Centre de documentation
scientifique

Géomaticien en cabinet de géomètres-experts / Esteban Augustin (2024)

Public Titre : Géomaticien en cabinet de géomètres-experts Type de document : Mémoire Auteurs : Esteban Augustin, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2024 Importance : 53 p. Format : 21 x 30 cm Note générale : bibliographie Rapport de stage de la Licence Pro 2 Géomètre - Géomaticien Langues : Français (fre) Descripteur : [Termes IGN] cartographie [Termes IGN] dessin [Termes IGN] géomatique [Termes IGN] informatique [Termes IGN] lasergrammétrie [Termes IGN] Lidar [Termes IGN] MicMac [Termes IGN] orthophotographie [Termes IGN] photogrammétrie [Termes IGN] Python (langage de programmation) Index. décimale : LPGE Mémoires de Licence professionnelle géomatique et environnement Résumé : L’agence de Eu du cabinet de géomètres-experts EUCLYD développe sa branche « photogrammétrie ». Ce stage participe à ce développement, que ce soit en production ou en recherche et développement. Les chantiers auxquels j’ai participé relèvent de la production d’orthophotographies de façade, de calculs de cubatures et de développement informatique. Des méthodes ainsi que des outils ont été développés durant ce stage, répondant aux besoins de l’entreprise en géomatique. Note de contenu : Introduction 1. Orthophotographies de façades 2. Levers de stocks de carrières de granulats 3. Plan topographique réalisé dans un jumeau numérique 4. Développement d'outils permettant l'automatisation de traitements géomatiques Conclusion Numéro de notice : 24239 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE Nature : Mémoire licence Organisme de stage : Euclyd Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103872

Global Open Data Assessment / Mathis Rouillard (2024)

Public Titre : Global Open Data Assessment Type de document : Mémoire Auteurs : Mathis Rouillard, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2024 Importance : 48 p. Format : 21 x 30 cm Note générale : bibliographie Rapport de fin d'étude, cycle des ING3, spécialisé TSI Langues : Anglais (eng) Descripteur : [Termes IGN] graphe [Termes IGN] OpenStreetMap [Termes IGN] Python (langage de programmation) [Termes IGN] qualité [Termes IGN] réseau routier [Termes IGN] web 2.0 Index. décimale : MTSI Mémoires du Master Technologies des Systèmes d'Information Résumé : Au sein de l’équipe d’ingénieur·e·s de LocationMind Inc., une startup japonaise, un vif intérêt a été porté sur Overture Maps Foundation (OMF), un jeu de données ouvert utilisant notamment des données d’OpenStreetMap (OSM), le jeu de données géographique le plus utilisé dans le monde. Étant donné qu’OMF n’a été publié que récemment, les différences entre OSM et OMF sont encore assez floues. C’est pourquoi essayer de comparer ces jeux de données constitue un défi intéressant, surtout en développant un système de visualisation permettant d’analyser ces résultats sur les réseaux routiers uniquement. Pour ce faire, après avoir choisi des critères de qualité pour comparer ces données, des scripts Python utilisant DuckDB, OSMnx et GeoPandas ont été produits afin d’évaluer la qualité de ces jeux de données, en créant préalablement un modèle de données commun. Un tableau de bord a été choisi pour visualiser les données, s’appuyant sur les technologies Shiny for Python et LonBoard. L’interface réalisée est fonctionnelle et permet d’analyser les résultats sur des zones prédéterminées. Il n’est cependant pas encore possible de comparer pleinement les deux jeux de données, l’évaluation n’ayant été réalisée que sur des zones tests et non sur des pays entiers. Note de contenu : Introduction 1. Contexte and challenges 2. Quality assessment 3. Visualisation system 4. Results and perspectives Conclusion Numéro de notice : 24229 Affiliation des auteurs : IGN (2020- ) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Mémoire de fin d'études IT Organisme de stage : LocationMind Inc. Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103837

Leveraging deep learning and remote sensing to predict ecosystem types in the NiN framework / Matteo Crespin-Jouan (2024)

Public Titre : Leveraging deep learning and remote sensing to predict ecosystem types in the NiN framework Type de document : Mémoire Auteurs : Matteo Crespin-Jouan, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2024 Importance : 41 p. Format : 21 x 30 cm Note générale : bibliographie Mémoire d'ingénieur 2e année Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage profond [Termes IGN] cartographie [Termes IGN] couverture (données géographiques) [Termes IGN] gradient [Termes IGN] occupation du sol [Termes IGN] Sentinel-2 [Termes IGN] télédétection [Termes IGN] végétation Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Ce rapport présente les résultats d’un stage effectué au sein du Geo-Ecology Research Group (GEco) du Muséum d’Histoire Naturelle d’Oslo. Le projet a porté sur l’application de techniques d’apprentissage profond pour classifier les écosystèmes norvégiens en se basant sur les données du système de classification Natur i Norge (NiN). Différentes sources de données ont été utilisées notamment des images aériennes de drones, des photos prises au sol et des données satellitaires Sentinel, afin de prédire les types d’écosystèmes et des gradients environnementaux clés, tels que la richesse en calcaire. L’étude a exploré différentes approches, notamment les réseaux neuronaux convolutifs (CNN) et les perceptrons multicouches (MLP), en mettant l’accent sur l’exploitation des informations spectrales plutôt que des caractéristiques spatiales. Les résultats ont mis en évidence les défis liés au travail avec des données limitées et incohérentes, en particulier dans le contexte de classifications très détaillée comme NiN. Bien que les modèles aient montré un certain succès, notamment avec l’utilisation de données hyperspectrales, les résultats ont été limités par la qualité et la cohérence des labels disponibles. Note de contenu : Introduction 1. About the Data, the labels, and the distribution of the labels in the datasets 2. CNNs and vision transformers to leverage shape and texture features 3. A more successful endeavour : a mere mutliplayer perceptron on hyper-spectral satellite images Conclusion Numéro de notice : 24266 Affiliation des auteurs : IGN (2020- ) Thématique : BIODIVERSITE/GEOMATIQUE/INFORMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Geo-Ecology Research Group (GEco), at Oslo’s Natural History Museum (NHM) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103901

Implementation of a service solution to automate the storage and retrieval of satellite data used by Geotree / Maeve Blarel (2023)

Public Titre : Implementation of a service solution to automate the storage and retrieval of satellite data used by Geotree : Scaling and refining Earth Observation data processing for nature-based solutions development Type de document : Mémoire Auteurs : Maeve Blarel, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2023 Importance : 97 p. Format : 21 x 30 cm Note générale : bibliographie Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème année, Spécialité TSI Langues : Anglais (eng) Descripteur : [Termes IGN] carbone [Termes IGN] gaz à effet de serre [Termes IGN] Python (langage de programmation) [Termes IGN] système de gestion de base de données [Termes IGN] télédétection Mots-clés libres : Cloud  CO2  Docker  Gaz à Effet de Serre  Git  Marché du carbone  Python  Serviced’API  SGBD  Standard STAC  Télédétection  Traitement des données Index. décimale : MTSI Mémoires du Master Technologies des Systèmes d'Information Résumé : Carried out at Geotree, in Austria, and in collaboration with Mantle Labs, this Final Year Project (FWP) is part of the problem of scaling up and perfecting the processing of Earth observation data for the development of nature-based solutions. Geotree and MantleLabs are working together on Earth monitoring projects as part of the carbon market. With its extensive expertise in remote sensing, Geotree deploys a digital twin of the Earth that unlocks nature-based solutions.For its part, Mantle Labs is contributing its extensive experience in the use of satellite data, with the help of an international team. Through its cutting-edge tools for monitoring and verifying carbon sinks, Geotree provides scientific support for this market. The aim of this internship was to implement a service solution to automate the storage and retrieval of satellite data, central to Geotree. Indeed, quick and easy access to a large amount of data is becoming a common need. After an analysis phase of the STAC data standard, the work on this project consisted of developing an IT solution for the management and storage of satellite data. There are a number of prospects for this project. Finalising the deployment of the API on the Cloud receiving the solution is essential for its future use by the company’s team of data scientists. On the other hand, this API will be able to accommodate more different data (not standardised by STAC) and other functions (read function). Note that the Python codes, functional and commented, implemented during the internship is accessible via the Github continuous integration platform, but remains the property of Geotree. Con?sequently, no script from the source code will be presented in this report. Note de contenu : Introduction 1. Internchip presentation 2. STAC standard 3. Solution architecture 4. Project management Conclusion Numéro de notice : 24172 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire de fin d'études IT Organisme de stage : Geotree / Mantle Labs (Vienne) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103729

Rapport de stage: Mayotte, vers un reférentiel semi-dynamique ? / Inès Pasquier (2023)

Public Titre : Rapport de stage: Mayotte, vers un reférentiel semi-dynamique ? Type de document : Mémoire Auteurs : Inès Pasquier, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2023 Importance : 58 p Format : 21 x 30 cm Note générale : bibliographie Mémoire d'ingénieur 2e année Langues : Français (fre) Descripteur : [Termes IGN] géodynamique [Termes IGN] Global Navigation Satellite System [Termes IGN] interféromètrie par radar à antenne synthétique [Termes IGN] Mayotte Mots-clés libres : repère semi-dynamique  Mayotte  modèle de déformation  PROJ  déplacements  GNSS  OVPF  université Nevada  InSAR  IGN  IPGP  EGMS Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : Dans ce rapport de stage de deuxième année d’ingénieur en géomatique, vous retrouverez toute la démarche et les résultats pour implémenter un repère semi-dynamique pour l’île de Mayotte à partir d’un modèle de déformation de l’Institut de Physique du Globe de Paris (IPGP). Note de contenu : Introduction 1. Qualification du modèle de déformation de l'IPGP Conclusion 2. Adaptation du modèle pour l'utilisation dans PROJ Conclusion Numéro de notice : 24147 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Institut national de l’information géographique et forestière (IGN) et l’Institut de Physique du Globe de Paris (IPGP) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103703

Réalisation de tutoriels à destination des partenaires et utilisateurs de l’espace collaboratif de l’IGN - Proposition d’évolution du modèle de la BDUni sur le thème des transports en commun / Cécile Tardy (2023)

Permalink

Adaptation of the standardized vegetation optical depth index for satellite-based soil moisture / Juliette Raabe (2022) 

Permalink

Analyse cartographique et statistique de déploiements mobiles / Charles Laverdure (2022) 

Permalink

La cartographie au service de la diffusion des connaissances de l’Inventaire du Patrimoine culturel de la Région Bretagne / Elise Frank (2022) 

Permalink

Construction d’un plugin QGIS de détection d’îlots de chaleur urbains à partir d’images satellitaires de type optique / Houssayn Meriche (2022) 

Permalink

Création d’un indicateur de qualité de la desserte des transports pour des parcelles à une échelle locale / Nick Lin (2022)

Permalink

Détection des micro et macroplastiques à partir de mesures spectrales / Martin Cubaud (2022) 

Permalink

Détection des prairies de fauche et estimation des périodes de fauche par télédétection / Emma Seneschal (2022) 

Permalink

Development of object detectors for satellite images by deep learning / Alissa Kouraeva (2022)

Permalink

Développement d’outils et de méthodes permettant l’acquisition, le traitement et la diffusion de données issues de levés par drone / Guillaume Feuillatre (2022) 

Permalink