Centre dedocumentation
scientifique

Python software tools for GNSS interferometric reflectometry (GNSS-IR) / Angel Martín in GPS solutions, Vol 24 n° 4 (October 2020)  

Public [article]  inGPS solutions > Vol 24 n° 4 (October 2020) . - 7 p. Titre : Python software tools for GNSS interferometric reflectometry (GNSS-IR) Type de document : Article/Communication Auteurs : Angel Martín, Auteur ; Raquel Luján, Auteur ; Ana Belén Anquela, Auteur Année de publication : 2020 Article en page(s) : 7 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie spatiale [Termes descripteurs IGN] antenne GNSS [Termes descripteurs IGN] format RINEX [Termes descripteurs IGN] humidité du sol [Termes descripteurs IGN] Python (langage de programmation) [Termes descripteurs IGN] rapport signal sur bruit [Termes descripteurs IGN] réflectométrie par GNSS Résumé : (auteur) Global Navigation Satellite System (GNSS) interferometric reflectometry, also known as the GNSS-IR, uses data from geodetic-quality GNSS antennas to extract information about the environment surrounding the antenna. Soil moisture monitoring is one of the most important applications of the GNSS-IR technique. This manuscript presents the main ideas and implementation decisions needed to write the Python code for software tools that transform RINEX format observation and navigation files into an appropriate format for GNSS-IR (which includes the SNR observations and the azimuth and elevation of the satellites) and to determine the reflection height and the adjusted phase and amplitude values of the interferometric wave for each individual satellite track. The main goal of the manuscript is to share the software with the scientific community to introduce new users to the GNSS-IR technique. Numéro de notice : A2020-523 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10291-020-01010-0 date de publication en ligne : 20/07/2020 En ligne : https://doi.org/10.1007/s10291-020-01010-0 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95696 [article]

X-ModalNet: A semi-supervised deep cross-modal network for classification of remote sensing data / Danfeng Hong in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 167 (September 2020) . - pp 12 - 23 Titre : X-ModalNet: A semi-supervised deep cross-modal network for classification of remote sensing data Type de document : Article/Communication Auteurs : Danfeng Hong, Auteur ; Naoto Yokoya, Auteur ; Gui-Song Sia, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 12 - 23 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] apprentissage semi-dirigé [Termes descripteurs IGN] bruit blanc [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] compréhension de l'image [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] scène urbaine [Termes descripteurs IGN] transmission de données Résumé : (auteur) This paper addresses the problem of semi-supervised transfer learning with limited cross-modality data in remote sensing. A large amount of multi-modal earth observation images, such as multispectral imagery (MSI) or synthetic aperture radar (SAR) data, are openly available on a global scale, enabling parsing global urban scenes through remote sensing imagery. However, their ability in identifying materials (pixel-wise classification) remains limited, due to the noisy collection environment and poor discriminative information as well as limited number of well-annotated training images. To this end, we propose a novel cross-modal deep-learning framework, called X-ModalNet, with three well-designed modules: self-adversarial module, interactive learning module, and label propagation module, by learning to transfer more discriminative information from a small-scale hyperspectral image (HSI) into the classification task using a large-scale MSI or SAR data. Significantly, X-ModalNet generalizes well, owing to propagating labels on an updatable graph constructed by high-level features on the top of the network, yielding semi-supervised cross-modality learning. We evaluate X-ModalNet on two multi-modal remote sensing datasets (HSI-MSI and HSI-SAR) and achieve a significant improvement in comparison with several state-of-the-art methods. Numéro de notice : A2020-544 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.06.014 date de publication en ligne : 11/07/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.06.014 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95770 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020091	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020093	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020092	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Performance of Galileo precise time and frequency transfer models using quad-frequency carrier phase observations / Pengfei Zhang in GPS solutions, vol 24 n° 2 (April 2020)  

Public [article]  inGPS solutions > vol 24 n° 2 (April 2020) Titre : Performance of Galileo precise time and frequency transfer models using quad-frequency carrier phase observations Type de document : Article/Communication Auteurs : Pengfei Zhang, Auteur ; Rui Tu, Auteur ; Yuping Gao, Auteur Année de publication : 2020 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement du signal [Termes descripteurs IGN] bruit atmosphérique [Termes descripteurs IGN] code Galileo [Termes descripteurs IGN] décalage d'horloge [Termes descripteurs IGN] erreur systématique interfréquence d'horloge [Termes descripteurs IGN] fréquence multiple [Termes descripteurs IGN] modèle mathématique [Termes descripteurs IGN] phase [Termes descripteurs IGN] positionnement ponctuel précis [Termes descripteurs IGN] signal BeiDou [Termes descripteurs IGN] signal Galileo [Termes descripteurs IGN] signal GLONASS [Termes descripteurs IGN] signal GNSS [Termes descripteurs IGN] signal GPS [Termes descripteurs IGN] temps-fréquence [Termes descripteurs IGN] transmission de données Résumé : (auteur) GNSSs, such as Galileo and modernized GPS, BeiDou and GLONASS systems, offer new potential and challenges in precise time and frequency transfer using multi-frequency observations. We focus on the performance of Galileo time and frequency transfer using the E1, E5a, E5b and E5 observations. Dual-frequency, triple-frequency and quad-frequency models for precise time and frequency transfer with different Galileo observations are proposed. Four time and transfer links between international time laboratories are used to assess the performances of different models in terms of time link noise level and frequency stability indicators. The average RMS values of the smoothed residuals of the clock difference series are 0.033 ns, 0.033 ns and 0.034 ns for the dual-frequency, triple-frequency and quad-frequency models with four time links, respectively. With respect to frequency stability, the average stability values at 15,360 s are 9.51 × 10−15, 9.46 × 10−15 and 9.37 × 10−15 for the dual-frequency, triple-frequency and quad-frequency models with four time links, respectively. Moreover, although biases among different models and receiver the inter-frequency exist, their characteristics are relatively stable. Generally, the dual-/triple-/quad-frequency models show similar performance for those time links, and the quad-frequency models can provide significant potential for switching among and unifying the three multi-frequency solutions, as well as further enhancing the redundancy and reliability compared to the current dual-frequency time transfer method. Numéro de notice : A2020-083 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10291-020-0955-7 date de publication en ligne : 04/02/2020 En ligne : https://doi.org/10.1007/s10291-020-0955-7 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94652 [article]

What, where, and how to transfer in SAR target recognition based on deep CNNs / Zhongling Huang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 4 (April 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 4 (April 2020) . - pp 2324 - 2336 Titre : What, where, and how to transfer in SAR target recognition based on deep CNNs Type de document : Article/Communication Auteurs : Zhongling Huang, Auteur ; Zongxu Pan, Auteur ; Bin Lei, Auteur Année de publication : 2020 Article en page(s) : pp 2324 - 2336 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection de cible [Termes descripteurs IGN] données multisources [Termes descripteurs IGN] étiquette [Termes descripteurs IGN] image optique [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] source de données [Termes descripteurs IGN] télédétection spatiale [Termes descripteurs IGN] transmission de données Résumé : (auteur) Deep convolutional neural networks (DCNNs) have attracted much attention in remote sensing recently. Compared with the large-scale annotated data set in natural images, the lack of labeled data in remote sensing becomes an obstacle to train a deep network very well, especially in synthetic aperture radar (SAR) image interpretation. Transfer learning provides an effective way to solve this problem by borrowing knowledge from the source task to the target task. In optical remote sensing application, a prevalent mechanism is to fine-tune on an existing model pretrained with a large-scale natural image data set, such as ImageNet. However, this scheme does not achieve satisfactory performance for SAR applications because of the prominent discrepancy between SAR and optical images. In this article, we attempt to discuss three issues that are seldom studied before in detail: 1) what network and source tasks are better to transfer to SAR targets; 2) in which layer are transferred features more generic to SAR targets; and 3) how to transfer effectively to SAR targets recognition. Based on the analysis, a transitive transfer method via multisource data with domain adaptation is proposed in this article to decrease the discrepancy between the source data and SAR targets. Several experiments are conducted on OpenSARShip. The results indicate that the universal conclusions about transfer learning in natural images cannot be completely applied to SAR targets, and the analysis of what and where to transfer in SAR target recognition is helpful to decide how to transfer more effectively. Numéro de notice : A2020-195 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2947634 date de publication en ligne : 20/11/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2947634 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94863 [article]

Mise en place d'un nouveau protocole relatif à la mise à jour de données géographiques produites par les Directions du Département des Hauts-de-Seine dans le SIG départemental / Gabriel Dousseau (2020) 

Public Titre : Mise en place d'un nouveau protocole relatif à la mise à jour de données géographiques produites par les Directions du Département des Hauts-de-Seine dans le SIG départemental Type de document : Mémoire Auteurs : Gabriel Dousseau, Auteur Editeur : Paris : Université de Paris 1 Panthéon Sorbonne Année de publication : 2020 Autre Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Importance : 38 p. Format : 21 x 30 cm Note générale : Rapport de stage Licence professionnelle Métiers de la Gestion et de la Protection de l’Environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes descripteurs IGN] ArcGIS online [Termes descripteurs IGN] automatisation des processus [Termes descripteurs IGN] Hauts-de-Seine (92) [Termes descripteurs IGN] mise à jour de base de données [Termes descripteurs IGN] transmission de données [Termes descripteurs IGN] widget Index. décimale : LPGE Mémoires de Licence professionnelle géomatique et environnement Résumé : (auteur) Le SIG du Département des Hauts-de-Seine comporte plus de 400 couches géographiques. La mise à jour de ces données occupe une part croissante dans la charge de travail de la cellule SIG-OD du fait d’un contexte de ressources humaines en forte tension et d’un protocole d’actualisation lourd et non automatisé. Une nouvelle procédure était envisagée afin de soulager l’équipe SIG grâce à une simplification et une automatisation du processus de mises à jour actuel, mais n’avait encore pu être initiée. L’objectif de ce stage a consisté à mettre en place ce nouveau protocole pour les données produites par les référents SIG métier. Un nouveau logigramme intégrant ce processus complémentaire dans la chaîne de mise à jour de la donnée a d’abord établi. Ensuite, les couches géographiques les plus propices à être mises à jour par les référents SIG métier ont été identifiées. En parallèle, le script permettant de transférer les couches actualisées entre les bases de données du SIG Départemental a été testé pour détecter d’éventuelles anomalies et les corriger. Enfin, deux applications ArcGIS Online de mise à jour ont été élaborées permettant de simplifier le travail de mise à jour de la donnée. Une a été présentée au référent SIG métier et sera opérationnelle en septembre 2020. Il ne restera que la configuration de l’ordonnanceur à réaliser, de manière à programmer le lancement des scripts selon la fréquence voulue. Cette solution va libérer du temps aux membres de l’unité pour le consacrer à d’autres projets et apporter de l’autonomie les référents SIG métier dans l’actualisation de leur donnée. Note de contenu : 1. Introduction 2. Analyse et mise en oeuvre 3. Outil de transfert automatisé des données SIG 4. Création et optimisation de l’application 5. Conclusion Numéro de notice : 25894 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire licence Organisme de stage : Conseil Départemental des Hauts-de-Seine Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95804

Documents numériques

peut être téléchargé Mise en place d'un nouveau protocole... - pdf auteur- Adobe Acrobat PDF

Subsidence is determined in the heart of the Central Valley using Post Processed Static and Precise Point Positioning techniques / Y. Facio in Journal of applied geodesy, vol 14 n° 1 (January 2020)  

Permalink

Buildings in GI: How to deal with building models in the GIS domain / Laura Knoth in Transactions in GIS, vol 23 n° 3 (June 2019)  

Permalink

WFS 3.0 dans les starting blocks / Anonyme in Géomatique expert, n° 128 (juin - juillet 2019)

Permalink

Géomatique webmapping en open source / David Collado (2019)

Permalink

Le travail invisible des données / Jérôme Denis (2018)  

Permalink

The location swapping method for geomasking / Su Zhang in Cartography and Geographic Information Science, Vol 44 n° 1 (January 2017)  

Permalink

Fourier-based multi-scale representation and progressive transmission of cartographic curves on the internet / Pengcheng Liu in Cartography and Geographic Information Science, vol 43 n° 5 (November 2016)  

Permalink

The need to integrate BIM and geoinformation / Sisi Zlatanova in GIM international [en ligne], vol 30 n° 10 (October 2016)  

Permalink

BIM-GIS, une convergence annoncée / Anonyme in Géomatique expert, n° 109 (mars - avril 2016)

Permalink

Vérification automatique d’exigences pour les politiques d’échange d’information. Exigences de diffusion et de non-diffusion d'information / Rémi Delmas in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 21 n° 2 (mars - avril 2016)  

Permalink