Descripteur
Documents disponibles dans cette catégorie (343)
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
Agricultural land partitioning model based on irrigation efficiency using a multi‐objective artificial bee colony algorithm / Mehrdad Bijandi in Transactions in GIS, Vol 25 n° 1 (February 2021)
[article]
Titre : Agricultural land partitioning model based on irrigation efficiency using a multi‐objective artificial bee colony algorithm Type de document : Article/Communication Auteurs : Mehrdad Bijandi, Auteur ; Mohammad Karimi, Auteur ; Bahman Farhadi Bansouleh, Auteur ; Wim van der Knaap, Auteur Année de publication : 2021 Article en page(s) : pp 551 - 574 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] données topographiques
[Termes IGN] irrigation
[Termes IGN] optimisation par colonie de fourmis
[Termes IGN] parcelle agricole
[Termes IGN] planification
[Termes IGN] remembrement agricole
[Termes IGN] surface cultivée
[Termes IGN] utilisation du solRésumé : (Auteur) In the process of agricultural land consolidation, the land parcels are optimally redesigned and rearranged in such a way that the dimensions of the resulting parcels are proportional to agricultural criteria such as irrigation discharge, soil texture, and cropping pattern. Besides these criteria, spatial factors like slope, road accessibility, volume of earthwork, and geometrical factors such as size and shape of parcels are also included in the design process of agricultural land partitioning. In this study, a land partitioning model was proposed using a multi‐objective artificial bee colony algorithm (MOABC‐LP) taking into consideration the mentioned factors. Initially, a feasible dimension range of parcels in a block was calculated based on irrigation efficiency. Two partitioning layouts were defined according to the topography and geometry of blocks. The proposed method was applied to a real study area and the results suggest that the land partitioning plan obtained by the MOABC‐LP model, in comparison with a designer's plan, not only makes the shape and size of parcels more compatible with the topographical and agricultural conditions of each block, but also reduces their cut‐and‐fill ratio. Numéro de notice : A2021-210 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12702 Date de publication en ligne : 27/10/2020 En ligne : https://doi.org/10.1111/tgis.12702 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97159
in Transactions in GIS > Vol 25 n° 1 (February 2021) . - pp 551 - 574[article]Crop identification by massive processing of multiannual satellite imagery for EU common agriculture policy subsidy control / Adolfo Lozano-Tello in European journal of remote sensing, vol 54 n° 1 (2021)
[article]
Titre : Crop identification by massive processing of multiannual satellite imagery for EU common agriculture policy subsidy control Type de document : Article/Communication Auteurs : Adolfo Lozano-Tello, Auteur ; Marcos Fernández-Sellers, Auteur ; Elia Quirós, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 1 - 12 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse diachronique
[Termes IGN] apprentissage automatique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification pixellaire
[Termes IGN] Estrémadure (Espagne)
[Termes IGN] image Sentinel-MSI
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] politique agricole commune
[Termes IGN] réseau neuronal artificiel
[Termes IGN] surface cultivée
[Termes IGN] surveillance agricoleRésumé : (auteur) The early and automatic identification of crops declared by farmers is essential for streamlining European Union Common Agricultural Policy (CAP) payment processes. Currently, field inspections are partial, expensive and entail a considerable delay in the process. Chronological satellite images of cultivated plots can be used so that neural networks can form the model of the declared crop. Once the patterns of a crop are obtained, the correspondence of the declaration with the model of the neural network can be systematically predicted, and can be used for monitoring the CAP. In this article, we propose a learning model with neural networks, using as examples of training the pixels of the cultivated plots from the satellite images over a period of time. We also propose using several years in the training model to generalise the patterns without linking them to the climatic characteristics of a specific year. The article also describes the use of the model in learning the multi-year pattern of tobacco cultivation with very good results. Numéro de notice : A2021-138 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/22797254.2020.1858723 Date de publication en ligne : 30/12/2020 En ligne : https://doi.org/10.1080/22797254.2020.1858723 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97012
in European journal of remote sensing > vol 54 n° 1 (2021) . - pp 1 - 12[article]Mapping seasonal agricultural land use types using deep learning on Sentinel-2 image time series / Misganu Debella-Gilo in Remote sensing, Vol 13 n° 2 (January-2 2021)
[article]
Titre : Mapping seasonal agricultural land use types using deep learning on Sentinel-2 image time series Type de document : Article/Communication Auteurs : Misganu Debella-Gilo, Auteur ; Arnt Kristian Gjertsen, Auteur Année de publication : 2021 Article en page(s) : n° 289 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] carte agricole
[Termes IGN] carte d'utilisation du sol
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] image Sentinel-MSI
[Termes IGN] Norvège
[Termes IGN] série temporelle
[Termes IGN] Soil Adjusted Vegetation Index
[Termes IGN] surface cultivée
[Termes IGN] utilisation du sol
[Termes IGN] variation saisonnièreRésumé : (auteur) The size and location of agricultural fields that are in active use and the type of use during the growing season are among the vital information that is needed for the careful planning and forecasting of agricultural production at national and regional scales. In areas where such data are not readily available, an independent seasonal monitoring method is needed. Remote sensing is a widely used tool to map land use types, although there are some limitations that can partly be circumvented by using, among others, multiple observations, careful feature selection and appropriate analysis methods. Here, we used Sentinel-2 satellite image time series (SITS) over the land area of Norway to map three agricultural land use classes: cereal crops, fodder crops (grass) and unused areas. The Multilayer Perceptron (MLP) and two variants of the Convolutional Neural Network (CNN), are implemented on SITS data of four different temporal resolutions. These enabled us to compare twelve model-dataset combinations to identify the model-dataset combination that results in the most accurate predictions. The CNN is implemented in the spectral and temporal dimensions instead of the conventional spatial dimension. Rather than using existing deep learning architectures, an autotuning procedure is implemented so that the model hyperparameters are empirically optimized during the training. The results obtained on held-out test data show that up to 94% overall accuracy and 90% Cohen’s Kappa can be obtained when the 2D CNN is applied on the SITS data with a temporal resolution of 7 days. This is closely followed by the 1D CNN on the same dataset. However, the latter performs better than the former in predicting data outside the training set. It is further observed that cereal is predicted with the highest accuracy, followed by grass. Predicting the unused areas has been found to be difficult as there is no distinct surface condition that is common for all unused areas. Numéro de notice : A2021-198 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/rs13020289 Date de publication en ligne : 15/01/2021 En ligne : https://doi.org/10.3390/rs13020289 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97149
in Remote sensing > Vol 13 n° 2 (January-2 2021) . - n° 289[article]Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond / Yawogan Gbodjo (2021)
Titre : Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond Type de document : Thèse/HDR Auteurs : Yawogan Gbodjo, Auteur ; Dino Lenco, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Importance : 165 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse soutenue pour obtenir le grade de Docteur en Informatique de l'Université de MontpellierLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] classification dirigée
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] image PlanetScope
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] indice de végétation
[Termes IGN] occupation du sol
[Termes IGN] production agricole
[Termes IGN] rendement agricole
[Termes IGN] série temporelle
[Termes IGN] surface cultivéeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les systèmes de suivi des cultures jouent un rôle essentiel dans l'évaluation de la production agricole dans le monde. De nos jours, la disponibilité de plusieurs sources d'information satellitaire à large échelle, à haute résolution spatiale et à forte répétitivité temporelle, conjointe à l'essor des techniques d'apprentissage profond, offrent de nouvelles perspectives aux systèmes de suivi des cultures pour l'évaluation de la production agricole. Dans cette thèse, nous explorons des pistes méthodologiques pour améliorer le suivi de la production agricole à partir de la télédétection multi-source et des techniques d'apprentissage profond. Nous proposons deux méthodes pour caractériser l'occupation du sol et identifier les surfaces cultivées. La première approche est basée sur des réseaux de neurones récurrents équipés de mécanismes d'attention, employant des séries temporelles multi-sources radar et optique ainsi que des connaissances spécifiques de domaine. La seconde approche repose sur des réseaux de neurones convolutifs et explore davantage la combinaison multi-source et surtout multi-échelle grâce à l'intégration d'une source optique à très haute résolution spatiale. Nous évaluons ces méthodes à des échelles territoriale et locale en ayant systématiquement un regard croisé sur des sites d'études contrastés en agriculture conventionnelle et petite agriculture familiale. Nous menons également un travail d'investigation sur l'estimation et la prévision des rendements des surfaces cultivées, à l'échelle locale de la petite agriculture familiale en employant des séries temporelles multi-sources radar et optique. Dans ce contexte en outre limité par la disponibilité de données de référence, nous évaluons le potentiel de méthodes d'apprentissage profond par rapport à des approches traditionnellement utilisées. Globalement, l'évaluation des approches proposées pour identifier les surfaces cultivées montre que les techniques d'apprentissage profond semblent mieux adaptées que les méthodes traditionnelles d'apprentissage automatique pour tirer parti de la complémentarité des données multi-sources, multi-temporelles et multi-échelles à mesure qu'il y ait une quantité suffisante de données pour leur entraînement supervisé. Le travail d'investigation réalisé pour l'estimation et la prévision des rendements n'a par contre pas révélé de plus-value manifeste dans l'emploi de ces méthodes. Dans ce dernier cas, le contexte limité en données d'entraînement semble en être la principale explication. Note de contenu : Introduction
1- Télédétection et apprentissage automatique
2- Sites d’étude et données utilisées
3- Caractérisation de l’occupation du sol
4- Suivi des rendements en petite agriculture familiale
Conclusion et PerspectivesNuméro de notice : 15240 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Montpellier : 2021 Organisme de stage : TETIS DOI : sans En ligne : https://tel.hal.science/tel-03589421/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100474 Apport de la télédétection pour la simulation spatialisée des composantes du bilan carbone des cultures et des effets d'atténuation biogéochimiques et biogéophysiques des cultures intermédiaires / Gaétan Pique (2021)
Titre : Apport de la télédétection pour la simulation spatialisée des composantes du bilan carbone des cultures et des effets d'atténuation biogéochimiques et biogéophysiques des cultures intermédiaires Type de document : Thèse/HDR Auteurs : Gaétan Pique, Auteur ; Eric Ceschia, Directeur de thèse ; Rémy Fieuzal, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2021 Importance : 279 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université Toulouse 3 - Paul Sabatier, Spécialité Surfaces et interfaces continentales, HydrologieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] albedo
[Termes IGN] bilan du carbone
[Termes IGN] blé (céréale)
[Termes IGN] changement climatique
[Termes IGN] dioxyde de carbone
[Termes IGN] eau douce
[Termes IGN] image Landsat-8
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT
[Termes IGN] indice de végétation
[Termes IGN] maïs (céréale)
[Termes IGN] modèle de simulation
[Termes IGN] parcelle agricole
[Termes IGN] puits de carbone
[Termes IGN] surface cultivée
[Termes IGN] tournesolIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les changements climatiques et la croissance démographique de la population mondiale amènent aujourd'hui le monde agricole à s'adapter pour faire face à ces deux enjeux majeurs. Si les surfaces agricoles, qui représentent près d'un tiers des terres émergées, contribuent largement aux émissions mondiales de gaz à effet de serre, elles offrent également la possibilité de mettre en place des leviers d'atténuation des changements climatiques. Dans ce contexte, ces travaux de thèse ont vocation à enrichir nos connaissances sur le fonctionnement des surfaces agricoles, à fournir des outils d'évaluation de la contribution des surfaces cultivées aux évolutions du climat, et à quantifier les effets biogéochimiques (stockage de C) et biogéophysiques (effet albédo) d'atténuation des changements climatiques via la mise en œuvre de cultures intermédiaires. Pour répondre à ces objectifs, deux approches de modélisation ont été développées au cours de ces travaux. Le premier volet de cette thèse s'est intéressé à développer une approche de modélisation spatialisée, permettant de fournir des estimations des productions (biomasses et rendements), des flux de CO2 et d'eau, ces variables servant à la quantification des bilans de carbone et d'eau pour les parcelles de grandes cultures. À cette fin, le modèle agro-météorologique SAFYE-CO2 assimilant des produits satellites d'indice de végétation à hautes résolutions spatiale et temporelle a été développé et appliqué à différentes cultures (blé, maïs et tournesol) et végétations d'intercultures (repousses spontanées, mauvaises herbes, cultures intermédiaires). Cette approche a pu être validée sur un réseau de parcelles du Sud-Ouest de la France, en tirant parti d'un grand nombre d'images satellites et de données de validation sur la zone de l'Observatoire Spatial Régional. Elle a notamment permis d'estimer avec précision les productions de blé, de tournesol et de maïs, ainsi que les flux de CO2 et d'eau sur les cultures de blé et de tournesol. La végétation, pouvant se développer sur les parcelles pendant les périodes d'interculture, a également été prise en compte afin d'améliorer l'estimation des flux de CO2 et d'eau. Cela a notamment permis de quantifier l'impact des cultures intermédiaires sur les composantes du bilan C des parcelles allouées aux grandes cultures sur la zone d'étude. Le second volet visait à développer un modèle d'introduction de cultures intermédiaires à l'échelle européenne, afin d'estimer le forçage radiatif induit par la modification de l'albédo de surface engendré par cette pratique. Grâce à des produits albédo moyenne résolution (1/20°), développés par le CNRM (et en collaboration avec ce laboratoire), cette approche de modélisation a permis de fournir des estimations de l'effet albédo relatifs aux cultures intermédiaires. Plusieurs scenarii d'introduction ont été simulés pour rendre compte de l'impact de certains facteurs, tels que la neige ou la pluie. Ils ont permis d'alerter sur le potentiel impact négatif de l'assombrissement du sol, induit à long terme (via l'enrichissement des sols en matière organique) par les cultures intermédiaires sur le forçage radiatif des surfaces cultivées. Enfin, comme tout changement de pratique agricole induit des effets biogéochimiques et biogéophysiques sur le climat, une analyse de ces effets couplés a été menée grâce à l'utilisation combinée de ces deux approches de modélisation. Note de contenu : Introduction générale
1- Simulation spatialisée des bilans de C sur grandes cultures
2- Intégration d’un module de bilan hydrique à SAFY-CO2
3- Estimation de l’effet albédo des cultures intermédiaires
4- Impacts de l’occupation du sol pendant l’interculture sur les flux de CO2, d’eau et sur l’albédo
5- Analyse des effets albédo à court et long termes des cultures intermédiaires
6- Discussion
Conclusion généraleNuméro de notice : 28317 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surfaces et interfaces continentales, Hydrologie : Toulouse 3 : 2021 Organisme de stage : CESBIO DOI : sans En ligne : https://tel.hal.science/tel-03325160/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98241 Assessing the interest of a multi-modal gap-filling strategy for monitoring changes in grassland parcels / Anatol Garioud (2021)PermalinkDiurnal cycles of C-band temporal coherence and backscattering coefficient over an olive orchard in a semi-arid area: Comparison of in situ and Sentinel-1 radar observations / Adnane Chakir (2021)PermalinkDiurnal cycles of C-band temporal coherence and backscattering coefficient over a wheat field in a semi-arid area / Nadia Ouaadi (2021)PermalinkMulti-modal temporal attention models for crop mapping from satellite time series / Vivien Sainte Fare Garnot (2021)PermalinkSpatial characterization and distribution modelling of Ensete ventricosum (wild and cultivated) in Ethiopia / Meron Awoke Eshetae in Geocarto international, vol 36 n° 1 ([01/01/2021])PermalinkSuivi de la rotation des cultures à partir de séries temporelles d’images satellite / Félix Quinton (2021)PermalinkTélédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes / Arthur Crespin-Boucaud (2021)PermalinkThe use of deep machine learning for the automated selection of remote sensing data for the determination of areas of arable land degradation processes distribution / Dimitri I. Rukhovitch in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkCombination of Landsat 8 OLI and Sentinel-1 SAR time-series data for mapping paddy fields in parts of West and Central Java provinces, Indonesia / Sanjiwana Arjasakusuma in ISPRS International journal of geo-information, vol 9 n° 11 (November 2020)PermalinkTime series potential assessment for biophysical characterization of orchards and crops in a mixed scenario with Sentinel-1A SAR data / Hemant Sahu in Geocarto international, vol 35 n° 14 ([15/10/2020])Permalink