Descripteur
Documents disponibles dans cette catégorie (3088)
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
Mapping seasonal agricultural land use types using deep learning on Sentinel-2 image time series / Misganu Debella-Gilo in Remote sensing, Vol 13 n° 2 (January-2 2021)
[article]
Titre : Mapping seasonal agricultural land use types using deep learning on Sentinel-2 image time series Type de document : Article/Communication Auteurs : Misganu Debella-Gilo, Auteur ; Arnt Kristian Gjertsen, Auteur Année de publication : 2021 Article en page(s) : n° 289 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] carte agricole
[Termes IGN] carte d'utilisation du sol
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] image Sentinel-MSI
[Termes IGN] Norvège
[Termes IGN] série temporelle
[Termes IGN] Soil Adjusted Vegetation Index
[Termes IGN] surface cultivée
[Termes IGN] utilisation du sol
[Termes IGN] variation saisonnièreRésumé : (auteur) The size and location of agricultural fields that are in active use and the type of use during the growing season are among the vital information that is needed for the careful planning and forecasting of agricultural production at national and regional scales. In areas where such data are not readily available, an independent seasonal monitoring method is needed. Remote sensing is a widely used tool to map land use types, although there are some limitations that can partly be circumvented by using, among others, multiple observations, careful feature selection and appropriate analysis methods. Here, we used Sentinel-2 satellite image time series (SITS) over the land area of Norway to map three agricultural land use classes: cereal crops, fodder crops (grass) and unused areas. The Multilayer Perceptron (MLP) and two variants of the Convolutional Neural Network (CNN), are implemented on SITS data of four different temporal resolutions. These enabled us to compare twelve model-dataset combinations to identify the model-dataset combination that results in the most accurate predictions. The CNN is implemented in the spectral and temporal dimensions instead of the conventional spatial dimension. Rather than using existing deep learning architectures, an autotuning procedure is implemented so that the model hyperparameters are empirically optimized during the training. The results obtained on held-out test data show that up to 94% overall accuracy and 90% Cohen’s Kappa can be obtained when the 2D CNN is applied on the SITS data with a temporal resolution of 7 days. This is closely followed by the 1D CNN on the same dataset. However, the latter performs better than the former in predicting data outside the training set. It is further observed that cereal is predicted with the highest accuracy, followed by grass. Predicting the unused areas has been found to be difficult as there is no distinct surface condition that is common for all unused areas. Numéro de notice : A2021-198 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/rs13020289 Date de publication en ligne : 15/01/2021 En ligne : https://doi.org/10.3390/rs13020289 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97149
in Remote sensing > Vol 13 n° 2 (January-2 2021) . - n° 289[article]Using Sentinel-2 images to estimate topography, tidal-stage lags and exposure periods over large intertidal areas / José P. Granadeiro in Remote sensing, Vol 13 n° 2 (January-2 2021)
[article]
Titre : Using Sentinel-2 images to estimate topography, tidal-stage lags and exposure periods over large intertidal areas Type de document : Article/Communication Auteurs : José P. Granadeiro, Auteur ; João Belo, Auteur ; Mohamed Henriques, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 320 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bathymétrie
[Termes IGN] carte bathymétrique
[Termes IGN] écosystème
[Termes IGN] estran
[Termes IGN] Guinée-Bissao
[Termes IGN] habitat (nature)
[Termes IGN] image Sentinel-MSI
[Termes IGN] modèle numérique de surface
[Termes IGN] régression logistique
[Termes IGN] topographie localeRésumé : (auteur) Intertidal areas provide key ecosystem services but are declining worldwide. Digital elevation models (DEMs) are important tools to monitor the evolution of such areas. In this study, we aim at (i) estimating the intertidal topography based on an established pixel-wise algorithm, from Sentinel-2 MultiSpectral Instrument scenes, (ii) implementing a set of procedures to improve the quality of such estimation, and (iii) estimating the exposure period of the intertidal area of the Bijagós Archipelago, Guinea-Bissau. We first propose a four-parameter logistic regression to estimate intertidal topography. Afterwards, we develop a novel method to estimate tide-stage lags in the area covered by a Sentinel-2 scene to correct for geographical bias in topographic estimation resulting from differences in water height within each image. Our method searches for the minimum differences in height estimates obtained from rising and ebbing tides separately, enabling the estimation of cotidal lines. Tidal-stage differences estimated closely matched those published by official authorities. We re-estimated pixel heights from which we produced a model of intertidal exposure period. We obtained a high correlation between predicted and in-situ measurements of exposure period. We highlight the importance of remote sensing to deliver large-scale intertidal DEM and tide-stage data, with relevance for coastal safety, ecology and biodiversity conservation. Numéro de notice : A2021-197 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/IMAGERIE Nature : Article DOI : 10.3390/rs13020320 Date de publication en ligne : 19/01/2021 En ligne : https://doi.org/10.3390/rs13020320 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97148
in Remote sensing > Vol 13 n° 2 (January-2 2021) . - n° 320[article]
Titre : L’Alpe d’Huez: A benchmark for topographic map generalisation Type de document : Article/Communication Auteurs : Guillaume Touya , Auteur Editeur : International Cartographic Association ICA - Association cartographique internationale ACI Année de publication : 2021 Conférence : ICA 2021, 24th ICA Workshop on Map Generalisation and Multiple Representation 13/12/2021 13/12/2021 Florence Italie OA Proceedings Importance : 2 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Termes IGN] bâtiment
[Termes IGN] CartAGen (plateforme de généralisation)
[Termes IGN] carte topographique
[Termes IGN] généralisation cartographique
[Termes IGN] Institut national de l'information géographique et forestière (France)
[Termes IGN] test de performance
[Vedettes matières IGN] GénéralisationRésumé : (auteur) L’Alpe d’Huez is a ski resort in the French Alps, and it is also famous among cyclists for the number of bends in the road to the ski resort. It is a good location to evaluate the capabilities of map generalisation tools, as the surroundings contain urban, rural and mountainous areas, and it was chosen 15 years ago as one of the four datasets to benchmark map generalisation software (Stoter et al., 2009). The EuroSDR benchmark used data from IGN France, the French National Mapping Agency (NMA). At that time, open science policies were not popular in NMAs, but now they release their dataset with open licenses, so it is a good opportunity to create an open benchmark for topographic map generalisation. Numéro de notice : C2021-065 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans En ligne : https://hal.science/hal-03522475/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99524 Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond / Yawogan Gbodjo (2021)
Titre : Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond Type de document : Thèse/HDR Auteurs : Yawogan Gbodjo, Auteur ; Dino Lenco, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Importance : 165 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse soutenue pour obtenir le grade de Docteur en Informatique de l'Université de MontpellierLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] classification dirigée
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] image PlanetScope
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] indice de végétation
[Termes IGN] occupation du sol
[Termes IGN] production agricole
[Termes IGN] rendement agricole
[Termes IGN] série temporelle
[Termes IGN] surface cultivéeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les systèmes de suivi des cultures jouent un rôle essentiel dans l'évaluation de la production agricole dans le monde. De nos jours, la disponibilité de plusieurs sources d'information satellitaire à large échelle, à haute résolution spatiale et à forte répétitivité temporelle, conjointe à l'essor des techniques d'apprentissage profond, offrent de nouvelles perspectives aux systèmes de suivi des cultures pour l'évaluation de la production agricole. Dans cette thèse, nous explorons des pistes méthodologiques pour améliorer le suivi de la production agricole à partir de la télédétection multi-source et des techniques d'apprentissage profond. Nous proposons deux méthodes pour caractériser l'occupation du sol et identifier les surfaces cultivées. La première approche est basée sur des réseaux de neurones récurrents équipés de mécanismes d'attention, employant des séries temporelles multi-sources radar et optique ainsi que des connaissances spécifiques de domaine. La seconde approche repose sur des réseaux de neurones convolutifs et explore davantage la combinaison multi-source et surtout multi-échelle grâce à l'intégration d'une source optique à très haute résolution spatiale. Nous évaluons ces méthodes à des échelles territoriale et locale en ayant systématiquement un regard croisé sur des sites d'études contrastés en agriculture conventionnelle et petite agriculture familiale. Nous menons également un travail d'investigation sur l'estimation et la prévision des rendements des surfaces cultivées, à l'échelle locale de la petite agriculture familiale en employant des séries temporelles multi-sources radar et optique. Dans ce contexte en outre limité par la disponibilité de données de référence, nous évaluons le potentiel de méthodes d'apprentissage profond par rapport à des approches traditionnellement utilisées. Globalement, l'évaluation des approches proposées pour identifier les surfaces cultivées montre que les techniques d'apprentissage profond semblent mieux adaptées que les méthodes traditionnelles d'apprentissage automatique pour tirer parti de la complémentarité des données multi-sources, multi-temporelles et multi-échelles à mesure qu'il y ait une quantité suffisante de données pour leur entraînement supervisé. Le travail d'investigation réalisé pour l'estimation et la prévision des rendements n'a par contre pas révélé de plus-value manifeste dans l'emploi de ces méthodes. Dans ce dernier cas, le contexte limité en données d'entraînement semble en être la principale explication. Note de contenu : Introduction
1- Télédétection et apprentissage automatique
2- Sites d’étude et données utilisées
3- Caractérisation de l’occupation du sol
4- Suivi des rendements en petite agriculture familiale
Conclusion et PerspectivesNuméro de notice : 15240 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Montpellier : 2021 Organisme de stage : TETIS DOI : sans En ligne : https://tel.hal.science/tel-03589421/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100474 Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images / Théo Mesure (2021)
Titre : Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images : Quelles possibilités d’automatisation ? Type de document : Mémoire Auteurs : Théo Mesure, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 63 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse diachronique
[Termes IGN] automatisation
[Termes IGN] calcaire
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification orientée objet
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] espèce végétale
[Termes IGN] géoréférencement indirect
[Termes IGN] image aérienne
[Termes IGN] Moselle (57)
[Termes IGN] Orfeo Tool Box
[Termes IGN] pelouse
[Termes IGN] protection de la biodiversitéIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’analyse fine et régulière des pelouses calcaires est un enjeu majeur dans le cadre des missions de gestion et de suivi scientifique du Conservatoire d’Espaces Naturels de Lorraine. Les pelouses sont des milieux semi-naturels, soumis à des dynamiques d’embroussaillement fortes et rapides si elles ne sont pas gérées régulièrement. A l’heure actuelle, le suivi de cette dynamique au Conservatoire se fait par analyse diachronique des photos aériennes mises à disposition. Cette analyse est complétée par une cartographie de terrain. Réalisée à la main, cette méthode est pour l’heure assez chronophage. Les travaux effectués au cours de ce stage se positionnent donc dans la continuité de ces études. Au vu des moyens technologiques actuels, le Conservatoire s’interroge sur la possibilité d’automatiser les cartographies d’occupation du sol, afin d’évaluer l’embroussaillement sur ses différents sites. Pour répondre à cette problématique, deux méthodes de classification supervisée ont été développées. Elles suivent le même principe et ne différent que par les données qu’on leur fournie. La première traite des images disposant de canal proche-infrarouge, tandis que la deuxième méthode se concentre elle sur les images ne disposant que du spectre visible. Pour procéder à la classification, les images sont segmentées grâce à l’algorithme de ligne de partage des eaux. On extrait aussi un certain nombre d’informations, directes ou dérivées, de ces images. Les attributs calculés ici, ont été déterminés pour fournir les meilleurs résultats sur la détection des pelouses calcaires. Enfin les segments créés sont donnés au classifieur RandomForest, afin qu’il les ordonne selon un ensemble de classes définies au préalable. Avec les méthodes développées, le classifieur parvient à trouver entre 80% et 90% de vrai positifs pour le type d’arbuste ou de pelouse, selon les années et les données en entrée. Des pistes d’amélioration ont aussi été explorées, telles que l’ajout de données externes ou le lissage de carte. Le deuxième objectif de ce stage était de pouvoir transmettre les méthodes de classification développées au plus grand nombre. Pour cela, des manuels utilisateurs ont été écrits, détaillant chacune des étapes nécessaires. Ces manuels donnent aussi les clefs de compréhension nécessaires à l’analyse des résultats et des attributs produits. A l’issu de ce stage, les perspectives sont nombreuses. Une telle méthodologie offre la possibilité d’un suivi plus régulier et détaillé des sites du Conservatoire. L’utilisation d’une méthode de classification orientée-objet, permet de prendre en compte le travail des experts sur le terrain, ainsi que d’intégrer plus facilement ces données au classifieur. Un travail sur les classes est aussi envisageable : en dehors du bâti, une simplification des classes de végétation est possible, et permettrait de faciliter le travail sur les images anciennes. Pour les images actuelles, un travail sur la nomenclature pourrait être utile pour améliorer le niveau de détail de la carte. En s’appliquant par exemple à différencier arbustes bas, pelouse non-gérée et pelouse non-gérée mitée (i.e avec un début d’embroussaillement). Enfin la faible configuration machine requise, permet d’imaginer des utilisations par un nombre plus grand d’acteurs. Note de contenu : Introduction
1. Contexte et présentation du stage
1.1 Présentation de la structure
1.2 Enjeux et objectifs
1.3 Présentation des sites
1.4 Déroulement et organisation du stage
1.5 Données à disposition
2. Recherches effectuées et principe de la méthode
2.1 Recherche des outils
2.2 Principe de fonctionnement
3. Description et création des attributs et des segments
3.1 Attributs spectraux
3.2 Attributs de texture
3.3 Attributs géométriques
3.4 Création des segments
3.5 Création de statistiques
4. Classifieur utilisé
4.1 SVM et RandomForest
4.2 Arbre de décision
4.3 Construction et fonctionnement du RandomForest
4.4 Jeu d’entraînement, jeu de validation
5. Résultats
5.1 Classes retenues
5.2 Cartes d’occupation du sol, images récentes
5.3 Cartes d’occupation du sol, images anciennes
5.4 Evaluation détaillée du classifieur
5.5 Statistiques d’occupation du sol
6. Limites et améliorations
6.1 Limites de la méthode
6.2 Limites de la nomenclature
6.3 Limites sur le panchromatique
6.4 Limites sur le RVB ancien
6.5 Limites sur l’évaluation du classifieur
6.6 Limites sur le géoréférencement
6.7 Améliorations possibles
7. Mise à disposition pour les utilisateurs du CENL
7.1 Outils utilisés pour automatiser
7.2 Rédaction et contenu des manuels
7.3 Limites
ConclusionNuméro de notice : 26620 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Conservatoire des Espaces Naturels de Lorraine CENL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98584 Documents numériques
peut être téléchargé
Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images - pdf auteurAdobe Acrobat PDF Analyse spatio-temporaire des dégradations et évolution des forêts par télédétection : cas du Parc National de Theniet El Had (Algérie) / Faouzi Berrichi in Bulletin des sciences géographiques, n° 32 (2019 - 2021)PermalinkAnalysing 18th century hydrographic data: a campaign in the Bay of Biscay, 1750-1751 / Helen Mair Rawsthorne (2021)PermalinkApplications of remote sensing data in mapping of forest growing stock and biomass / Jose Aranha (2021)PermalinkApport des données satellitaires Sentinel-1 et Sentinel-2 pour la détection des surfaces irriguées et l'estimation des besoins et des consommations en eau des cultures d'été dans les zones tempérées / Yann Pageot (2021)PermalinkApport de la modélisation physique pour la cartographie de la biodiversité végétale en forêts tropicales par télédétection optique / Dav Ebengo Mwampongo (2021)PermalinkApport de la photogrammétrie satellite pour la modélisation du manteau neigeux / César Deschamps-Berger (2021)PermalinkApport de la télédétection pour la simulation spatialisée des composantes du bilan carbone des cultures et des effets d'atténuation biogéochimiques et biogéophysiques des cultures intermédiaires / Gaétan Pique (2021)PermalinkApports des méthodes d'apprentissage profond pour la reconnaissance automatique des modes d'occupation des sols et d'objets par télédétection en milieu tropical / Guillaume Rousset (2021)PermalinkPermalinkPermalinkAssessing the interest of a multi-modal gap-filling strategy for monitoring changes in grassland parcels / Anatol Garioud (2021)PermalinkAssessment of combining convolutional neural networks and object based image analysis to land cover classification using Sentinel 2 satellite imagery (Tenes region, Algeria) / N. Zaabar (2021)PermalinkAutomated detection of lineaments express geological linear features of a tropical region using topographic fabric grain algorithm and the SRTM DEM / Samy Ismail Elmahdy in Geocarto international, vol 36 n° 1 ([01/01/2021])PermalinkBenchmarking of convolutional neural network approaches for vegetation land cover mapping / Benjamin Carpentier (2021)PermalinkPermalinkCartographies en mouvement : parcours sensible, narration et participation, ch. 10. Conception de cartes en relief pour les personnes déficientes visuelles / Gauthier Fillières-Riveau (2021)PermalinkCombining deep learning and mathematical morphology for historical map segmentation / Yizi Chen (2021)PermalinkPermalinkPermalinkPermalinkDevelopment and analysis of land-use/land-cover spatio-temporal metrics in urban environments: Exploring urban growth patterns and linkages to socio-economic factors / Marta Sapena Moll (2021)PermalinkDiurnal cycles of C-band temporal coherence and backscattering coefficient over an olive orchard in a semi-arid area: Comparison of in situ and Sentinel-1 radar observations / Adnane Chakir (2021)PermalinkDiurnal cycles of C-band temporal coherence and backscattering coefficient over a wheat field in a semi-arid area / Nadia Ouaadi (2021)PermalinkDrought propagation and its impact on groundwater hydrology of wetlands: a case study on the Doode Bemde nature reserve (Belgium) / Buruk Kitachew Wossenyeleh in Natural Hazards and Earth System Sciences, vol 21 n° 1 (January 2021)PermalinkPermalinkExamining the effectiveness of Sentinel-1 and 2 imagery for commercial forest species mapping / Mthembeni Mngadi in Geocarto international, vol 36 n° 1 ([01/01/2021])PermalinkExtraction of street pole-like objects based on plane filtering from mobile LiDAR data / Jingming Tu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)PermalinkFrom local to global: A transfer learning-based approach for mapping poplar plantations at national scale using Sentinel-2 / Yousra Hamrouni in ISPRS Journal of photogrammetry and remote sensing, vol 171 (January 2021)PermalinkGenerative adversarial networks to generalise urban areas in topographic maps / Azelle Courtial (2021)PermalinkPermalinkPermalinkPermalinkPermalinkA method of hydrographic survey technology selection based on the decision tree supervised learning / Ivana Golub Medvešek (2021)PermalinkMise en place d’une infrastructure de données spatiales sur le risque de piqures de tiques / Lilian Calas (2021)PermalinkModelling landslide hazards under global changes: the case of a Pyrenean valley / Séverine Bernardie in Natural Hazards and Earth System Sciences, vol 21 n° 1 (January 2021)PermalinkMulti-modal temporal attention models for crop mapping from satellite time series / Vivien Sainte Fare Garnot (2021)PermalinkParticiper à la construction de la base de données des toponymes maritimes du SHOM / Solenn Tual (2021)PermalinkProposition d’un référentiel de description et de détection de la végétation dans une agglomération / Mathilde Segaud (2021)PermalinkPermalinkRemotely-sensed rip current dynamics and morphological control in high-energy beach environments / Isaac Rodriguez Padilla (2021)PermalinkSemantic segmentation of sea ice type on Sentinel-1 SAR data using convolutional neural networks / Alissa Kouraeva (2021)PermalinkSpatial characterization and distribution modelling of Ensete ventricosum (wild and cultivated) in Ethiopia / Meron Awoke Eshetae in Geocarto international, vol 36 n° 1 ([01/01/2021])PermalinkSuivi de la rotation des cultures à partir de séries temporelles d’images satellite / Félix Quinton (2021)PermalinkSuivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision / Sami Beniaouf (2021)Permalink