Centre dedocumentation
scientifique

A GIS- and AHP-based approach to map fire risk: a case study of Kuan Kreng peat swamp forest, Thailand / Narissara Nuthammachot in Geocarto international, vol 36 n° 2 ([01/02/2021])  

Public [article]  inGeocarto international > vol 36 n° 2 [01/02/2021] . - pp 212 - 225 Titre : A GIS- and AHP-based approach to map fire risk: a case study of Kuan Kreng peat swamp forest, Thailand Type de document : Article/Communication Auteurs : Narissara Nuthammachot, Auteur ; Dimitris Stratoulias, Auteur Année de publication : 2021 Article en page(s) : pp 212 - 225 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG [Termes descripteurs IGN] cartographie des risques [Termes descripteurs IGN] climat [Termes descripteurs IGN] forêt marécageuse [Termes descripteurs IGN] historique des données [Termes descripteurs IGN] incendie de forêt [Termes descripteurs IGN] outil d'aide à la décision [Termes descripteurs IGN] prévention des risques [Termes descripteurs IGN] processus d'analyse hiérarchisée [Termes descripteurs IGN] Thaïlande [Termes descripteurs IGN] tourbière Résumé : (auteur) Forest fires are abrupt transformations of the natural ecosystem and management authorities are required to take preventive measures to tackle fire events. Geographic information system (GIS) is a powerful tool for providing information with a spatial context and analytical hierarchy process (AHP) is a well-established technique for multiple criteria decision making. In this study, GIS and AHP are combined to analyse seven fire-related factors related to climate, topography and human influence. Fire risk for a peat swamp forested area in Kuan Kreng, Nakorn Sri Thammarat province, Thailand is estimated in five categories. 705 historic fire events from 2006 to 2017 are used to validate our approach. 82% of the historic fire incidents occurred within the highest fire risk class categories while only a few omission errors were recorded. The combined approach of GIS and AHP techniques can yield useful fire risk maps, which can consequently be used for future planning and management of fire prone areas. Numéro de notice : A2021-083 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1611946 date de publication en ligne : 10/06/2019 En ligne : https://doi.org/10.1080/10106049.2019.1611946 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96832 [article]

Evaluation of a neural network with uncertainty for detection of ice and water in SAR imagery / Nazanin Asadi in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 59 n° 1 (January 2021) . - pp 247 - 259 Titre : Evaluation of a neural network with uncertainty for detection of ice and water in SAR imagery Type de document : Article/Communication Auteurs : Nazanin Asadi, Auteur ; K. Andrea Scott, Auteur ; Alexander S. Komarov, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 247 - 259 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] assimilation des données [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] glace de mer [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] incertitude des données [Termes descripteurs IGN] modèle d'incertitude [Termes descripteurs IGN] Perceptron multicouche [Termes descripteurs IGN] pondération [Termes descripteurs IGN] précision de la classification [Termes descripteurs IGN] régression logistique [Termes descripteurs IGN] réseau neuronal artificiel Résumé : (auteur) Synthetic aperture radar (SAR) sea ice imagery is a promising source of data for sea ice data assimilation. Classification of SAR sea ice imagery into ice and water is of particular relevance due to its relationship with ice concentration, a key variable in sea ice data assimilation systems. With increasing volumes of SAR data, automated methods to carry out these classifications are of particular importance. Although several automated approaches have been proposed, none look at the impact of including an estimate of uncertainty of the model parameters and input features on the classification output. This article uses an established database of SAR image features to train a multilayer perceptron (MLP) neural network to classify pixel locations as either ice, water, or unknown. The classification accuracies are benchmarked using a recently developed logistic regression approach for the same database. The two methods are found to be comparable. The MLP approach is then enhanced to allow uncertainty to be estimated at each pixel location. Following methods proposed in the deep learning community, two kinds of uncertainty are considered. The first, epistemic uncertainty, is that due to uncertainty in the MLP weights. The second kind of uncertainty, aleatoric uncertainty, is that which cannot be explained by the model, and is therefore associated with the input data. It is found that including these uncertainties in the MLP models reduces their accuracies slightly, but also reduces misclassification rates. This is of particular importance for data assimilation applications, where misclassifications could severely degrade the analysis. Numéro de notice : A2021-033 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2992454 date de publication en ligne : 09/06/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2992454 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96735 [article]

Du drone LiDAR à un nuage de points précis et exact : une chaîne de traitement LiDAR adaptée et quasi automatique / Maxime Lafleur in XYZ, n° 165 (décembre 2020)

Public [article]  inXYZ > n° 165 (décembre 2020) . - pp 25 -32 Titre : Du drone LiDAR à un nuage de points précis et exact : une chaîne de traitement LiDAR adaptée et quasi automatique Type de document : Article/Communication Auteurs : Maxime Lafleur, Auteur ; Elliot Mugner, Auteur ; Rabine Keyetieu-Nlowe, Auteur ; Nicolas Seube, Auteur Année de publication : 2020 Article en page(s) : pp 25 -32 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] auscultation d'ouvrage [Termes descripteurs IGN] barrage [Termes descripteurs IGN] base de données localisées 3D [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] drone [Termes descripteurs IGN] exactitude des données [Termes descripteurs IGN] filtrage du bruit [Termes descripteurs IGN] géoréférencement [Termes descripteurs IGN] Haute-Loire (43) [Termes descripteurs IGN] précision des données [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] sol nu Résumé : (Auteur) Le levé LiDAR présenté dans cet article a été effectué dans le cadre d’une mission d’évaluation de la chaîne de traitement mdInfinity, appliquée à des données acquises par un système drone LiDAR Microdrones. Les différents outils qui constituent cette chaîne de traitement ont été développés et intégrés sur la plateforme de traitement mdInfinity dans une version particulièrement adaptée au système de levé utilisé pour cette mission. Le site utilisé pour cette évaluation est le barrage de Labrioulette (Haute-Garonne), infrastructure située sur la Garonne et exploitée par EDF. Cette zone contient de nombreux éléments sur lesquels la précision et l’exactitude des données LiDAR est primordiale afin d’obtenir un nuage de point exploitable ; notamment la complexité structurelle du barrage (figure 1), les zones sous couvert végétal dense, l’aire de transformation électrique, etc. Pour cette raison, en plus de confirmer la bonne interopérabilité des systèmes LiDAR Microdrones avec les outils de traitement mdInfinity, nous avons tiré profit de cette acquisition pour évaluer les performances de nos algorithmes. Numéro de notice : A2020-770 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96662 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2020041	SL	Revue	Centre de documentation	Revues en salle	Disponible
112-2020042	SL	Revue	Centre de documentation	Revues en salle	Disponible

Active and incremental learning for semantic ALS point cloud segmentation / Yaping Lin in ISPRS Journal of photogrammetry and remote sensing, vol 169 (November 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 169 (November 2020) . - pp 73 - 92 Titre : Active and incremental learning for semantic ALS point cloud segmentation Type de document : Article/Communication Auteurs : Yaping Lin, Auteur ; M. George Vosselman, Auteur ; Yanpeng Cao, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 73 - 92 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] entropie [Termes descripteurs IGN] incertitude des données [Termes descripteurs IGN] itération [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] semis de points Résumé : (auteur) Supervised training of a deep neural network for semantic segmentation of point clouds requires a large amount of labelled data. Nowadays, it is easy to acquire a huge number of points with high density in large-scale areas using current LiDAR and photogrammetric techniques. However it is extremely time-consuming to manually label point clouds for model training. In this paper, we propose an active and incremental learning strategy to iteratively query informative point cloud data for manual annotation and the model is continuously trained to adapt to the newly labelled samples in each iteration. We evaluate the data informativeness step by step and effectively and incrementally enrich the model knowledge. The data informativeness is estimated by two data dependent uncertainty metrics (point entropy and segment entropy) and one model dependent metric (mutual information). The proposed methods are tested on two datasets. The results indicate the proposed uncertainty metrics can enrich current model knowledge by selecting informative samples, such as considering points with difficult class labels and choosing target objects with various geometries in the labelled training pool. Compared to random selection, our metrics provide valuable information to significantly reduce the labelled training samples. In contrast with training from scratch, the incremental fine-tuning strategy significantly save the training time. Numéro de notice : A2020-638 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.09.003 date de publication en ligne : 14/09/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.09.003 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96061 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020111	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020113	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020112	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Mapping uncertain geographical attributes: incorporating robustness into choropleth classification design / Wangshu Mu in International journal of geographical information science IJGIS, vol 34 n° 11 (November 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 11 (November 2020) . - pp 2204 - 2224 Titre : Mapping uncertain geographical attributes: incorporating robustness into choropleth classification design Type de document : Article/Communication Auteurs : Wangshu Mu, Auteur ; Daoqin Tong, Auteur Année de publication : 2020 Article en page(s) : pp 2204 - 2224 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie [Termes descripteurs IGN] attribut géomètrique [Termes descripteurs IGN] carte choroplèthe [Termes descripteurs IGN] conception cartographique [Termes descripteurs IGN] erreur d'échantillon [Termes descripteurs IGN] incertitude d'atttribut [Termes descripteurs IGN] incertitude des données [Termes descripteurs IGN] inférence statistique [Termes descripteurs IGN] méthode robuste [Termes descripteurs IGN] optimisation (mathématiques) Résumé : (auteur) Choropleth mapping provides a simple but effective visual presentation of geographical data. Traditional choropleth mapping methods assume that data to be displayed are certain. This may not be true for many real-world problems. For example, attributes generated based on surveys may contain sampling and non-sampling error, and results generated using statistical inferences often come with a certain level of uncertainty. In recent years, several studies have incorporated uncertain geographical attributes into choropleth mapping with a primary focus on identifying the most homogeneous classes. However, no studies have yet accounted for the possibility that an areal unit might be placed in a wrong class due to data uncertainty. This paper addresses this issue by proposing a robustness measure and incorporating it into the optimal design of choropleth maps. In particular, this study proposes a discretization method to solve the new optimization problem along with a novel theoretical bound to evaluate solution quality. The new approach is applied to map the American Community Survey data. Test results suggest a tradeoff between within-class homogeneity and robustness. The study provides an important perspective on addressing data uncertainty in choropleth map design and offers a new approach for spatial analysts and decision-makers to incorporate robustness into the mapmaking process. Numéro de notice : A2020-614 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1726921 date de publication en ligne : 16/02/2020 En ligne : https://doi.org/10.1080/13658816.2020.1726921 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95987 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2020111	SL	Revue	Centre de documentation	Revues en salle	Disponible

Combined InSAR and terrestrial structural monitoring of bridges / Sivasakthy Selvakumaran in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)  

Permalink

OpenStreetMap quality assessment using unsupervised machine learning methods / Kent T. Jacobs in Transactions in GIS, Vol 24 n° 5 (October 2020)  

Permalink

Uncertainty of forested wetland maps derived from aerial photography / Stephen P. Prisley in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 10 (October 2020)  

Permalink

Urban flooding in Britain: an approach to comparing ancient and contemporary flood exposure / T.E. O'Shea in Natural Hazards, Vol 104 n° 1 (October 2020)  

Permalink

Vegetation unit assignments: phytosociology experts and classification programs show similar performance but low convergence / Lise Maciejewski in Applied Vegetation Science, vol 23 n° 4 (October 2020)  

Permalink

A context sensitive approach to anonymizing public participation GIS data: From development to the assessment of anonymization effects on data quality / Kamyar Hasanzadeh in Computers, Environment and Urban Systems, vol 83 (September 2020)  

Permalink

Evaluating the accuracy of ALS-based removal estimates against actual logging data / Ville Vähä-Konka in Annals of Forest Science [en ligne], vol 77 n° 3 (September 2020)  

Permalink

OSMWatchman: Learning how to detect vandalized contributions in OSM using a Random Forest classifier / Quy Thy Truong in ISPRS International journal of geo-information, vol 9 n° 9 (September 2020)  

Permalink

A spatio-temporal method for crime prediction using historical crime data and transitional zones identified from nightlight imagery / Bo Yang in International journal of geographical information science IJGIS, vol 34 n° 9 (September 2020)  

Permalink

Volunteered geographic information research in the first decade: a narrative review of selected journal articles in GIScience / Yingwei Yan in International journal of geographical information science IJGIS, vol 34 n° 9 (September 2020)  

Permalink