Centre dedocumentation
scientifique

Retours d'expérience de la mise en place d'une plateforme collaborative pour le suivi de l'usage du sol / Ana-Maria Olteanu-Raimond in Cartes & Géomatique, n° 247-248 (mars-juin 2022)

Public [article]  inCartes & Géomatique > n° 247-248 (mars-juin 2022) . - pp 65 - 67 Titre : Retours d'expérience de la mise en place d'une plateforme collaborative pour le suivi de l'usage du sol Type de document : Article/Communication Auteurs : Ana-Maria Olteanu-Raimond , Auteur ; Marie-Dominique Van Damme , Auteur ; Laurence Jolivet , Auteur Année de publication : 2022 Conférence : ICC 2021, 30th ICA international cartographic conference 14/12/2021 18/12/2021 Florence Italie Article en page(s) : pp 65 - 67 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] base de données d'occupation du sol [Termes IGN] changement d'utilisation du sol [Termes IGN] données localisées des bénévoles [Termes IGN] information géographique [Termes IGN] plateforme collaborative [Termes IGN] Toulouse [Termes IGN] utilisation du sol Résumé : (Auteur) [Résumé de l'intervention faite à Florence lors de la conférence de l'ACI en décembre 2021] La cartographie et le suivi de l'usage du sol (US) à une échelle spatiale et temporelle fine nécessitent beaucoup d'efforts. Des approches de détection de changement s'appuient sur la télédétection (Lu et al., 2014), cependant l'information d'usage n'est pas nécessairement en lien avec l'information de couverture du sol et elle n'est pas triviale. Un intérêt considérable s'est porté sur l'information géographique volontaire (ou volunteered geographic information) (Goodchild, 2007) comme une source de données alternative (Fonte et al., 2013) ; Fritz et al., 2015). L'objectif de cet article est de discuter des retours d'expérience suite à une initiative en information géographique volontaire pour collecter des observations sur des changements et des usages du sol ciblés (par exemple activité en carrière, usage et nombre d'étages d'un bâtiment, construction en cours), ceci afin de mettre à jour et d'enrichir des bases de données d'usage du sol institutionnelles produites par l'IGN. Numéro de notice : A2022-677 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101895 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
021-2022011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Deep-learning based multiple land-cover map translation / Luc Baudoux (2022)  

Public Titre : Deep-learning based multiple land-cover map translation Type de document : Article/Communication Auteurs : Luc Baudoux , Auteur ; Jordi Inglada, Auteur ; Clément Mallet , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2022 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : IGARSS 2022, IEEE International Geoscience And Remote Sensing Symposium 17/07/2022 22/07/2022 Kuala Lumpur Malaysie Proceedings IEEE Importance : pp 1260 - 1263 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] apprentissage profond [Termes IGN] base de données d'occupation du sol [Termes IGN] cadre conceptuel [Termes IGN] carte d'occupation du sol [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] segmentation sémantique Résumé : (auteur) This paper presents a framework for simultaneously translating multiple land-cover maps into a given one in a supervised way. Conversely to existing approaches working on 1–1 translation, we propose a multi-translation setup that increases the generalizability and translation performance, especially on land-cover maps covering restricted spatial extents. The proposed method mainly assumes that the map of interest spatially overlaps at least with one of the other maps. High performance translation is achieved with a Convolutional Neural Network (CNN) based encoder-decoder frame-work trained with three goals: (i) high-quality translation; (ii) self-reconstruction ability; (iii) mapping of all datasets into a common representation space. Country-scale experimental results show the method effectiveness in translating six highly heterogeneous land-cover maps, achieving significantly better results than the traditional semantic-based method and better results than CNN trained for a 1–1 translation task (+ 9.7% in Overall Accuracy (OA) and +12% in macro F1-score (mF1)). Numéro de notice : C2022-039 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS46834.2022.9883056 En ligne : https://doi.org/10.1109/IGARSS46834.2022.9883056 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101765

FLAIR: French Land cover from Aerial ImageRy - Challenge FLAIR #1: semantic segmentation and domain adaptation / Anatol Garioud (2022)  

Public Titre : FLAIR: French Land cover from Aerial ImageRy - Challenge FLAIR #1: semantic segmentation and domain adaptation Type de document : Article/Communication Auteurs : Anatol Garioud , Auteur ; Stéphane Peillet, Auteur ; Eva Bookjans, Auteur ; Sébastien Giordano , Auteur ; Boris Wattrelos , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Importance : 9 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] base de données d'occupation du sol [Termes IGN] image aérienne à axe vertical [Termes IGN] jeu de données localisées [Termes IGN] segmentation sémantique Résumé : (auteur) [context] The French National Institute of Geographical and Forest Information (IGN) has the mission to document and measure land-cover on French territory and provides referential geographical datasets, including high-resolution aerial images and topographic maps. The monitoring of land-cover plays a crucial role in land management and planning initiatives, which can have significant socio-economic and environmental impact. Together with remote sensing technologies, artificial intelligence (IA) promises to become a powerful tool in determining land-cover and its evolution. IGN is currently exploring the potential of IA in the production of high-resolution land cover maps. Notably, deep learning methods are employed to obtain a semantic segmentation of aerial images. However, territories as large as France imply heterogeneous contexts: variations in landscapes and image acquisition make it challenging to provide uniform, reliable and accurate results across all of France. The FLAIR-one dataset presented is part of the dataset currently used at IGN to establish the French national reference land cover map "Occupation du sol à grande échelle" (OCS- GE). Numéro de notice : P2022-010 Affiliation des auteurs : IGN (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Preprint nature-HAL : Préprint DOI : 10.48550/arXiv.2211.12979 En ligne : https://doi.org/10.48550/arXiv.2211.12979 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102141

The use of volunteer geographic information for producing and maintaining authoritative land use and land cover data / Ana-Maria Olteanu-Raimond (2022)  

Public Titre : The use of volunteer geographic information for producing and maintaining authoritative land use and land cover data : EuroSDR and LandSense Workshop, November 24th - 25th 2020, Online Conference Type de document : Actes de congrès Auteurs : Ana-Maria Olteanu-Raimond , Auteur ; Joep Crompvoets, Auteur ; Inian Moorthy, Auteur ; Clément Mallet , Auteur ; Bénédicte Bucher , Auteur Editeur : Dublin : European Spatial Data Research EuroSDR Année de publication : 2022 Collection : EuroSDR Workshop report Projets : Landsense / Raimond, Ana-Maria Conférence : VGI4LULC 2020, The use of volunteer geographic information for producing and maintaining authoritative land use and land cover data 24/11/2020 25/11/2020 online Malaysie OA Proceedings Importance : 40 p. Format : 21 x 30 cm Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] approche participative [Termes IGN] cartographie collaborative [Termes IGN] collecte de données [Termes IGN] Corine Land Cover [Termes IGN] détection de changement [Termes IGN] données localisées des bénévoles [Termes IGN] intégration de données [Termes IGN] occupation du sol [Termes IGN] OpenStreetMap [Termes IGN] science citoyenne [Termes IGN] utilisation du sol Résumé : (éditeur) The report refers to the workshop that was organized on behalf of EuroSDR and the LandSense project (24-25 November 2020). LandSense aims to build a citizen observatory for Land Use and Land Cover (LULC) monitoring by proposing innovate technologies for data collection, change detection, data quality assessment and offering tools and systems to empower different communities (e.g., private companies, Non Governmental Organisation, National Mapping Agencies, research, public authorities) to monitor and report on LULC. The workshop was co-organized by the LASTIG laboratory of the University Gustave Eiffel and IGN-ENSG, the French National Mapping agency (Ana-Maria Olteanu-Raimond, Clément Mallet, Bénédicte Bucher), the Katholieke Universiteit Leuven (Joep Crompvoets), the International Institute for Applied Systems Analysis (Inian Moorthy) and EuroSDR. Note de contenu : INTRODUCTION GENERALE 1. Introduction 1.1 Land Use and Land Cover data: specificities and challenges 1.2 VGI and citizen science for LULC monitoring 2. Session 1: Use of VGI for LULC data production 2.1 National Land Cover and Land Use Information System of Spain (SIOSE)- Coordination, production, maintenance and VGI 2.2 A fusion data approach for integrating VGI to update and enrich authoritative LULC data 2.3 OpenStreetMap for Earth Observation (OSM4EO) land use application and benchmark 2.4 Using OpenStreetMap as a data source for training classifiers to generate LULC maps 3. Session 2: Data collection and validation 3.1 A mapping prototype for land use mapping by land users 3.2 A mobile application for collecting snow data in support to satellite remote sensing 3.3 Global land cover monitoring, validation and participation: experiences from several case studies 4. Session 3: Sustainability 4.1 Crowdsourcing reference data collection for land cover and land use mapping: Findings from Picture Pile and FotoquestGo 4.2 Land Cover Monitoring System with Sentinel-Hub and Python Machine Learning Library eo-learn. Is it possible to build a fast and cost-effective LCMS? 4.3 Regular monitoring of landscape changes with Copernicus data- The German land cover change detection service 4.4 Authentication as a Service - A LandSense contribution to improve the FAIR principle in Citizen Science 5. Conclusion Numéro de notice : 28680 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Actes nature-HAL : DirectOuvrColl/Actes DOI : sans En ligne : http://www.eurosdr.net/sites/default/files/uploaded_files/eurosdr_vgi4lulc.pdf Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99973

Calibration of cellular automata urban growth models from urban genesis onwards - a novel application of Markov chain Monte Carlo approximate Bayesian computation / Jingyan Yu in Computers, Environment and Urban Systems, vol 90 (November 2021)  

Public [article]  inComputers, Environment and Urban Systems > vol 90 (November 2021) . - n° 101689 Titre : Calibration of cellular automata urban growth models from urban genesis onwards - a novel application of Markov chain Monte Carlo approximate Bayesian computation Type de document : Article/Communication Auteurs : Jingyan Yu, Auteur ; Alex Hagen-Zanker, Auteur ; Naratip Santitissadeekorn, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 101689 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse diachronique [Termes IGN] automate cellulaire [Termes IGN] changement d'utilisation du sol [Termes IGN] Corine Land Cover [Termes IGN] croissance urbaine [Termes IGN] estimation bayesienne [Termes IGN] Grande-Bretagne [Termes IGN] méthode de Monte-Carlo par chaînes de Markov [Termes IGN] modèle dynamique Résumé : (auteur) Cellular Automata (CA) models are widely used to study spatial dynamics of urban growth and evolving patterns of land use. One complication across CA approaches is the relatively short period of data available for calibration, providing sparse information on patterns of change and presenting problematic signal-to-noise ratios. To overcome the problem of short-term calibration, this study investigates a novel approach in which the model is calibrated based on the urban morphological patterns that emerge from a simulation starting from urban genesis, i.e., a land cover map completely void of urban land. The application of the model uses the calibrated parameters to simulate urban growth forward in time from a known urban configuration. This approach to calibration is embedded in a new framework for the calibration and validation of a Constrained Cellular Automata (CCA) model of urban growth. The investigated model uses just four parameters to reflect processes of spatial agglomeration and preservation of scarce non-urban land at multiple spatial scales and makes no use of ancillary layers such as zoning, accessibility, and physical suitability. As there are no anchor points that guide urban growth to specific locations, the parameter estimation uses a goodness-of-fit (GOF) measure that compares the built density distribution inspired by the literature on fractal urban form. The model calibration is a novel application of Markov Chain Monte Carlo Approximate Bayesian Computation (MCMC-ABC). This method provides an empirical distribution of parameter values that reflects model uncertainty. The validation uses multiple samples from the estimated parameters to quantify the propagation of model uncertainty to the validation measures. The framework is applied to two UK towns (Oxford and Swindon). The results, including cross-application of parameters, show that the models effectively capture the different urban growth patterns of both towns. For Oxford, the CCA correctly produces the pattern of scattered growth in the periphery, and for Swindon, the pattern of compact, concentric growth. The ability to identify different modes of growth has both a theoretical and practical significance. Existing land use patterns can be an important indicator of future trajectories. Planners can be provided with insight in alternative future trajectories, available decision space, and the cumulative effect of parcel-by-parcel planning decisions. Numéro de notice : A2021-616 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/URBANISME Nature : Article DOI : 10.1016/j.compenvurbsys.2021.101689 Date de publication en ligne : 12/08/2021 En ligne : https://doi.org/10.1016/j.compenvurbsys.2021.101689 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98367 [article]

A data fusion-based framework to integrate multi-source VGI in an authoritative land use database / Lanfa Liu in International Journal of Digital Earth, vol 14 n° 4 (April 2021)  

Permalink

Toward a yearly country-scale CORINE land-cover map without using images: A map translation approach / Luc Baudoux in Remote sensing, Vol 13 n° 6 (March 2021)  

Permalink

Contextual land-cover map translation with semantic segmentation / Luc Baudoux (2021)  

Permalink

Mapping croplands of Europe, Middle East, Russia, and Central Asia using Landsat, Random Forest, and Google Earth Engine / Aparna R. Phalke in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)  

Permalink

Conterminous United States land cover change patterns 2001–2016 from the 2016 National Land Cover Database / Collin Homer in ISPRS Journal of photogrammetry and remote sensing, vol 162 (April 2020)  

Permalink

Current challenges in operational very high resolution land-cover mapping / Clément Mallet (2020)  

Permalink

Information Géographique Volontaire, vers un usage conjoint avec l’information géographique institutionnelle / Ana-Maria Olteanu-Raimond (2020)  

Permalink

New method for environmental monitoring in armed conflict zones: a case study of Syria / Samira Mobaied in Environmental Monitoring and Assessment, vol 191 n° 11 (November 2019)  

Permalink

Simulation of urban expansion via integrating artificial neural network with Markov chain – cellular automata / Tingting Xu in International journal of geographical information science IJGIS, vol 33 n° 10 (October 2019)  

Permalink

International workshop on large scale land cover mapping from remote sensing, 3 décembre 2019 / Mathieu Fauvel (2019)

Permalink