Descripteur
Termes IGN > 1- Outils - instruments et méthodes > instrument > instrument de mesure > instrument de mesurage de distances > télémètre > distancemètre > télémètre laser > Lidar
LidarSynonyme(s)Radar optique light detection and ranging |
Documents disponibles dans cette catégorie (147)
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
Qualification des données LiDAR GEDI pour le suivi de l’impact climatique sur la forêt de Südharz / Iris Jeuffrard (2021)
Titre : Qualification des données LiDAR GEDI pour le suivi de l’impact climatique sur la forêt de Südharz Type de document : Mémoire Auteurs : Iris Jeuffrard, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 51 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] Allemagne
[Termes IGN] analyse comparative
[Termes IGN] biomasse forestière
[Termes IGN] changement climatique
[Termes IGN] Coleoptera (ordre)
[Termes IGN] données de terrain
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] écosystème forestier
[Termes IGN] Global Ecosystem Dynamics Investigation lidar
[Termes IGN] image Sentinel-MSI
[Termes IGN] maladie phytosanitaire
[Termes IGN] modèle numérique de surface
[Termes IGN] Python (langage de programmation)
[Termes IGN] réalité de terrain
[Termes IGN] semis de points
[Termes IGN] surveillance forestière
[Termes IGN] Thuringe
[Termes IGN] visualisation 3DIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Le département de cartographie, SIG et télédétection de l’Institut de Géographie (appartenant à l’université Georg-August de Göttingen, Allemagne) se consacre au suivi du changement climatique et des écosystèmes terrestres. Bien que leurs projets de recherche concernent les dynamiques de toute la surface terrestre ainsi que les dimensions humaines du changement climatique, l’étude porte sur un écosystème forestier de la région de Südharz. Cette région appartenant au massif montagneux des Harz (centre-nord de l’Allemagne), autrefois sauvage et riche du point de vue écologique, est peuplée d’épicéas fortement impactés par le réchauffement climatique. Ils souffrent de l’infestation de Scolytes, un coléoptère ravageur profitant de l’affaiblissement des arbres par les sécheresses et du modèle de monoculture pour proliférer et décimer les arbres. Dans ce contexte, les équipes du département de cartographie, SIG et télédétection mettent à profit les outils SIG et de télédétection pour repérer et quantifier les zones atteintes afin d’aider les forestiers à gérer au mieux les écosystèmes. Jusqu’à présent les études reposent principalement sur les images Sentinel-2. Cependant le déploiement de la mission GEDI (The Global Ecosystem Dynamics Investigation) sur la Station Spatiale Internationale (ISS) en 2018 apporte de nouvelles perspectives. GEDI produit les premières observations de télémétrie laser à haute résolution de la structure 3D de la Terre : des mesures précises de la hauteur et de la structure verticale de la canopée ainsi que de l’élévation de la surface. Ces données verticales dont on ne dispose pas avec les images satellites traditionnelles, améliorent considérablement la caractérisation de la biodiversité. Les données GEDI ne sont pas encore utilisées par l’équipe, mais peuvent constituer un réel nid d’information pour de futures recherches. L’objectif est donc d’évaluer leur précision et leur intérêt pour le suivi des milieux forestiers. Pour cela les données GEDI Level 2B (Canopy Cover and Vertical Profile Metrics product) de la zone de Südharz de l’été 2019 et de l’été 2020 sont téléchargées, traitées et visualisées dans un SIG ou via des scripts Python. Les attributs GEDI d’évaluation de la biomasse (PAI, Cover, rh100, FHD) sont comparés à des données terrain fournies par l’administration forestière de l’état de Thuringe (Thüringen) puis à des données Sentinel-2 et enfin à une vérité terrain effectuée durant le stage. Les résultats statistiques de corrélation ainsi que la comparaison des données entre 2019 et 2020 offrent une meilleure appréciation de la qualité et de la pertinence des données appliquées au suivi des écosystèmes. Note de contenu : Introduction
1. Données de la mission GEDI
1.1 Présentation de la mission GEDI
1.2 Présentation de la zone d’étude et des données GEDI utilisées
1.3 Préparation des données
2. Exploration des informations
2.1 Observation d’un granule GEDI
2.2 Analyse de corrélation des données GEDI compte tenu de données forestières
2.3 Corrélation des données GEDI et Sentinel-2
2.4 Corrélation des données GEDI et LiDAR aéroporté
3. Validation des données GEDI
3.1 Qualité du suivi temporel grâce aux données GEDI
3.2 Vérité terrain
3.3 Bilan et limites de cette étude
ConclusionNuméro de notice : 26606 Affiliation des auteurs : IGN (2020- ) Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Institut de Géographie (Université de Georg-August en Allemagne) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98508 Documents numériques
peut être téléchargé
Qualification des données LiDAR GEDI pour le suivi de l’impact climatique... - pdf auteurAdobe Acrobat PDF Remote sensing analysis of small scale dynamic phenomena in the atmospheric boundary layer / Kostas Cheliotis (2021)
Titre : Remote sensing analysis of small scale dynamic phenomena in the atmospheric boundary layer Type de document : Thèse/HDR Auteurs : Kostas Cheliotis, Auteur ; Hervé Delbarre, Auteur Editeur : Dunkerque : Université du Littoral-Côte-d'Opale Année de publication : 2021 Importance : 139 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade de Docteur de l’Université du Littoral Côte d’Opale, Mention : Physique, Spécialité : Milieux dilués et optiques fondamentalesLangues : Français (fre) Descripteur : [Vedettes matières IGN] Atmosphère
[Termes IGN] analyse discriminante
[Termes IGN] analyse texturale
[Termes IGN] balayage laser
[Termes IGN] classification dirigée
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] effet atmosphérique
[Termes IGN] lidar à effet Doppler
[Termes IGN] lidar atmosphérique
[Termes IGN] météorologie
[Termes IGN] ventIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The aim of this thesis project was to study the coherent turbulent structures (convective rolls & streaks) and more generally the medium to large fluctuations in the atmospheric boundary layer using the observations recorded by a single Doppler (wind) lidar during a 2-month campaign in Paris, France. An innovative method was developed in order to classify automatically the radial wind speed patterns visible on the quasi-horizontal lidar scans, based on texture analysis parameters and supervised machine learning algorithms. A 150-case training ensemble was built using ancillary data (satellite pictures and weather observations) to ascertain the manual classification into four types: rolls, thermals, streaks and “others”. The performance of the classification process was assessed on the training ensemble using the 10-fold cross-validation method. A very satisfying 9% error was obtained for the Quadratic Discriminant Analysis algorithm, using only 5 texture analysis parameters classifiers. This process was then applied to classify the whole dataset (4577 lidar scans) and the results showed that the classified structures respected a plausible diurnal cycle and were associated with the meteorological parameters as expected by the theoretical knowledge. The size of the coherent structures in the direction transverse to the mean wind were estimated from the wind spectrums on a four-day case study. They ranged from 400 to 800 m for the cases classified as streaks, and from 1.3 to 2.0 km for the cases classified as rolls. These results pave the way for future long-term studies providing statistical insight on the frequency of occurrence of the different structure types, their physical properties, and their impact on pollutants’ concentrations. Numéro de notice : 28616 Affiliation des auteurs : non IGN Nature : Thèse française Note de thèse : Thèse de Doctorat : Milieux dilués et optiques fondamentales : Côte d'Opale : France : 2021 Organisme de stage : Laboratoire de Physico-Chimie de l'Atmosphère DOI : sans En ligne : https://hal.science/tel-03259369/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99504 Remote sensing and GIS / Basudeb Bhatta (2021)
Titre : Remote sensing and GIS Type de document : Guide/Manuel Auteurs : Basudeb Bhatta, Auteur Mention d'édition : 3ème édition Editeur : Oxford, Londres, ... : Oxford University Press Année de publication : 2021 Importance : 752 p. Format : 24 x 18 cm ISBN/ISSN/EAN : 978-0-19-949664-8 Note générale : Bibliographie
additional reading material with Oxford arealLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection
[Termes IGN] acquisition d'images
[Termes IGN] airborne multispectral scanner
[Termes IGN] analyse spatiale
[Termes IGN] Global Navigation Satellite System
[Termes IGN] image hyperspectrale
[Termes IGN] image thermique
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] Lidar
[Termes IGN] modèle numérique de surface
[Termes IGN] modèle numérique de terrain
[Termes IGN] modélisation 3D
[Termes IGN] orthorectification
[Termes IGN] Passive and Active L and S band Sensor
[Termes IGN] photographie aérienne
[Termes IGN] Satellite Microwave Radiometer
[Termes IGN] scène 3D
[Termes IGN] stéréoscopie
[Termes IGN] système d'information géographique
[Termes IGN] traitement d'image
[Termes IGN] visualisation 3DIndex. décimale : 35.00 Télédétection - généralités Résumé : (Editeur) Beginning with the history and basic concepts of remote sensing and GIS, the book gives an exhaustive coverage of optical, thermal, and microwave remote sensing, global navigation satellite systems (such as GPS and IRNSS), digital photogrammetry, visual image analysis, digital image processing, spatial and attribute data model, geospatial analysis, and planning, implementation, and management of GIS. It also presents the modern trends of remote sensing and GIS with an illustrated discussion on its numerous applications. Note de contenu : 1. Concept of Remote Sensing
1.1 Introduction
1.2 Distance of Remote Sensing
1.3 Definition of Remote Sensing
1.4 Remote Sensing: Art and/or Science
1.5 Data
1.6 Remote Sensing Process
1.7 Source of Energy
1.8 Interaction with Atmosphere
1.9 Interaction with Target
1.9.1 Hemispherical Absorptance, Transmittance, and Reflectan
1.10 Interaction with the Atmosphere Again
1.11 Recording of Energy by Sensor
1.12 Transmission, Reception, and Processing
1.13 Interpretation and Analysis
1.14 Applications of Remote Sensing
1.15 Advantages of Remote Sensing
1.16 Limitations of Remote Sensing
1.17 Ideal Remote Sensing System
2. Types of Remote Sensing and Sensor Characteristics
2.1 Introduction
2.2 Types of Remote Sensing
2.3 Characteristics of Images
2.4 Orbital Characteristics of Satellite
2.5 Remote Sensing Satellites
2.6 Concept of Swath
2.7 Concept of Nadir
2.8 Sensor Resolutions
2.9 Image Referencing System
2.9.1 Path
2.9.2 Row
2.9.3 Orbital Calendar
3. History of Remote Sensing and Indian Space Program
3.1 Introduction
3.2 The Early Age
3.3 The Middle Age
3.4 The Modern Age or Space Age
3.5 Indian Space Program
4. Photographic Imaging
4.1 Introduction
4.2 Camera Systems
4.3 Types of Camera
4.4 Filter
4.5 Film
4.6 Geometry of Aerial Photography
4.7 Ideal Time and Atmosphere for Aerial Remote Sensing
5. Digital Imaging
5.1 Introduction
5.2 Digital Image
5.3 Sensor
5.4 Imaging by Scanning Technique
5.5 Hyper-spectral Imaging
5.6 Imaging By Non-scanning Technique
5.7 Thermal Remote Sensing
5.8 Other Sensors
6. Microwave Remote Sensing
6.1 Introduction
6.2 Passive Microwave Remote Sensing
6.3 Active Microwave Remote Sensing
6.4 Radar Imaging
6.5 Airborne Versus Space-Borne Radars
6.6 Radar Systems
7. Ground-truth Data and Global Positioning System
7.1 Introduction
7.2 Requirements of Ground-Truth Data
7.3 Instruments for Ground Truthing
7.4 Parameters of Ground Truthing
7.5 Factors of Spectral Measurement
7.6 Global Navigation Satellite System
8. Photogrammetry
8.1 Introduction
8.2 Development of Photogrammetry
8.3 Classification of Photogrammetry
8.4 Photogrammetric Process
8.5 Acquisition of Imagery and its Support Data
8.6 Orientation and Triangulation
8.7 Stereo Model Compilation
8.8 Stereoscopic 3D Viewing
8.9 Stereoscopic Measurement
8.10 DTM/DEM Generation
8.11 Contour Map Generation
8.12 Orthorectification
8.13 3D Feature Extraction
8.14 3D Scene Modelling
8.15 Photogrammetry and LiDAR
8.16 Radargrammetry and Radar Interferometry
8.17 Limitations of Photogrammetry
9. Visual Image Interpretation
9.1 Introduction
9.2 Information Extraction by Human and Computer
9.3 Remote Sensing Data Products
9.4 Border or Marginal Information
9.5 Image Interpretation
9.6 Elements of Visual Image Interpretation
9.7 Interpretation Keys
9.8 Generation of Thematic Maps
9.9 Thermal Image Interpretation
9.10 Radar Image Interpretation
10. Digital Image Processing
10.1 Introduction
10.2 Categorization of Image Processing
10.3 Image Processing Systems
10.4 Digital Image
10.5 Media for Digital Data Recording, Storage, and Distribution
10.6 Data Formats of Digital Image
10.7 Header Information
10.8 Display of Digital Image
10.9 Pre-processing
10.10 Image Enhancement
10.11 Image Transformation
10.12 Image Classification
11. Data Integration, Analysis, and Presentation
11.1 Introduction
11.2 Multi-approach of Remote Sensing
11.3 Integration with Ground Truth and Other Ancillary Data
11.4 Integration of Transformed Data
11.5 Integration with GIS
11.6 Process of Remote Sensing Data Analysis
11.7 The Level of Detail
11.8 Limitations of Remote Sensing Data Analysis
11.9 Presentation
12. Applications of Remote Sensing
12.1 Introduction
12.2 Land Cover and Land Use
12.3 Agriculture
12.4 Forestry
12.5 Geology
12.6 Geomorphology
12.7 Urban Applications
12.8 Hydrology
12.9 Mapping
12.10 Oceans and Coastal Monitoring
12.11 Monitoring of Atmospheric Constituents
PART II Geographic Information Systems and Geospatial Analysis
13. Concept of Geographic Information Systems
13.1 Introduction
13.2 Definitions of GIS
13.3 Key Components of GIS
13.4 GIS-An Integration of Spatial and Attribute Information
13.5 GIS-Three Views of Information System
13.6 GIS and Related Terms
13.7 GIS-A Knowledge Hub
13.8 GIS-A Set of Interrelated Subsystems
13.9 GIS-An Information Infrastructure
13.10 Origin of GIS
14. Functions and Advantages of GIS
14.1 Introduction
14.2 Functions of GIS
14.3 Application Areas of GIS
14.4 Advantages of GIS
14.5 Functional Requirements of GIS
14.6 Limitations of GIS
15. Spatial Data Model
15.1 Introduction
15.2 Spatial, Thematic, and Temporal Dimensions of Geographic Data
15.3 Spatial Entity and Object
15.4 Spatial Data Model
15.5 Raster Data Model
15.6 Vector Data Model
15.7 Raster versus Vector
15.8 Object-Oriented Data Model
15.9 File Formats of Spatial Data
16. Attribute Data Management and Metadata Concept
16.1 Introduction
16.2 Concept of Database and DBMS
16.3 Advantages of DBMS
16.4 Functions of DBMS
16.5 File and Data Access
16.6 Data Models
16.7 Database Models
16.8 Data Models in GIS
16.9 Concept of SQL
16.10 Concept of Metadata
17. Process of GIS
17.1 Introduction
17.2 Data Capture
17.3 Data Sources
17.4 Data Encoding Methods
17.5 Linking of Spatial and Attribute Data
17.6 Organizing Data for Analysis
18. Geospatial Analysis
18.1 Introduction
18.2 Geospatial Data Analysis
18.3 Integration and Modelling of Spatial Data
18.4 Geospatial Data Analysis Methods
18.5 Database Query
18.6 Geospatial Measurements
18.7 Overlay Operations
18.8 Network Analysis
18.9 Surface Analysis
18.10 Geostatistics
18.11 Geovisualization
19. Planning, Implementation, and Management of GIS
19.1 Introduction
19.2 Planning of Project
19.3 Implementation of Project
19.4 Management of Project
19.5 Keys for Successful GIS
19.6 Reasons for Unsuccessful GIS
20. Modern Trends of GIS
20.1 Introduction
20.2 Local to Global Concept in GIS
20.3 Increase in Dimensions in GIS
20.4 Linear to Non-linear Techniques in GIS
20.5 Development in Relation between Geometry and Algebra in GIS
20.6 Development of Common Techniques in GIS
20.7 Integration of GIS and Remote Sensing
20.8 Integration of GIS and Multimedia
20.9 3D GIS
20.9.1 Virtual Reality in GIS
20.10 Integration of 3D GIS and Web GIS
20.11 4D GIS and Real-time GIS
20.12 Mobile GIS
20.12.1 Mobile mapping
20.13 Collaborative GIS (CGIS)
21. Change Detection and Geosimulation
21.1 Visual change detection
21.2 Thresholding
21.3 Image difference
21.4 Image regression
21.5 Image ratioing
21.6 Vegetation index differencing
21.7 Principal component differencing
21.8 Multi-temporal image stock classification
21.9 Post classification comparison
21.10 Change vector analysis
21.12 Cellular automata simulation
21.13 Multi-agent simulation
21.14 ANN learning in simulation
Appendix A - Concept of Map, Coordinate System, and Projection
Appendix B - Concept on Mathematical TopicsNuméro de notice : 26518 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE/POSITIONNEMENT Nature : Manuel de cours DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97342 Télédétection synchronisée hyperspectrale et LiDAR à retour d’onde complet : application au suivi des littoraux sableux de la région Pays-de-la-Loire / Giovanni Frati (2021)
Titre : Télédétection synchronisée hyperspectrale et LiDAR à retour d’onde complet : application au suivi des littoraux sableux de la région Pays-de-la-Loire Type de document : Thèse/HDR Auteurs : Giovanni Frati, Auteur ; Patrick Launeau, Directeur de thèse ; Marc Robin, Directeur de thèse Editeur : Nantes : Université de Nantes Année de publication : 2021 Importance : 262 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université de Nantes, spécialité Sciences de la Terre et de l’environnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] correction géométrique
[Termes IGN] couvert végétal
[Termes IGN] données lidar
[Termes IGN] dune
[Termes IGN] image hyperspectrale
[Termes IGN] lidar à retour d'onde complète
[Termes IGN] littoral
[Termes IGN] Pays de la Loire
[Termes IGN] signal lidar
[Termes IGN] télédétection aérienneIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La télédétection aéroportée permet un suivi très précis de la dynamique des cordons dunaires. Ces derniers jouent en autre un rôle de protection des zones rétro-littorales contre les risques de submersions marines. Dans le cadre du suivi des côtes sableuses des Pays-de-la-Loire, deux paramètres essentiels sont analysés : 1) la morphologie, donnant accès aux stocks et mouvements sédimentaires, et 2) le couvert de végétal, permettant d’évaluer les degrés de stabilité des cordons dunaires. Les morphologies des dunes et de leurs couvertures végétales sont étudiées par télémétrie laser (LiDAR) et leurs compositions chimiques et pigmentaires sont obtenues par imagerie hyperspectrale (HSI). Les données LiDAR à retour d’onde complet et hyperspectrales sont acquises via un avion bi-trappes. Le balayage latéral (whiskbroom) du faisceau laser à 1064 nm est synchronisé avec le balayage frontal (pushbroom) de la caméra. La typologie des dunes est déterminée par l’emploi de classifications hiérarchisées des images hyperspectrales, se basant sur les propriétés spectrales des couverts végétaux. La cartographie d’Ammophila arenaria (oyat), proxy de stabilisation de la dune blanche, est cependant parfois rendue difficile par sa proximité avec les signatures spectrales d’autres plantes ainsi que par sa forte variabilité d’états phénologiques d’une année à l’autre. La télémétrie laser des sols n’est possible que lorsque ceuxci peuvent être atteints, ce que ne permettent pas les groupement d’oyat, du fait de la densité de leur composante foliaire. L’analyse du retour d’onde complet montre cependant que la structure du feuillage induit une déformation caractéristique permettant d’identifier l’oyat parmi toute les autres plantes de la dune. Celle-ci peut alors être utilisée pour corriger l’erreur de détermination de la topographie des dunes. Note de contenu : 1- Introduction
2- Contexte géomorphologique
3- Etat de l'art de la télédétection
4- Développements méthodologiques
5- Application au suivi d'un cordon dunaire
6- Mise en évidence et caractérisation de la dynamique dunaire
7- Caractérisation du proxy oyat de la dynamique dunaire
8- Conclusion généraleNuméro de notice : 28634 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l’environnement : Nantes : 2021 Organisme de stage : Laboratoire de Planétologie et Géodynamique DOI : sans En ligne : http://www.theses.fr/2021NANT4060 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99645 Unit-level small area estimation of forest inventory with GEDI auxiliary information / Shaohui Zhang (2021)
Titre : Unit-level small area estimation of forest inventory with GEDI auxiliary information Type de document : Article/Communication Auteurs : Shaohui Zhang, Auteur ; Cédric Vega , Auteur ; Olivier Bouriaud , Auteur ; Sylvie Durrieu, Auteur ; Jean-Pierre Renaud , Auteur Editeur : Vienne [Autriche] : Technische Universität Wien Année de publication : 2021 Collection : Geowissenschaftliche Mitteilungen, ISSN 1811-8380 num. 104 Projets : 1-Pas de projet / Conférence : SilviLaser 2021, 17th conference on Lidar Applications for Assessing and Managing Forest Ecosystems 28/09/2021 30/09/2021 Vienne + online Autriche open access proceedings Importance : pp 136 - 138 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] aire naturelle (écologie)
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] Global Ecosystem Dynamics Investigation lidar
[Termes IGN] inventaire forestier national (données France)
[Termes IGN] patrimoine naturelRésumé : (auteur) National Forest Inventories (NFIs) play an important role in understanding the state of forests at the national and regional levels. Forest inventory for small territorial areas, such as municipalities, is also important for decision-makers. However, information is relatively limited at this level. As a result, developing small area estimation (SAE) approaches has gained increasing popularity in the field of forest inventory. It enables prediction of forest attributes for sub-populations using regression models based on auxiliary data commonly derived from remote sensing techniques over an area of interest (AOI). It has been reported that SAE can improve the precision of forest inventory without increasing costs (Mandallaz, Breschan and Hill 2013) and may produce reliable predictions of forest attributes locally, even when field plots are not available (Rao 2014). Tomppo (2006) is a pioneer in the use of auxiliary data for multisource forest inventory. Previously, common sources of auxiliary data often came from satellite-based imagery (McRoberts et al. 2007), digital aerial photogrammetry (Breidenbach et al. 2018), and airborne laser scanning (Magnussen et al. 2014). NASA’s newly-launched Global Ecosystem Dynamics Investigation (GEDI) is a full waveform LiDAR instrument aboard the International Space Station (ISS). Its products consist of footprint measurements projected to cover 4% of the global land surface by the end of its mission (Dubayah et al. 2020). This will provide an unprecedented opportunity to systematically collect samples of forest information that can be used in SAE on a large scale. The objective of this study is to explore the possibility of using GEDI auxiliary data to improve the accuracy of forest inventory for a large natural area in central France (Sologne), as well as for smaller sub-areas defined by French administrative boundaries (departments). The results will then be compared against estimates obtained from simple random sampling (SRS), to assess the efficiency of the auxiliary data. Numéro de notice : C2021-062 Affiliation des auteurs : LIF+Ext (2020- ) Thématique : FORET/IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.34726/wim.1941 Date de publication en ligne : 01/12/2021 En ligne : https://doi.org/10.34726/wim.1941 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99383 Unit-level small area estimation of forest inventory with GEDI auxiliary information in France / Shaohui Zhang (2021)PermalinkFiltering of airborne LiDAR bathymetry based on bidirectional cloth simulation / Anxiu Yang in ISPRS Journal of photogrammetry and remote sensing, vol 163 (May 2020)PermalinkAssessment of salt marsh change on Assateague Island National Seashore between 1962 and 2016 / Anthony Campbell in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 3 (March 2020)PermalinkHierarchical classification of pole‐like objects in mobile laser scanning point clouds / Rufei Liu in Photogrammetric record, vol 35 n° 169 (March 2020)PermalinkAutomated extraction of lane markings from mobile LiDAR point clouds based on fuzzy inference / Heidar Rastiveis in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)PermalinkRelevés par Lidar mobile de cours d’eau et intégration des profils aux relevés bathymétriques réalisés par sondeur mono-faisceau / Guillaume Didier (2020)PermalinksUAS-based remote rensing of river discharge using thermal particle image velocimetry and bathymetric lidar / Paul J. Kinzel in Remote sensing, vol 11 n° 19 (October-1 2019)PermalinkQuarante ans après ! Equipements et méthodes en topographie / Paul Courbon in XYZ, n° 160 (septembre 2019)PermalinkTotal Vertical Uncertainty (TVU) modeling for topo-bathymetric LIDAR systems / Firat Eren in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 8 (August 2019)PermalinkAnalysis of the usability of mobile laser scanning data in snowy conditions / Mathilde Letard (2019)Permalink