur Année de publication : 2021 Article en page(s) : pp 2083 - 2096 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] bruit (théorie du signal) [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] décomposition d'image [Termes IGN] filtrage du bruit [Termes IGN] pluie [Termes IGN] transformation de Fourier Résumé : (auteur) Single image rain streak removal is a well-explored topic in the field of computer vision. The de-raining problem is modeled as an image decomposition task where a rainy image is decomposed into rain-free background image and rain streek map. Unlike most of the existing de-raining methods, this paper attempts to decompose the rainy image in the frequency domain. The idea is inspired by pseudo-periodic characteristics of the noise signal (here the rain streaks) which leave some traces in the frequency domain, and the same can be utilized to predict the noise signal. In this paper, a deep learning-based rain streak prediction model is proposed which learns in discrete Fourier transform Oppenheim and Schafer (Discrete-Time Signal Processing, Prentice Hall, Upper Saddle River, 1989) domain. To the best of our knowledge, this is the first approach where compressed domain coefficients are directly used as input to a deep convolutional neural network. The proposed model has been tested on publicly available synthetic datasets Fu et al. (in: 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017. https://doi.org/10.1109/CVPR.2017.186, Yang et al. (in: 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017. https://doi.org/10.1109/CVPR.2017.183), Yeh et al. (in: 2015 IEEE International Conference on Consumer Electronics-Taiwan, 2015. https://doi.org/10.1109/ICCE-TW.2015.7216999) and results are found to be comparable with the state of the art methods in the spatial domain. The presented analysis and study have an obvious indication to extend transform domain input to train the deep learning architecture especially image de-noising like problems. Numéro de notice : A2021-597 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1007/s00371-020-01971-w Date de publication en ligne : 16/09/2020 En ligne : https://doi.org/10.1007/s00371-020-01971-w Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98226 [article]

Detection of rainstorm pattern in arid regions using MODIS NDVI time series analysis / Mohamed E. Hereher in Geocarto international, vol 36 n° 8 ([01/05/2021])  

Public [article]  inGeocarto international > vol 36 n° 8 [01/05/2021] . - pp 861 - 873 Titre : Detection of rainstorm pattern in arid regions using MODIS NDVI time series analysis Type de document : Article/Communication Auteurs : Mohamed E. Hereher, Auteur Année de publication : 2021 Article en page(s) : pp 861 - 873 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] Arabie [Termes IGN] bassin hydrographique [Termes IGN] gestion de l'eau [Termes IGN] image Aqua-MODIS [Termes IGN] image Terra-MODIS [Termes IGN] Normalized Difference Vegetation Index [Termes IGN] orage [Termes IGN] pluie [Termes IGN] précipitation [Termes IGN] ressources en eau [Termes IGN] série temporelle [Termes IGN] zone aride Résumé : (auteur) The normalized difference vegetation index (NDVI) was used to delineate potential water suppliers west of the Arabian Peninsula. Time series NDVI data extracted from the moderate resolution imaging spectroradiometer NDVI product were used to develop a robust estimate of rainstorm frequency and intensity. A total of 216 NDVI images were acquired between February 2000 and January 2018 to carry out this investigation. As NDVI values of negative records correspond to water, it was possible to address and delineate the occurrence and duration of temporal ponded water. Results showed that at least 7 locations are potential to harvest water from flashfloods. Some locations witnessed 10, 11 and 13 rainstorms and ponding of water ranged from 1 to 20 months. These locations, if properly managed, could sustain a fresh water resource for local uses. The study demonstrates that NDVI time series curves could help identify the time/duration of previous rainstorms. Numéro de notice : A2021-482 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1629643 Date de publication en ligne : 19/06/2019 En ligne : https://doi.org/10.1080/10106049.2019.1629643 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97433 [article]

Analyse d’images par méthode de Deep Learning appliquée au contexte routier en conditions météorologiques dégradées / Khouloud Dahmane (2019)  

Public Titre : Analyse d’images par méthode de Deep Learning appliquée au contexte routier en conditions météorologiques dégradées Type de document : Thèse/HDR Auteurs : Khouloud Dahmane, Auteur ; Frédéric Chausse, Directeur de thèse Editeur : Clermont-Ferrand : Université Clermont Auvergne Année de publication : 2019 Importance : 146 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université Clermont Auvergne, spécialité Électronique et Systèmes Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] brouillard [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] coefficient de corrélation [Termes IGN] données météorologiques [Termes IGN] pluie [Termes IGN] réseau neuronal artificiel [Termes IGN] système de transport intelligent [Termes IGN] trafic routier [Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) De nos jours, les systèmes de vision sont de plus en plus utilisés dans le contexte routier. Ils permettent ainsi d'assurer la sécurité et faciliter la mobilité. Ces systèmes de vision sont généralement affectés par la dégradation des conditions météorologiques en présence de brouillard ou de pluie forte, phénomènes limitant la visibilité et réduisant ainsi la qualité des images. Afin d'optimiser les performances des systèmes de vision, il est nécessaire de disposer d'un système de détection fiable de ces conditions météorologiques défavorables.Il existe des capteurs météorologiques dédiés à la mesure physique, mais ils sont coûteux. Ce problème peut être résolu en utilisant les caméras qui sont déjà installées sur les routes. Ces dernières peuvent remplir simultanément deux fonctions : l'acquisition d'images pour les applications de surveillance et la mesure physique des conditions météorologiques au lieu des capteurs dédiés. Suite au grand succès des réseaux de neurones convolutifs (CNN) dans la classification et la reconnaissance d'images, nous avons utilisé une méthode d'apprentissage profond pour étudier le problème de la classification météorologique. L'objectif de notre étude est de chercher dans un premier temps à mettre au point un classifieur du temps, qui permet de discriminer entre temps « normal », brouillard et pluie. Dans un deuxième temps, une fois la classe connue, nous cherchons à développer un modèle de mesure de la distance de visibilité météorologique du brouillard. Rappelons que l'utilisation des CNN exige l'utilisation de bases de données d'apprentissage et de test. Pour cela, deux bases de données ont été utilisées, "Cerema-AWP database" (https://ceremadlcfmds.wixsite.com/cerema-databases), et la base "Cerema-AWH database", en cours d'acquisition depuis 2017 sur le site de la Fageole sur l'autoroute A75. Chaque image des deux bases est labellisée automatiquement grâce aux données météorologiques relevées sur le site permettant de caractériser diverses gammes de pluie et de brouillard. La base Cerema-AWH, qui a été mise en place dans le cadre de nos travaux, contient cinq sous-bases : conditions normales de jour, brouillard fort, brouillard faible, pluie forte et pluie faible. Les intensités de pluie varient de 0 mm/h à 70 mm/h et les visibilités météorologiques de brouillard varient entre 50m et 1800m. Parmi les réseaux de neurones connus et qui ont montré leur performance dans le domaine de la reconnaissance et la classification, nous pouvons citer LeNet, ResNet-152, Inception-v4 et DenseNet-121. Nous avons appliqué ces réseaux dans notre système de classification des conditions météorologiques dégradées. En premier lieu, une étude justificative de l'usage des réseaux de neurones convolutifs est effectuée. Elle étudie la nature de la donnée d'entrée et les hyperparamètres optimaux qu'il faut utiliser pour aboutir aux meilleurs résultats. Ensuite, une analyse des différentes composantes d'un réseau de neurones est menée en construisant une architecture instrumentale de réseau de neurones. La classification des conditions météorologiques avec les réseaux de neurones profonds a atteint un score de 83% pour une classification de cinq classes et 99% pour une classification de trois classes.Ensuite, une analyse sur les données d'entrée et de sortie a été faite permettant d'étudier l'impact du changement de scènes et celui du nombre de données d'entrée et du nombre de classes météorologiques sur le résultat de classification.Enfin, une méthode de transfert de bases de données a été appliquée. Cette méthode permet d'étudier la portabilité du système de classification des conditions météorologiques d'un site à un autre. Un score de classification de 63% a été obtenu en faisant un transfert entre une base publique et la base Cerema-AWH. (...) Note de contenu : 1- Introduction 2- Revue bibliographique des algorithmes de classification et de mesure 3- Les réseaux de neurones artificiels 4- Description des bases de données météorologiques 5- Classification des conditions météorologiques par caméra routière 6- Conclusion Numéro de notice : 28507 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Électronique et Systèmes : Université Clermont Auvergne : 2020 Organisme de stage : Institut Pascal nature-HAL : Thèse DOI : sans En ligne : https://tel.hal.science/tel-03022934/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97041

Remote sensing of precipitation, 1. Volume 1 / Silas Michaelides (2019)  

Permalink

Remote sensing of precipitation, 2. Volume 2 / Silas Michaelides (2019)  

Permalink

Understanding of atmospheric systems with efficient numerical methods for observation and prediction / Lei-Ming Ma (2019)  

Permalink

Frequency of extreme Sahelian storms tripled since 1982 in satellite observations / Christopher M. Taylor in Nature letters, vol 544 n° 7651 (27 April 2017)  

Permalink

Integrated Precipitable Water from GNSS as a climate parameter / Michal Kruczyk in Geoinformation issues, vol 6 n° 1 (2014)  

Permalink

Martinique : un site surveillé / Michel Ravelet in Géomètre, n° 2107 (octobre 2013)

Permalink

Télédétection, SIG et modélisation de l'érosion hydrique dans le bassin versant de l'Oued Amzaz, Rif central / Jamal Chaaouan in Revue Française de Photogrammétrie et de Télédétection, n° 203 (Juillet 2013)  

Permalink

Assessment of erosion, deposition and rill development on irregular soil surfaces using close range digital photogrammetry / G. Gessesse in Photogrammetric record, vol 25 n° 131 (September - November 2010)  

Permalink

Evaluation du bilan d'érosion et de dépôt des sols au pré-Rif (Maroc) en utilisant le modèle RUSLE, la télédétection et l'analyse spatiale / Abdelkader El Garouani in Revue internationale de géomatique, vol 19 n° 3 (septembre - novembre 2009)  

Permalink

Assimilation de données GPS pour la prévision de la convection profonde / Xin H. Yan (2009) 

Permalink