Descripteur
Documents disponibles dans cette catégorie (525)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Titre : Suivi du statut hydrique de la vigne par télédétection hyper et multispectrale Type de document : Thèse/HDR Auteurs : Eve Laroche, Auteur ; Véronique Chéret, Directeur de thèse ; Harold Clenet, Directeur de thèse ; Sylvie Duthoit, Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2021 Importance : 184 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, spécialité Agrosystèmes, Écosystèmes et EnvironnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bilan hydrique
[Termes IGN] changement climatique
[Termes IGN] données de terrain
[Termes IGN] image hyperspectrale
[Termes IGN] image Landsat-SWIR
[Termes IGN] image multibande
[Termes IGN] image Sentinel-MSI
[Termes IGN] irrigation
[Termes IGN] jeu de données
[Termes IGN] réflectance spectrale
[Termes IGN] stress hydrique
[Termes IGN] viticultureIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’évolution du climat dans le sud de l’Europe conduit à une hausse des températures et une baisse des précipitations pendant l’été. Cette évolution entraîne des contraintes hydriques de plus en plus importantes pour la vigne, obligeant les régions viticoles du sud de la France à réfléchir à des solutions pour conserver leur production. Un enjeu pour la filière est de pouvoir déterminer facilement les parcelles ou régions souffrant de stress hydrique. Dans une zone d’AOC par exemple, cela peut aider à justifier les demandes d’autorisation d’irrigation auprès de l’INAO. Il est également question de mieux gérer la ressource en eau pour la diriger vers les zones qui en ont le plus besoin. Quantifier et suivre le statut hydrique de la vigne permettrait également d’accélérer les réflexions sur l’évolution des pratiques culturales dans ces zones (gestion de l’inter-rang, date de récolte, encépagement. . . ). La télédétection est un outil parfaitement adapté pour répondre à cet enjeu. Le stress hydrique provoque une modification des caractéristiques biophysiques et biochimiques du tissu des plantes, qui se traduit dans la plupart des cas par une modification de leurs propriétés optiques. De plus, l’arrivé des deux satellites Sentinel-2 permet aujourd’hui un suivi de la végétation avec une revisite théorique tous les 5 jours à moindre coût. Ce travail de thèse est orienté autour de plusieurs axes de recherche (thématique et méthodologique) pour arriver à construire et mettre en place un service opérationnel. Dans un premier temps, il fallait comprendre comment s’expriment les symptômes physiologiques du stress hydrique, et, à l’aide de mesures hyperspectrales de référence, caractériser les gammes de longueurs d’onde où des modifications spectrales peuvent être observées. Par la suite, il était nécessaire de vérifier si cette connaissance est transposable aux mesures acquises par les capteurs des satellites actuellement en service et notamment Sentinel-2. Ce travail s’est appuyé sur des jeux de données uniques, combinant à la fois mesures de terrain (sur 3 ans dans 36 parcelles) et observations multispectrales et hyperspectrales. Cette étude a fait ressortir le domaine SWIR pour accéder à la teneur en eau des feuilles mais a également permis de confirmer l’utilité des bandes Red-Edge et NIR pour caractériser l’impact du contenu en eau sur la structure de la feuille et sur son contenu en chlorophylle. Un modèle de prédiction du statut hydrique de la vigne a été mis en place à partir des bandes 4 (Rouge), 6 (Red-Edge), 8a (NIR) et 12 (SWIR) de Sentinel-2. Ce modèle a pu être testé en 2020 sur des parcelles de 5 domaines viticoles, et de nombreux échanges réguliers ont eu lieu avec les viticulteurs pour vérifier la cohérence des résultats au niveau spatial et temporel. Ces premiers retours sont plus qu’encourageant pour la mise en place d’un outil opérationnel de suivi du statut hydrique de la vigne à partir des images Sentinel-2. Les derniers tests sont en cours pour intégrer le modèle dans une plateforme de traitement et de distribution de données automatique au sein de l’entreprise partenaire (TerraNIS). Une première phase de distribution pré-opérationnelle du service est prévue pour l’été 2021. Les travaux menés dans le cadre de cette thèse ont donc permis de mettre en lumière les domaines spectraux affectés par les variations de potentiel de tige de la vigne, de valider l’utilisation de Sentinel-2 comme outil de suivi temporel et spatial du statut hydrique de la vigne et de proposer les outils et algorithmes qui permettront à TerraNIS de proposer un service d’intérêt pour l’ensemble de la filière. Note de contenu : Introduction
1- Contexte général
2- Identification des domaines spectraux les plus discriminants pour la caractérisation du statut hydrique de la vigne à partir de données
3- Potentialité des images satellites pour le suivi du statut hydrique de la vigne
4- Vers la mise en place d'un service opérationnel
5- Synthèse générale et perspectives
ConclusionNuméro de notice : 28686 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Agrosystèmes, Écosystèmes et Environnement : Toulouse : 2021 Organisme de stage : DYNAFOR DOI : sans En ligne : http://www.theses.fr/2021INPT0082 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100037 Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision / Sami Beniaouf (2021)
Titre : Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision Type de document : Mémoire Auteurs : Sami Beniaouf, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 65 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de Master PPMD Photogrammétrie, Positionnement et Mesure de DéformationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse d'image orientée objet
[Termes IGN] apprentissage profond
[Termes IGN] carte de la végétation
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] géoréférencement
[Termes IGN] image captée par drone
[Termes IGN] maladie phytosanitaire
[Termes IGN] semis de points
[Termes IGN] surveillance de la végétation
[Termes IGN] Vaud (Suisse)
[Termes IGN] viticultureIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Au cours des dernières années, les progrès rapides des techniques d'apprentissage en profondeur ont considérablement accéléré l'élan de la détection d'objets, qui constitue la base de nombreuses tâches de vision par ordinateur, telles que la segmentation d'instances, la classification d'images, le suivi d'objets et bien d'autres. Ce travail s’intéresse à l’utilisation de cette technique ainsi que la photogrammétrie terrestre et la télédétection dans le domaine de la viticulture, pour l’extraction et la cartographie d’informations physiologiques lié aux vignes. Cette étude s’est orientée vers la détection de la maladie de Mildiou au moyen d’une caméra multispectrale. Le mildiou de la vigne est causé par l'organisme de type fongique Plasmopara viticola, qui se produit généralement pendant les années excessivement humides et chaudes. Le champignon provoque directement une perte de rendement par la pourriture des feuilles, des grappes et des pousses. La détection d’objets par segmentation en instances a été réalisé en utilisant le modèle d’apprentissage pré-entraîné Mask R-CNN, dont les couches de classification ont été réentraîné avec des images de vignes acquises et labélisées. La méthodologie suivie consiste en l’extraction de masques d’objets des classes d’intérêt en utilisant le modèle entraîné, qui sont ensuite importés séparément sur les images. La reconstruction du nuage de points 3D à partir d’images masquées ensuit la génération d’un nuage de point de la classe cible. En segmentant ces nuages de points par instances, le calcul des coordonnées des barycentres de ces instances sont représentés finalement sur une carte. Note de contenu :
Introduction générale
I- Introduction à la viticulture de précision
I.1- Télédétection
I.2- Optimisation du rendement
I.3- Détection de maladies
I.4- Apprentissage profond
II- Acquisition des images et méthodologie
II.1- Acquisition des images
II.2- Méthodologie
Résultats et analyseNuméro de notice : 28393 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire PPMD Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98747 Documents numériques
peut être téléchargé
Suivi des vignes par télédétection... - pdf auteur -Adobe Acrobat PDF The challenge of robust trait estimates with deep learning on high resolution RGB images / Etienne David (2021)
Titre : The challenge of robust trait estimates with deep learning on high resolution RGB images Type de document : Thèse/HDR Auteurs : Etienne David, Auteur ; Frédéric Baret, Directeur de thèse Editeur : Avignon : Université d'Avignon Année de publication : 2021 Importance : 145 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université d'Avignon, spécialité Sciences AgronomiquesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage profond
[Termes IGN] base de données d'images
[Termes IGN] blé (céréale)
[Termes IGN] céréales
[Termes IGN] comptage
[Termes IGN] cultures
[Termes IGN] densité de la végétation
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] image à haute résolution
[Termes IGN] image captée par drone
[Termes IGN] image RVB
[Termes IGN] jeu de données
[Termes IGN] surveillance agricoleIndex. décimale : THESE Thèses et HDR Résumé : (auteur) High throughput plant phenotyping, especially in the context of open field acquisitions, relies on the interpretation of data from different sensors implemented on various vectors such as tractors, robots or drones. Initially, these data were interpreted using remote sensing algorithms that exploit the spatial resolution of the signal. Since 2015, however, progresses of ”Deep Learning”, based on the training on examples, has already obtained promising results for measuring the rate of cover, counting plants or organs. It uses learned convolution layers, can take advantage of the spatial organization of the signal. The advantage of these methods is that they are based on Red-Green-Blue (RGB) sensors, which are much less expensive than multi- or hyperspectral imagers. However, these methods are sensitive to changes in the distribution between the data used in training and the predicted data. In practice, variable prediction errors from site to site can be observed using these methods. The objective of the thesis is to understand the causes of these variations and propose solutions for reliable phenotypic trait estimates using Deep Learning. The study focuses on detecting plants and organs from high-resolution RGB images acquired in the field. Our work first focused on the constitution of diversified image databases from different locations and stages of development for plant emergence (maize, beet, sunflower) and wheat ears, which allowed the publication of two annotated databases, grouping 27 acquisition sessions for thedrone and 47 for the ear detection. The datasets demonstrate the performances difference between the published results and ours due to the change in distribution. To go beyond the limits of the usual methods, we organized two data competitions, the Global Wheat Challenges, in 2020 and 2021, which allowed us to obtain solutions trained for robustness on a different data set than the training one. The analysis of the solutions showed the importance of the training strategies for robustness beyond the architectures used. We have also shown that these solutions can be effectively deployed as a replacement for manual counting. Finally, we have demonstrated the inefficiency of training functions designed for robust training. Our work opens the prospect of a better evaluation of Deep Learning in the context of high-throughput phenotyping and thus of confidence in its use in real-life conditions. Note de contenu : 1- Introduction
2- Evaluation of the robustness of handcrafted and deep learning methods for plant density estimation
3- Design of a large and diverse dataset for training and evaluating deep learning models: application to wheat head detection
4- Competition design to train robust Deep Learn model: the example of the Global Wheat Challenges
5- GlobalWheat-Wilds: Global Wheat Head Dataset as a benchmark of in-the-wild distribution shifts
6- Conclusion and perspectivesNuméro de notice : 15244 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences Agronomiques : Avignon : 2021 Organisme de stage : Laboratoire EMMAH DOI : sans En ligne : https://hal.inrae.fr/tel-03431192v2/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100610 Monitoring of wheat crops using the backscattering coefficient and the interferometric coherence derived from Sentinel-1 in semi-arid areas / Nadia Ouaadi in Remote sensing of environment, Vol 251 (15 December 2020)
[article]
Titre : Monitoring of wheat crops using the backscattering coefficient and the interferometric coherence derived from Sentinel-1 in semi-arid areas Type de document : Article/Communication Auteurs : Nadia Ouaadi, Auteur ; Lionel Jarlan, Auteur ; Jamal Ezzahar, Auteur ; Mehrez Zribi, Auteur ; Saïd Khabba, Auteur ; Elhoussaine Bouras, Auteur ; Safa Bousbih, Auteur ; Pierre-Louis Frison , Auteur Année de publication : 2020 Projets : 3-projet - voir note / Article en page(s) : n° 112050 Note générale : bibliographie
This work was conducted within the frame of the International Joint Laboratory TREMA (https://www.lmi-trema.ma/). The authors wish to thank the projects: Rise-H2020-ACCWA (grant agreement no: 823965) and ERANETMED03-62 CHAAMS for partly funding the experiments.Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] bande C
[Termes IGN] blé (céréale)
[Termes IGN] coefficient de rétrodiffusion
[Termes IGN] cultures
[Termes IGN] données polarimétriques
[Termes IGN] évapotranspiration
[Termes IGN] humidité du sol
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] Maroc
[Termes IGN] polarisation
[Termes IGN] surveillance agricole
[Termes IGN] teneur en eau de la végétation
[Termes IGN] zone semi-arideRésumé : (auteur) Radar data at C-band has shown great potential for the monitoring of soil and canopy hydric conditions of wheat crops. In this study, the C-band Sentinel-1 time series including the backscattering coefficients σ0 at VV and VH polarization, the polarization ratio (PR) and the interferometric coherence ρ are first analyzed with the support of experimental data gathered on three plots of irrigated winter wheat located in the Haouz plain in the center of Morocco covering five growing seasons. The results showed that ρ and PR are tightly related to the canopy development. ρ is also sensitive to soil preparation. By contrast, σ0 was found to be widely linked to changes in surface soil moisture (SSM) during the first growth stages when Leaf Area Index remains moderate ( Numéro de notice : A2020-337 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rse.2020.112050 Date de publication en ligne : 24/08/2020 En ligne : https://doi.org/10.1016/j.rse.2020.112050 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96939
in Remote sensing of environment > Vol 251 (15 December 2020) . - n° 112050[article]Quantification of cotton water consumption by remote sensing / Jefferson Vieira José in Geocarto international, vol 35 n° 16 ([01/12/2020])
[article]
Titre : Quantification of cotton water consumption by remote sensing Type de document : Article/Communication Auteurs : Jefferson Vieira José, Auteur ; Niclene Ponce Rodrigues de Oliveira, Auteur ; Tonny José Araújo da Silva, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 1800 - 1813 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] biome
[Termes IGN] cultures irriguées
[Termes IGN] évapotranspiration
[Termes IGN] gestion de l'eau
[Termes IGN] Gossypium (genre)
[Termes IGN] image thermique
[Termes IGN] irrigation
[Termes IGN] Leaf Area Index
[Termes IGN] Mato GrossoRésumé : (auteur) Quantifying crop water consumption is essential for water resource management. The objective was to estimate the current evapotranspiration (ETa) of the cotton crop (Gossypium hirsutum L.) in the rainfed system, as well as the components of the radiation and energy balance in the Cerrado biome conditions using orbital images and the SEBAL algorithm and validate the estimates of evapotranspiration (ET) using FAO guidelines for crop coefficient (K c) of the cotton crop. Research was carried out in the State of Mato Grosso, Brazil, in areas with three cotton cultivars. Images of the Operational Land Imager and Thermal Infrared Sensor sensors were used and ET estimation was made based on the SEBAL algorithm. Mean ETa in the cotton cycle was 3.5 mm dia−1 and the K c values ranged from 0.22 and 1.12, on average, in the smaller and larger leaf area, respectively. Numéro de notice : A2020-726 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1583777 Date de publication en ligne : 18/03/2019 En ligne : https://doi.org/10.1080/10106049.2019.1583777 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96329
in Geocarto international > vol 35 n° 16 [01/12/2020] . - pp 1800 - 1813[article]Adaptation de l'irrigation au changement climatique dans l'Union européenne : les actions engagées par les États membres pour économiser l'eau / Claire Serra-Wittling in Sciences, eaux & territoires, n° 34 (novembre 2020)PermalinkAn integration of bioclimatic, soil, and topographic indicators for viticulture suitability using multi-criteria evaluation: a case study in the Western slopes of Jabal Al Arab—Syria / Karam Alsafadi in Geocarto international, vol 35 n° 13 ([01/10/2020])PermalinkComparative analysis of index and chemometric techniques-based assessment of leaf area index (LAI) in wheat through field spectroradiometer, Landsat-8, Sentinel-2 and Hyperion bands / Bappa Das in Geocarto international, vol 35 n° 13 ([01/10/2020])PermalinkAnalysis of chlorophyll concentration in potato crop by coupling continuous wavelet transform and spectral variable optimization / Ning Liu in Remote sensing, vol 12 n° 17 (September-1 2020)PermalinkMapping the condition of macadamia tree crops using multi-spectral UAV and WorldView-3 imagery / Kasper Johansen in ISPRS Journal of photogrammetry and remote sensing, vol 165 (July 2020)PermalinkCounting of grapevine berries in images via semantic segmentation using convolutional neural networks / Laura Zabawa in ISPRS Journal of photogrammetry and remote sensing, vol 164 (June 2020)PermalinkDiscriminant analysis for lodging severity classification in wheat using RADARSAT-2 and Sentinel-1 data / Sugandh Chauhan in ISPRS Journal of photogrammetry and remote sensing, vol 164 (June 2020)PermalinkProfitability of growing Scots pine on cutaway peatlands / Lasse Aro in Silva fennica, vol 54 n° 3 (June 2020)PermalinkWheat leaf area index retrieval using RISAT-1 hybrid polarized SAR data / Thota Sivasankar in Geocarto international, Vol 35 n° 8 ([01/06/2020])PermalinkAbove-ground biomass estimation of arable crops using UAV-based SfM photogrammetry / Maria Luz Gil-Docampo in Geocarto international, vol 35 n° 7 ([15/05/2020])PermalinkSoil moisture estimation with SVR and data augmentation based on alpha approximation method / Wei Xu in IEEE Transactions on geoscience and remote sensing, vol 58 n° 5 (May 2020)PermalinkAbove-ground biomass estimation and yield prediction in potato by using UAV-based RGB and hyperspectral imaging / Bo Li in ISPRS Journal of photogrammetry and remote sensing, vol 162 (April 2020)PermalinkConterminous United States land cover change patterns 2001–2016 from the 2016 National Land Cover Database / Collin Homer in ISPRS Journal of photogrammetry and remote sensing, vol 162 (April 2020)PermalinkRadar Vegetation Index for assessing cotton crop condition using RISAT-1 data / Dipanwita Haldar in Geocarto international, vol 35 n° 4 ([15/03/2020])PermalinkEstimating wheat yields in Australia using climate records, satellite image time series and machine learning methods / Elisa Kamir in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)PermalinkOptimising drone flight planning for measuring horticultural tree crop structure / Yu-Hsuan Tu in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)PermalinkC band radar crops monitoring at high temporal frequency: first results of the MOCTAR campaign / Pierre-Louis Frison (2020)PermalinkDétermination conjointe des inondations et du type d’eau au moyen de l’imagerie multi-spectrale / Sabrine Amzil (2020)PermalinkPermalinkSurface soil moiture retrieval over irrigated wheat crops in semi-arid areas using Sentinel-1 data / Nadia Ouaadi (2020)PermalinkWater stress detection over irrigated wheat crops in semi-arid areas using the diurnal differences of Sentinel-1 backscatter / Nadia Ouaadi (2020)PermalinkCalculating potential evapotranspiration and single crop coefficient based on energy balance equation using Landsat 8 and Sentinel-2 / Ali Mokhtari in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)PermalinkDiptera in clear-felling stumps like it dry / Mats Jonsell in Scandinavian journal of forest research, vol 34 n° 8 (August 2019)PermalinkUsing LiDAR-modified topographic wetness index, terrain attributes with leaf area index to improve a single-tree growth model in south-eastern Finland / Cheikh Mohamedou in Forestry, an international journal of forest research, vol 92 n° 3 (July 2019)PermalinkFeasibility study of vegetation indices derived from Sentinel-2 and PlanetScope satellite images for validating the LAI biophysical parameter to monitoring development stages of winter wheat / Radoslaw Gurdak in Geoinformation issues, Vol 10 n°1 (2018)PermalinkStem-leaf segmentation and phenotypic trait extraction of individual maize using terrestrial LiDAR data / Shichao Jin in IEEE Transactions on geoscience and remote sensing, vol 57 n° 3 (March 2019)PermalinkPermalinkPotentialités de l’imagerie couleur embarquée pour la détection et la cartographie des maladies fongiques de la vigne / Florent Abdelghafour (2019)PermalinkPermalinkTime-space tradeoff in deep learning models for crop classification on satellite multi-spectral image time series / Vivien Sainte Fare Garnot (2019)PermalinkDrought sensitiveness on forest growth in peninsular Spain and the Balearic Islands / Marina Peña-Gallardo in Forests, vol 9 n° 9 (September 2018)PermalinkEstimation of winter wheat crop growth parameters using time series Sentinel-1A SAR data / P. Kumar in Geocarto international, vol 33 n° 9 (September 2018)PermalinkExtracting leaf area index using viewing geometry effects : A new perspective on high-resolution unmanned aerial system photography / Lukas Roth in ISPRS Journal of photogrammetry and remote sensing, vol 141 (July 2018)PermalinkAssessment of Sentinel-1A data for rice crop classification using random forests and support vector machines / Nguyen-Thanh Son in Geocarto international, vol 33 n° 6 (June 2018)PermalinkCartographie pour la réflexion sur un périmètre à irriguer dans le Sud Kivu / Anne Girardin in XYZ, n° 155 (juin - août 2018)PermalinkLive fuel moisture content (LFMC) time series for multiple sites and species in the French Mediterranean area since 1996 / N. Martin-St Paul in Annals of Forest Science, vol 75 n° 2 (June 2018)PermalinkClose-range hyperspectral image analysis for the early detection of stress responses in individual plants in a high-throughput phenotyping platform / Mohd Shahrimie Mohd Asaari in ISPRS Journal of photogrammetry and remote sensing, vol 138 (April 2018)PermalinkOptimal management of larch (Larix olgensis A. Henry) plantations in Northeast China when timber production and carbon stock are considered / Wei Peng in Annals of Forest Science, vol 75 n° 1 (March 2018)PermalinkPermalinkPermalinkSentinel-2 data analysis and comparison with UAV multispectral images for precision viticulture / Frederica Nonni in GI Forum, vol 2018 n° 1 ([01/01/2018])PermalinkPermalinkSuivi des cultures dans le périmètre du Loukkos-Maroc : Apport de la télédétection radar et optique / Siham Acharki (2018)PermalinkTowards assessment of cork production through National Forest Inventories / Maria Pasalodos-Tato in Forestry, an international journal of forest research, vol 91 n° 1 (January 2018)PermalinkUnderstanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications / Amanda Veloso in Remote sensing of environment, vol 199 (15 September 2017)Permalink