Centre dedocumentation
scientifique

Cloud-native seascape mapping of Mozambique’s Quirimbas National Park with Sentinel-2 / Dimitris Poursanidis in Remote sensing in ecology and conservation, vol 7 n° 2 (June 2021)  

Public [article]  inRemote sensing in ecology and conservation > vol 7 n° 2 (June 2021) . - pp 275 - 291 Titre : Cloud-native seascape mapping of Mozambique’s Quirimbas National Park with Sentinel-2 Type de document : Article/Communication Auteurs : Dimitris Poursanidis, Auteur ; Dimosthenis Traganos, Auteur ; Luisa Teixeira, Auteur ; Aurélie Shapiro, Auteur ; Lara Muaves, Auteur Année de publication : 2021 Article en page(s) : pp 275 - 291 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse des mélanges spectraux [Termes IGN] classification et arbre de régression [Termes IGN] classification par forêts aléatoires [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] écosystème [Termes IGN] Google Earth Engine [Termes IGN] habitat (nature) [Termes IGN] image Sentinel-MSI [Termes IGN] Mozambique [Termes IGN] récif corallien [Termes IGN] réserve naturelle [Termes IGN] surveillance écologique Résumé : (auteur) The lack of detailed spatial information on coastal resources, notably shallow water coral reefs and associated benthic habitats, impedes our ability to protect and manage them in the face of global climate change and anthropogenic impacts. Here, we develop a semi-automated workflow in the cloud that uses freely available Sentinel-2 data from the European Space Agency (ESA) Copernicus programme to derive information on near-shore coral reef habitats in the Quirimbas National Park (QNP), a recently declared biosphere reserve in northern Mozambique. We use an end-to-end cloud-based framework within the Google Earth Engine cloud geospatial platform to process imagery from raw pixels to cloud-free composites which are corrected for glint and surface artefacts, water column and derived estimated depth and then classified into four benthic habitats. Using independent training and validation data, we apply three supervised classification algorithms: random forests (RF), support vector machine (SVM) and classification and regression trees (CART). Our results show that random forests are the most accurate supervised algorithm with over 82% overall accuracy. We mapped over 105 000 ha of shallow water habitat inside the protected area, of which 18% are dominated by coral and hardbottom; 27.5% are seagrass and submerged aquatic vegetation and another 23.4% are soft and sandy substrates, and the remaining area is optically deep water. We employ satellite-derived bathymetry to assess slope, bathymetric position, rugosity and underwater topography of these habitats. Finally, a spectral unmixing model provides further sub-pixel–level information of habitats with the potential to monitor changes over time. This effort provides the first, consistent and repeatable and also scalable coastal information system for an east African tropical marine protected area, which hosts shallow-water ecosystems which are of great significance to local communities and building resilience towards climate change. Numéro de notice : A2021-733 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1002/rse2.187 Date de publication en ligne : 29/11/2020 En ligne : https://doi.org/10.1002/rse2.187 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98679 [article]

Exploration of OpenStreetMap missing built-up areas using twitter hierarchical clustering and deep learning in Mozambique / Hao Li in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 166 (August 2020) . - pp 41-51 Titre : Exploration of OpenStreetMap missing built-up areas using twitter hierarchical clustering and deep learning in Mozambique Type de document : Article/Communication Auteurs : Hao Li, Auteur ; Benjamin Herfort, Auteur ; Wei Huang, Auteur Année de publication : 2020 Article en page(s) : pp 41-51 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] analyse de groupement [Termes IGN] analyse spatiale [Termes IGN] apprentissage profond [Termes IGN] carte sanitaire [Termes IGN] cartographie collaborative [Termes IGN] données localisées des bénévoles [Termes IGN] géographie sociale [Termes IGN] inventaire du bâti [Termes IGN] Mozambique [Termes IGN] OpenStreetMap [Termes IGN] qualité des données [Termes IGN] Twitter Résumé : (auteur) Accurate and detailed geographical information digitizing human activity patterns plays an essential role in response to natural disasters. Volunteered geographical information, in particular OpenStreetMap (OSM), shows great potential in providing the knowledge of human settlements to support humanitarian aid, while the availability and quality of OSM remains a major concern. The majority of existing works in assessing OSM data quality focus on either extrinsic or intrinsic analysis, which is insufficient to fulfill the humanitarian mapping scenario to a certain degree. This paper aims to explore OSM missing built-up areas from an integrative perspective of social sensing and remote sensing. First, applying hierarchical DBSCAN clustering algorithm, the clusters of geo-tagged tweets are generated as proxies of human active regions. Then a deep learning based model fine-tuned on existing OSM data is proposed to further map the missing built-up areas. Hit by Cyclone Idai and Kenneth in 2019, the Republic of Mozambique is selected as the study area to evaluate the proposed method at a national scale. As a result, 13 OSM missing built-up areas are identified and mapped with an over 90% overall accuracy, being competitive compared to state-of-the-art products, which confirms the effectiveness of the proposed method. Numéro de notice : A2020-350 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.05.007 Date de publication en ligne : 07/06/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.05.007 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95233 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020081	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020083	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2020082	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

A cyber-enabled spatial decision support system to inventory mangroves in Mozambique: coupling scientific workflows and cloud computing / Wenwu Tang in International journal of geographical information science IJGIS, vol 31 n° 5-6 (May-June 2017)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 31 n° 5-6 (May-June 2017) . - pp 907 - 938 Titre : A cyber-enabled spatial decision support system to inventory mangroves in Mozambique: coupling scientific workflows and cloud computing Type de document : Article/Communication Auteurs : Wenwu Tang, Auteur ; Wenpeng Feng, Auteur ; Meijuan Jia, Auteur ; et al., Auteur Année de publication : 2017 Article en page(s) : pp 907 - 938 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] informatique en nuage [Termes IGN] inventaire de la végétation [Termes IGN] lever des détails [Termes IGN] mangrove [Termes IGN] modélisation [Termes IGN] Mozambique [Termes IGN] synergiciel [Termes IGN] système d'aide à la décision [Termes IGN] Zambèze (fleuve) [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) Mangroves are an important terrestrial carbon reservoir with numerous ecosystem services. Yet, it is difficult to inventory mangroves because of their low accessibility. A sampling approach that produces accurate assessment while maximizing logistical integrity of inventory operation is often required. Spatial decision support systems (SDSSs) provide support for integrating such a sampling design of fieldwork with operational considerations and evaluation of alternative scenarios. However, this fieldwork design driven by SDSS is often computationally intensive and repetitive. In this study, we develop a cyber-enabled SDSS framework to facilitate the computationally challenging fieldwork design that requires the efficacious selection of base camps and plots for the inventory of mangroves. Our study area is the Zambezi River Delta, Mozambique. Cyber-enabled capabilities, including scientific workflows and cloud computing, are integrated with the SDSS. Scientific workflows enable the automation of data and modeling tasks in the SDSS. Cloud computing offers on-demand computational support for interoperation among stakeholders for collaborative scenario evaluation for the fieldwork design of mangrove inventory. Further, this framework allows for harnessing high-performance computing capabilities for accelerating the fieldwork design. The cyber-enabled framework provides significant merits in terms of effective coordination among science and logistical teams, assurance of meeting inventory objectives, and an objective basis to collectively and efficaciously evaluate alternative scenarios. Numéro de notice : A2017-237 Affiliation des auteurs : non IGN Thématique : FORET/GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2016.1250900 En ligne : http://dx.doi.org/10.1080/13658816.2016.1250900 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85171 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2017031	RAB	Revue	Centre de documentation	En réserve 3L	Disponible

High-resolution forest canopy height estimation in an African blue carbon ecosystem / David Lagomasino in Remote sensing in ecology and conservation, vol 1 n° 1 (October 2015)    

Public [article]  inRemote sensing in ecology and conservation > vol 1 n° 1 (October 2015) . - pp 51 - 60 Titre : High-resolution forest canopy height estimation in an African blue carbon ecosystem Type de document : Article/Communication Auteurs : David Lagomasino, Auteur ; Temilola Fatoyinbo, Auteur ; Seung-Kuk Lee, Auteur ; Marc Simard, Auteur Année de publication : 2015 Article en page(s) : pp 51 - 60 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] biomasse [Termes IGN] données localisées 3D [Termes IGN] estimation statistique [Termes IGN] hauteur des arbres [Termes IGN] mangrove [Termes IGN] MNS SRTM [Termes IGN] Mozambique Résumé : (auteur) Mangrove forests are one of the most productive and carbon dense ecosystems that are only found at tidally inundated coastal areas. Forest canopy height is an important measure for modeling carbon and biomass dynamics, as well as land cover change. By taking advantage of the flat terrain and dense canopy cover, the present study derived digital surface models (DSMs) using stereo-photogrammetric techniques on high-resolution spaceborne imagery (HRSI) for southern Mozambique. A mean-weighted ground surface elevation factor was subtracted from the HRSI DSM to accurately estimate the canopy height in mangrove forests in southern Mozambique. The mean and H100 tree height measured in both the field and with the digital canopy model provided the most accurate results with a vertical error of 1.18-1.84 m, respectively. Distinct patterns were identified in the HRSI canopy height map that could not be discerned from coarse shuttle radar topography mission canopy maps even though the mode and distribution of canopy heights were similar over the same area. Through further investigation, HRSI DSMs have the potential of providing a new type of three-dimensional dataset that could serve as calibration/validation data for other DSMs generated from spaceborne datasets with much larger global coverage. HSRI DSMs could be used in lieu of Lidar acquisitions for canopy height and forest biomass estimation, and be combined with passive optical data to improve land cover classifications. Numéro de notice : A2015--101 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1002/rse2.3 En ligne : http://doi.org/10.1002/rse2.3 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=87170 [article]

Documents numériques

en open access High-resolution forest canopy height estimation - pdf éditeur Adobe Acrobat PDF

Développement d'outils et de méthodes pour l'estimation de la qualité des résultats de classification / Zhour Najoui (2013)

Public Titre : Développement d'outils et de méthodes pour l'estimation de la qualité des résultats de classification : application à l'évaluation de la dégradation de la forêt en Côte d'Ivoire Type de document : Mémoire Auteurs : Zhour Najoui, Auteur Editeur : Champs/Marne : Université Paris-Est Marne-la-Vallée UPEM Année de publication : 2013 Importance : 83 p. Format : 21 x 30 cm Note générale : Bibliographie Mémoire de master 2ème année Electronique, Télécommunication, Géomatique, spécialité Information géographique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification dirigée [Termes IGN] classification par maximum de vraisemblance [Termes IGN] Côte d'Ivoire [Termes IGN] déboisement [Termes IGN] forêt tropicale [Termes IGN] IDL [Termes IGN] image Landsat [Termes IGN] matrice de confusion [Termes IGN] Mozambique Index. décimale : DSIG Mémoires du master 2 IG, du master 2 SIG, de l'ex DEA SIG Résumé : (Auteur) Pour de meilleurs résultats, plusieurs classifications supervisées ont été faites à plusieurs reprises sur une même région (province de Niassa, au Mozambique) avec le changement de plusieurs paramètres (régions d'intérêts, classes, masques) pour trouver la meilleure façon d'avoir une bonne classification. Les parcelles de référence peuvent être issues de plusieurs sources (photos aériennes, travail sur le terrain ...). Après leur acquisition, ces parcelles de référence sont censées être homogènes, mais ce n'est pas toujours le cas. Les statistiques données par la matrice de confusion quant à la qualité des parcelles sous-référence (erreurs d'omission et de commission) donnent des informations générales sur la qualité de chaque parcelle de référence. Afin de générer les statistiques de qualité pour chaque sous-parcelle, un script IDL a été conçu pour résoudre ce problème. Les procédures qui ont été établies à partir de l'étude critique du projet de classification sur la Niassa, le rapport de contrôle des parcelles de référence généré par le script IDL ainsi que le rapport des meilleures pratiques ont été utilisés pour étudier la dégradation des forêts dans la Côte d'Ivoire par des images Landsat. Note de contenu : 1 Introduction 2 Présentation de l'entreprise 2.1 Projets 2.1.1 Etudes 2.1.2 Education 2.1.3 Production cartographique 2.1.4 Développement 2.1.5 Communication 2.2 Partenaires 2.3 Moyens techniques et environnement scientifique 3 Etude critique d'un projet passé : niassa (mozambique) 3.1 Zone d'étude (NIASSA, Mozambique) 3.2 Classifications 3.2.1 Le Maximum de Vraisemblance 3.2.2 Données d'entrée : Landsat 3.2.2.1 Plan de position 3.2.3 Prétraitement des données 3.2.3.1 Reprojection 3.2.3.2 Application des masques 3.3 Résultats et analyse 3.3.1.1 Analyse des classifications sur Niassa 3.3.1.2 Effet des différents masques sur les classifications 4 Procédures contrôle qualité 4.1 Programme JAVA « confusionMatrix » : Parsing 4.1.1 Production de la matrice de confusion avec ENVI 4.1.2 Amélioration de la matrice de confusion 4.2 Analyse des parcelles 4.2.1 Problématique 4.2.2 Outil « vt_classif_parcel_report_v19.pro» d'examen des parcelles 4.2.2.1 Principe 4.2.2.2 Données d'entrées 4.2.2.3 Lancement du programme 4.2.2.4 Capacités du programme 5 Application : côte d'ivoire 5.1 Contexte général 5.2 Méthodologie 5.2.1 Description de l'instrument ETM+ 5.2.2 Approche de classification 5.3 Sélection et prétraitement des données 5.4 Parcelles de référence (Apprentissage) 5.5 Classification 5.5.1 Priorité 1 5.5.2 Priorité 2 5.5.3 Priorités 5.6 Statistiques et analyse des résultats 6 Conclusion Numéro de notice : 18956 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Mémoire masters divers Organisme de stage : VisioTerra Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=51022

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
18956-01	DSIG	Livre	Centre de documentation	Travaux d'élèves	Disponible

Unconventional development of a cadastre / C.T.G. Trindade in GIM international, vol 19 n° 2 (February 2005)

Permalink

Révision cartographique à l'aide d'une image SPOT multispectrale, région de Pequenos Libombos, Mozambique / Roberto William Kachamila (1992)

Permalink

Palestra sobre teledetecção / M.F. Ferrao (1991)

Permalink

Fire detection using data from the NOAA-N satellites / M. Matson in International Journal of Remote Sensing IJRS, vol 8 n° 7 (July 1987)

Permalink

The rose-colored map / C.E. Nowel (1982)

Permalink

Annuaire des pays de l'océan Indien, 2. Volume 2, 1975 / Louis Favoreu (1977)

Permalink

Jambo / O. Strandberg (1955)

Permalink

Nouvelle géographie universelle / E. Reclus (1888)

Permalink