Centre dedocumentation
scientifique

Estimating 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)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 160 (February 2020) . - pp 124 - 135 Titre : Estimating wheat yields in Australia using climate records, satellite image time series and machine learning methods Type de document : Article/Communication Auteurs : Elisa Kamir, Auteur ; François Waldner, Auteur ; Zvi Hochman, Auteur Année de publication : 2020 Article en page(s) : pp 124 - 135 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] Australie [Termes descripteurs IGN] blé (céréale) [Termes descripteurs IGN] carte agricole [Termes descripteurs IGN] climat [Termes descripteurs IGN] estimation de précision [Termes descripteurs IGN] fonction de base radiale [Termes descripteurs IGN] image satellite [Termes descripteurs IGN] modèle de croissance [Termes descripteurs IGN] modèle non linéaire [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] régression [Termes descripteurs IGN] rendement agricole [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] variation saisonnière Résumé : (Auteur) Closing the yield gap between actual and potential wheat yields in Australia is important to meet the growing global demand for food. The identification of hotspots of the yield gap, where the potential for improvement is the greatest, is a necessary step towards this goal. While crop growth models are well suited to quantify potential yields, they lack the ability to provide accurate large-scale estimates of actual yields, owing to the sheer quantity of data they require for parameterisation. In this context, we sought to provide accurate estimates of actual wheat yields across the Australian wheat belt based on machine-learning regression methods, climate records and satellite image time series. Out of nine base learners and two ensembles, support vector regression with radial basis function emerged as the single best learner (root mean square error of 0.55 t ha−1 and R2 of 0.77 at the pixel level). At national scale, this model explained 73% of the yield variability observed across statistical units. Benchmark approaches based on peak Normalised Difference Vegetation Index (NDVI) and on a harvest index were largely outperformed by the machine-learning regression models (R2  Numéro de notice : A2020-046 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.11.008 date de publication en ligne : 20/12/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.11.008 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94556 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020021	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020023	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020022	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Three-dimensional photogrammetric mapping of cotton bolls in situ based on point cloud segmentation and clustering / Shangpeng Sun in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 160 (February 2020) . - pp 195 - 207 Titre : Three-dimensional photogrammetric mapping of cotton bolls in situ based on point cloud segmentation and clustering Type de document : Article/Communication Auteurs : Shangpeng Sun, Auteur ; Changying Li, Auteur ; Peng Wah Chee, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 195 - 207 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] cartographie 3D [Termes descripteurs IGN] classification basée sur les régions [Termes descripteurs IGN] distribution spatiale [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] extraction de la végétation [Termes descripteurs IGN] gestion de production [Termes descripteurs IGN] Gossypium (genre) [Termes descripteurs IGN] phénologie [Termes descripteurs IGN] rendement agricole [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] structure-from-motion [Termes descripteurs IGN] surveillance de la végétation Résumé : (Auteur) Three-dimensional high throughput plant phenotyping techniques provide an opportunity to measure plant organ-level traits which can be highly useful to plant breeders. The number and locations of cotton bolls, which are the fruit of cotton plants and an important component of fiber yield, are arguably among the most important phenotypic traits but are complex to quantify manually. Hence, there is a need for effective and efficient cotton boll phenotyping solutions to support breeding research and monitor the crop yield leading to better production management systems. We developed a novel methodology for 3D cotton boll mapping within a plot in situ. Point clouds were reconstructed from multi-view images using the structure from motion algorithm. The method used a region-based classification algorithm that successfully accounted for noise due to sunlight. The developed density-based clustering method could estimate boll counts for this situation, in which bolls were in direct contact with other bolls. By applying the method to point clouds from 30 plots of cotton plants, boll counts, boll volume and position data were derived. The average accuracy of boll counting was up to 90% and the R2 values between fiber yield and boll number, as well as fiber yield and boll volume were 0.87 and 0.66, respectively. The 3D boll spatial distribution could also be analyzed using this method. This method, which was low-cost and provided improved site-specific data on cotton bolls, can also be applied to other plant/fruit mapping analysis after some modification. Numéro de notice : A2020-048 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.12.011 date de publication en ligne : 25/12/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.12.011 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94561 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020021	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020023	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020022	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Automatic canola mapping using time series of Sentinel 2 images / Davoud Ashourloo in ISPRS Journal of photogrammetry and remote sensing, vol 156 (October 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 156 (October 2019) . - pp 63 - 76 Titre : Automatic canola mapping using time series of Sentinel 2 images Type de document : Article/Communication Auteurs : Davoud Ashourloo, Auteur ; Hamid Salehi Shahrabi, Auteur ; Mohsen Azadbakht, Auteur ; Hossein Aghighi, Auteur ; Hamed Nematollahi, Auteur ; Abbas Alimohammadi, Auteur ; Ali Akbar Matkan, Auteur Année de publication : 2019 Article en page(s) : pp 63 - 76 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] agriculture de précision [Termes descripteurs IGN] Brassica napus subsp. napus [Termes descripteurs IGN] image proche infrarouge [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] Iran [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] Oklahoma (Etats-Unis) [Termes descripteurs IGN] rendement agricole [Termes descripteurs IGN] série temporelle Résumé : (Auteur) Different techniques utilized for mapping various crops are mainly based on using training dataset. But, due to difficulties of access to a well-represented training data, development of automatic methods for detection of crops is an important need which has not been considered as it deserves. Therefore, main objective of present study was to propose a new automatic method for canola (Brassica napus L.) mapping based on Sentinel 2 satellite time series data. Time series data of three study sites in Iran (Moghan, Gorgan, Qazvin) and one site in USA: (Oklahoma), were used. Then, spectral reflectance values of canola in various spectral bands were compared with those of the other crops during the growing season. NDVI, Red and Green spectral bands were successfully applied for automatic identification of canola flowering date using the threshold values. Examination of the fisher function indicated that multiplication of the near-infrared (NIR) band by the sum of red and green bands during the flowering date is an efficient index to differentiate canola from the other crops. The Kappa and overall accuracy (OA) for the four study sites were more than 0.75 and 88%, respectively. Results of this research demonstrated the potential of the proposed approach for canola mapping using time series of remotely sensed data. Numéro de notice : A2019-317 Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.isprsjprs.2019.08.007 date de publication en ligne : 09/08/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.08.007 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93355 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019101	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019103	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019102	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Détection de changement par imagerie radar sur les zones naturelles et agricoles en milieu tropical / Jérôme Lebreton (2018) 

Public Titre : Détection de changement par imagerie radar sur les zones naturelles et agricoles en milieu tropical Type de document : Mémoire Auteurs : Jérôme Lebreton, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 45 p. Format : 21 x 30 cm Note générale : bibliographie rapport de stage de fin d'études, Cycle géomètre-géomaticien Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] composition colorée [Termes descripteurs IGN] comptage [Termes descripteurs IGN] correction d'image [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] extraction de la végétation [Termes descripteurs IGN] Gabon [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] image SPOT [Termes descripteurs IGN] image TerraSAR-X [Termes descripteurs IGN] milieu tropical [Termes descripteurs IGN] palmier [Termes descripteurs IGN] polarisation [Termes descripteurs IGN] rendement agricole [Termes descripteurs IGN] surveillance agricole [Termes descripteurs IGN] télédétection en hyperfréquence Index. décimale : GEOM Mémoires de géomètres civils Résumé : (auteur) Dans le cadre du Challenge Numérique « Suivi des plantations dans les pays en développements» piloté par Booster Nova, L’Avion Jaune porte un projet nommé « Palmap » pour le groupe Olam International. Ce projet comprend un volet de développement de solutions permettant le suivi de la culture de palmiers à huile et un volet sur le suivi des mesures compensatoires de préservation de l’environnement naturel autour des plantations en utilisant des données vues du ciel (drones) combinées avec des données collectées sur le terrain et des données satellites. Olam International est une société singapourienne de négoce en produits agroalimentaires, qui gère des plantations (cacao, caoutchouc, huile de palme, amandes, noix de cajou, …) dans plusieurs pays. L’huile de palme est la plus consommée au monde et est considérée comme la source principale d’huile parmi les autres végétaux. Le Gabon s’est ainsi lancé dans cette production dû à un besoin essentiel de développer son agriculture afin de diversifier son économie. La production d’huile de palme est destinée principalement au marché local et à la sous région. Note de contenu : 1- Présentation 2- Contexte 3- Images radar 4- Analyse des données radar Numéro de notice : 21941 Thématique : IMAGERIE Nature : Mémoire de fin d'études G Organisme de stage : L’Avion Jaune Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91741

Documents numériques

peut être téléchargé Détection de changement par imagerie... - pdf auteur Adobe Acrobat PDF

Using geographically weighted regression kriging for crop yield mapping in West Africa / Muhammad Imran in International journal of geographical information science IJGIS, vol 29 n° 2 (February 2015)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 29 n° 2 (February 2015) . - pp 234 - 257 Titre : Using geographically weighted regression kriging for crop yield mapping in West Africa Type de document : Article/Communication Auteurs : Muhammad Imran, Auteur ; Alfred Stein, Auteur ; Raul Zurita-Milla, Auteur Année de publication : 2015 Article en page(s) : pp 234 - 257 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG [Termes descripteurs IGN] agriculture [Termes descripteurs IGN] analyse de données [Termes descripteurs IGN] Burkina Faso [Termes descripteurs IGN] carte agricole [Termes descripteurs IGN] cartographie statistique [Termes descripteurs IGN] image SPOT-Végétation [Termes descripteurs IGN] krigeage [Termes descripteurs IGN] régression géographiquement pondérée [Termes descripteurs IGN] rendement agricole [Termes descripteurs IGN] sorgho (céréale) Résumé : (Auteur) Geographical information systems support the application of statistical techniques to map spatially referenced crop data. To do this in the optimal way, errors and uncertainties have to be minimized that are often associated with operations on the data. This paper applies a spatial statistical approach to upscale crop yields from the field level toward the scale of Burkina Faso. Observed yields were related to the Normalized Difference Vegetation Index derived from SPOT-VEGETATION. The objective was to quantify the uncertainties at the subsequent steps. First, we applied a point pattern analysis to examine uncertainties due to the sampling network of field surveys in the country. Second, geographically weighted regression kriging (GWRK) was applied to upscale the yield observations and to quantify the corresponding uncertainty. The proposed method was demonstrated with the mapping of sorghum yields in Burkina Faso and results were compared with those from regression kriging (RK) and kriging with external drift using a local kriging neighborhood (KEDLN). The proposed method was validated with independent yield observations obtained from field surveys. We observed that the lower uncertainty range value increased by 39%, and the upper uncertainty range value decreased by 51%, when comparing GWRK with RK and KEDLN. Moreover, GWRK reduced the prediction error variance as compared to RK (20 vs. 31) and to KEDLN (20 vs. 39). We found that climate and topography had a major impact on the country’s sorghum yields. Further, the financial ability of farmers influenced the crop management and, thus, the sorghum crop yields. We concluded that GWRK effectively utilized information present in the covariate datasets and improved the accuracies of both the regional-scale mapping of sorghum yields and was able to quantify the associated uncertainty. Numéro de notice : A2015-578 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2014.959522 En ligne : http://www.tandfonline.com/doi/full/10.1080/13658816.2014.959522 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=77840 [article]

Crop yield estimation based on unsupervised linear unmixing of multidate hyperspectral imagery / B. Luo in IEEE Transactions on geoscience and remote sensing, vol 51 n° 1 Tome 1 (January 2013)  

Permalink

Un modèle de prévision de rendement de la canne à sucre basé sur des images satellitaires SPOT : l'exemple de la Réunion / N. Boyer in Revue Française de Photogrammétrie et de Télédétection, n° 197 (Juin 2012)

Permalink

The early explanatory power of NDVI in crop yield modelling / L. Wall in International Journal of Remote Sensing IJRS, vol 29 n° 7 (April 2008)

Permalink

MARS [Monitoring Agriculture with Remote Sensing] stat action of the European Commission: crop and yield monitoring activities / G. Genovese in Geoinformatics, vol 10 n° 4 (01/06/2007)

Permalink

Within-field wheat yield prediction from Ikonos data: a new matrix approach / E.A. Enclona in International Journal of Remote Sensing IJRS, vol 25 n° 2 (January 2004)

Permalink

Application of linear mixture model on low resolution NDVI time series of Spot Vegetation data for improving crop yield forecasting techniques in Sinaloa region of Mexico / A. Quadri (2004)

Permalink

Usefulness of spectral reflectance indices as durum wheat yield predictors under contrasting Mediterranean conditions / C. Royo in International Journal of Remote Sensing IJRS, vol 24 n° 22 (November 2003)

Permalink

Towards an operational system for regional-scale rice yield estimation using a time-series of Radarsat ScanSAR images / Y. Li in International Journal of Remote Sensing IJRS, vol 24 n° 21 (November 2003)

Permalink

Crop yield assessment from remote sensing / P.C. Doraiswamy in Photogrammetric Engineering & Remote Sensing, PERS, vol 69 n° 6 (June 2003)

Permalink

Remote sensing for crop management / P.J. Pinter in Photogrammetric Engineering & Remote Sensing, PERS, vol 69 n° 6 (June 2003)

Permalink