Descripteur
Documents disponibles dans cette catégorie (1625)
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
Projection sur l’évolution de la distribution future de la population en utilisant du Machine Learning et de la géosimulation / Julie Grosmaire (2019)
Titre : Projection sur l’évolution de la distribution future de la population en utilisant du Machine Learning et de la géosimulation Type de document : Mémoire Auteurs : Julie Grosmaire, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2019 Importance : 27 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage automatique
[Termes IGN] conteneur
[Termes IGN] Docker
[Termes IGN] données démographiques
[Termes IGN] estimation statistique
[Termes IGN] Europe (géographie politique)
[Termes IGN] modèle de simulation
[Termes IGN] réseau neuronal artificielIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Ce rapport est le résultat d’un stage de trois mois fait à l’Université Aalborg (CPH, Danemark) dans le cadre d’une deuxième année de formation à ENSG. Le travail exécuté pendant ce stage était le développement et l’optimisation d’outils et de méthodes informatiques pour PopNet (Population Neural Network), un code permettant la prédiction et estimation des évolutions démographiques en Europe dans les siècles à venir. Ce rapport traite d’analyse, de développement, de conteneurisation et d’optimisation de logiciel ainsi que d’apprentissage automatique par réseaux neuronaux Note de contenu : Introduction
1. Généralités
1.1 Présentation de l’université
1.2 Objectifs du stage
1.3 Présentation du programme PopNet
2. Optimisation de l’installation du code existant
2.1 Installation avec Anaconda
2.2 Installation avec Docker sans la base de données
2.3 Installation avec Docker avec la base de données
3. Modifications du code
3.1 Qualification des différentes modifications
3.2 Retrait de la base de données
3.3 Optimisation du temps
3.4 Modifications du réseau neuronal
4. Résultats du stage
4.1 Comparaison des résultats de Machine Learning
4.2 Exemples de rendus
4.3 Développements futurs possibles
ConclusionNuméro de notice : 26188 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Aalborg University Copenhgen Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94142 Documents numériques
peut être téléchargé
Projection sur l’évolution de la distribution future de la population... - pdf auteurAdobe Acrobat PDF Signaux et systèmes / André Quinquis (2019)
Titre : Signaux et systèmes : signaux, filtrage et décision Type de document : Guide/Manuel Auteurs : André Quinquis, Auteur ; Ali Mansour, Auteur ; Emanuel Radoi, Auteur Editeur : Paris : Lavoisier Année de publication : 2019 Collection : Information numérique - Traitement, interprétation, communication Importance : 361 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-4859-5 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement du signal
[Termes IGN] autocorrélation
[Termes IGN] bruit thermique
[Termes IGN] distribution de Gauss
[Termes IGN] filtrage du signal
[Termes IGN] fonction aléatoire
[Termes IGN] phénomène de Gibbs
[Termes IGN] signal analogique
[Termes IGN] signal analytique
[Termes IGN] transformation de Fourier
[Termes IGN] variable aléatoireIndex. décimale : 24.20 Traitement du signal Résumé : (Editeur) Dans notre société moderne, où la technologie a envahi la vie de tous les jours, l'information devient essentielle. Le traitement du signal joue un rôle crucial pour mieux interpréter les observations reçues et extraire l'information pertinente et utile pour une décision quelle qu'en soit la finalité. De nos jours, le traitement des signaux et des systèmes trouve ses applications dans des domaines variés comme la surveillance, le numérique, l'automatisme, la santé, les télécommunications, la cyberdéfense, les capteurs intelligents, l'internet des objets, l'astronomie, la guerre électronique, la robotique, etc. Cet ouvrage présente d'une manière originale et didactique les concepts fondamentaux du traitement de signal en abordant plus d'une centaine de questions que les étudiants ou les personnes non-spécialistes de la discipline se posent. Armés d'une longue expérience dans l'enseignement supérieur et dans la recherche en France et à l'étranger, les auteurs apportent des éléments de réponse dans un langage clair, concis et mathématiquement accessible au public. Les concepts fondamentaux sont traités via des questions illustrées d'exemples, renforçant le bon sens physique et facilitant l'appréhension de notions trop souvent réputées ardues. L'ouvrage est ainsi rendu accessible au public le plus large : ingénieurs généralistes, étudiants préparant des DUT, BTS, diplômes d'ingénieurs, licences et masters scientifiques. Si l'exercice de dialectique qui consiste, pour convaincre, à proposer simultanément questions et réponses afférentes s'avère parfois réducteur, force est de constater que les auteurs ont su maintenir une très grande ouverture dans leur exposition qui devrait inciter beaucoup de dubitatifs du traitement du signal, de tous bords, à consulter leur ouvrage. Note de contenu : 1. Quelle est la définition physique d’un signal ?
2. Comment distingue-t-on le signal d’un bruit ?
3. Comment définir les observations, les données et les informations ?
4. Qu’est-ce que la théorie du signal et quelles sont ses applications ?
5. Comment peut-on classifier les signaux ?
6. Comment décrit-on un signal temporel en fonction de la nature, discrète ou continue, de ses axes ?
7. Qu’est-ce qu’un signal à bande étroite ?
8. Qu’est ce que l’impulsion de Dirac ?
9. Qu’est ce que la fonction d’Heaviside ?
10. Que représente la composante continue d’un signal ?
11. Quelle est l’effet de la modulation d’amplitude sur le spectre d’un signal ?
12. Quelles sont les principales différences entre les types de modulations analogiques ?
13. Quelles sont les avantages des modulations numériques sur les analogiques ?
14. A quoi sert la transformée de Fourier ?
15. Pourquoi change-t-on d’espace de représentation de signaux ?
16. Quelles sont les propriétés de la transformée de Fourier ?
17. A quoi sert la décomposition en série de Fourier ?
18. Quelles sont les conditions de Dirichlet ? Quelles sont les définitions de la série de Fourier ?
19. Quelle est la définition de la série de Fourier Complexe ? Quelles sont ses propriétés ?
20. Comment peut-on simplifier la décomposition en série de Fourier d’un signal périodique pair ?
21. Que décrit la dualité temps-fréquence ?
22. Si x(t) est un signal réel et impair alors quelles sont les propriétés de sa TF ?
23. Quelle est la transformée de Fourier de la fonction porte ? Quelle est la transformée de Fourier d’un échelon ?
24. Quelle est l’allure de la TF d’un signal gaussien ?
25. Comment peut-on énoncer le principe d’incertitude en théorie du signal ?
26. Quel est le sens physique de la fonction d’autocorrélation ?
27. Quelles sont les propriétés de l’autocorrélation des signaux déterministes ?
28. Quelle est la particularité de l’autocorrélation d’un signal périodique ?
29. Quelle est la différence entre la corrélation de deux fonctions de L2(R) et leur convolution ?
30. Quelles sont les définitions de la puissance et de l’énergie moyennes d’un signal complexe ou réel ?
31. Quelle est la différence entre la DSP et la DSE ?
32. Que traduit physiquement l’identité de Parseval pour des signaux à énergie finie ?
33. Comment s’énonce l’identité de Parseval pour des signaux périodiques ?
34. Si un signal est à énergie finie, que peut-on dire de sa puissance moyenne ? Comment calculer son énergie ?
35. En utilisant Parseval, calculer de deux façons différentes l’énergie de x(t) = te−tu(t) ?
36. Quelle est la principale propriété de la DSP d’un signal périodique ?
37. Comment calcule-t-on la DSP d’un signal continu s’il est périodique ? S’il n’est pas périodique ?
38. Comment fait-on pour passer d’un signal analogique à un signal numérique ?
39. A quoi servent les CNA et CAN ?
40. Qu’appelle-t-on bruit de quantification ?
41. Quel est le domaine d’application du théorème d’échantillonnage ?
42. Qu’appelle-t-on « effet de repliement de spectre » ?
43. Pourquoi appliquer un filtre passe-bas avant l’échantillonnage d’un signal ? . 1
44. Qu’est-ce qu’un échantillonneur bloqueur ?
45. Est-on obligé de respecter la fréquence de Shannon pour échantillonner un signal passe-bande ?
46. Que devient la restitution d’un signal sinusoïdal si on ne respecte pas la fréquence limite de Shannon ?
47. Quelles sont les applications du théorème de Plancherel ?
48. Quel est l’effet d’un échantillonnage temporel dans le domaine spectral ?
49. Pourquoi doit-on introduire la transformée de Fourier discrète TFD?
50. Quelle est la relation entre la TFD et la TZ ?
51. Quelles sont les particularités de la TFD ?
52. Quelles sont les erreurs liées au calcul de la TFD ?
53. Que traduit le phénomène de Gibbs ?
54. Qu’est ce qu’un signal causal ?
55. Qu’est-ce qu’un signal analytique ?
56. Quel est l’effet de la transformée de Hilbert ?
57. Quelle est la définition d’une fonction aléatoire ?
58. Qu’est ce qu’un signal aléatoire ?
59. Quelles sont les grandeurs les plus intéressantes pour caractériser une variable aléatoire ?
60. Quelles sont les propriétés importantes d’une densité de probabilité ?
61. Quel est le lien entre une densité de probabilité et une fonction de répartition ?
62. Quelles sont les propriétés les plus intéressantes des fonctions caractéristiques d’une variable aléatoire ?
63. Comment calcule-t-on la densité de probabilité d’une fonction d’une variable aléatoire : changement des variables ?
64. Comment estime-t-on une densité de probabilité ?
65. Comment définit-on les moments d’une variable aléatoire ?
66. Comment estime-t-on les moments d’une variable aléatoire ?
67. Comment définit-on la stationnarité au sens strict et au sens large d’un signal aléatoire ?
68. Quelle est l’interprétation de la stationnarité au sens large ?
69. Pourquoi l’ergodisme d’un processus aléatoire induit-il des simplifications dans un problème ?
70. Si un processus est stationnaire, est-il toujours ergodique ?
71. Comment définit-on la densité de probabilité conditionnelle ?
72. Comment peut-on caractériser deux variables aléatoires décorrélées ?
73. Comment peut-on caractériser deux variables aléatoires indépendantes
74. Quelle est la densité de probabilité de la somme de deux variables aléatoires indépendantes ?
75. Quelle est la définition d’une variable aléatoire uniforme ?
76. Quelle est l’interprétation du théorème de la limite centrale ?
77. Quelle est la définition d’une densité de probabilité gaussienne ?
78. Que peut-on dire de la loi de la quadration d’une variable gaussienne ?
79. Quelle est la définition de la densité de probabilité de Rayleigh ?
80. Si X, Y,Z et T sont les composantes d’un vecteur gaussien centré alors que valent E{XY ZT } et E{XY Z} ?
81. Qu’est-ce qu’un processus stochastique gaussien ?
82. Qu’est ce qu’un processus aléatoire Markovien ?
83. Comment définit-on un bruit blanc et quelles sont ses propriétés ?
84. Comment définit-on un bruit pseudo-blanc et quelles sont ses propriétés ?
85. Comment est défini le bruit thermique ?
86. Un bruit pseudo-blanc peut-il être à densité de probabilité gaussienne ?
87. Comment définit-on la bande spectrale équivalente du bruit ?
88. Comment choisit-on le nombre de niveaux de quantification pour numériser les réalisations d’une variable aléatoire ?
89. Quelles sont les différences entre les moments et les cumulants d’une variable aléatoire ?
90. Quelles sont les propriétés des cumulants ?
91. Quelle est la « valeur la plus probable » d’une variable aléatoire continue ? Quelle est la différence entre « valeur plus probable », « moyenne » et « médiane » ?
92. Comment calcule-t-on la valeur moyenne d’une variable aléatoire continue ?
93. Comment interprète-t-on l’écart type ?
94. Comment définit-on le coefficient de corrélation ?
95. A quoi servent l’asymétrie « Skewness » et l’aplatissement « kurtosis » ?
96. Comment calculer la moyenne d’une variable aléatoire uniforme ?
97. Comment définit-on la fonction de corrélation dans le cas aléatoire ?
98. Quelle est la différence entre les notions de corrélation et de covariance ?
99. Comment peut-on caractériser le contenu spectral d’un signal aléatoire ?
100. Quelles sont les principales propriétés de la fonction d’intercorrélation ?
101. Quelle est l’expression de la matrice de corrélation d’un processus aléatoire stationnaire ? 203
102. Comment définir la densité spectrale de puissance dans le cas aléatoire ?
103. Quelle est l’erreur d’estimation sur la fonction de corrélation ? Sur la densité de probabilité ?
104.Quels sont les différents modes de convergence pour une variable aléatoire ?
105. Quelle est la distinction entre l’inégalité de Biennaymé-Tchebychev etle théorème de la limite centrale ?
106. Est ce qu’on peut générer un signal non-stationnaire ? Que peut-on dire sur la stationnarité des signaux modulés ?
107. Qu’appelle-t-on « système linéaire, continu et invariant » ?
108. Pourquoi la convolution joue-t-elle un si grand rôle en traitement du signal ?
109. Quel est le lien entre la convolution et le filtrage ?
110. Soit un filtre linéaire analogique de réponse impulsionnelle h(t) excité par un signal x(t). Quelle est l’expression de sa sortie y(t) ?
111. Quelles sont les propriétés vérifiées par la transformée en Z ?
112. Quelles sont les relations entre les transformées de Fourier, de Laplace et en Z ?
113.Quelle est la différence entre la fonction de transfert et le gain complexe ?
114. Que représente un pôle pour une fonction de transfert ?
115. A quoi peut servir la transformée de Laplace ?
116. Quelle définition donne-t-on à la bande passante ?
117. Comment définit-on la fréquence de coupure sur une courbe de gain ?
118. Quelle est l’expression type de la fonction de transfert pour un filtre d’ordre deux ?
119. Quelle est l’atténuation d’un filtre en fonction de son ordre ?
120. Qu’est-ce que la représentation de Bode ?
121. A partir de la fonction de transfert d’un filtre passe-bas normalisé, comment obtient-on les passe-haut, passe-bande correspondants ?
122. Comment se comporte un système en fonction de la position des pôles de sa fonction de transfert ?
123. Si le signal d’entrée d’un système réel est sinusoïdal, comment se comporte le signal de sortie ?
124. Pour un système linéaire, comment définit-on le retard de phase et le retard de groupe ?
125. Comment déterminer la stabilité d’un système analogique ?
126. Quelle est la condition de stabilité d’un filtre numérique ?
127. Qu’appelle-t-on système réalisable ?
128. Pourquoi un filtre idéal n’est-il pas réalisable physiquement en temps réel ?
129. Un filtre linéaire retardant un signal sans déformation est-il réalisable en temps réel ?
130. A quoi sert le théorème des résidus ?
131. Comment retrouver de deux façons différentes la réponse impulsionnelle d’un système linéaire discret ?
132. Qu’est-ce qu’un modèle ARMA?
133. Comment définit-on un gabarit ?
134. Que représentent les filtres de Butterworth, Tchebychev, Cauer ?
135. Quelle est la particularité, au niveau de la réponse impulsionnelle, d’un filtre discret non-récursif ?
136. A quoi sert une fenêtre d’apodisation ?
137. Comment synthétise-t-on un filtre numérique récursif par la méthode de l’invariance impulsionnelle ?
138. Qu’est-ce que la transformee bilineaire (TBL) ?
139.Comment synthétiser un filtre numérique à réponse impulsionnelle finie ?
140. Quelles sont les différences entre les filtres RIF et RII ?
141. Quelles sont les paramètres caractéristiques à prendre en compte pour l’implantation d’un filtre numérique ?
142. Quelles sont les propriétés intéressantes d’un filtre à minimum de phase ?
143. Que nous apprend la formule des interférences ?
144. Comment calculer la moyenne d’un signal aléatoire continu x(t,w) par filtrage ?
145. Qu’appelle-t-on « moyenne linéaire » et « moyenne exponentielle » d’un signal numérique ?
146. Comment mesure-t-on, en pratique, la fonction de transfert d’un système linéaire ?
147. Quelle information peut-on extraire de la fonction de cohérence ?
148. Quels sont les avantages et inconvénients des communications numériques ?
149. Quel est le principe d’une chaîne de communication ?
150. Quels sont les intérêts des techniques de modulation ?
151. Quels sont les principaux paramètres dictant le choix d’un type de modulation ?
152. Donner le sens physique d’un rapport signal sur bruit
153. Définir : détection, estimation, déconvolution, classification
154. Quels sont les quatre principaux critères de détection à structure libre ?
155. Comment définit-on la probabilité d’erreur dans un problème de détection ?
156.Comment évaluer l’erreur commise sur la réception d’un signal binaire transmis dans un canal fortement bruité ?
157. Quel est le critère d’optimisation utilisé dans la théorie du filtre adapté ?
158.Comment détecte-t-on un signal déterministe noyé dans un bruit guaussien ?
159. Quels sont les différents types d’estimateurs bayésiens ?
160. Comment estime-t-on la corrélation d’un processus stationnaire au second ordre ?
161. Quelle est la différence entre le corrélogramme et le périodogramme?
162. Quel est le principal défaut du périodogramme standard ? Comment y remédier ?
163. Quelles sont les qualités attendues d’un estimateur ?
164. Qu’apporte l’analyse spectrale paramétrique par rapport à l’analyse spectrale classique ?
165. Quel est l’intérêt du filtrage de Wiener ?
166. Qu’apporte le filtrage de Kalman ?
167. Qu’apporte la représentation d’état d’un système ?
168. Quelles sont les limitations inhérentes à l’analyse spectrale appliquée aux signaux non-stationnaires ?
169. Qu’est-ce que le spectrogramme ?
170. Comment définit-on une représentation de Wigner-Ville ?
171. Qu’apporte au traitement des signaux non-stationnaires la transformée en ondelettes ?
172. Quel est le principe des méthodes homomorphiques ?
173. Pourquoi dans plusieurs applications une analyse au second ordre Estelle insuffisante ?
174. Qu’appelle-t-on bicorrélation d’un processus ?Numéro de notice : 26023 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92402 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 26023-01 24.20 Livre Centre de documentation Physique Disponible Simultaneous characterization of objects temperature and radiative properties through multispectral infrared thermography / Thibaud Toullier (2019)
Titre : Simultaneous characterization of objects temperature and radiative properties through multispectral infrared thermography Titre original : Caractérisation conjointe de la température et des propriétés radiatives des objets par thermographie infrarouge multispectrale Type de document : Thèse/HDR Auteurs : Thibaud Toullier, Auteur ; Laurent Mevel, Directeur de thèse ; Jean Dumoulin, Directeur de thèse Editeur : Rennes : Université de Rennes 1 Année de publication : 2019 Importance : 233 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat Mathématique et Sciences et Technologies de l’Information et de la Communication, Spécialité Signal, Image, Vision, Université de Rennes 1Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] construction
[Termes IGN] contrôle thermique
[Termes IGN] données météorologiques
[Termes IGN] données multicapteurs
[Termes IGN] estimation bayesienne
[Termes IGN] filtre de Kalman
[Termes IGN] image multibande
[Termes IGN] image thermique
[Termes IGN] méthode de Monte-Carlo par chaînes de Markov
[Termes IGN] Python (langage de programmation)
[Termes IGN] rayonnement solaire
[Termes IGN] scène 3D
[Termes IGN] surveillance d'ouvrage
[Termes IGN] thermographieIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The latest technological improvements in low-cost infrared cameras have brought new opportunities for long-term infrastructures monitoring. The accurate measurement of surfaces' temperatures is facing the lack of knowledge of radiatives properties of the scene. By using multi-sensors instrumentation, the measurement model can be refined to get a better estimate of the temperature. To overcome a lack of sensors instrumentation, it is shown that online and free available climatic data can be used. Then, Bayesian methods to estimate simultaneously the emissivity and temperature have been developed and compared to literature's methods. A radiative exchange simulator of 3D scenes have been developed to compare those different methods on numerical data. This software uses the hardware acceleration as well as a GPGPU approach to reduce the computation time. As a consequence, obtained numerical results emphasized an advanced use of multi-spectral infrared thermography for the monitoring of structures. This simultaneous estimation enables to have an estimate of the temperature by infrared thermography with a known uncertainty. Note de contenu : Introduction
1- Context and problem positioning
2- Bibliographical study
3- In-situ long-term thermal monitoring of structures: environmental measurements bias compensation
4- Study and development of an infrared multispectral images simulator
5- Proposed and studied methods for the simultaneous estimation of temperature and emissivity
Conclusion and future workNuméro de notice : 25705 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image, Vision : Rennes 1 : 2019 nature-HAL : Thèse DOI : sans En ligne : https://hal.science/tel-02389051 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94850
Titre : Stochastic processes : Theory and applications Type de document : Monographie Auteurs : Alexander Zeifman, Éditeur scientifique ; Victor Korolev, Éditeur scientifique ; Alexander Sipin, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2019 Importance : 216 p. Format : 17 x 25 cm ISBN/ISSN/EAN : 978-3-03921-962-9 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques
[Termes IGN] chaîne de Markov
[Termes IGN] champ aléatoire de Markov
[Termes IGN] méthode de Monte-Carlo
[Termes IGN] modèle dynamique
[Termes IGN] modèle stochastique
[Termes IGN] processus stochastique
[Termes IGN] variable aléatoireRésumé : (auteur) The aim of this special issue is to publish original research papers that cover recent advances in the theory and application of stochastic processes. There is especial focus on applications of stochastic processes as models of dynamic phenomena in various research areas, such as queuing theory, physics, biology, economics, medicine, reliability theory, and financial mathematics. Potential topics include, but are not limited to: Markov chains and processes; large deviations and limit theorems; random motions; stochastic biological model; reliability, availability, maintenance, inspection; queueing models; queueing network models; computational methods for stochastic models; applications to risk theory, insurance and mathematical finance. Note de contenu : 1- A note on a generalized Gerber–Shiu discounted penalty function for a compound Poisson risk model
2- Valuing guaranteed minimum death benefits by cosine series expansion
3- On two interacting Markovian queueing systems
4- On truncation of the matrix-geometric stationary distributions
5- Optimization of queueing model with server heating and cooling
6- Monte Carlo methods and the Koksma-Hlawka inequality
7- Exact time-dependent queue-length solution to a discrete-time geo/D/1 queue
8- Analysis of a semi-open queuing network with a state dependent marked Markovian arrival process, customers retrials and impatience
9- On the rate of convergence and limiting characteristics for a nonstationary queueing model
10- Statistical tests for extreme precipitation volumes
11- Non-parametric threshold estimation for the Wiener–Poisson risk model
12- On the rate of convergence for a characteristic of multidimensional birth-death process
13- Estimating the expected discounted penalty function in a compound Poisson insurance risk model with mixed premium income
14- Monte Carlo algorithms for the parabolic Cauchy problem
15- Cumulative measure of inaccuracy and mutual information in k-th Lower record valuesNuméro de notice : 25971 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Monographie DOI : 10.3390/books978-3-03921-963-6 En ligne : https://doi.org/10.3390/books978-3-03921-963-6 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96615 The French NFI : flexibility at the heart of the design / François Morneau (2019)
Titre : The French NFI : flexibility at the heart of the design Type de document : Article/Communication Auteurs : François Morneau , Auteur ; Stéphanie Wurpillot , Auteur ; Jean-Daniel Bontemps , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2019 Conférence : Conference 2019, A century of national forest inventories – informing past, present and future decisions 19/05/2019 21/05/2019 Oslo Norvège programme sans actes Langues : Anglais (eng) Descripteur : [Termes IGN] échantillonnage
[Termes IGN] estimateur
[Termes IGN] inventaire forestier (techniques et méthodes)
[Termes IGN] inventaire forestier national (données France)
[Termes IGN] modèle numérique de surface de la canopée
[Vedettes matières IGN] Inventaire forestierRésumé : (auteur) Introduction : The growing demands of society on forests have pushed forward NFIs who had to evolve and adapt over time. However, in a context of forests being at the center of many challenges, reactivated by global changes, this adaptation has been particularly accelerated in recent years. The demands now comes from a broader public (national/international policy makers, industries, environmental organisations, research, people) who is seeking for more information, more precise and easily accessible. In order to respond to these demands, some NFIs are moving from a knowledge tool on forests to a somehow environmental monitoring system. These renewed inventories must be able to easily integrate new (diverse) needs and to be reactive in case of dramatic perturbations (fires, storms, massive dieback). In this context, NFIs must be powerful, responsive and easily adaptable tools. This involves a change in their design, from the sampling plan, to the provision of baseline information through revised estimation techniques using more and more auxiliary information, often derived from remote sensing. The purpose of the communication is to present the innovations implemented or under development in the French inventory to adapt a quite old (now 60 years) tool to this new context.
Materials and methods: The communication will present the recent changes in the French NFI :•sampling design (continuous inventory);•estimators and the use of external data thanks to post-stratification.
Results: We will insist on the search for flexibility of the French NFI design and the information system actually developed :•On the fly production of results via specific tools;•Easy addition, combination of new variables;•Improvement of estimates thanks to new data via post-stratification (DHM);•Derivation of the national tool to specific case (regional) studies : on demand inventories.•Reactivity after events like storms. Conclusion: A NFI is a work in progress, always evolving to address new needs, gain more precision, a finest resolution... at constant or decreasing costs. New solutions have to be found, new auxiliary data have to be mobilised in order to answer the multiple demands. Achieving that necessitate to find or form the future engineers and researchers who will build the next generation of NFIs. This question is crucial in a domain where human resources are rare.Numéro de notice : C2019-062 Affiliation des auteurs : LIF (2012-2019) Thématique : FORET Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96977 PermalinkUndifferenced zenith tropospheric modeling and its application in fast ambiguity recovery for long-range network RTK reference stations / Dezhong Chen in GPS solutions, vol 23 n° 1 (January 2019)PermalinkValidating and comparing GNSS antenna calibrations / Ulla Kallio in Journal of geodesy, vol 93 n° 1 (January 2019)PermalinkVariational learning of mixture wishart model for PolSAR image classification / Qian Wu in IEEE Transactions on geoscience and remote sensing, vol 57 n° 1 (January 2019)PermalinkAutomatic building rooftop extraction from aerial images via hierarchical RGB-D priors / Shibiao Xu in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)PermalinkDetection of individual trees in urban alignment from airborne data and contextual information: A marked point process approach / Josselin Aval in ISPRS Journal of photogrammetry and remote sensing, vol 146 (December 2018)PermalinkEstimating forest structural attributes using UAV-LiDAR data in Ginkgo plantations / Kun Liu in ISPRS Journal of photogrammetry and remote sensing, vol 146 (December 2018)PermalinkGénération d'observations pour la validation ou la comparaison de logiciels d'ajustement de mesures par moindres carrés / Stéphane Durand in XYZ, n° 157 (décembre 2018 - février 2019)PermalinkSuper-resolution of Sentinel-2 images : Learning a globally applicable deep neural network / Charis Lanaras in ISPRS Journal of photogrammetry and remote sensing, vol 146 (December 2018)PermalinkThe influence of artificial illumination of invar levelling rods / Štefan Rákay in Geodetski vestnik, vol 62 n° 4 (December 2018 - February 2019)PermalinkGlobal IWV trends and variability in atmospheric reanalyses and GPS observations / Ana-Claudia Bernardes Parracho in Atmospheric chemistry and physics, vol 18 n° 22 ([01/11/2018])PermalinkOn the spatial distribution of buildings for map generalization / Zhiwei Wei in Cartography and Geographic Information Science, Vol 45 n° 6 (November 2018)PermalinkAutomated extraction of 3D vector topographic feature line from terrain point cloud / Wei Zhou in Geocarto international, vol 33 n° 10 (October 2018)PermalinkDeep multi-task learning for a geographically-regularized semantic segmentation of aerial images / Michele Volpi in ISPRS Journal of photogrammetry and remote sensing, vol 144 (October 2018)PermalinkGPS satellite clock determination in case of inter-frequency clock biases for triple-frequency precise point positioning / Jiang Guo in Journal of geodesy, vol 92 n° 10 (October 2018)PermalinkHow to calibrate historical aerial photographs : a change analysis of naturally dynamic boreal forest landscapes / Niko Kulha in Forests, vol 9 n° 10 (October 2018)PermalinkMethod for real-time self-calibrating GLONASS code inter-frequency bias and improvements on single point positioning / Liang Chen in GPS solutions, vol 22 n° 4 (October 2018)PermalinkMethods for quantification of systematic distance deviations under incidence angle with scanning total stations / Miriam Zámečníková in ISPRS Journal of photogrammetry and remote sensing, vol 144 (October 2018)PermalinkAssessment of local GNSS baselines at co-location sites / Iván Herrera Pinzón in Journal of geodesy, vol 92 n° 9 (September 2018)PermalinkDeveloping allometric equations for estimating shrub biomass in a Boreal Fen / Annie He in Forests, vol 9 n° 9 (September 2018)PermalinkEstimation of winter wheat crop growth parameters using time series Sentinel-1A SAR data / P. Kumar in Geocarto international, vol 33 n° 9 (September 2018)PermalinkA two-stage estimation method with bootstrap inference for semi-parametric geographically weighted generalized linear models / Dengkui Li in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)PermalinkUncertainty modeling and analysis of surface area calculation based on a regular grid digital elevation model (DEM) / Chang Li in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)PermalinkCAVIAR: an R package for checking, displaying and processing wood-formation-monitoring data / Cyrille B.K. Rathgeber in Tree Physiology, vol 38 n° 8 (August 2018)PermalinkA deep neural network with spatial pooling (DNNSP) for 3-D point cloud classification / Zhen Wang in IEEE Transactions on geoscience and remote sensing, vol 56 n° 8 (August 2018)PermalinkEstimating storm damage with the help of low-altitude photographs and different sampling designs and estimators / Pekka Hyvönen in Silva fennica, vol 52 n° 3 ([01/08/2018])PermalinkSpectral-spatial classification of hyperspectral images using wavelet transform and hidden Markov random fields / Elham Kordi Ghasrodashti in Geocarto international, vol 33 n° 8 (August 2018)PermalinkThree-point-based solution for automated motion parameter estimation of a multi-camera indoor mapping system with planar motion constraint / Fangning He in ISPRS Journal of photogrammetry and remote sensing, vol 142 (August 2018)PermalinkDifferential positioning based on the orthogonal transformation algorithm with GNSS multi-system / Xiao Liang in GPS solutions, vol 22 n° 3 (July 2018)PermalinkParametric bootstrap estimators for hybrid inference in forest inventories / Mathieu Fortin in Forestry, an international journal of forest research, vol 91 n° 3 (July 2018)PermalinkRevisit the calibration errors on experimental slant total electron content (TEC) determined with GPS / Wenfeng Nie in GPS solutions, vol 22 n° 3 (July 2018)PermalinkA sequential network approach for estimating GPS satellite phase biases at the PPP-AR producer-side / Omid Kamali in GPS solutions, vol 22 n° 3 (July 2018)PermalinkStochastic models in the DORIS position time series : estimates for IDS contribution to ITRF2014 / Anna Klos in Journal of geodesy, vol 92 n° 7 (July 2018)PermalinkGeometric reasoning with uncertain polygonal faces / Jochen Meidow in Photogrammetric Engineering & Remote Sensing, PERS, vol 84 n° 6 (juin 2018)PermalinkGPS receiver phase biases estimable in PPP-RTK networks : dynamic characterization and impact analysis / Baocheng Zhang in Journal of geodesy, vol 92 n° 6 (June 2018)PermalinkOn the impact of GNSS ambiguity resolution: geometry, ionosphere, time and biases / Amir Khodabandeh in Journal of geodesy, vol 92 n° 6 (June 2018)PermalinkThe efficiency of different outlier detection approaches in geodetic networks: case study for Pobednik statue / Mehmed Batilović in Geodetski vestnik, vol 62 n° 2 (June 2018)PermalinkComparison of total water vapour content in the Arctic derived from GNSS, AIRS, MODIS and SCIAMACHY / Dunya Alraddawi in Atmospheric measurement techniques, vol 11 n° 5 (May 2018)PermalinkExploring the sensitivity of coastal inundation modelling to DEM vertical error / Harry West in International journal of geographical information science IJGIS, vol 32 n° 5-6 (May - June 2018)PermalinkGeodetic VLBI with an artificial radio source on the Moon : a simulation study / Grzegorz Klopotek in Journal of geodesy, vol 92 n° 5 (May 2018)PermalinkSeed dispersal, microsites or competition : what drives gap regeneration in an old-growth forest? An application of spatial point process modelling / Georg Gratzer in Forests, vol 9 n° 5 (May 2018)PermalinkCarrier phase bias estimation of geometry-free linear combination of GNSS signals for ionospheric TEC modeling / Anna Krypiak-Gregorczyk in GPS solutions, vol 22 n° 2 (April 2018)PermalinkJoint estimation of vertical total electron content (VTEC) and satellite differential code biases (SDCBs) using low-cost receivers / Baocheng Zhang in Journal of geodesy, vol 92 n° 4 (April 2018)PermalinkA methodology for least-squares local quasi-geoid modelling using a noisy satellite-only gravity field model / R. Klees in Journal of geodesy, vol 92 n° 4 (April 2018)PermalinkToward a global horizontal and vertical elastic load deformation model derived from GRACE and GNSS station position time series / Kristel Chanard in Journal of geophysical research : Solid Earth, vol 123 n° 4 (April 2018)Permalink