Centre dedocumentation
scientifique

Large-scale burn severity mapping in multispectral imagery using deep semantic segmentation models / Xikun Hu in ISPRS Journal of photogrammetry and remote sensing, vol 196 (February 2023)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 196 (February 2023) . - pp 228 - 240 Titre : Large-scale burn severity mapping in multispectral imagery using deep semantic segmentation models Type de document : Article/Communication Auteurs : Xikun Hu, Auteur ; Puzhao Zhang, Auteur ; Yifang Ban, Auteur Année de publication : 2023 Article en page(s) : pp 228 - 240 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] carte thématique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] dommage [Termes IGN] image Landsat-ETM+ [Termes IGN] image Landsat-OLI [Termes IGN] image Landsat-TM [Termes IGN] image multibande [Termes IGN] image Sentinel-MSI [Termes IGN] incendie de forêt [Termes IGN] jeu de données localisées [Termes IGN] segmentation sémantique [Termes IGN] surveillance forestière [Termes IGN] zone sinistrée Résumé : (auteur) Nowadays Earth observation satellites provide forest fire authorities and resource managers with spatial and comprehensive information for fire stabilization and recovery. Burn severity mapping is typically performed by classifying bi-temporal indices (e.g., dNBR, and RdNBR) using thresholds derived from parametric models incorporating field-based measurements. Analysts are currently expending considerable manual effort using prior knowledge and visual inspection to determine burn severity thresholds. In this study, we aim to employ highly automated approaches to provide spatially explicit damage level estimates. We first reorganize a large-scale Landsat-based bi-temporal burn severity assessment dataset (Landsat-BSA) by visual data cleaning based on annotated MTBS data (approximately 1000 major fire events in the United States). Then we apply state-of-the-art deep learning (DL) based methods to map burn severity based on the Landsat-BSA dataset. Experimental results emphasize that multi-class semantic segmentation algorithms can approximate the threshold-based techniques used extensively for burn severity classification. UNet-like models outperform other region-based CNN and Transformer-based models and achieve accurate pixel-wise classification results. Combined with the online hard example mining algorithm to reduce class imbalance issue, Attention UNet achieves the highest mIoU (0.78) and the highest Kappa coefficient close to 0.90. The bi-temporal inputs with ancillary spectral indices work much better than the uni-temporal multispectral inputs. The restructured dataset will be publicly available and create opportunities for further advances in remote sensing and wildfire communities. Numéro de notice : A2023-122 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2022.12.026 Date de publication en ligne : 11/01/2023 En ligne : https://doi.org/10.1016/j.isprsjprs.2022.12.026 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102498 [article]

Identifying the key resources and missing elements to build a knowledge graph dedicated to spatial dataset search / Mehdi Zrhal in Procedia Computer Science, vol 207 (2022)  

Public [article]  inProcedia Computer Science > vol 207 (2022) . - pp 2911 - 2920 Titre : Identifying the key resources and missing elements to build a knowledge graph dedicated to spatial dataset search Type de document : Article/Communication Auteurs : Mehdi Zrhal , Auteur ; Bénédicte Bucher , Auteur ; Fayçal Hamdi , Auteur ; Marie-Dominique Van Damme , Auteur Année de publication : 2022 Conférence : KES 2022, 26th International Conference Knowledge-Based and Intelligent Information & Engineering Systems 07/09/2022 09/09/2022 Vérone Italie OA proceedings Article en page(s) : pp 2911 - 2920 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] jeu de données localisées [Termes IGN] recherche d'information géographique [Termes IGN] réseau sémantique Résumé : (auteur) The number of spatial datasets available online has increased exponentially in recent years. Therefore, the search for spatial datasets is becoming a fourishing research field. The use of knowledge graphs has become rampant in search engines and in information retrieval. In this article, we identify the main resources needed and those missing to allow a knowledge graph to support spatial dataset search. We then apply our approach to the water domain in France by building a dedicated knowledge graph and describe an evaluation method to measure its effectiveness. Numéro de notice : A2022-695 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.procs.2022.09.349 Date de publication en ligne : 19/10/2022 En ligne : https://doi.org/10.1016/j.procs.2022.09.349 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101910 [article]

Street-view imagery guided street furniture inventory from mobile laser scanning point clouds / Yuzhou Zhou in ISPRS Journal of photogrammetry and remote sensing, vol 189 (July 2022)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 189 (July 2022) . - pp 63 - 77 Titre : Street-view imagery guided street furniture inventory from mobile laser scanning point clouds Type de document : Article/Communication Auteurs : Yuzhou Zhou, Auteur ; Xu Han, Auteur ; Mingjun Peng, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 63 - 77 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] détection d'objet [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image Streetview [Termes IGN] instance [Termes IGN] inventaire [Termes IGN] jeu de données localisées [Termes IGN] masque [Termes IGN] mobilier urbain [Termes IGN] segmentation sémantique [Termes IGN] semis de points [Termes IGN] séparateur à vaste marge [Termes IGN] Shanghai (Chine) [Termes IGN] Wuhan (Chine) Résumé : (auteur) Outdated or sketchy inventory of street furniture may misguide the planners on the renovation and upgrade of transportation infrastructures, thus posing potential threats to traffic safety. Previous studies have taken their steps using point clouds or street-view imagery (SVI) for street furniture inventory, but there remains a gap to balance semantic richness, localization accuracy and working efficiency. Therefore, this paper proposes an effective pipeline that combines SVI and point clouds for the inventory of street furniture. The proposed pipeline encompasses three steps: (1) Off-the-shelf street furniture detection models are applied on SVI for generating two-dimensional (2D) proposals and then three-dimensional (3D) point cloud frustums are accordingly cropped; (2) The instance mask and the instance 3D bounding box are predicted for each frustum using a multi-task neural network; (3) Frustums from adjacent perspectives are associated and fused via multi-object tracking, after which the object-centric instance segmentation outputs the final street furniture with 3D locations and semantic labels. This pipeline was validated on datasets collected in Shanghai and Wuhan, producing component-level street furniture inventory of nine classes. The instance-level mean recall and precision reach 86.4%, 80.9% and 83.2%, 87.8% respectively in Shanghai and Wuhan, and the point-level mean recall, precision, weighted coverage all exceed 73.7%. Numéro de notice : A2022-403 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.isprsjprs.2022.04.023 Date de publication en ligne : 12/05/2022 En ligne : https://doi.org/10.1016/j.isprsjprs.2022.04.023 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100711 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2022071	SL	Revue	Centre de documentation	Revues en salle	Disponible

HiPerMovelets: high-performance movelet extraction for trajectory classification / Tarlis Tortelli Portela in International journal of geographical information science IJGIS, vol 36 n° 5 (May 2022)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 36 n° 5 (May 2022) . - pp 1012 - 1036 Titre : HiPerMovelets: high-performance movelet extraction for trajectory classification Type de document : Article/Communication Auteurs : Tarlis Tortelli Portela, Auteur ; Jonata Tyska Carvalho, Auteur ; Vania Bogorny, Auteur Année de publication : 2022 Article en page(s) : pp 1012 - 1036 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] classification [Termes IGN] exploration de données géographiques [Termes IGN] jeu de données localisées [Termes IGN] trace numérique [Termes IGN] trajet (mobilité) Résumé : (auteur) In the last decade, trajectory classification has received significant attention. The vast amount of data generated on social media, the use of sensor networks, IOT devices and other Internet-enabled sources allowed the semantic enrichment of mobility data, making the classification task more challenging. Existing trajectory classification methods have mainly considered space, time and numerical data, ignoring the semantic dimensions. Only recently proposed methods as Movelets and MASTERMovelets can handle all types of dimensions. MASTERMovelets is the only method that automatically discovers the best dimension combination and subtrajectory size for trajectory classification. However, although it outperformed the state-of-the-art in terms of accuracy, MASTERMovelets is computationally expensive and results in a high dimensionality problem, which makes it unfeasible for most real trajectory datasets that contain a big volume of data. To overcome this problem and enable the application of the movelets approach on large datasets, in this paper we propose a new high-performance method for extracting movelets and classifying trajectories, called HiPerMovelets (High-performance Movelets). Experimental results show that HiPerMovelets is 10 times faster than MASTERMovelets, reduces the high-dimensionality problem, is more scalable, and presents a high classification accuracy in all evaluated datasets with both raw and semantic trajectories. Numéro de notice : A2022-332 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/13658816.2021.2018593 Date de publication en ligne : 03/01/2022 En ligne : https://doi.org/10.1080/13658816.2021.2018593 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100608 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2022051	SL	Revue	Centre de documentation	Revues en salle	Disponible

Cartographie et caractérisation des lieux d'intérêt de cervidés en milieu forestier / Laurence Jolivet in Cartes & Géomatique, n° 247-248 (mars-juin 2022)

Public [article]  inCartes & Géomatique > n° 247-248 (mars-juin 2022) . - pp 47 - 59 Titre : Cartographie et caractérisation des lieux d'intérêt de cervidés en milieu forestier Type de document : Article/Communication Auteurs : Laurence Jolivet , Auteur ; Florian Masson, Auteur ; Sonia Saïd, Auteur Année de publication : 2022 Conférence : ICC 2021, 30th ICA international cartographic conference 14/12/2021 18/12/2021 Florence Italie OA proceedings Article en page(s) : pp 47 - 59 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] analyse comparative [Termes IGN] Cervidae [Termes IGN] données spatiotemporelles [Termes IGN] espèce végétale [Termes IGN] faune locale [Termes IGN] forêt tempérée [Termes IGN] gestion forestière [Termes IGN] jeu de données localisées [Termes IGN] migration animale [Termes IGN] parcelle forestière [Termes IGN] positionnement par GPS [Termes IGN] Vosges (88) Résumé : (Auteur) La faune influence son environnement spatial et cet environnement influence en retour l'utilisation de l'espace par la faune. En gestion forestière, il est nécessaire de protéger les parcelles sensibles à la pression des animaux. Notre objectif est de proposer des cartes pertinentes pour la gestion, contenant les déplacements individuels et les espaces utilisés selon les espèces animales, ainsi que leur contexte spatio-temporel. Le cas d'étude concerne deux espèces, le chevreuil et le cerf, dans un site en milieu forestier au nord-est de la France. Les déplacements de plusieurs individus ont été analysés à partir de localisations GPS. Les lieux d'intérêt pour la recherche de nourriture supposés correspondre à des comportements de recherche intensive ont été calculés par la Méthode du temps de Premier Passage. Ces lieux ont ensuite été caractérisés avec les éléments du paysage et des indications de temporalité. Des cartes ont été réalisées afin de visualiser les informations disponibles sur ces lieux d'intérêt, en définissant des symbolisations adaptées. Des cartes ont aussi été réalisées par rapport à l'espace fonctionnel comprenant des parcelles favorables ou évitées issues de la comparaison entre espace parcouru et espace disponible. Ces parcelles sont qualifiées selon un gradient d'intérêt potentiel par espèce animale. Le processus cartographique a été effectué afin d'obtenir des cartes adaptées à l'affichage dans un portail géographique numérique et à la lecture par des utilisateurs impliqués en gestion forestière et en aménagement. Numéro de notice : A2022-675 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : FORET/GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101889 [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

Evaluating Sentinel-1A datasets for rice leaf area index estimation based on machine learning regression models / Lamin R. Mansaray in Geocarto international, vol 37 n° 5 ([01/03/2022])  

Permalink

Évaluation des apports de l’apprentissage profond au sein d’un service dédié à la numérisation du patrimoine / Maxime Mérizette in XYZ, n° 170 (mars 2022)

Permalink

ReBankment : un algorithme pour déplacer les talus sur les cartes par moindres carrés / Guillaume Touya in Cartes & Géomatique, n° 247-248 (mars-juin 2022)

Permalink

Developing the potential of airborne lidar systems for the sustainable management of forests / Karun Dayal (2022)    

Permalink

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

Permalink

A method to produce metadata describing and assessing the quality of spatial landmark datasets in mountain area / Marie-Dominique Van Damme (2022)  

Permalink

Monocular depth estimation in forest environments / Hristina Hristova (2022)  

Permalink

Registration of heterogenous data for urban modeling / Rahima Djahel (2022)  

Permalink

Three-dimensional reconstruction of single input image based on point cloud / Yu Hou in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 7 (July 2021)  

Permalink

Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery / Neema Nicodemus Lyimo in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 5 (May 2021)  

Permalink