Centre de documentation
scientifique

Measuring shallow-water bathymetric signal strength in lidar point attribute data using machine learning / Kim Lowell in International journal of geographical information science IJGIS, vol 35 n° 8 (August 2021)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 35 n° 8 (August 2021) . - pp 1592 - 1610 Titre : Measuring shallow-water bathymetric signal strength in lidar point attribute data using machine learning Type de document : Article/Communication Auteurs : Kim Lowell, Auteur ; Brian Calder, Auteur ; Anthony Lyons, Auteur Année de publication : 2021 Article en page(s) : pp 1592 - 1610 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] apprentissage automatique [Termes IGN] bathymétrie laser [Termes IGN] données lidar [Termes IGN] Extreme Gradient Machine [Termes IGN] Floride (Etats-Unis) [Termes IGN] hydrographie [Termes IGN] lever bathymétrique [Termes IGN] semis de points Résumé : (auteur) The goal of this work was to evaluate if routinely collected but seldom used airborne lidar metadata – ‘point attribute data’ (PAD) – analyzed using machine learning/artificial intelligence can improve extraction of shallow-water (less than 20 m) bathymetry from lidar point clouds. Extreme gradient boosting (XGB) models relating PAD to an existing bathymetry/not bathymetry classification were fitted and evaluated for four areas near the Florida Keys. The PAD examined include ‘pulse specific’ information such as the return intensity and PAD describing flight path consistency. The R2 values for the XGB models were between 0.34 and 0.74. Global classification accuracies were above 80% although this reflected a sometimes extreme Bathy/NotBathy imbalance that inflated global accuracy. This imbalance was mitigated by employing a probability decision threshold (PDT) that equalizes the true positive (Bathy) and true negative (NotBathy) rates. It was concluded that 1) the strength of the bathymetric signal in the PAD should be sufficient to increase accuracy of density-based lidar point cloud bathymetry extraction methods and 2) ML can successfully model the relationship between the PAD and the Bathy/NotBathy classification. A method is also presented to examine the spatial and feature-space distribution of errors that will facilitate quality assurance and continuous improvement. Numéro de notice : A2021-548 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1867147 Date de publication en ligne : 30/12/2020 En ligne : https://doi.org/10.1080/13658816.2020.1867147 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98061 [article]

Extracting Shallow-Water Bathymetry from Lidar point clouds using pulse attribute data: Merging density-based and machine learning approaches / Kim Lowell in Marine geodesy, vol 44 n° 4 (July 2021)  

Public [article]  inMarine geodesy > vol 44 n° 4 (July 2021) . - pp 259 - 286 Titre : Extracting Shallow-Water Bathymetry from Lidar point clouds using pulse attribute data: Merging density-based and machine learning approaches Type de document : Article/Communication Auteurs : Kim Lowell, Auteur ; Brian Calder, Auteur Année de publication : 2021 Article en page(s) : pp 259 - 286 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] angle d'incidence [Termes IGN] apprentissage automatique [Termes IGN] bathymétrie laser [Termes IGN] classification barycentrique [Termes IGN] données lidar [Termes IGN] Extreme Gradient Machine [Termes IGN] Floride (Etats-Unis) [Termes IGN] lever bathymétrique [Termes IGN] profondeur [Termes IGN] semis de points Résumé : (auteur) To automate extraction of bathymetric soundings from lidar point clouds, two machine learning (ML1) techniques were combined with a more conventional density-based algorithm. The study area was four data “tiles” near the Florida Keys. The density-based algorithm determined the most likely depth (MLD) for a grid of “estimation nodes” (ENs). Unsupervised k-means clustering determined which EN’s MLD depth and associated soundings represented ocean depth rather than ocean surface or noise to produce a preliminary classification. An extreme gradient boosting (XGB) model was fitted to pulse return metadata – e.g. return intensity, incidence angle – to produce a final Bathy/NotBathy classification. Compared to an operationally produced reference classification, the XGB model increased global accuracy and decreased the false negative rate (FNR) – i.e. undetected bathymetry – that are most important for nautical navigation for all but one tile. Agreement between the final XGB and operational reference classifications ranged from 0.84 to 0.999. Imbalance between Bathy and NotBathy was addressed using a probability decision threshold that equalizes the FNR and the true positive rate (TPR). Two methods are presented for visually evaluating differences between the two classifications spatially and in feature-space. Numéro de notice : A2021-525 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Article DOI : 10.1080/01490419.2021.1925790 Date de publication en ligne : 25/05/2021 En ligne : https://doi.org/10.1080/01490419.2021.1925790 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97964 [article]

L'incertitude spatiale dans la cartographie forestière / Tom De Groeve (1999)

Public Titre : L'incertitude spatiale dans la cartographie forestière Type de document : Thèse/HDR Auteurs : Tom De Groeve, Auteur ; Kim Lowell, Directeur de thèse Editeur : Laval [Québec - Canada] : Faculté de Foresterie et de Géomatique Année de publication : 1999 Importance : 217 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse présentée pour l'obtention du grade de Philosophiae Doctor (Ph.D.) Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] carte choroplèthe [Termes IGN] carte forestière [Termes IGN] cohérence géométrique [Termes IGN] données multitemporelles [Termes IGN] forêt [Termes IGN] incertitude géométrique [Termes IGN] produit forestier [Termes IGN] Québec (Canada) [Termes IGN] volume en bois Index. décimale : THESE Thèses et HDR Résumé : (auteur) Le but principal de la thèse est d'établir la meilleure compréhension du phénomène de l'incertitude spatiale dans la cartographie choroplétique des ressources naturelles et particulièrement de la forêt au Québec. Limitant d'une manière importante l'utilisation d'information spatiale dans la gestion forestière, l'incertitude spatiale est une source d'erreur qui est difficilement quantifiable. Cependant, dans ce travail, nous proposons une méthode qui permet de caractériser et de quantifier cette incertitude spatiale. La méthodologie est basée sur l'étude de la cohérence spatiale et thématique entre plusieurs réalisations cartographiques indépendantes du même territoire qui peuvent être produites à des époques différentes. Non seulement nous définissons le lien entre la cohérence spatiale et l'incertitude spatiale, mais nous proposons aussi des méthodes automatiques pour saisir la cohérence spatiale entre plusieurs réalisations cartographiques. Finalement, nous proposons aussi une méthode pour prédire l'incertitude spatiale qui utilise une seule carte forestière et qui n'est pas basée sur la cohérence spatiale des objets sur plusieurs réalisations. Une application concernant l'estimation du volume de bois à partir d'une carte forestière montre que la connaissance de l'incertitude spatiale peut rendre l'information spatiale plus fiable. Note de contenu : Introduction Les données spatiales en foresterie La précision et l'exactitude des données spatiales Objectif de cette thèse Structure de la thèse 1. Incertitude d'une carte forestière 1.1. Les objectifs d'une carte forestière 1.2. La forêt 1.3. La perception de la forêt 1.4. La carte comme un outil de communication 1.5. Connaissance et ignorance : quelques définitions épistémologiques 1.6. Incertitude spatiale dans une carte forestière 1.7. Une carte forestière : la meilleure solution possible ? 2. De l'incertitude spatiale vers la cohérence / Uncertainty assessment in forest maps using multi-temporal maps 2.1. Introduction 2.2. Context 2.3. Forest Inventory Maps in Quebec 2.4. Methodology 2.5. Results and Discussion 2.6. Conclusion 2.7. Acknowledgements 2.8. References 3. Détermination de l'incertitude spatiale à partir de plusieurs réalisations cartographiques / Automatic assessment of spatial uncertainty and accuracy from multiple map realizations 3.1. Introduction 3.2. Context 3.3. Study Site 3.4. Methodology 3.5. Results and Discussion 3.6. Conclusions 3.7. Acknowledgments 3.8. References 4. Détermination de l'incertitude spatiale à partir d'une seule réalisation cartographiqu / Boundary uncertainty as ses sment from a single forest type map 4.1. Introduction 4.2. Background 4.3. Study Site 4.4. Methodology 4.5. Results 4.6. Discussion and Conclusions 4.7. Acknowledgements 4.8. References 5. Importance de l'incertitude spatiale : étude de cas relative à l'influence de l'incertitude spatiale sur l'estimation du volume de bois / Improving local forest volume estimates by integration of multi-temporal forest type maps 5.1. Introduction 5.2. Study Site 5.3. Methodology 5.4. Results and Discussion 5.5. Conclusions 5.6. Acknowledgements 5.7. References Conclusion Numéro de notice : 19380 Affiliation des auteurs : non IGN Thématique : FORET/GEOMATIQUE Nature : Thèse étrangère Note de thèse : Thèse de doctorat : Géomatique : Laval : 1999 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=82289

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
19380-01	THESE	Livre	Centre de documentation	Thèses	Disponible