Centre de documentation
scientifique

Machine learning remote sensing using the random forest classifier to detect the building damage caused by the Anak Krakatau Volcano tsunami / Riantini Virtriana in Geomatics, Natural Hazards and Risk, vol 14 n° 1 (2023)  

Public [article]  inGeomatics, Natural Hazards and Risk > vol 14 n° 1 (2023) . - pp 28 - 51 Titre : Machine learning remote sensing using the random forest classifier to detect the building damage caused by the Anak Krakatau Volcano tsunami Type de document : Article/Communication Auteurs : Riantini Virtriana, Auteur ; Agung Budi Harto, Auteur ; Fiza Wira Atmaja, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 28 - 51 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage automatique [Termes IGN] base de données d'images [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] dommage matériel [Termes IGN] données Copernicus [Termes IGN] image Sentinel-MSI [Termes IGN] image Worldview [Termes IGN] Indonésie [Termes IGN] modèle numérique de surface [Termes IGN] segmentation d'image [Termes IGN] tsunami Résumé : (auteur) In Indonesia, tsunamis are frequent events. In 2000–2016, there were 44 tsunami events in Indonesia, with financial losses reaching 43.38 trillion. In 2018, a tsunami occurred in the Sunda Strait due to the eruption of the Anak Krakatau Volcano, which caused many fatalities and much building damage. This study aimed to detect the building damage in the Labuan District, Banten Province. Machine learning methods were used to detect building damage using random forest with object-based techniques. No previous research has combined selected predictors into scenarios; hence, the novelty of this study is combining various random forest predictors to identify the extent of building damage using 14 predictor scenarios. In addition, field surveys were conducted two years and nine months after the tsunami to observe the changes and efforts made. The results of the random forest classification were validated and compared with three datasets, namely xBD, Copernicus, and field survey data. The results of this study can help classify the level of building damage using satellite imagery to improve mitigation in tsunami-prone areas. Numéro de notice : A2023-037 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/19475705.2022.2147455 Date de publication en ligne : 07/12/2022 En ligne : https://doi.org/10.1080/19475705.2022.2147455 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102307 [article]

Simplified automatic prediction of the level of damage to similar buildings affected by river flood in a specific area / David Marín-García in Sustainable Cities and Society, vol 88 (January 2023)  

Public [article]  inSustainable Cities and Society > vol 88 (January 2023) . - n° 104251 Titre : Simplified automatic prediction of the level of damage to similar buildings affected by river flood in a specific area Type de document : Article/Communication Auteurs : David Marín-García, Auteur ; Juan Rubio-Gómez-Torga, Auteur ; Manuel Duarte-Pinheiro, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : n° 104251 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] acquisition de données [Termes IGN] Andalousie [Termes IGN] apprentissage automatique [Termes IGN] bassin hydrographique [Termes IGN] bâtiment [Termes IGN] cartographie des risques [Termes IGN] coefficient de corrélation [Termes IGN] dommage matériel [Termes IGN] évaluation des paramètres [Termes IGN] image à haute résolution [Termes IGN] modèle de simulation [Termes IGN] zone inondable Résumé : (auteur) Flooding due to overflowing rivers affects the construction elements of many buildings. Although significant progress has been made in predicting this damage, there is still a need to continue studying this issue. For this reason, the main goal of this research focuses on finding out if, based on a small dataset of cases of a given area, it is possible to predict at least three degrees of affectation in buildings, considering only three environmental factors (minimum distance from the river, unevenness and possible water communication). To meet this goal, the methodological approach followed considers scientific literature review and collection and analysis of a small dataset from 101 buildings that have been affected by floods in the Guadalquivir River basin (Andalusia. Spain). After analyzing this data, algorithms based on machine learning (ML) are applied to predict the degree of affection. The results, analysis and conclusions indicate that, if the study focuses on a specific area and similar buildings, using a correlation matrix and ML algorithms such as the "Decision Tree" with cross-validation, around 90% can be achieved in the "Recall" and "Precision" of "High-Level-Affection" class, and an “Accuracy” around 80% in general. Numéro de notice : A2023-006 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.scs.2022.104251 Date de publication en ligne : 15/10/2022 En ligne : https://doi.org/10.1016/j.scs.2022.104251 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102093 [article]

Challenges and limitations of earthquake-induced building damage mapping techniques using remote sensing images : A systematic review / Sahar S. Matin in Geocarto international, Vol 37 n° 21 ([01/10/2022])  

Public [article]  inGeocarto international > Vol 37 n° 21 [01/10/2022] . - pp 6186 - 6212 Titre : Challenges and limitations of earthquake-induced building damage mapping techniques using remote sensing images : A systematic review Type de document : Article/Communication Auteurs : Sahar S. Matin, Auteur ; Biswajeet Pradhan, Auteur Année de publication : 2022 Article en page(s) : pp 6186 - 6212 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage profond [Termes IGN] cartographie thématique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] déformation d'édifice [Termes IGN] détection de changement [Termes IGN] dommage matériel [Termes IGN] données lidar [Termes IGN] image optique [Termes IGN] image radar moirée [Termes IGN] secours d'urgence [Termes IGN] séisme Résumé : (auteur) Assessing the extent and level of building damages is crucial to support post-earthquake rescue and relief activities. There is a large body of literature proposing novel frameworks for automating earthquake-induced building damage mapping using high-resolution remote sensing images. Yet, its deployment in real-world scenarios is largely limited to the manual interpretation of images. Although manual interpretation is costly and labor-intensive, it is preferred over automatic and semi-automatic building damage mapping frameworks such as machine learning and deep learning because of its reliability. Therefore, this review paper explores various automatic and semi-automatic building damage mapping techniques with a quest to understand the pros and cons of different methodologies to narrow the gap between research and practice. Further, the research gaps and opportunities are identified for the future development of real-world scenarios earthquake-induced building damage mapping. This review can serve as a guideline for researchers, decision-makers, and practitioners in the emergency management service domain. Numéro de notice : A2022-719 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2021.1933213 Date de publication en ligne : 07/06/2021 En ligne : https://doi.org/10.1080/10106049.2021.1933213 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101651 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
059-2022211	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Visualising post-disaster damage on maps: a user study / Thomas Candela in International journal of geographical information science IJGIS, vol 36 n° 7 (juillet 2022)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 36 n° 7 (juillet 2022) . - pp 1364 - 1393 Titre : Visualising post-disaster damage on maps: a user study Type de document : Article/Communication Auteurs : Thomas Candela, Auteur ; Matthieu Péroche, Auteur ; Arnaud Sallaberry, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 1364 - 1393 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] carte de répartition par points [Termes IGN] catastrophe naturelle [Termes IGN] comportement [Termes IGN] dommage matériel [Termes IGN] enquête [Termes IGN] lecture de carte [Termes IGN] oculométrie [Termes IGN] psychologie cognitive [Termes IGN] représentation cartographique [Termes IGN] sémiologie graphique [Termes IGN] tessellation [Vedettes matières IGN] Géovisualisation Résumé : (auteur) The mapping of the damage caused by natural disasters is a crucial step in deciding on the actions to take at the international, national, and local levels. The large variety of representations that we have observed leads to problems of transfer and variations in analysis. In this article, we propose a representation, Regular Dot map (RD), and we compare it to 4 others routinely used to visualise post-disaster damage. Our comparison is based on a user study in which a set of participants carried out various tasks on multiple datasets using the various visualisations. We then analysed the behaviour during the experiment using three approaches: (1) quantitative analysis of user answers according to the reality on the ground, (2) quantitative analysis of user preferences in terms of perceived effectiveness and appearance, and (3) qualitative analysis of the data collected using an eye tracker. The results of this study lead us to believe that RD is the best compromise in terms of effectiveness among the various representations studied. Numéro de notice : A2022-492 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2022.2063872 Date de publication en ligne : 19/04/2022 En ligne : https://doi.org/10.1080/13658816.2022.2063872 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100971 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2022071	SL	Revue	Centre de documentation	Revues en salle	Disponible

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)

Public [article]  inCartes & Géomatique > n° 247-248 (mars-juin 2022) . - pp 61 - 63 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] tempête Résumé : (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 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
021-2022011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Detection of damaged buildings after an earthquake with convolutional neural networks in conjunction with image segmentation / Ramazan Unlu in The Visual Computer, vol 38 n° 2 (February 2022)  

Permalink

Three-Dimensional point cloud analysis for building seismic damage information / Fan Yang in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 2 (February 2022)  

Permalink

Automatic extraction of damaged houses by earthquake based on improved YOLOv5: A case study in Yangbi / Yafei Jing in Remote sensing, vol 14 n° 2 (January-2 2022)  

Permalink

OBIA-based extraction of artificial terrace damages in the Loess plateau of China from UAV photogrammetry / Xuan Fang in ISPRS International journal of geo-information, vol 10 n° 12 (December 2021)  

Permalink

A repeatable change detection approach to map extreme storm-related damages caused by intense surface runoff based on optical and SAR remote sensing: Evidence from three case studies in the South of France / Arnaud Cerbelaud in ISPRS Journal of photogrammetry and remote sensing, Vol 182 (December 2021)  

Permalink

Disaster intensity-based selection of training samples for remote sensing building damage classification / Luis Moya in IEEE Transactions on geoscience and remote sensing, vol 59 n° 10 (October 2021)  

Permalink

Damage detection using SAR coherence statistical analysis, application to Beirut, Lebanon / Tamer ElGharbawi in ISPRS Journal of photogrammetry and remote sensing, vol 173 (March 2021)  

Permalink

Optimisations cartographiques pour la gestion des crises et des risques majeurs : le cas de la cartographie des dommages post-catastrophes / Thomas Candela (2021)  

Permalink

Optimal segmentation of high spatial resolution images for the classification of buildings using random forests / James Bialas in International journal of applied Earth observation and geoinformation, vol 82 (October 2019)  

Permalink

Atlas of remote sensing of the Wenchuan earthquake / Huadong Guo (2019)  

Permalink