Centre de documentation
scientifique

Repenser la conception des corridors écologiques à travers l'espace et le temps / Elie Morin (2022)  

Public Titre : Repenser la conception des corridors écologiques à travers l'espace et le temps : l'apport de la télédétection à très haute résolution spatiale Type de document : Thèse/HDR Auteurs : Elie Morin, Auteur ; Frédéric Grandjean, Directeur de thèse ; Nicolas Bech, Directeur de thèse Editeur : Poitiers [France] : Université de Poitiers Année de publication : 2022 Importance : 253 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse pour obtenir le grade de Docteur de l'Université de Poitiers, Spécialité Biologie et Écologie des Populations Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] aménagement du territoire [Termes IGN] aménagement paysager [Termes IGN] BD ortho [Termes IGN] biodiversité [Termes IGN] changement d'occupation du sol [Termes IGN] classification orientée objet [Termes IGN] corridor biologique [Termes IGN] forêt urbaine [Termes IGN] habitat d'espèce [Termes IGN] image à très haute résolution [Termes IGN] milieu rural [Termes IGN] milieu urbain [Termes IGN] modélisation spatio-temporelle [Termes IGN] Orfeo Tool Box [Termes IGN] Poitiers [Termes IGN] pouvoir de résolution géométrique [Termes IGN] représentation cartographique [Termes IGN] système d'information géographique [Termes IGN] trame verte et bleue Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Les changements d’occupation des sols d’origine anthropique entrainent une fragmentation des habitats et représentent l’une des principales menaces pour la biodiversité. En effet, cette fragmentation se traduit par la diminution de la surface des habitats, de leur disponibilité et de leur connectivité. Dans ce contexte, la Trame Verte et Bleue, adoptée en France, vise à identifier les réservoirs de biodiversité et leurs corridors écologiques afin de maximiser la fonctionnalité des réseaux écologiques. Néanmoins, cette mesure est basée sur des modélisations cartographiques dont la résolution spatiale et thématique, bien qu’adéquate à l’échelle régionale, ne permettent pas de prendre en compte l’hétérogénéité spatiale des paysages complexes tels que les milieux urbains. Par ailleurs, cette approche ne considère pas la dynamique temporelle du paysage, pourtant importante dans les processus écologiques. Dans un premier temps, le but de ma thèse a été de construire une représentation actuelle du territoire à très haute résolution spatiale (THRS) à partir de la compilation de données spatiales institutionnelles en libre accès. Malgré la forte résolution spatiale et thématique de cette première cartographie notamment en milieu rural, la végétation urbaine, source de biodiversité, restait sous-estimée. Ainsi, nous avons développé une méthodologie alliant SIG et télédétection afin de caractériser et différencier la végétation arborée et herbacée en milieu urbain à THRS. Dans un deuxième temps, cette approche a permis de mettre en évidence l’importance de la précision cartographique dans la modélisation des connectivités paysagères (i.e., réseaux écologiques) en milieux urbains. Ces approches ont ensuite été utilisées pour reconstruire les paysages anciens à THRS afin de comprendre l’impact des changements spatio-temporels du paysage sur la connectivité écologique. Ces modèles de connectivité ont été validées à partir de données d’occurrence d’espèces spécialistes. Les bases de données créées et les méthodologies développées durant cette thèse représentent des informations précieuses et transdisciplinaires dans l’aménagement du territoire pour la conservation de la biodiversité. Note de contenu : Introduction générale 1.1. La biodiversité 1.2. Le paysage urbain 1.3. L’écologie du paysage 1.4. Connectivité écologique ou paysagère 1.5. La Trame Verte et Bleue 1.6. Site d’étude : Poitiers et Grand Poitiers Communauté urbaine 1.7. Problématiques de recherche Chapitre 2 : Cartographier les paysages 2.1. La cartographie ou la représentation numérique du territoire 2.2. Construire une cartographie cohérente aux problématiques de recherche 2.3. L’apport de la télédétection pour cartographier les paysages passés 2.4. Classification de 1950, quels résultats espérer d’une image en noir & blanc ? 2.5. Conclusion & perspectives Chapitre 3 : Modéliser la connectivité paysagère en milieu urbain & rural 3.1. La théorie des graphes 3.2. Importance de la résolution spatiale et thématique en milieu urbain 3.3. Importance de la résolution spatiale en milieu urbain & rural Chapitre 4 : Changements paysagers et connectivité paysagère 4.1. Introduction 4.2. Matériels & méthodes 4.3. Résultats & discussion 5. Discussion générale 5.1. L’histoire des paysages : entre SIG et télédétection 5.2. La végétation urbaine au cœur des enjeux écologiques 5.3. L’évolution spatio-temporelle des paysages comme variable explicative Conclusion Numéro de notice : 26961 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Biologie et Écologie des Populations : Poitiers : 2022 nature-HAL : Thèse DOI : sans Date de publication en ligne : 07/02/2023 En ligne : https://theses.hal.science/tel-03976819v1/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102572

Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images / Théo Mesure (2021) 

Public Titre : Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images : Quelles possibilités d’automatisation ? Type de document : Mémoire Auteurs : Théo Mesure, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 63 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse diachronique [Termes IGN] automatisation [Termes IGN] calcaire [Termes IGN] carte d'occupation du sol [Termes IGN] classification dirigée [Termes IGN] classification orientée objet [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] espèce végétale [Termes IGN] géoréférencement indirect [Termes IGN] image aérienne [Termes IGN] Moselle (57) [Termes IGN] Orfeo Tool Box [Termes IGN] pelouse [Termes IGN] protection de la biodiversité Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’analyse fine et régulière des pelouses calcaires est un enjeu majeur dans le cadre des missions de gestion et de suivi scientifique du Conservatoire d’Espaces Naturels de Lorraine. Les pelouses sont des milieux semi-naturels, soumis à des dynamiques d’embroussaillement fortes et rapides si elles ne sont pas gérées régulièrement. A l’heure actuelle, le suivi de cette dynamique au Conservatoire se fait par analyse diachronique des photos aériennes mises à disposition. Cette analyse est complétée par une cartographie de terrain. Réalisée à la main, cette méthode est pour l’heure assez chronophage. Les travaux effectués au cours de ce stage se positionnent donc dans la continuité de ces études. Au vu des moyens technologiques actuels, le Conservatoire s’interroge sur la possibilité d’automatiser les cartographies d’occupation du sol, afin d’évaluer l’embroussaillement sur ses différents sites. Pour répondre à cette problématique, deux méthodes de classification supervisée ont été développées. Elles suivent le même principe et ne différent que par les données qu’on leur fournie. La première traite des images disposant de canal proche-infrarouge, tandis que la deuxième méthode se concentre elle sur les images ne disposant que du spectre visible. Pour procéder à la classification, les images sont segmentées grâce à l’algorithme de ligne de partage des eaux. On extrait aussi un certain nombre d’informations, directes ou dérivées, de ces images. Les attributs calculés ici, ont été déterminés pour fournir les meilleurs résultats sur la détection des pelouses calcaires. Enfin les segments créés sont donnés au classifieur RandomForest, afin qu’il les ordonne selon un ensemble de classes définies au préalable. Avec les méthodes développées, le classifieur parvient à trouver entre 80% et 90% de vrai positifs pour le type d’arbuste ou de pelouse, selon les années et les données en entrée. Des pistes d’amélioration ont aussi été explorées, telles que l’ajout de données externes ou le lissage de carte. Le deuxième objectif de ce stage était de pouvoir transmettre les méthodes de classification développées au plus grand nombre. Pour cela, des manuels utilisateurs ont été écrits, détaillant chacune des étapes nécessaires. Ces manuels donnent aussi les clefs de compréhension nécessaires à l’analyse des résultats et des attributs produits. A l’issu de ce stage, les perspectives sont nombreuses. Une telle méthodologie offre la possibilité d’un suivi plus régulier et détaillé des sites du Conservatoire. L’utilisation d’une méthode de classification orientée-objet, permet de prendre en compte le travail des experts sur le terrain, ainsi que d’intégrer plus facilement ces données au classifieur. Un travail sur les classes est aussi envisageable : en dehors du bâti, une simplification des classes de végétation est possible, et permettrait de faciliter le travail sur les images anciennes. Pour les images actuelles, un travail sur la nomenclature pourrait être utile pour améliorer le niveau de détail de la carte. En s’appliquant par exemple à différencier arbustes bas, pelouse non-gérée et pelouse non-gérée mitée (i.e avec un début d’embroussaillement). Enfin la faible configuration machine requise, permet d’imaginer des utilisations par un nombre plus grand d’acteurs. Note de contenu : Introduction 1. Contexte et présentation du stage 1.1 Présentation de la structure 1.2 Enjeux et objectifs 1.3 Présentation des sites 1.4 Déroulement et organisation du stage 1.5 Données à disposition 2. Recherches effectuées et principe de la méthode 2.1 Recherche des outils 2.2 Principe de fonctionnement 3. Description et création des attributs et des segments 3.1 Attributs spectraux 3.2 Attributs de texture 3.3 Attributs géométriques 3.4 Création des segments 3.5 Création de statistiques 4. Classifieur utilisé 4.1 SVM et RandomForest 4.2 Arbre de décision 4.3 Construction et fonctionnement du RandomForest 4.4 Jeu d’entraînement, jeu de validation 5. Résultats 5.1 Classes retenues 5.2 Cartes d’occupation du sol, images récentes 5.3 Cartes d’occupation du sol, images anciennes 5.4 Evaluation détaillée du classifieur 5.5 Statistiques d’occupation du sol 6. Limites et améliorations 6.1 Limites de la méthode 6.2 Limites de la nomenclature 6.3 Limites sur le panchromatique 6.4 Limites sur le RVB ancien 6.5 Limites sur l’évaluation du classifieur 6.6 Limites sur le géoréférencement 6.7 Améliorations possibles 7. Mise à disposition pour les utilisateurs du CENL 7.1 Outils utilisés pour automatiser 7.2 Rédaction et contenu des manuels 7.3 Limites Conclusion Numéro de notice : 26620 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Conservatoire des Espaces Naturels de Lorraine CENL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98584

Documents numériques

peut être téléchargé Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images - pdf auteur Adobe Acrobat PDF

Mapping of land cover with open-source software and ultra-high-resolution imagery acquired with unmanned aerial vehicles / Ned Horning in Remote sensing in ecology and conservation, vol 6 n° 4 (December 2020)  

Public [article]  inRemote sensing in ecology and conservation > vol 6 n° 4 (December 2020) . - pp 487 - 497 Titre : Mapping of land cover with open-source software and ultra-high-resolution imagery acquired with unmanned aerial vehicles Type de document : Article/Communication Auteurs : Ned Horning, Auteur ; Erika Fleishman, Auteur ; Peter J. Ersts, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 487 - 497 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse comparative [Termes IGN] carte d'occupation du sol [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] image aérienne [Termes IGN] image captée par drone [Termes IGN] Orfeo Tool Box [Termes IGN] orthoimage [Termes IGN] R (langage) Résumé : (auteur) The use of unmanned aerial vehicles (UAVs) to map and monitor the environment has increased sharply in the last few years. Many individuals and organizations have purchased consumer-grade UAVs, and commonly acquire aerial photographs to map land cover. The resulting ultra-high-resolution (sub-decimeter-resolution) imagery has high information content, but automating the extraction of this information to create accurate, wall-to-wall land-cover maps is quite difficult. We introduce image-processing workflows that are based on open-source software and can be used to create land-cover maps from ultra-high-resolution aerial imagery. We compared four machine-learning workflows for classifying images. Two workflows were based on random forest algorithms. Of these, one used a pixel-by-pixel approach available in ilastik, and the other used image segments and was implemented with R and the Orfeo ToolBox. The other two workflows used fully connected neural networks and convolutional neural networks implemented with Nenetic. We applied the four workflows to aerial photographs acquired in the Great Basin (western USA) at flying heights of 10 m, 45 m and 90 m above ground level. Our focal cover type was cheatgrass (Bromus tectorum), a non-native invasive grass that changes regional fire dynamics. The most accurate workflow for classifying ultra-high-resolution imagery depends on diverse factors that are influenced by image resolution and land-cover characteristics, such as contrast, landscape patterns and the spectral texture of the land-cover types being classified. For our application, the ilastik workflow yielded the highest overall accuracy (0.82–0.89) as assessed by pixel-based accuracy. Numéro de notice : A2020-853 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1002/rse2.144 Date de publication en ligne : 13/01/2020 En ligne : https://doi.org/10.1002/rse2.144 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98682 [article]

Deep learning for remote sensing images with open source software / Rémi Cresson (2020)

Public Titre : Deep learning for remote sensing images with open source software Type de document : Guide/Manuel Auteurs : Rémi Cresson, Auteur Editeur : Boca Raton, New York, ... : CRC Press Année de publication : 2020 Importance : 164 p. Présentation : Nombreuses illustrations en couleur ISBN/ISSN/EAN : 978-0-367-85848-3 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] image radar [Termes IGN] image Sentinel [Termes IGN] jeu de données localisées [Termes IGN] Orfeo Tool Box [Termes IGN] QGIS [Termes IGN] restauration d'image [Termes IGN] segmentation sémantique Index. décimale : 35.20 Traitement d'image Résumé : (Editeur) In today’s world, deep learning source codes and a plethora of open access geospatial images are readily available and easily accessible. However, most people are missing the educational tools to make use of this resource.This book is the first practical book to introduce deep learning techniques using free open source tools for processing real world remote sensing images. The approaches detailed in this book are generic and can be adapted to suit many different applications for remote sensing image processing, including landcover mapping, forestry, urban studies, disaster mapping, image restoration, etc. Written with practitioners and students in mind, this book helps link together the theory and practical use of existing tools and data to apply deep learning techniques on remote sensing images and data. Specific Features of this Book: - The first book that explains how to apply deep learning techniques to public, free available data (Spot-7 and Sentinel-2 images, OpenStreetMap vector data), using open source software (QGIS, Orfeo ToolBox, TensorFlow) - Presents approaches suited for real world images and data targeting large scale processing and GIS applications - Introduces state of the art deep learning architecture families that can be applied to remote sensing world, mainly for landcover mapping, but also for generic approaches (e.g. image restoration) - Suited for deep learning beginners and readers with some GIS knowledge. No coding knowledge is required to learn practical skills. - Includes deep learning techniques through many step by step remote sensing data processing exercises. Note de contenu : Introduction 1. Backgrounds 2. Patch Based Classification 3. Semantic Segmentation 4. Image Restoration Numéro de notice : 26551 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Manuel DOI : sans Accessibilité hors numérique : Accessible via le SUDOC (sur demande au cdos) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97864

Le plug-in ACYOTB : l'orthorectification open source de précision / Valerio Baiocchi in Géomatique expert, n° 132-133 (janvier - septembre 2020)

Public [article]  inGéomatique expert > n° 132-133 (janvier - septembre 2020) . - pp 50 - 63 Titre : Le plug-in ACYOTB : l'orthorectification open source de précision Type de document : Article/Communication Auteurs : Valerio Baiocchi, Auteur ; Francesca Giannone, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 50 - 63 Note générale : bibliographie article original en anglais en libre accès : https://doi.org/10.3390/ijgi9010011 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique [Termes IGN] image spatiale [Termes IGN] Orfeo Tool Box [Termes IGN] orthorectification [Termes IGN] QGIS Résumé : (auteur) [original abstract] High-resolution satellite images must undergo a geometric rectification process in order to be used for metrical purposes. This operation, called orthorectification, is necessary because of deformations mainly due to camera distortions and acquisition geometry. To correctly orthorectify an image, it is necessary to accurately reconstruct the photogrammetric-acquisition characteristics and the image position with respect to a reference system connected to the ground. This operation, called orientation, can be done using various mathematical models such as rigorous, rational polynomial function (RPF), and rational polynomial coefficient, or, according to some authors, rapid positioning coefficient (RPC) models. Orientation and orthorectification are usually performed within specific commercial software, but in QGIS, these complex operations can be performed using the open libraries of the Orfeo Tool Box (OTB). Unfortunately, instructions given by OTB developers lead to scarce results. In fact, the procedure proposed in OTB does not allow for the full exploitation of the potential of RPC models, on which OTB itself is based. As OTB is open-source software, a plugin was developed to overcome these limitations and exploit its full potential. In fact, OTB interfaces are unfortunately essential, and some necessary functions are missing. Therefore, a new QGIS plugin was developed in order to run the entire process in the most photogrammetrically and statistically correct way, and, at the same time, to simplify the relative procedures. Numéro de notice : A2020-863 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99185 [article]

Exemplaires(2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
265-2020011	RAB	Revue	Centre de documentation	En réserve L003	Disponible
IFN-001-P002238	PER	Revue	Nogent-sur-Vernisson	Salle périodiques	Exclu du prêt

Uso de QGIS en la teledetección, Vol. 1. QGIS y las herramientas genéricas / Nicolas Baghdadi (2020)

Permalink

Mise en oeuvre d'outils open source pour le suivi opérationnel de l'occupation des sols et de la déforestation à partir des données Sentinel radar optique : études de cas en Guyane et au Togo / Cédric Lardeux in Revue Française de Photogrammétrie et de Télédétection, n° 219-220 (juin - octobre 2019)  

Permalink

QGIS in Remote Sensing, Volume 1. QGIS and generic tools / Nicolas Baghdadi (2018)  

Permalink

Utilisation de QGIS en télédétection, Volume 1. QGIS et outils génériques / Nicolas Baghdadi (2018)

Permalink

Mapping and estimating land change between 2001 and 2013 in a heterogeneous landscape in West Africa: Loss of forestlands and capacity building opportunities / Hèou Maléki Badjana in International journal of applied Earth observation and geoinformation, vol 63 (December 2017)  

Permalink

Le FOSS4G Europe / Vincent Habchi in Géomatique expert, n° 118 (septembre - octobre 2017)

Permalink

Automatisation de l’acquisition et du traitement des images Sentinel-2 pour le calcul d’indices de végétation aidant à la prévention des pics de paludisme à Madagascar / Charlotte Wolff (2017)

Permalink

Application à large échelle de techniques d'analyse d'images basées objet pour l'imagerie satellite à très haute résolution / David Youssefi in Revue Française de Photogrammétrie et de Télédétection, n° 209 (Janvier 2015)  

Permalink

Open source geospatial tools / Daniel McInerney (2015)

Permalink

L’ORFEO Toolbox : bilan des années ORFEO et perspectives / Julien Michel in Revue Française de Photogrammétrie et de Télédétection, n° 208 (Octobre 2014)  

Permalink