Centre dedocumentation
scientifique

Improved crop classification with rotation knowledge using Sentinel-1 and -2 time series / Sébastien Giordano in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 7 (July 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 7 (July 2020) . - pp 431 - 441 Titre : Improved crop classification with rotation knowledge using Sentinel-1 and -2 time series Type de document : Article/Communication Auteurs : Sébastien Giordano , Auteur ; Simon Bailly, Auteur ; Loïc Landrieu , Auteur ; Nesrine Chehata , Auteur Année de publication : 2020 Projets : MAESTRIA / Mallet, Clément Article en page(s) : pp 431 - 441 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] Alpes-de-haute-provence (04) [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] parcelle agricole [Termes descripteurs IGN] photo-identification [Termes descripteurs IGN] Seine-et-Marne (77) [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surface cultivée Résumé : (Auteur) Leveraging the recent availability of accurate, frequent, and multimodal (radar and optical) Sentinel-1 and -2 acquisitions, this paper investigates the automation of land parcel identification system (LPIS) crop type classification. Our approach allows for the automatic integration of temporal knowledge, i.e., crop rotations using existing parcel-based land cover databases and multi-modal Sentinel-1 and -2 time series. The temporal evolution of crop types was modeled with a linear-chain conditional random field, trained with time series of multimodal (radar and optical) satellite acquisitions and associated LPIS. Our model was tested on two study areas in France (≥ 1250 km2) which show different crop types, various parcel sizes, and agricultural practices: . the Seine et Marne and the Alpes de Haute-Provence classified accordingly to a fine national 25-class nomenclature. We first trained a Random Forest classifier without temporal structure to achieve 89.0% overall accuracy in Seine et Marne (10 classes) and 73% in Alpes de Haute-Provence (14 classes). We then demonstrated experimentally that taking into account the temporal structure of crop rotation with our model resulted in an increase of 3% to +5% in accuracy. This increase was especially important (+12%) for classes which were poorly classified without using the temporal structure. A stark positive impact was also demonstrated on permanent crops, while it was fairly limited or even detrimental for annual crops. Numéro de notice : A2020-382 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.7.431 date de publication en ligne : 01/07/2020 En ligne : https://doi.org/10.14358/PERS.86.7.431 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95428 [article]

Fine-grained landuse characterization using ground-based pictures: a deep learning solution based on globally available data / Shivangi Srivastava in International journal of geographical information science IJGIS, vol 34 n° 6 (June 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 6 (June 2020) . - pp 1117 - 1136 Titre : Fine-grained landuse characterization using ground-based pictures: a deep learning solution based on globally available data Type de document : Article/Communication Auteurs : Shivangi Srivastava, Auteur ; John E. Vargas-Muñoz, Auteur ; Sylvain Lobry, Auteur ; Devis Tuia, Auteur Année de publication : 2020 Article en page(s) : pp 1117 - 1136 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse d'image orientée objet [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] base de données urbaines [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] données localisées libres [Termes descripteurs IGN] Ile-de-France [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] image terrestre [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] méthode heuristique [Termes descripteurs IGN] OpenStreetMap [Termes descripteurs IGN] réseau social Résumé : (auteur) We study the problem of landuse characterization at the urban-object level using deep learning algorithms. Traditionally, this task is performed by surveys or manual photo interpretation, which are expensive and difficult to update regularly. We seek to characterize usages at the single object level and to differentiate classes such as educational institutes, hospitals and religious places by visual cues contained in side-view pictures from Google Street View (GSV). These pictures provide geo-referenced information not only about the material composition of the objects but also about their actual usage, which otherwise is difficult to capture using other classical sources of data such as aerial imagery. Since the GSV database is regularly updated, this allows to consequently update the landuse maps, at lower costs than those of authoritative surveys. Because every urban-object is imaged from a number of viewpoints with street-level pictures, we propose a deep-learning based architecture that accepts arbitrary number of GSV pictures to predict the fine-grained landuse classes at the object level. These classes are taken from OpenStreetMap. A quantitative evaluation of the area of Île-de-France, France shows that our model outperforms other deep learning-based methods, making it a suitable alternative to manual landuse characterization. Numéro de notice : A2020-269 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1542698 date de publication en ligne : 18/11/2018 En ligne : https://doi.org/10.1080/13658816.2018.1542698 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95041 [article]

City information modeling, Rennes s'offre un jumeau numérique / Marielle Mayo in Géomètre, n° 2180 (mai 2020)

Public [article]  inGéomètre > n° 2180 (mai 2020) . - pp 44 - 47 Titre : City information modeling, Rennes s'offre un jumeau numérique Type de document : Article/Communication Auteurs : Marielle Mayo, Auteur Année de publication : 2020 Article en page(s) : pp 44 - 47 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Aménagement [Termes descripteurs IGN] aménagement du territoire [Termes descripteurs IGN] maquette numérique [Termes descripteurs IGN] modélisation 3D du bâti BIM [Termes descripteurs IGN] Rennes [Termes descripteurs IGN] représentation cartographique 3D [Termes descripteurs IGN] système d'information géographique [Termes descripteurs IGN] ville intelligente Résumé : (Auteur) Pionnière en matière de représentation 3D du territoire et de services numériques, la métropole teste aujourd'hui Virtual Rennes, un jumeau numérique développé sur la plateforme 3DExpérience de Dassault Systèmes. Numéro de notice : A2020-188 Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95086 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
063-2020051	SL	Revue	Centre de documentation	Revues en salle	Disponible

Comment cartographier l’occupation du sol en vue de modéliser les réseaux écologiques ? Méthodologie générale et cas d’étude en Île-de-France / Chloé Thierry in Sciences, eaux & territoires, article hors-série n° 65 (mai 2020)  

Public [article]  inSciences, eaux & territoires > article hors-série n° 65 (mai 2020) Titre : Comment cartographier l’occupation du sol en vue de modéliser les réseaux écologiques ? Méthodologie générale et cas d’étude en Île-de-France Type de document : Article/Communication Auteurs : Chloé Thierry, Auteur ; Nicolas Lesieur-Maquin, Auteur ; Cindy Fournier, Auteur ; et al., Auteur Année de publication : 2020 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Cartographie [Termes descripteurs IGN] aide à la décision [Termes descripteurs IGN] base de données cartographiques [Termes descripteurs IGN] BD ortho [Termes descripteurs IGN] BD Topo [Termes descripteurs IGN] biodiversité [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] couche thématique [Termes descripteurs IGN] données écologiques [Termes descripteurs IGN] écosystème [Termes descripteurs IGN] Ile-de-France [Termes descripteurs IGN] SCAN25 [Termes descripteurs IGN] théorie des graphes [Termes descripteurs IGN] trame verte et bleue [Termes descripteurs IGN] zone tampon Résumé : (éditeur) Une cartographie de l’occupation du sol est souvent essentielle aux décideurs et gestionnaires d’espace pour appréhender les enjeux de maintien et de restauration des continuités écologiques favorables au maintien de la biodiversité. Dans cet article, les auteurs présentent une démarche méthodologique qui, à partir des différentes bases de données cartographiques disponibles, a permis de réaliser une cartographie précise de l’occupation du sol pour mieux étudier la connectivité des espaces naturels sur le territoire fortement urbanisé de la région Île-de-France. Numéro de notice : A2020-353 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtSansCL DOI : 10.14758/SET-REVUE.2020.HS.05 date de publication en ligne : 01/05/2020 En ligne : http://www.set-revue.fr/sites/default/files/articles/pdf/set-revue-cartographie- [...] Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95237 [article]

Street-Frontage-Net: urban image classification using deep convolutional neural networks / Stephen Law in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 681- 707 Titre : Street-Frontage-Net: urban image classification using deep convolutional neural networks Type de document : Article/Communication Auteurs : Stephen Law, Auteur ; Chanuki Illushka Seresinhe, Auteur ; Yao Shen, Auteur Année de publication : 2020 Article en page(s) : pp 681- 707 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] espace public [Termes descripteurs IGN] évaluation foncière [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] façade [Termes descripteurs IGN] habitat urbain [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] immobilier (secteur) [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] Londres [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] Paris (75) [Termes descripteurs IGN] paysage urbain [Termes descripteurs IGN] urbanisme [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) Quantifying aspects of urban design on a massive scale is crucial to help develop a deeper understanding of urban designs elements that contribute to the success of a public space. In this study, we further develop the Street-Frontage-Net (SFN), a convolutional neural network (CNN) that can successfully evaluate the quality of street frontage as either being active (frontage containing windows and doors) or blank (frontage containing walls, fences and garages). Small-scale studies have indicated that the more active the frontage, the livelier and safer a street feels. However, collecting the city-level data necessary to evaluate street frontage quality is costly. The SFN model uses a deep CNN to classify the frontage of a street. This study expands on the previous research via five experiments. We find robust results in classifying frontage quality for an out-of-sample test set that achieves an accuracy of up to 92.0%. We also find active frontages in a neighbourhood has a significant link with increased house prices. Lastly, we find that active frontage is associated with more scenicness compared to blank frontage. While further research is needed, the results indicate the great potential for using deep learning methods in geographic information extraction and urban design. Numéro de notice : A2020-110 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1555832 date de publication en ligne : 26/12/2018 En ligne : https://doi.org/10.1080/13658816.2018.1555832 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94712 [article]

Prediction of plant diversity in grasslands using Sentinel-1 and -2 satellite image time series / Mathieu Fauvel in Remote sensing of environment, Vol 237 (February 2020)  

Permalink

La biodiversité à l’épreuve des choix d’aménagement : une approche par la modélisation appliquée à la Région Occitanie / Coralie Calvet in Sciences, eaux & territoires, n° 31 (janvier 2020)  

Permalink

Very high resolution land cover mapping of urban areas at global scale with convolutional neural network / Thomas Tilak (2020)  

Permalink

Histoire du nivellement de Paris : des nouveautés / Alain Coulomb in XYZ, n° 161 (décembre 2019)

Permalink

A low‐cost open‐source workflow to generate georeferenced 3D SfM photogrammetric models of rocky outcrops / Laurent Froideval in Photogrammetric record, vol 34 n° 168 (December 2019)  

Permalink

Mapping urban fingerprints of odonyms automatically extracted from French novels / Ludovic Moncla in International journal of geographical information science IJGIS, vol 33 n°12 (December 2019)  

Permalink

Maquette numérique BIM : modélisation 3D de l'aéroport international de Bâle-Mulhouse-Fribourg / Thibault Bavoux in XYZ, n° 161 (décembre 2019)

Permalink

L'université Gustave Eiffel vise le sommet / Fanny Perrin d'Arloz in SIGmag, n° 22 (octobre 2019)

Permalink

Contribution à la connaissance phytosociologique de la végétation du pays de Sault (département de l’Aude, France) / Bruno de Foucault in Evaxiana, n° 6 (2019)

Permalink

Structural segmentation and classification of mobile laser scanning point clouds with large variations in point density / Yuan Li in ISPRS Journal of photogrammetry and remote sensing, vol 153 (July 2019)  

Permalink