Centre dedocumentation
scientifique

Time 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])  

Public [article]  inGeocarto international > vol 35 n° 14 [15/10/2020] . - pp 1627 - 1639 Titre : Time series potential assessment for biophysical characterization of orchards and crops in a mixed scenario with Sentinel-1A SAR data Type de document : Article/Communication Auteurs : Hemant Sahu, Auteur ; Dipanwita Haldar, Auteur ; Abhishek Danodia, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 1627 - 1639 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] coefficient de rétrodiffusion [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] modèle de rétrodiffusion [Termes descripteurs IGN] polarisation [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] variable biophysique (végétation) [Termes descripteurs IGN] verger Résumé : (auteur) Potential of Sentinel-1A SAR data was assessed for the time-series analysis of orchard biophysical parameters and crop system. The study revealed characteristics variations in the backscatter coefficient with respect to time and polarization for age in VH polarization than in VV and ratio of VV/VH polarization showing discrimination of young orchard particularly in VV polarization. The parameter of the orchard (age, DBH, canopy radius and visual height) shows a promising relationship with backscatter coefficient. Out of several regression models, VV channel responds with a fair regression coefficient of 0.54, 0.52, 0.48 and 0.44 for height with rmse of 0.5, 1.3, 0.7 and 0.6 for age, DBH, canopy radius and visual height, respectively. Multiple regression coefficient of 0.61 was observed for January 2018 in VV polarization as best date for study. These empirical relationships have potential for the inverse backscatter modelling. Numéro de notice : A2020-620 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1583776 date de publication en ligne : 10/06/2019 En ligne : https://doi.org/10.1080/10106049.2019.1583776 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96003 [article]

A convolutional neural network approach for counting and geolocating citrus-trees in UAV multispectral imagery / Lucas Prado Osco 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 97 - 106 Titre : A convolutional neural network approach for counting and geolocating citrus-trees in UAV multispectral imagery Type de document : Article/Communication Auteurs : Lucas Prado Osco, Auteur ; Mauro Dos Santos de Arruda, Auteur ; José Marcato Junior, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 97 - 106 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] Brésil [Termes descripteurs IGN] carte de confiance [Termes descripteurs IGN] citrus (genre) [Termes descripteurs IGN] détection d'arbres [Termes descripteurs IGN] géolocalisation [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] inventaire de la végétation [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] verger Résumé : (Auteur) Visual inspection has been a common practice to determine the number of plants in orchards, which is a labor-intensive and time-consuming task. Deep learning algorithms have demonstrated great potential for counting plants on unmanned aerial vehicle (UAV)-borne sensor imagery. This paper presents a convolutional neural network (CNN) approach to address the challenge of estimating the number of citrus trees in highly dense orchards from UAV multispectral images. The method estimates a dense map with the confidence that a plant occurs in each pixel. A flight was conducted over an orchard of Valencia-orange trees planted in linear fashion, using a multispectral camera with four bands in green, red, red-edge and near-infrared. The approach was assessed considering the individual bands and their combinations. A total of 37,353 trees were adopted in point feature to evaluate the method. A variation of σ (0.5; 1.0 and 1.5) was used to generate different ground truth confidence maps. Different stages (T) were also used to refine the confidence map predicted. To evaluate the robustness of our method, we compared it with two state-of-the-art object detection CNN methods (Faster R-CNN and RetinaNet). The results show better performance with the combination of green, red and near-infrared bands, achieving a Mean Absolute Error (MAE), Mean Square Error (MSE), R2 and Normalized Root-Mean-Squared Error (NRMSE) of 2.28, 9.82, 0.96 and 0.05, respectively. This band combination, when adopting σ = 1 and a stage (T = 8), resulted in an R2, MAE, Precision, Recall and F1 of 0.97, 2.05, 0.95, 0.96 and 0.95, respectively. Our method outperforms significantly object detection methods for counting and geolocation. It was concluded that our CNN approach developed to estimate the number and geolocation of citrus trees in high-density orchards is satisfactory and is an effective strategy to replace the traditional visual inspection method to determine the number of plants in orchards trees. Numéro de notice : A2020-045 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.12.010 date de publication en ligne : 18/12/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.12.010 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94525 [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

CHP toolkit : case study of LAIe sensitivity to discontinuity of canopy cover in fruit plantations / Karolina D. Fieber in IEEE Transactions on geoscience and remote sensing, vol 54 n° 9 (September 2016)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 54 n° 9 (September 2016) . - pp 5071 - 5080 Titre : CHP toolkit : case study of LAIe sensitivity to discontinuity of canopy cover in fruit plantations Type de document : Article/Communication Auteurs : Karolina D. Fieber, Auteur ; Ian J. Davenport, Auteur ; James M. Ferryman, Auteur ; et al., Auteur Année de publication : 2016 Article en page(s) : pp 5071 - 5080 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] canopée [Termes descripteurs IGN] forme d'onde pleine [Termes descripteurs IGN] hauteur des arbres [Termes descripteurs IGN] Leaf Area Index [Termes descripteurs IGN] logiciel libre [Termes descripteurs IGN] verger Résumé : (Auteur) This paper presents an open-source canopy height profile (CHP) toolkit designed for processing small-footprint full-waveform LiDAR data to obtain the estimates of effective leaf area index (LAIe) and CHPs. The use of the toolkit is presented with a case study of LAIe estimation in discontinuous-canopy fruit plantations. The experiments are carried out in two study areas, namely, orange and almond plantations, with different percentages of canopy cover (48% and 40%, respectively). For comparison, two commonly used discrete-point LAIe estimation methods are also tested. The LiDAR LAIe values are first computed for each of the sites and each method as a whole, providing “apparent” site-level LAIe, which disregards the discontinuity of the plantations' canopies. Since the toolkit allows for the calculation of the study area LAIe at different spatial scales, between-tree-level clumping can be easily accounted for and is then used to illustrate the impact of the discontinuity of canopy cover on LAIe retrieval. The LiDAR LAIe estimates are therefore computed at smaller scales as a mean of LAIe in various grid-cell sizes, providing estimates of “actual” site-level LAIe. Subsequently, the LiDAR LAIe results are compared with theoretical models of “apparent” LAIe versus “actual” LAIe, based on known percent canopy cover in each site. The comparison of those models to LiDAR LAIe derived from the smallest grid-cell sizes against the estimates of LAIe for the whole site has shown that the LAIe estimates obtained from the CHP toolkit provided values that are closest to those of theoretical models. Numéro de notice : A2016-894 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : http://dx.doi.org/10.1109/TGRS.2016.2550623 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83074 [article]

Caractérisation de vergers à partir de données photographiques hautes précisions et lidar / Jean-François Fayel (2015) 

Public Titre : Caractérisation de vergers à partir de données photographiques hautes précisions et lidar Type de document : Mémoire Auteurs : Jean-François Fayel, Auteur Editeur : Toulouse : Université de Toulouse 2 Jean Jaurès Année de publication : 2015 Importance : 59 p. Format : 21 x 30 cm Note générale : bibliographie Master 2 Géomatique, Science de l’Information Géoréférencée pour la Maîtrise de l’environnement et l’Aménagement des territoires SIGMA Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] arbre (flore) [Termes descripteurs IGN] caractérisation [Termes descripteurs IGN] classification automatique [Termes descripteurs IGN] comptage [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] Moissac [Termes descripteurs IGN] orthophotoplan numérique [Termes descripteurs IGN] verger Index. décimale : MSIGMA Mémoires de master SIGMA Sciences géomatiques en environnement et aménagement Résumé : (auteur) La télédétection aéroportée est un outil de plus en plus utilisé dans l’agriculture. Secteur dynamique, un nombre croissant d’entreprises se spécialisent dans la prise de vue aérienne par drone. Par ailleurs, le cabinet de géomètre-expert GE-Infra, qui s’occupe notamment du traitement d’images aériennes, souhaite diversifier ses activités. Pour cela, la société TopoAirtech a été créée en parallèle dans le but de proposer un service de prise de vue aérienne par drone. Elle s’intéresse notamment au secteur agricole, à travers l’analyse de parcelles arboricoles. Si le drone de l’entreprise n’a pas encore été reçu, des données ont été acquises par avions en deux sites distincts contenant des vergers. Disposant de caractéristiques similaires aux images du drone, il s’agit d’une série de clichés aériens transformés en un orthophotoplan RGB de haute résolution et d’un nuage de point Lidar. Le stage réalisé au sein de cette entreprise a consisté à analyser ces deux types de données afin d’extraire des informations sur les vergers. Les deux données ont été analysées séparément. C’est du Lidar que semble sortir le plus d’informations. L’emprise de vergers, un comptage de chaque arbre ont étés estimés, ainsi qu’une appréciation de leurs caractéristiques individuelles, telles que la surface de couronne, la hauteur moyenne et le volume. Numéro de notice : 17477 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire masters divers Organisme de stage : GE Infra Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89726

Documents numériques

peut être téléchargé Caractérisation de vergers ... Adobe Acrobat PDF

Analysis of full-waveform LiDAR data for classification of an orange orchard scene / Karolina D. Fieber in ISPRS Journal of photogrammetry and remote sensing, vol 82 (August 2013)

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 82 (August 2013) . - pp 63 - 82 Titre : Analysis of full-waveform LiDAR data for classification of an orange orchard scene Type de document : Article/Communication Auteurs : Karolina D. Fieber, Auteur ; Ian J. Davenport, Auteur ; James M. Ferryman, Auteur ; et al., Auteur Année de publication : 2013 Article en page(s) : pp 63 - 82 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] Citrus sinensis [Termes descripteurs IGN] classification [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] lidar à retour d'onde complète [Termes descripteurs IGN] verger Résumé : (Auteur) Full-waveform laser scanning data acquired with a Riegl LMS-Q560 instrument were used to classify an orange orchard into orange trees, grass and ground using waveform parameters alone. Gaussian decomposition was performed on this data capture from the National Airborne Field Experiment in November 2006 using a custom peak-detection procedure and a trust-region-reflective algorithm for fitting Gauss functions. Calibration was carried out using waveforms returned from a road surface, and the backscattering coefficient Y was derived for every waveform peak. The processed data were then analysed according to the number of returns detected within each waveform and classified into three classes based on pulse width and Y. For single-peak waveforms the scatterplot of Y versus pulse width was used to distinguish between ground, grass and orange trees. In the case of multiple returns, the relationship between first (or first plus middle) and last return Y values was used to separate ground from other targets. Refinement of this classification, and further sub-classification into grass and orange trees was performed using the Y versus pulse width scatterplots of last returns. In all cases the separation was carried out using a decision tree with empirical relationships between the waveform parameters. Ground points were successfully separated from orange tree points. The most difficult class to separate and verify was grass, but those points in general corresponded well with the grass areas identified in the aerial photography. The overall accuracy reached 91%, using photography and relative elevation as ground truth. The overall accuracy for two classes, orange tree and combined class of grass and ground, yielded 95%. Finally, the backscattering coefficient Y of single-peak waveforms was also used to derive reflectance values of the three classes. The reflectance of the orange tree class (0.31) and ground class (0.60) are consistent with published values at the wavelength of the Riegl scanner (1550 nm). The grass class reflectance (0.46) falls in between the other two classes as might be expected, as this class has a mixture of the contributions of both vegetation and ground reflectance properties. Numéro de notice : A2013-412 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32550 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2013081	RAB	Revue	Centre de documentation	En réserve 3L	Disponible

Modélisations géométriques plurielles d'un espace agricole en évolution : application à la palmeraie de l'oasis de Figuig (Maroc) / G. Janty in Revue internationale de géomatique, vol 22 n° 3 (septembre - novembre 2012)

Permalink

Automatic detection and segmentation of orchards using very high resolution imagery / Selim Aksoy in IEEE Transactions on geoscience and remote sensing, vol 50 n° 8 (August 2012)  

Permalink

Monitoring water stress and fruit quality in an orange orchard under regulated deficit irrigation using narrow-band structural and physiological remote sensing indices / S. Stagakis in ISPRS Journal of photogrammetry and remote sensing, vol 71 (July 2012)

Permalink

Terraced landscapes characterization / D. Rizzo in Revue internationale de géomatique, vol 17 n° 3-4 (septembre 2007 – février 2008)

Permalink

Plants manquants dans des cultures : Un algorithme de localisation à partir d'image à très haute résolution spatiale / Jean-Christophe Foltête in Revue internationale de géomatique, vol 17 n° 1 (mars – mai 2007)

Permalink

Influence de l'organisation spatiale du parcellaire, des pratiques agricoles et des éléments du paysage sur les densités du carpocapse, un bio-agresseur du pommier / Bernadette Ricci (2006)

Permalink

The EuroSTARRS airborne campaign in support of the SMOS mission: first results over land surfaces / K. Saleh in International Journal of Remote Sensing IJRS, vol 25 n° 1 (January 2004)

Permalink

Exploitation d'une image très haute résolution pour la cartographie des plantations et de la végétation naturelle dans la région de Marrakech / Y. Gauthier (2004)

Permalink

Du palmier à la carte / Vincent Bombaerts (2003)

Permalink

Etude de faisabilité pour l'élaboration d'une cartographie statistique d'inventaire des vergers café et cacao en Côte d'ivoire par télédétection satellitale / C. N'doume in Bulletin [Société Française de Photogrammétrie et Télédétection], n° 157 (Janvier 2000)

Permalink