Centre de documentation
scientifique

Actualité

L'actu ! Horaires du CDOS

Le centre est ouvert en salle de travail du lundi au vendredi, de 08h30 à 19h00. Les prêts physiques sont suspendus pour le moment. Merci d'adr...

Consulter les archives

Dernière publication Consultez les parutions du CDoS

Informations pratiques

Le centre de documentation scientifique
de l'Institut est aussi celui de l'ENSG-Géomatique.

Envoyez un mail au contact ci-dessous pour vos demandes.

Contact : cdos@ign.fr

Comment venir ?
Pour se rendre au centre de documentation, se reporter au 'Plan d'accès au bâtiment' tout en bas de page à droite. Le centre se trouve dans le bâtiment de l'ENSG. On y accède par le hall, entre l'aile Cassini et l'aile Laplace.

Mots RAMEAU représentant le fonds du centre de documentation
géomatique, géodésie, réseaux (géodésie), systèmes de localisation par satellites,
imagerie satellitaire, traitement d'images, photogrammétrie, lasergrammétrie,
systèmes d'information géographique, données géospatiales, cartographie,
géographie - base de données

Nouvelle recherche

Mapping essential urban land use categories with open big data: Results for five metropolitan areas in the United States of America / Bin Chen in ISPRS Journal of photogrammetry and remote sensing, vol 178 (August 2021)

Public

[article]
inISPRS Journal of photogrammetry and remote sensing > vol 178 (August 2021) . - pp 203 - 218

Titre :	Mapping essential urban land use categories with open big data: Results for five metropolitan areas in the United States of America
Type de document :	Article/Communication
Auteurs :	Bin Chen, Auteur ; Ying Tu, Auteur ; Yimeng Song, Auteur ; et al., Auteur
Année de publication :	2021
Article en page(s) :	pp 203 - 218
Note générale :	bibliographie
Langues :	Anglais (eng)
Descripteur :	[Vedettes matières IGN] Applications de télédétection [Termes IGN] algorithme d'apprentissage [Termes IGN] carte d'utilisation du sol [Termes IGN] données massives [Termes IGN] données multisources [Termes IGN] Etats-Unis [Termes IGN] extraction de traits caractéristiques [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] métropole [Termes IGN] OpenStreetMap [Termes IGN] planification urbaine [Termes IGN] zone urbaine
Résumé :	(auteur) Urban land-use maps outlining the distribution, pattern, and composition of various land use types are critically important for urban planning, environmental management, disaster control, health protection, and biodiversity conservation. Recent advances in remote sensing and social sensing data and methods have shown great potentials in mapping urban land use categories, but they are still constrained by mixed land uses, limited predictors, non-localized models, and often relatively low accuracies. To inform these issues, we proposed a robust and cost-effective framework for mapping urban land use categories using openly available multi-source geospatial “big data”. With street blocks generated from OpenStreetMap (OSM) data as the minimum classification unit, we integrated an expansive set of multi-scale spatially explicit information on land surface, vertical height, socio-economic attributes, social media, demography, and topography. We further proposed to apply the automatic ensemble learning that leverages a bunch of machine learning algorithms in deriving optimal urban land use classification maps. Results of block-level urban land use classification in five metropolitan areas of the United States found the overall accuracies of major-class (Level-I) and minor-class (Level-II) classification could be high as 91% and 86%, respectively. A multi-model comparison revealed that for urban land use classification with high-dimensional features, the multi-layer stacking ensemble models achieved better performance than base models such as random forest, extremely randomized trees, LightGBM, CatBoost, and neural networks. We found without very-high-resolution National Agriculture Imagery Program imagery, the classification results derived from Sentinel-1, Sentinel-2, and other open big data based features could achieve plausible overall accuracies of Level-I and Level-II classification at 88% and 81%, respectively. We also found that model transferability depended highly on the heterogeneity in characteristics of different regions. The methods and findings in this study systematically elucidate the role of data sources, classification methods, and feature transferability in block-level land use classifications, which have important implications for mapping multi-scale essential urban land use categories.
Numéro de notice :	A2021-564
Affiliation des auteurs :	non IGN
Thématique :	IMAGERIE/URBANISME
Nature :	Article
nature-HAL :	ArtAvecCL-RevueIntern
DOI :	10.1016/j.isprsjprs.2021.06.010
Date de publication en ligne :	25/06/2021
En ligne :	https://doi.org/10.1016/j.isprsjprs.2021.06.010
Format de la ressource électronique :	URL article
Permalink :	https://documentation.ensg.eu/index.php?lvl=notice_display&id=98129

Exemplaires(3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021081	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021083	DEP-RECP	Revue	LASTIG	Dépôt en unité	Exclu du prêt
081-2021082	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

IGN

IGN / ENSG

Centre de documentation
scientifique
6 et 8 Avenue Blaise Pascal
Cité Descartes
Champs-sur-Marne
77455 Marne la Vallée
Cedex 2
L'IGN a pour vocation

de décrire la surface du territoire national et l'occupation de son sol, et d'élaborer et de mettre à jour l'inventaire permanent des ressources forestières nationales.
Accès directs
2014 -2024 IGN

IGN

Centre de documentation
scientifique

Accueil

Sélection de la langue

Adresse

Se connecter

Actualité

L'actu ! Horaires du CDOS

Informations pratiques

Exemplaires(3)

IGN / ENSG

L'IGN a pour vocation

Accès directs

2014 -2024 IGN

IGN

Centre de documentationscientifique

Accueil

Sélection de la langue

Adresse

Se connecter

Actualité

L'actu ! Horaires du CDOS

Informations pratiques

Exemplaires(3)

IGN / ENSG

L'IGN a pour vocation

Accès directs

2014 -2024 IGN

Centre de documentation
scientifique