Centre dedocumentation
scientifique

Toward a yearly country-scale CORINE land-cover map without using images: A map translation approach / Luc Baudoux in Remote sensing, Vol 13 n° 6 (March 2021)  

Public [article]  inRemote sensing > Vol 13 n° 6 (March 2021) . - n° 1060 - 32 p. Titre : Toward a yearly country-scale CORINE land-cover map without using images: A map translation approach Type de document : Article/Communication Auteurs : Luc Baudoux , Auteur ; Jordi Inglada, Auteur ; Clément Mallet , Auteur Année de publication : 2021 Projets : AI4GEO / , MAESTRIA / Mallet, Clément Article en page(s) : n° 1060 - 32 p. Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes descripteurs IGN] appariement sémantique [Termes descripteurs IGN] apprentissage dirigé [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] changement d'occupation du sol [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] Corine Land Cover [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] inférence [Termes descripteurs IGN] mise à jour automatique [Termes descripteurs IGN] mise à jour de base de données Résumé : (Auteur) CORINE Land-Cover (CLC) and its by-products are considered as a reference baseline for land-cover mapping over Europe and subsequent applications. CLC is currently tediously produced each six years from both the visual interpretation and the automatic analysis of a large amount of remote sensing images. Observing that various European countries regularly produce in parallel their own land-cover country-scaled maps with their own specifications, we propose to directly infer CORINE Land-Cover from an existing map, therefore steadily decreasing the updating time-frame. No additional remote sensing image is required. In this paper, we focus more specifically on translating a country-scale remote sensed map, OSO (France), into CORINE Land Cover, in a supervised way. OSO and CLC not only differ in nomenclature but also in spatial resolution. We jointly harmonize both dimensions using a contextual and asymmetrical Convolution Neural Network with positional encoding. We show for various use cases that our method achieves a superior performance than the traditional semantic-based translation approach, achieving an 81% accuracy over all of France, close to the targeted 85% accuracy of CLC. Numéro de notice : A2021-244 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs13061060 date de publication en ligne : 11/03/2021 En ligne : https://dx.doi.org/10.3390/rs13061060 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97311 [article]

Can SPOT-6/7 CNN semantic segmentation improve Sentinel-2 based land cover products? sensor assessment and fusion / Olivier Stocker in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2 (August 2020)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > V-2 (August 2020) . - pp 557 - 564 Titre : Can SPOT-6/7 CNN semantic segmentation improve Sentinel-2 based land cover products? sensor assessment and fusion Type de document : Article/Communication Auteurs : Olivier Stocker, Auteur ; Arnaud Le Bris , Auteur Année de publication : 2020 Projets : MAESTRIA / Mallet, Clément Conférence : ISPRS 2020, Commission 2, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Annals Commission 2 Projets : TOSCA Parcelle / Le Bris, Arnaud Article en page(s) : pp 557 - 564 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] fusion d'images [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image SPOT 7 [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] segmentation sémantique Résumé : (auteur) Needs for fine-grained, accurate and up-to-date land cover (LC) data are important to answer both societal and scientific purposes. Several automatic products have already been proposed, but are mostly generated out of satellite sensors like Sentinel-2 (S2) or Landsat. Metric sensors, e.g. SPOT-6/7, have been less considered, while they enable (at least annual) acquisitions at country scale and can now be efficiently processed thanks to deep learning (DL) approaches. This study thus aimed at assessing whether such sensor can improve such land cover products. A custom simple yet effective U-net - Deconv-Net inspired DL architecture is developed and applied to SPOT-6/7 and S2 for different LC nomenclatures, aiming at comparing the relevance of their spatial/spectral configurations and investigating their complementarity. The proposed DL architecture is then extended to data fusion and applied to previous sensors. At the end, the proposed fusion framework is used to enrich an existing S2 based LC product, as it is generic enough to cope with fusion at distinct levels. Numéro de notice : A2020-504 Affiliation des auteurs : UGE-LaSTIG (2020- ) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-V-2-2020-557-2020 date de publication en ligne : 03/08/2020 En ligne : https://doi.org/10.5194/isprs-annals-V-2-2020-557-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95644 [article]

Improved crop classification with rotation knowledge using Sentinel-1 and -2 time series / Sébastien Giordano in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 7 (July 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 7 (July 2020) . - pp 431 - 441 Titre : Improved crop classification with rotation knowledge using Sentinel-1 and -2 time series Type de document : Article/Communication Auteurs : Sébastien Giordano , Auteur ; Simon Bailly, Auteur ; Loïc Landrieu , Auteur ; Nesrine Chehata , Auteur Année de publication : 2020 Projets : MAESTRIA / Mallet, Clément Article en page(s) : pp 431 - 441 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] Alpes-de-haute-provence (04) [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] parcelle agricole [Termes descripteurs IGN] photo-identification [Termes descripteurs IGN] Seine-et-Marne (77) [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surface cultivée Résumé : (Auteur) Leveraging the recent availability of accurate, frequent, and multimodal (radar and optical) Sentinel-1 and -2 acquisitions, this paper investigates the automation of land parcel identification system (LPIS) crop type classification. Our approach allows for the automatic integration of temporal knowledge, i.e., crop rotations using existing parcel-based land cover databases and multi-modal Sentinel-1 and -2 time series. The temporal evolution of crop types was modeled with a linear-chain conditional random field, trained with time series of multimodal (radar and optical) satellite acquisitions and associated LPIS. Our model was tested on two study areas in France (≥ 1250 km2) which show different crop types, various parcel sizes, and agricultural practices: . the Seine et Marne and the Alpes de Haute-Provence classified accordingly to a fine national 25-class nomenclature. We first trained a Random Forest classifier without temporal structure to achieve 89.0% overall accuracy in Seine et Marne (10 classes) and 73% in Alpes de Haute-Provence (14 classes). We then demonstrated experimentally that taking into account the temporal structure of crop rotation with our model resulted in an increase of 3% to +5% in accuracy. This increase was especially important (+12%) for classes which were poorly classified without using the temporal structure. A stark positive impact was also demonstrated on permanent crops, while it was fairly limited or even detrimental for annual crops. Numéro de notice : A2020-382 Affiliation des auteurs : LaSTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.7.431 date de publication en ligne : 01/07/2020 En ligne : https://doi.org/10.14358/PERS.86.7.431 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95428 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2020071	SL	Revue	Centre de documentation	Revues en salle	Disponible

Current challenges in operational very high resolution land-cover mapping / Clément Mallet (2020)  

Public Titre : Current challenges in operational very high resolution land-cover mapping Type de document : Article/Communication Auteurs : Clément Mallet , Auteur ; Arnaud Le Bris , Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2020 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. XLIII-B2 Projets : MAESTRIA / Mallet, Clément Conférence : ISPRS 2020, Commission 2, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Annals Commission 2 Importance : pp 703 - 710 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] base de données d'occupation du sol [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] image à très haute résolution Résumé : (auteur) Many land-cover products have been made available for a large range of end-users over the last ten years, even at global scales. In particular, remote sensing data analysis has proved to be the most feasible solution for automation purposes, at multiple spatial scales. However, current solutions are not sufficient for designing better products, adapted to real-case applications, operational constraints, and the generation of services, built upon these core layers. In this paper, we review the main requirements and the recent changes in remote sensing for the specific case of very high resolution land-cover mapping. We also comment current and evaluate challenges for the optimal exploitation of Earth Observation images with the aim of automatically generating maps tailored to specific end-users’ needs. We advocate for more challenging large-scale benchmarks and for human-in-the-loop solutions. Numéro de notice : C2020-007 Affiliation des auteurs : UGE-LaSTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B2-2020-703-2020 date de publication en ligne : 21/08/2020 En ligne : https://doi.org/10.5194/isprs-archives-XLIII-B2-2020-703-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95657

International workshop on large scale land cover mapping from remote sensing, 3 décembre 2019 / Mathieu Fauvel (2019)

Public Titre : International workshop on large scale land cover mapping from remote sensing, 3 décembre 2019 Type de document : Actes de congrès Auteurs : Mathieu Fauvel, Organisateur de réunion, de conférence ; Jordi Inglada, Organisateur de réunion, de conférence ; Arnaud Le Bris , Organisateur de réunion, de conférence ; Clément Mallet , Organisateur de réunion, de conférence Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2019 Projets : MAESTRIA / Mallet, Clément Conférence : International workshop 2019 on large scale land cover mapping from remote sensing 03/12/2019 03/12/2019 Saint-Mandé France programme sans actes Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection [Termes descripteurs IGN] base de données d'occupation du sol [Termes descripteurs IGN] image numérique [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] territoire Résumé : Workshop sans actes organisé dans le cadre du projet MAESTRIA Numéro de notice : 14366 Affiliation des auteurs : LaSTIG+Ext (2016-2019) Thématique : IMAGERIE Nature : Actes nature-HAL : DirectOuvrColl/Actes DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96917