Centre dedocumentation
scientifique

From local to global: A transfer learning-based approach for mapping poplar plantations at national scale using Sentinel-2 / Yousra Hamrouni in ISPRS Journal of photogrammetry and remote sensing, vol 171 (January 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 171 (January 2021) . - pp 76 - 100 Titre : From local to global: A transfer learning-based approach for mapping poplar plantations at national scale using Sentinel-2 Type de document : Article/Communication Auteurs : Yousra Hamrouni, Auteur ; Eric Paillassa, Auteur ; Véronique Chéret, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 76 - 100 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage automatique [Termes IGN] base de données forestières [Termes IGN] carte de la végétation [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] couvert forestier [Termes IGN] échantillonnage [Termes IGN] France (administrative) [Termes IGN] image Sentinel-MSI [Termes IGN] mise à jour de base de données [Termes IGN] Populus (genre) [Termes IGN] série temporelle Résumé : (auteur) Reliable estimates of poplar plantations area are not available at the French national scale due to the unsuitability and low update rate of existing forest databases for this short-rotation species. While supervised classification methods have been shown to be highly accurate in mapping forest cover from remotely sensed images, their performance depends to a great extent on the labelled samples used to build the models. In addition to their high acquisition cost, such samples are often scarce and not fully representative of the variability in class distributions. Consequently, when classification models are applied to large areas with high intra-class variance, they generally yield poor accuracies because of data shift issues. In this paper, we propose the use of active learning to efficiently adapt a classifier trained on a source image to spatially distinct target images with minimal labelling effort and without sacrificing the classification performance. The adaptation consists in actively adding to the initial local model new relevant training samples from other areas in a cascade that iteratively improves the generalisation capabilities of the classifier leading to a global model tailored to these different areas. This active selection relies on uncertainty sampling to directly focus on the most informative pixels for which the algorithm is the least certain of their class labels. Experiments conducted on Sentinel-2 time series revealed their high capacity to identify poplar plantations at a local scale with an average F-score ranging from 89.5% to 99.3%. For large area adaptation, the results showed that when the same number of training samples was used, active learning outperformed random sampling by up to 5% of the overall accuracy and up to 12% of the class F-score. Additionally, and depending on the class considered, the random sampling model required up to 50% more samples to achieve the same performance of an active learning-based model. Moreover, the results demonstrate the suitability of the derived global model to accurately map poplar plantations among other tree species with overall accuracy values up to 14% higher than those obtained with local models. The proposed approach paves the way for a national scale mapping in an operational context. Numéro de notice : A2021-013 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.10.018 Date de publication en ligne : 20/11/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.10.018 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96417 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021011	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021013	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2021012	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Apport de la télédétection radar satellitaire pour la cartographie de la forêt des Landes / Yousra Hamrouni (2016)

Public Titre : Apport de la télédétection radar satellitaire pour la cartographie de la forêt des Landes Type de document : Mémoire Auteurs : Yousra Hamrouni, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2016 Autre Editeur : Champs/Marne : Université Paris-Est Marne-la-Vallée UPEM Importance : 60 p. Format : 21 x 30 cm Note générale : Bibliographie Master 2ème année, domaine Science, Technologie, Santé, mention Géomatique, spécialité Information Géographique, Analyse Spatiale et Télédétection Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] analyse texturale [Termes IGN] bande C [Termes IGN] bande L [Termes IGN] bande X [Termes IGN] carte de la végétation [Termes IGN] carte forestière [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] forêt [Termes IGN] image ALOS-PALSAR [Termes IGN] image radar moirée [Termes IGN] image Sentinel-SAR [Termes IGN] image TerraSAR-X [Termes IGN] Landes (40) [Termes IGN] paramètre de Haralick [Termes IGN] télédétection en hyperfréquence Index. décimale : IGAST Mémoires du Master Information Géographique, Analyse Spatiale et Télédétection Résumé : (auteur) Avoir un suivi en temps réel des forêts est crucial pour évaluer leur réponse face aux évènements environnementaux. Ce suivi est devenu possible ces dernières années à travers des données de télédétection satellitaires ou aéroportées. C'est dans ce contexte que s'inscrit ce stage qui vise à déterminer rapport de la télédétection radar satellitaire pour la cartographie de la forêt des Landes. Des données en bande X, C et L pour les respectivement les capteurs TerraSAR-X, Sentinel-1A et PALSAR-2 ont été mises à disposition afin d'explorer le potentiel des différentes bandes et les résolutions spatiale. Le potentiel de l'analyse texturale a été évalué en calculant les indicateurs de texture d'Haralick sur les données de très haute résolution spatiale (TerraSAR-X) et les coefficients de variation sur les données de haute résolution spatiale (Sentinel-1A et PALSAR-2). Deux approches méthodologiques ont été investiguées : i) une première approche consiste à travailler à la très haute résolution spatiale en calculant les indicateurs de texture d'Haralick sur les données TerraSAR-X et les coefficients de variation sur les données Sentinel-1A et PALSAR-2 et ii) une deuxième approche a été de travailler à l'échelle spatiale de Sentinel-1A et PALSAR-2. La performance des deux méthodes a été évaluée à travers les résultats de classification Random Forest. Les résultats montrent que l'analyse de texture est sensible aux hétérogénéités intra parcellaires et permet de caractériser les parcelles à une échelle très fine qui nécessite des données de validation à cette même échelle. La série temporelle Sentinel-1A a donné les résultats les plus performants et la combinaison des trois capteurs a amélioré les résultats de classification, surtout pour la bande C et X. Note de contenu : Introduction 1 - Etat de l'art sur l'application de l'analyse de texture en télédétection 2 - Bases théoriques 3 - Matériels et méthodes 4 - Résultats Conclusion Numéro de notice : 21552 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Mémoire masters divers Organisme de stage : MATIS (IGN) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90511

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
21552-01	IGAST	Livre	Centre de documentation	Travaux d'élèves	Disponible

Monitoring natural habitats using multi-sources remote-sensing data in answer to conservation planning / Samuel Alleaume (2016)  

Public Titre : Monitoring natural habitats using multi-sources remote-sensing data in answer to conservation planning Type de document : Article/Communication Auteurs : Samuel Alleaume, Auteur ; Vincent Thierion, Auteur ; D. Marechal, Auteur ; M. Roux, Auteur ; Sylvio Laventure, Auteur ; Yousra Hamrouni, Auteur ; Jean-Baptiste Féret, Auteur ; M. Lang, Auteur ; Loïc Commagnac , Auteur ; Sandra Luque, Auteur Editeur : Antony [France] : Institut national de recherche en sciences et technologies pour l’environnement et l’agriculture IRSTEA (2012-2019) Année de publication : 2016 Conférence : Ecosummit 2016 29/08/2016 01/09/2016 Montpelllier France Langues : Français (fre) Résumé : (auteur) La préservation de la biodiversité est devenue un des enjeux majeurs pour le développement durable aux niveaux national, européen (Natura 2000 et Directive habitats) et international (Convention sur la diversité biologique, 2011-2020). Les gestionnaires des espaces naturels ont des besoins importants en matière de connaissance de la biodiversité : inventaire, distribution spatiale, évolution spatio-temporelle, ainsi que des pressions qui s'y exercent. L'utilisation de la télédétection et des techniques associées est incontournable pour obtenir une vision synoptique des milieux naturels. La mise à disposition d'images provenant de nouveaux capteurs de fauchées, de résolutions spatiale et temporelle variées offre des perspectives intéressantes dans la prise en compte des différentes échelles des écosystèmes. On peut citer, les images provenant de capteurs de résolution décamétrique tels que Landsat 8, ou plus récemment Sentinel 2 à haute fréquence temporelle ; les capteurs de très haute résolution tels que Spot 6 et 7, Pleiade , mais également des images issues de drones. La surveillance des zones naturelles à l'aide de données de télédétection multi-sources est notamment illustré au travers d'un programme français financé par le ministère de l'environnement qui vise à cartographier les habitats naturels sur l'ensemble du pays à l'échelle du 1 :25000. Numéro de notice : C2016-065 Affiliation des auteurs : IGN+Ext (2012-2019) Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans En ligne : https://hal.science/hal-02605356 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97163