Descripteur
Documents disponibles dans cette catégorie (5)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Investigating the application of artificial intelligence for earthquake prediction in Terengganu / Suzlyana Marhain in Natural Hazards, vol 108 n° 1 (August 2021)
[article]
Titre : Investigating the application of artificial intelligence for earthquake prediction in Terengganu Type de document : Article/Communication Auteurs : Suzlyana Marhain, Auteur ; Ali Najah Ahmed, Auteur ; Muhammad Ary Murti, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 977 - 999 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse de sensibilité
[Termes IGN] apprentissage automatique
[Termes IGN] classification et arbre de régression
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] courbe de Pearson
[Termes IGN] données météorologiques
[Termes IGN] intelligence artificielle
[Termes IGN] Malaisie
[Termes IGN] prévention des risques
[Termes IGN] régression multivariée par spline adaptative
[Termes IGN] séisme
[Termes IGN] surveillance géologique
[Termes IGN] tsunamiRésumé : (auteur) Numéro de notice : A2021-599 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE/POSITIONNEMENT Nature : Article DOI : 10.1007/s11069-021-04716-7 Date de publication en ligne : 04/04/2021 En ligne : https://doi.org/10.1007/s11069-021-04716-7 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98232
in Natural Hazards > vol 108 n° 1 (August 2021) . - pp 977 - 999[article]Deriving a frozen area fraction from Metop ASCAT backscatter based on Sentinel-1 / Helena Bergstedt in IEEE Transactions on geoscience and remote sensing, vol 58 n° 9 (September 2020)
[article]
Titre : Deriving a frozen area fraction from Metop ASCAT backscatter based on Sentinel-1 Type de document : Article/Communication Auteurs : Helena Bergstedt, Auteur ; Annett Bartsch, Auteur ; Anton Neureiter, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 6008 - 6019 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] Autriche
[Termes IGN] bande C
[Termes IGN] courbe de Pearson
[Termes IGN] dégel
[Termes IGN] Finlande
[Termes IGN] fonte des glaces
[Termes IGN] hétérogénéité spatiale
[Termes IGN] image MetOp-ASCAT
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] pergélisol
[Termes IGN] rétrodiffusion
[Termes IGN] série temporelle
[Termes IGN] télédétection en hyperfréquence
[Termes IGN] température au solRésumé : (auteur) Surface state data derived from spaceborne microwave sensors with suitable temporal sampling are to date only available in low spatial resolution (25–50 km). Current approaches do not adequately resolve spatial heterogeneity in landscape-scale freeze–thaw processes. We propose to derive a frozen fraction instead of binary freeze–thaw information. This introduces the possibility to monitor the gradual freezing and thawing of complex landscapes. Frozen fractions were retrieved from Advanced Scatterometer (ASCAT, C-band) backscatter on a 12.5-km grid for three sites in noncontinuous permafrost areas in northern Finland and the Austrian Alps. To calibrate the retrieval approach, frozen fractions based on Sentinel-1 synthetic aperture radar (SAR, C-band) were derived for all sites and compared to ASCAT backscatter. We found strong relationships for ASCAT backscatter with Sentinel-1 derived frozen fractions (Pearson correlations of −0.85 to −0.96) for the sites in northern Finland and less strong relationships for the Alpine site (Pearson correlations −0.579 and −0.611, including and excluding forested areas). Applying the derived linear relationships, predicted frozen fractions using ASCAT backscatter values showed root mean square error (RMSE) values between 7.26% and 16.87% when compared with Sentinel-1 frozen fractions. The validation of the Sentinel-1 derived freeze–thaw classifications showed high accuracy when compared to in situ near-surface soil temperature (84.7%–94%). Results are discussed with regard to landscape type, differences between spring and autumn, and gridding. This article serves as a proof of concept, showcasing the possibility to derive frozen fraction from coarse spatial resolution scatterometer time series to improve the representation of spatial heterogeneity in landscape-scale surface state. Numéro de notice : A2020-525 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2967364 Date de publication en ligne : 13/03/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2967364 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95702
in IEEE Transactions on geoscience and remote sensing > vol 58 n° 9 (September 2020) . - pp 6008 - 6019[article]Validation of Sentinel-3A SRAL coastal sea level data at high posting rate: 80 Hz / Ana Aldarias in IEEE Transactions on geoscience and remote sensing, vol 58 n° 6 (June 2020)
[article]
Titre : Validation of Sentinel-3A SRAL coastal sea level data at high posting rate: 80 Hz Type de document : Article/Communication Auteurs : Ana Aldarias, Auteur ; Jesus Gomez-Enri, Auteur ; Irene Laiz, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 3809 - 3821 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] coefficient de corrélation
[Termes IGN] correction troposphérique
[Termes IGN] courbe de Pearson
[Termes IGN] données altimétriques
[Termes IGN] données marégraphiques
[Termes IGN] eaux côtières
[Termes IGN] erreur moyenne quadratique
[Termes IGN] Espagne
[Termes IGN] forme d'onde
[Termes IGN] image Sentinel-SRAL
[Termes IGN] niveau de la mer
[Termes IGN] série temporelleRésumé : (auteur) Altimetry data of two and a half years (June 2016–November 2018) of Sentinel-3A SRAL (S3A-SRAL) were validated at the sampling frequency of 80 Hz. The data were obtained from the European Space Agency (ESA) Grid Processing On Demand (GPOD) service over three coastal sites in Spain: Huelva (HU) (Gulf of Cádiz), Barcelona (BA) (Western Mediterranean Sea), and Bilbao (BI) (Bay of Biscay). Two tracks were selected in each site: one ascending and one descending. Data were validated using in situ tide gauge (TG) data provided by the Spanish Puertos del Estado. The altimetry sea level anomaly time series were obtained using the corrections available in GPOD with the exception of the sea state bias (SSB) correction, not available at 80 Hz. Hence, the SSB was approximated to 5% of the significant wave height (SWH). The validation was performed using two statistical parameters, the Pearson correlation coefficient (r) and the root mean square error (rmse). In the 5–20-km segment with respect to the coastline, the results were 6–8 cm (rmse) and 0.7–0.8 (r) for all the tracks. The 0–5-km segment was also analyzed in detail to study the land effect on the altimetry data quality. The results showed that the track orientation, the angle of intersection with the coast, and the land topography concur to determine the nearest distance to the coast at which the data retain a similar level of accuracy than in the 5–20-km segment. This “distance of good quality” to shore reaches a minimum of 3 km for the tracks at HU and the descending track at BA. Numéro de notice : A2020-281 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2957649 Date de publication en ligne : 01/01/2020 En ligne : https://doi.org/10.1109/TGRS.2019.2957649 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95102
in IEEE Transactions on geoscience and remote sensing > vol 58 n° 6 (June 2020) . - pp 3809 - 3821[article]Basal area and diameter distribution estimation using stereoscopic hemispherical images / Mariola Sánchez-González in Photogrammetric Engineering & Remote Sensing, PERS, vol 82 n° 8 (August 2016)
[article]
Titre : Basal area and diameter distribution estimation using stereoscopic hemispherical images Type de document : Article/Communication Auteurs : Mariola Sánchez-González, Auteur ; Miguel Cabrera, Auteur ; Pedro Javier Herrera, Auteur Année de publication : 2016 Article en page(s) : pp 605 - 616 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] appariement d'images
[Termes IGN] courbe de Pearson
[Termes IGN] diamètre des arbres
[Termes IGN] image hémisphérique
[Termes IGN] inventaire forestier étranger (données)
[Termes IGN] modèle stéréoscopique
[Termes IGN] placette d'échantillonnage
[Termes IGN] surface terrière
[Termes IGN] tronc
[Vedettes matières IGN] Inventaire forestierRésumé : (auteur) In recent years, proximal sensing data has increasingly been used to optimize forest inventories. In this paper, we present a forest inventory methodology based on stereoscopic hemispherical images. An automated pixel-based approach and a user-guided “region growing” approach have been developed for image matching. To estimate the basal area, number of trees and mean diameter, the sampling probability is determined for each tree. The accuracy and precision of the estimates derived from stereoscopic hemispherical images was analyzed for a set of National Forest Inventory plots. The results revealed that tree matching depends on the species, the distance to the target tree and the diameter. The Pearson correlation coefficient was 0.86 for the mean diameter and 0.89 for the basal area, whereas for the number of trees per hectare it was 0.59. The proposed methods may be used in large scale forest inventories as a cost-efficient way of obtaining data on diameter distribution and basal area from field surveys following a two-stage scheme combined with remote sensing techniques. Numéro de notice : A2016-607 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.14358/PERS.82.8.605 En ligne : http://dx.doi.org/10.14358/PERS.82.8.605 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81805
in Photogrammetric Engineering & Remote Sensing, PERS > vol 82 n° 8 (August 2016) . - pp 605 - 616[article]Modélisation et estimation des erreurs de mesure / M. Neuilly (1993)
Titre : Modélisation et estimation des erreurs de mesure Type de document : Monographie Auteurs : M. Neuilly, Auteur ; Commission d'Etablissement des Méthodes d'Analyse du Commissariat à l'Energie Atomique, Auteur Editeur : Paris : Lavoisier Année de publication : 1993 Importance : 644 p. Format : 15 x 24 cm ISBN/ISSN/EAN : 978-2-85206-874-2 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Statistiques
[Termes IGN] analyse de variance
[Termes IGN] courbe de Pearson
[Termes IGN] distribution de Gauss
[Termes IGN] distribution de Poisson
[Termes IGN] erreur aléatoire
[Termes IGN] erreur de mesure
[Termes IGN] erreur systématique
[Termes IGN] filtre de Kalman
[Termes IGN] incertitude des données
[Termes IGN] mesurage
[Termes IGN] méthode des moindres carrés
[Termes IGN] modèle d'erreur
[Termes IGN] probabilités
[Termes IGN] valeur aberrante
[Termes IGN] varianceNote de contenu : 1. MODÉLISATION DE L'ERREUR SUR LE RÉSULTAT D'UNE MESURE DIRECTE
1.1. Erreurs aléatoires et systématiques
1.2. Définitions théoriques
Annexe : Courbes de Pearson
2. ESTIMATION DES CARACTÉRISTIQUES DE LA LOI DE PROBABILITÉ
2.1. Méthode d'estimation Intervalle de confiance
2.2. Estimation de la variance
2.2.1. Estimation de la variance à l'aide d'un échantillon
2.2.2. Comparaison de l'estimation à une valeur de référence
2.2.3. Estimation de la variance à l'aide de plusieurs échantillons
2.3. Vérification des hypothèses fondamentales
2.3.1. Caractère aléatoire des résultats
2.3.2. Valeurs aberrantes
2.4. Recherche de la loi de probabilité
2.4.1. Tests de normalité
2.4.2. Famille de lois de Pearson
2.4.3. Test d'ajustement de X2
2.5. Estimation de la moyenne
2.5.1. Moyenne d'une population normale
2.5.2. Comparaison de l'estimation à une ou deux valeurs de référence. Cas de la loi normale
2.5.3. Moyenne d'une loi de Poisson. Taux de comptage brut
2.5.4. Moyenne d'une distribution de Pearson
2.5.5. Correction du résultat
2.6. Étude des variations de m et par le test de Page
Bibliographie
Annexe : Principe des tests statistiques
3. COMPARAISON DE MOYENNES - ESTIMATION DES COMPOSANTES DE L'ERREUR
3.1. Un facteur contrôlé
3.1.1. Plan d'expérience
3.1.2. Comparaison de deux séries de résultats
3.1.3. Analyse de variance
3.2. Plans factoriels
3.2.1. Plans d'expérience
3.2.2. Nombre égaux de répétitions. Variance constante
3.2.3. Circuits de certification
3.2.4. Qualification de laboratoires
3.2.5. Comparaison de deux laboratoires
3.2.6. Nombres inégaux de répétitions.
3.3. Plans pyramidaux
3.3.1. Plans d'expérience
3.3.2. Deux facteurs contrôlés. Nombres égaux de répétitions
3.3.3. Plus de deux facteurs contrôlées. Nombres égaux de répétitions
3.3.4. Nombres inégaux de répétitions
Bibliographie
4. INCERTITUDE DU RÉSULTAT FINAL
4.1. Influence d'un facteur d'erreur
4.2. Influence de plusieurs facteurs
4.3. Échantillonnage d'objets en nombre fini
4.4. Caractéristiques d'une méthode de mesure
4.5. Limite de détection
Bibliographie
Annexe : Loi de distribution d'un taux de comptage net
5. CALCUL ET UTILISATION DES COURBES D'ÉTALONNAGE
5.1. Courbe d'étalonnage rectiligne
5.1.1. Calcul d'une droite. Variance liée constante
5.1.2. Comparaison de droites d'étalonnage
5.1.3. Calcul d'une droite. Variance liée variable
5.1.4. Ajouts connus et prises d'essai variables
5.2. Régression polynomiale
5.2.1. Régression polynomiale à variance liée constante
5.2.2. Régression polynomiale à variance liée variable
5.3. Relation non polynomiale
5.4. Réseau de courbes
5.5. Incertitude liée à l'étalonnage
5.6. Limite de détection
Bibliographie
Annexe : Système de k équations linéaires à k inconnues
TABLES
1. - Loi Normale
2. - W de X
3. - Loi de Student
4. - Loi de Snedecor (comparaison de variances)
5. - Loi de Poisson : Probabilités cumulées
6. - Étendue réduite de la loi normale
7. - Carré moyen des différences successives
8. - Nombre de suites
9. - Valeurs aberrantes. Tests de comparaison à la moyenne
10. -Valeurs aberrantes. Tests de Grubbs
11. - Valeurs aberrantes. Tests de Dixon
12. - Tee de normalité de Shapiro et Wilk
13. - Fonction
14. - Distributions quelconques
15. - Test de Cochran (comparaison de variances).
16. - Tee de Hartley (comparaison de variances)
17. - Tee de Welch (comparaison de moyennes)
ABAQUES POUR TESTS DE COMPARAISON
1. - Test de X (comparaison de variances)
2. - Test de Student (comparaison de moyennes)
3. - Emploi de la loi normale pour les comparaisonsNuméro de notice : 63161 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Monographie Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=61185 Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 63161-01 23.60 Livre Centre de documentation Mathématiques Disponible 63161-02 DEP-RECG Livre Marne-la-Vallée Dépôt en unité Exclu du prêt