Descripteur
Documents disponibles dans cette catégorie (42)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Etendre la recherche sur niveau(x) vers le bas
Machine learning and landslide studies: recent advances and applications / Faraz S. Tehrani in Natural Hazards, vol 114 n° 2 (November 2022)
![]()
[article]
Titre : Machine learning and landslide studies: recent advances and applications Type de document : Article/Communication Auteurs : Faraz S. Tehrani, Auteur ; Michele Calvello, Auteur ; Zongqiang Liu, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 1197 - 1245 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse d'image orientée objet
[Termes IGN] analyse spatiale
[Termes IGN] apprentissage automatique
[Termes IGN] cartographie des risques
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] effondrement de terrain
[Termes IGN] image Sentinel-MSI
[Termes IGN] réseau neuronal artificiel
[Termes IGN] simulation spatialeRésumé : (auteur) Upon the introduction of machine learning (ML) and its variants, in the form that we know today, to the landslide community, many studies have been carried out to explore the usefulness of ML in landslide research and to look at some classic landslide problems from an ML point of view. ML techniques, including deep learning methods, are becoming popular to model complex landslide problems and are starting to demonstrate promising predictive performance compared to conventional methods. Almost all the studies published in the literature in recent years belong to one of the following three broad categories: landslide detection and mapping, landslide spatial forecasting in the form of susceptibility mapping, and landslide temporal forecasting. In this paper, we present a brief overview of ML techniques, provide a general summary of the landslide studies conducted, in recent years, in the three above-mentioned categories, and make an attempt to critically evaluate the use of ML methods to model landslide processes. The paper also provides suggestions for future use of these powerful data-driven techniques in landslide studies. Numéro de notice : A2022-841 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article DOI : 10.1007/s11069-022-05423-7 Date de publication en ligne : 20/06/2022 En ligne : https://doi.org/10.1007/s11069-022-05423-7 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102051
in Natural Hazards > vol 114 n° 2 (November 2022) . - pp 1197 - 1245[article]Development of a novel hybrid multi-boosting neural network model for spatial prediction of urban flood / Amid Darabi in Geocarto international, vol 37 n° 19 ([15/09/2022])
![]()
[article]
Titre : Development of a novel hybrid multi-boosting neural network model for spatial prediction of urban flood Type de document : Article/Communication Auteurs : Amid Darabi, Auteur ; Omid Rahmati, Auteur ; Seyed Amir Naghibi, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 5716 - 5741 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie thématique
[Termes IGN] aléa
[Termes IGN] apprentissage automatique
[Termes IGN] cartographie des risques
[Termes IGN] classification et arbre de régression
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] écoulement des eaux
[Termes IGN] inondation
[Termes IGN] Iran
[Termes IGN] simulation spatiale
[Termes IGN] zone urbaineRésumé : (auteur) In this study, a new hybridized machine learning algorithm for urban flood susceptibility mapping, named MultiB-MLPNN, was developed using a multi-boosting technique and MLPNN. The model was tested in Amol City, Iran, a data-scarce city in an ungauged area which is prone to severe flood inundation events and currently lacks flood prevention infrastructure. Performance of the hybridized model was compared with that of a standalone MLPNN model, random forest and boosted regression trees. Area under the curve, efficiency, true skill statistic, Matthews correlation coefficient, misclassification rate, sensitivity and specificity were used to evaluate model performance. In validation, the MultiB-MLPNN model showed the best predictive performance. The hybridized MultiB-MLPNN model is thus useful for generating realistic flood susceptibility maps for data-scarce urban areas. The maps can be used to develop risk-reduction measures to protect urban areas from devastating floods, particularly where available data are insufficient to support physically based hydrological or hydraulic models. Numéro de notice : A2022-708 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2021.1920629 Date de publication en ligne : 13/05/2021 En ligne : https://doi.org/10.1080/10106049.2021.1920629 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101578
in Geocarto international > vol 37 n° 19 [15/09/2022] . - pp 5716 - 5741[article]Simulating future LUCC by coupling climate change and human effects based on multi-phase remote sensing data / Zihao Huang in Remote sensing, vol 14 n° 7 (April-1 2022)
![]()
[article]
Titre : Simulating future LUCC by coupling climate change and human effects based on multi-phase remote sensing data Type de document : Article/Communication Auteurs : Zihao Huang, Auteur ; Xuejian Li, Auteur ; Qiang Du, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 1698 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] automate cellulaire
[Termes IGN] changement climatique
[Termes IGN] changement d'utilisation du sol
[Termes IGN] Chine
[Termes IGN] écosystème forestier
[Termes IGN] forêt tropicale
[Termes IGN] image Landsat-OLI
[Termes IGN] image Landsat-TM
[Termes IGN] interaction homme-milieu
[Termes IGN] modèle de simulation
[Termes IGN] modèle dynamique
[Termes IGN] modèle numérique de surface
[Termes IGN] puits de carbone
[Termes IGN] simulation spatialeRésumé : (auteur) Future land use and cover change (LUCC) simulations play an important role in providing fundamental data to reveal the carbon cycle response of forest ecosystems to LUCC. Subtropical forests have great potential for carbon sequestration, yet their future dynamics under natural and human influences are unclear. Zhejiang Province in China is an important distribution area for subtropical forests. For forest management, it is of great significance to explore the future dynamic changes of subtropical forests in Zhejiang. As a popular LUCC spatial simulation model, the cellular automata (CA) model coupled with machine learning and LUCC quantitative demand models such as system dynamics (SD) can achieve effective LUCC simulation. Therefore, we first integrated a back propagation neural network (BPNN), a CA, and a SD model as a BPNN_CA_SD (BCS) coupled model for future LUCC simulation and then designed a slow development scenario (SD_Scenario), a harmonious development scenario (HD_Scenario), a baseline development scenario (BD_Scenario), and a fast development scenario (FD_Scenario), combining climate change and human disturbance. Thirdly, we obtained future land-use patterns in Zhejiang Province from 2014 to 2084 under multiple scenarios, and finally, we analyzed the temporal and spatial changes of land use and discussed the subtropical forest dynamics of the future. The results showed the following: (1) The overall accuracy was approximately 0.8, the kappa coefficient was 0.75, and the figure of merit (FOM) value was over 28% when using the BCS model to predict LUCC, indicating that the model could predict the consistent change of LUCC accurately. (2) The future evolution of the LUCC under different scenarios varied, with the growth of bamboo forests and the decline of coniferous forests in the FD_Scenario being prominent among the forest dynamics changes. Compared with 2014, the bamboo forest in 2084 will increase by 37%, while the coniferous forest will decrease by 25%. (3) Comparing the area and spatial change of the subtropical forests, the SD_Scenario was found to be beneficial for the forest ecology. These results can provide an important decision-making reference for land-use planning and sustainable forest development in Zhejiang Province. Numéro de notice : A2022-281 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs14071698 Date de publication en ligne : 31/03/2022 En ligne : https://doi.org/10.3390/rs14071698 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100297
in Remote sensing > vol 14 n° 7 (April-1 2022) . - n° 1698[article]Simulation d'ouragans et de collectes de déchets sur QGIS pour l'amélioration de la collecte des déchets post-ouragan / Quy Thy Truong in Cartes & Géomatique, n° 247-248 (mars-juin 2022)
[article]
Titre : Simulation d'ouragans et de collectes de déchets sur QGIS pour l'amélioration de la collecte des déchets post-ouragan Type de document : Article/Communication Auteurs : Quy Thy Truong , Auteur ; Anne Ruas
, Auteur
Année de publication : 2022 Conférence : ICC 2021, 30th ICA international cartographic conference 14/12/2021 18/12/2021 Florence Italie Article en page(s) : pp 61 - 63 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique
[Termes IGN] catastrophe naturelle
[Termes IGN] collecte des déchets
[Termes IGN] dommage matériel
[Termes IGN] gestion de crise
[Termes IGN] implémentation (informatique)
[Termes IGN] module d'extension
[Termes IGN] prototype
[Termes IGN] QGIS
[Termes IGN] Saint-Martin, île de
[Termes IGN] simulation spatiale
[Termes IGN] stockage
[Termes IGN] tempêteRésumé : (Auteur) [Contexte] Au cours des dernières décennies, des évènements naturels catastrophiques tels que des tempêtes et des ouragans ont touché des millions de personnes dans le Monde : environ 33 millions de personnes sont touchées chaque année entre 2007 et 2016 (Bellow et Wallemacq, 2018). Par exemple, l'ouragan Katrina (Etas-Unis, 2015) a causé des dégâts catastrophiques du centre de la Floride à l'est du Texas, au moins 1836 personnes sont mortes et le total des dommages matériels a été estimé à 125 milliards de dollars. Par ailleurs, le changement climatique est susceptible d'augmenter la fréquence des catégories d'ouragans les plus intenses ainsi que le niveau de la mer, entraînant des ondes de tempête plus destructrices lorsque des ouragans se produisent (GIEC, 2013). Les ouragans génèrent de grandes quantités de déchets directement liés aux impacts induits (Brown et al., 2011). La rapidité de collecte et de tri des déchets est essentielle car non seulement les déchets bloquent et ralentissent l'activité humaine mais ils génèrent aussi des pollutions. La gestion de ces déchets est donc un enjeu majeur dans la gestion de crise post-ouragan. L'ouragan Irma, qui a frappé les Caraïbes au début de septembre 2017, en particulier les îles de Saint-Martin et Saint-Barthélémy, est un exemple frappant de ce problème. Dans cet article nous présentons un système d'information pour améliorer la collecte des déchets post-ouragan aux Antilles françaises. Ces travaux sont faits dans le cadre du projet de recherche DéPOs financé par l'ANR. Numéro de notice : A2022-676 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101891
in Cartes & Géomatique > n° 247-248 (mars-juin 2022) . - pp 61 - 63[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 021-2022011 SL Revue Centre de documentation Revues en salle Disponible Urban growth analysis and simulations using cellular automata and geo-informatics: comparison between Almaty and Astana in Kazakhstan / Aigerim Ilyassova in Geocarto international, vol 36 n° 5 ([15/03/2021])
![]()
[article]
Titre : Urban growth analysis and simulations using cellular automata and geo-informatics: comparison between Almaty and Astana in Kazakhstan Type de document : Article/Communication Auteurs : Aigerim Ilyassova, Auteur ; Lakshmi Kantakumar, Auteur ; Doreen S. Boyd, Auteur Année de publication : 2021 Article en page(s) : pp 520 - 539 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] automate cellulaire
[Termes IGN] croissance urbaine
[Termes IGN] dynamique spatiale
[Termes IGN] étalement urbain
[Termes IGN] image Landsat
[Termes IGN] Kazakhstan
[Termes IGN] modèle de simulation
[Termes IGN] modélisation spatiale
[Termes IGN] occupation du sol
[Termes IGN] planification urbaine
[Termes IGN] simulation spatiale
[Termes IGN] système d'information géographiqueRésumé : (auteur) In this research, the SLEUTH urban growth model is calibrated and validated for the first time to post Soviet Union cities. The aim of the study is to monitor, assess, simulate and compare the spatiotemporal urban growth dynamics and spatial patterns of the two largest cities Almaty and Astana using free remote sensing data. The urban expansion metrics and SLEUTH model are used to assess the urban growth dynamics. Though the capital has been moved to Astana from Almaty in 1998, Almaty is still developing faster than Astana. The urban growth simulation results from SLEUTH show Astana will surpass the urban growth of Almaty to emerge as the largest city in Kazakhstan by 2030. Astana may experience more leapfrog and ribbon developments. In Almaty, the urban growth may likely to take place in north and north-west parts. Numéro de notice : A2021-251 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1618923 Date de publication en ligne : 10/06/2019 En ligne : https://doi.org/10.1080/10106049.2019.1618923 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97273
in Geocarto international > vol 36 n° 5 [15/03/2021] . - pp 520 - 539[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 059-2021051 RAB Revue Centre de documentation En réserve L003 Disponible Spatial simulation of rainstorm waterlogging based on a water accumulation diffusion algorithm / Jingwei Hou in Geomatics, Natural Hazards and Risk, vol 11 n° 1 (2020)
PermalinkPermalinkSimulation de formes réalistes de développement résidentiel, de l'échelle du bâtiment à celle de l'ensemble d'une région urbaine / Maxime Colomb (2019)
PermalinkUrban growth simulations in order to represent the impacts of constructions and environmental constraints on urban sprawl / Mojtaba Eslahi (2019)
PermalinkSIG et intelligence artificielle : quels développements et quel futur ? / Christian Carolin in Géomatique expert, n° 118 (septembre - octobre 2017)
PermalinkPerformance evaluation of land change simulation models using landscape metrics / Sadeq Dezhkam in Geocarto international, vol 32 n° 6 (June 2017)
PermalinkApports des méthodes d'exploration et de distribution appliquées à la simulation des droits à bâtir / Mickaël Brasebin (2017)
PermalinkUne grille chorématique des dynamiques spatiales pour expliquer l’évolution des territoires / Laure Casanova Enault in Mappemonde, n° 119 (janvier 2017)
PermalinkASSURE : a model for the simulation of urban expansion and intra-urban social segregation / Karolien Vermeiren in International journal of geographical information science IJGIS, vol 30 n° 11-12 (November - December 2016)
PermalinkA domain specific language for spatial simulation scenarios / Luís Moreira de Sousa in Geoinformatica, vol 20 n° 1 (January - March 2016)
Permalink