Centre de documentation
scientifique

Leveraging deep learning and remote sensing to predict ecosystem types in the NiN framework / Matteo Crespin-Jouan (2024)

Public Titre : Leveraging deep learning and remote sensing to predict ecosystem types in the NiN framework Type de document : Mémoire Auteurs : Matteo Crespin-Jouan, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2024 Importance : 41 p. Format : 21 x 30 cm Note générale : bibliographie Mémoire d'ingénieur 2e année Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage profond [Termes IGN] cartographie [Termes IGN] couverture (données géographiques) [Termes IGN] gradient [Termes IGN] occupation du sol [Termes IGN] Sentinel-2 [Termes IGN] télédétection [Termes IGN] végétation Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Ce rapport présente les résultats d’un stage effectué au sein du Geo-Ecology Research Group (GEco) du Muséum d’Histoire Naturelle d’Oslo. Le projet a porté sur l’application de techniques d’apprentissage profond pour classifier les écosystèmes norvégiens en se basant sur les données du système de classification Natur i Norge (NiN). Différentes sources de données ont été utilisées notamment des images aériennes de drones, des photos prises au sol et des données satellitaires Sentinel, afin de prédire les types d’écosystèmes et des gradients environnementaux clés, tels que la richesse en calcaire. L’étude a exploré différentes approches, notamment les réseaux neuronaux convolutifs (CNN) et les perceptrons multicouches (MLP), en mettant l’accent sur l’exploitation des informations spectrales plutôt que des caractéristiques spatiales. Les résultats ont mis en évidence les défis liés au travail avec des données limitées et incohérentes, en particulier dans le contexte de classifications très détaillée comme NiN. Bien que les modèles aient montré un certain succès, notamment avec l’utilisation de données hyperspectrales, les résultats ont été limités par la qualité et la cohérence des labels disponibles. Note de contenu : Introduction 1. About the Data, the labels, and the distribution of the labels in the datasets 2. CNNs and vision transformers to leverage shape and texture features 3. A more successful endeavour : a mere mutliplayer perceptron on hyper-spectral satellite images Conclusion Numéro de notice : 24266 Affiliation des auteurs : IGN (2020- ) Thématique : BIODIVERSITE/GEOMATIQUE/INFORMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Geo-Ecology Research Group (GEco), at Oslo’s Natural History Museum (NHM) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103901

Combination of Terrestrial Laser Scanning and Unmanned Aerial Vehicle Photogrammetry for Heritage Building Information Modeling: A Case Study of Tarsus St. Paul Church / Şafak Fidan in Photogrammetric Engineering & Remote Sensing, PERS, vol 89 n° 12 (December 2023)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 89 n° 12 (December 2023) . - pp 753 - 760 Titre : Combination of Terrestrial Laser Scanning and Unmanned Aerial Vehicle Photogrammetry for Heritage Building Information Modeling: A Case Study of Tarsus St. Paul Church Type de document : Article/Communication Auteurs : Şafak Fidan, Auteur ; Ulvi Ali, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 753 - 760 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] église [Termes IGN] image captée par drone [Termes IGN] modèle numérique [Termes IGN] patrimoine archéologique [Termes IGN] patrimoine immobilier Résumé : (auteur) Cultural heritage building information modeling (HBIM) is an emerging process allowing us to reconstruct built heritage virtually. The data of a digitally documented cultural heritage building offers significant advantages as it is accessible and modifiable by all professionals involved in the same or different projects. The most important factor affecting the accuracy and precision of the HBIM model is the ability to collect complete and accurate information about the physical structure. Combining terrestrial laser scanning (TLS) and unmanned aerial vehicle (UAV) photogrammetry point clouds is one of the most efficient ways to capture accurate digital data on the building. This study provides the foundation for creating an HBIM model for cultural heritage the coupling of spatial data with TLS and UAV. This paper aims to generate synergy between TLS and UAV point cloud data and ensure that the spatial database contains sufficient data to model historical objects with HBIM tendencies. Numéro de notice : A2023-238 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.23-00031R2 En ligne : https://doi.org/10.14358/PERS.23-00031R2 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103599 [article]

Detailed cultural heritage recording produced with traditional methods and laser scanning / Ljubo Lah in Geodetski vestnik, vol 67 n° 4 (December 2023)  

Public [article]  inGeodetski vestnik > vol 67 n° 4 (December 2023) . - pp 442 - 458 Titre : Detailed cultural heritage recording produced with traditional methods and laser scanning Type de document : Article/Communication Auteurs : Ljubo Lah, Auteur ; Alain Guerreau, Auteur ; Mojca K. Fras, Auteur ; Tilen Urbančič, Auteur Année de publication : 2023 Article en page(s) : pp 442 - 458 Note générale : bibliographie Langues : Anglais (eng) Slovène (slv) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] analyse de données [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] église [Termes IGN] matrice orthogonale [Termes IGN] patrimoine culturel [Termes IGN] topométrie de précision Résumé : (auteur) Traditional measurement methods are still widely used for recording cultural heritage objects. On the other hand, geodetic surveying and modern technologies such as 3D laser scanning can provide more accurate, geometrically consistent and extremely detailed data that can be used as a basis for detailed vector maps or 3D models. The main aim of our research was to investigate the complementary approach, using both traditional and modern methods, in order to produce detailed vector maps of the Romanesque church of St. Martin in Chapaize, France, which are essential for further unveiling its historic development. Geometrically, this church is rather extensive and has many irregularities in its shape. Our approach to the documentation process is presented and evaluated in this paper. We applied the Procrustes analysis for the ground floor map, which gave us an objective accuracy assessment. Point clouds of the bell tower acquired by two different laser instruments have also been compared. Numéro de notice : A2023-240 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE/POSITIONNEMENT Nature : Article DOI : 10.15292/geodetski-vestnik.2023.04.442-458 Date de publication en ligne : 01/12/2023 En ligne : https://dx.doi.org/10.15292/geodetski-vestnik.2023.04.442-458 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103603 [article]

Assuring the quality of VGI on land use and land cover: experiences and learnings from the LandSense project / Giles M. Foody in Geo-spatial Information Science, vol 26 n° inconnu ([01/08/2023])  

Public [article]  inGeo-spatial Information Science > vol 26 n° inconnu [01/08/2023] . - n° 2100285 Titre : Assuring the quality of VGI on land use and land cover: experiences and learnings from the LandSense project Type de document : Article/Communication Auteurs : Giles M. Foody, Auteur ; Gavin Long, Auteur ; Michael Schultz, Auteur ; Ana-Maria Olteanu-Raimond , Auteur Année de publication : 2023 Projets : Landsense / Raimond, Ana-Maria Article en page(s) : n° 2100285 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] assurance qualité [Termes IGN] données localisées des bénévoles [Termes IGN] occupation du sol [Termes IGN] qualité des données [Termes IGN] utilisation du sol Résumé : (auteur) The potential of citizens as a source of geographical information has been recognized for many years. Such activity has grown recently due to the proliferation of inexpensive location aware devices and an ability to share data over the internet. Recently, a series of major projects, often cast as citizen observatories, have helped explore and develop this potential for a wide range of applications. Here, some of the experiences and learnings gained from part of one such project, which aimed to further the role of citizen science within Earth observation and help address environmental challenges, LandSense, are shared. The key focus is on quality assurance of citizen generated data on land use and land cover especially to support analyses of remotely sensed data and products. Particular focus is directed to quality assurance checks on photographic image quality, privacy, polygon overlap, positional accuracy and offset, contributor agreement, and categorical accuracy. The discussion aims to provide good practice advice to aid future studies and help fulfil the full potential of citizens as a source of volunteered geographical information (VGI). Numéro de notice : A2023-081 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10095020.2022.2100285 Date de publication en ligne : 21/07/2022 En ligne : https://doi.org/10.1080/10095020.2022.2100285 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101337 [article]

Automated extraction and validation of Stone Pine (Pinus pinea L.) trees from UAV-based digital surface models / Asli Ozdarici-Ok in Geo-spatial Information Science, vol 26 n° inconnu ([01/08/2023])  

Public [article]  inGeo-spatial Information Science > vol 26 n° inconnu [01/08/2023] Titre : Automated extraction and validation of Stone Pine (Pinus pinea L.) trees from UAV-based digital surface models Type de document : Article/Communication Auteurs : Asli Ozdarici-Ok, Auteur ; Ali Ozgun Ok, Auteur ; et al., Auteur Année de publication : 2023 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image captée par drone [Termes IGN] modèle numérique de surface [Termes IGN] Pinus pinea [Termes IGN] semis de points [Termes IGN] Turquie Résumé : (auteur) Stone Pine (Pinus pinea L.) is currently the pine species with the highest commercial value with edible seeds. In this respect, this study introduces a new methodology for extracting Stone Pine trees from Digital Surface Models (DSMs) generated through an Unmanned Aerial Vehicle (UAV) mission. We developed a novel enhanced probability map of local maxima that facilitates the computation of the orientation symmetry by means of new probabilistic local minima information. Four test sites are used to evaluate our automated framework within one of the most important Stone Pine forest areas in Antalya, Turkey. A Hand-held Mobile Laser Scanner (HMLS) was utilized to collect the reference point cloud dataset. Our findings confirm that the proposed methodology, which uses a single DSM as an input, secures overall pixel-based and object-based F1-scores of 88.3% and 97.7%, respectively. The overall median Euclidean distance revealed between the automatically extracted stem locations and the manually extracted ones is computed to be 36 cm (less than 4 pixels), demonstrating the effectiveness and robustness of the proposed methodology. Finally, the comparison with the state-of-the-art reveals that the outcomes of the proposed methodology outperform the results of six previous studies in this context. Numéro de notice : A2022-620 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10095020.2022.2090864 Date de publication en ligne : 21/07/2022 En ligne : https://doi.org/10.1080/10095020.2022.2090864 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101364 [article]

Quality assessment of volunteered geographic information for outdoor activities: an analysis of OpenStreetMap data for names of peaks in Japan / Jun Yamashita in Geo-spatial Information Science, vol 26 n° inconnu ([01/08/2023])  

Permalink

Detecting spatiotemporal propagation patterns of traffic congestion from fine-grained vehicle trajectory data / Haoyi Xiong in International journal of geographical information science IJGIS, vol 37 n° 5 (May 2023)  

Permalink

Integrating topographic knowledge into point cloud simplification for terrain modelling / Jun Chen in International journal of geographical information science IJGIS, vol 37 n° 5 (May 2023)  

Permalink

La cartographie du relief : Une gageure technique et des solutions / Laurent Polidori in Géomètre, n° 2212 (avril 2023)

Permalink

Impacts of forest management on stand and landscape-level microclimate heterogeneity of European beech forests / Joscha H. Menge in Landscape ecology, vol 38 n° 4 (April 2023)  

Permalink

Point cloud registration for LiDAR and photogrammetric data: A critical synthesis and performance analysis on classic and deep learning algorithms / Ningli Xu in ISPRS Open Journal of Photogrammetry and Remote Sensing, vol 8 (April 2023)  

Permalink

Towards global scale segmentation with OpenStreetMap and remote sensing / Munazza Usmani in ISPRS Open Journal of Photogrammetry and Remote Sensing, vol 8 (April 2023)  

Permalink

Analyse des performances de levers LiDAR via l’iPad Pro en vue de la réalisation de plans d’intérieurs et de maquettes numériques de bâtiments / Pauline Chardon in XYZ, n° 174 (mars 2023)

Permalink

Assessing the cognition of movement trajectory visualizations: interpreting speed and direction / Crystal J. Bae in Cartography and Geographic Information Science, Vol 50 n° 2 (March 2023)  

Permalink

IGN : les communs d’utilité publique / Jean-Pierre Maillard in XYZ, n° 174 (mars 2023)

Permalink