Centre de documentation
scientifique

Improvement in crop mapping from satellite image time series by effectively supervising deep neural networks / Sina Mohammadi in ISPRS Journal of photogrammetry and remote sensing, vol 198 (April 2023)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 198 (April 2023) . - pp 272 - 283 Titre : Improvement in crop mapping from satellite image time series by effectively supervising deep neural networks Type de document : Article/Communication Auteurs : Sina Mohammadi, Auteur ; Mariana Belgiu, Auteur ; Alfred Stein, Auteur Année de publication : 2023 Article en page(s) : pp 272 - 283 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage dirigé [Termes IGN] apprentissage profond [Termes IGN] carte de la végétation [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] classification par réseau neuronal récurrent [Termes IGN] cultures [Termes IGN] image Landsat-ETM+ [Termes IGN] image Landsat-OLI [Termes IGN] Normalized Difference Vegetation Index [Termes IGN] série temporelle Résumé : (auteur) Deep learning methods have achieved promising results in crop mapping using satellite image time series. A challenge still remains on how to better learn discriminative feature representations to detect crop types when the model is applied to unseen data. To address this challenge and reveal the importance of proper supervision of deep neural networks in improving performance, we propose to supervise intermediate layers of a designed 3D Fully Convolutional Neural Network (FCN) by employing two middle supervision methods: Cross-entropy loss Middle Supervision (CE-MidS) and a novel middle supervision method, namely Supervised Contrastive loss Middle Supervision (SupCon-MidS). This method pulls together features belonging to the same class in embedding space, while pushing apart features from different classes. We demonstrate that SupCon-MidS enhances feature discrimination and clustering throughout the network, thereby improving the network performance. In addition, we employ two output supervision methods, namely F1 loss and Intersection Over Union (IOU) loss. Our experiments on identifying corn, soybean, and the class Other from Landsat image time series in the U.S. corn belt show that the best set-up of our method, namely IOU+SupCon-MidS, is able to outperform the state-of-the-art methods by scores of 3.5% and 0.5% on average when testing its accuracy across a different year (local test) and different regions (spatial test), respectively. Further, adding SupCon-MidS to the output supervision methods improves scores by 1.2% and 7.6% on average in local and spatial tests, respectively. We conclude that proper supervision of deep neural networks plays a significant role in improving crop mapping performance. The code and data are available at: https://github.com/Sina-Mohammadi/CropSupervision. Numéro de notice : A2023-203 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.isprsjprs.2023.03.007 Date de publication en ligne : 29/03/2023 En ligne : https://doi.org/10.1016/j.isprsjprs.2023.03.007 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103105 [article]

An experiment on the role of participatory GIS in the adjudication process of customary lands / Kwabena Asiama in Survey review, vol 55 n° 389 (March 2023)  

Public [article]  inSurvey review > vol 55 n° 389 (March 2023) . - pp 178 - 191 Titre : An experiment on the role of participatory GIS in the adjudication process of customary lands Type de document : Article/Communication Auteurs : Kwabena Asiama, Auteur ; Anthony Arko-Adjei, Auteur Année de publication : 2023 Article en page(s) : pp 178 - 191 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique [Termes IGN] carte photographique [Termes IGN] carte thématique [Termes IGN] droit coutumier [Termes IGN] droit foncier [Termes IGN] Ghana [Termes IGN] SIG participatif [Termes IGN] système d'information foncière [Termes IGN] utilisation du sol Résumé : (auteur) This study presents the results from an experiment conducted in two peri-urban areas of Northern Ghana using Participatory GIS (PGIS) to identify land tenure and use rights on customary and statutory lands. P-Mapping was used to uncover indigenous knowledge on the changes in land ownership, land use rights and land-use types over ten years. The paper finds that properly trained local people can reliably delineate and indicate land rights and land uses in their environment on photomaps with little support from professionals. The experiment results show that PGIS can accelerate land adjudication processes on customary lands. Numéro de notice : A2023-136 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2022.2040869 Date de publication en ligne : 23/03/2022 En ligne : https://doi.org/10.1080/00396265.2022.2040869 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102687 [article]

Deriving map images of generalised mountain roads with generative adversarial networks / Azelle Courtial in International journal of geographical information science IJGIS, vol 37 n° 3 (March 2023)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 37 n° 3 (March 2023) . - pp 499 - 528 Titre : Deriving map images of generalised mountain roads with generative adversarial networks Type de document : Article/Communication Auteurs : Azelle Courtial , Auteur ; Guillaume Touya , Auteur ; Xiang Zhang, Auteur Année de publication : 2023 Article en page(s) : pp 499 - 528 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] analyse comparative [Termes IGN] apprentissage dirigé [Termes IGN] apprentissage non-dirigé [Termes IGN] carte routière [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] généralisation cartographique automatisée [Termes IGN] montagne [Termes IGN] réseau antagoniste génératif [Vedettes matières IGN] Généralisation Résumé : (auteur) Map generalisation is a process that transforms geographic information for a cartographic at a specific scale. The goal is to produce legible and informative maps even at small scales from a detailed dataset. The potential of deep learning to help in this task is still unknown. This article examines the use case of mountain road generalisation, to explore the potential of a specific deep learning approach: generative adversarial networks (GAN). Our goal is to generate images that depict road maps generalised at the 1:250k scale, from images that depict road maps of the same area using un-generalised 1:25k data. This paper not only shows the potential of deep learning to generate generalised mountain roads, but also analyses how the process of deep learning generalisation works, compares supervised and unsupervised learning and explores possible improvements. With this experiment we have exhibited an unsupervised model that is able to generate generalised maps evaluated as good as the reference and reviewed some possible improvements for deep learning-based generalisation, including training set management and the definition of a new road connectivity loss. All our results are evaluated visually using a four questions process and validated by a user test conducted on 113 individuals. Numéro de notice : A2023-073 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2022.2123488 Date de publication en ligne : 20/10/2022 En ligne : https://doi.org/10.1080/13658816.2022.2123488 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101901 [article]

Mapping population distribution from open address data: application to mainland Portugal / Nelson Mileu in Journal of maps, vol 18 n° 3 (March 2023)  

Public [article]  inJournal of maps > vol 18 n° 3 (March 2023) . - pp 585 - 593 Titre : Mapping population distribution from open address data: application to mainland Portugal Type de document : Article/Communication Auteurs : Nelson Mileu, Auteur ; Margarida Queirós, Auteur ; Paolo Morgado, Auteur Année de publication : 2023 Article en page(s) : pp 585 - 593 Note générale : bilbliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] base de données d'adresses [Termes IGN] carte thématique [Termes IGN] distribution spatiale [Termes IGN] grille [Termes IGN] planification urbaine [Termes IGN] population [Termes IGN] Portugal [Termes IGN] QGIS Résumé : (auteur) Mapping population distribution remains a common need in various fields of studies. Several approaches and methodologies have been adopted to obtain high-resolution population distribution grids. The use of addresses data to obtain gridded population distribution maps emerges as one of the more recent and accurate approaches. The increasing dissemination and availability of geo-data and more specifically address data allow us to obtain updated, granular and high spatial resolution population distribution maps. This paper describes a bottom-up open addresses data mapping-based approach of gridded population distribution with a fine spatial resolution. Through a QGIS plugin, an adaptation of the housing unit methodology was implemented to obtain 500 m × 500 and 250 m × 250 m population grids for mainland Portugal. The results showed that the use of reliable addresses databases can generate gridded population distribution maps with a high degree of adjustment to reality. Numéro de notice : A2023-154 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/17445647.2022.2114862 Date de publication en ligne : 07/09/2022 En ligne : https://doi.org/10.1080/17445647.2022.2114862 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102839 [article]

Des mesures au sol aux images satellite : quelles données pour étudier la pollution lumineuse ? / Christophe Plotard in XYZ, n° 174 (mars 2023)

Public [article]  inXYZ > n° 174 (mars 2023) . - pp 33 - 38 Titre : Des mesures au sol aux images satellite : quelles données pour étudier la pollution lumineuse ? Type de document : Article/Communication Auteurs : Christophe Plotard, Auteur ; Philippe Deverchère, Auteur ; Sarah Potin, Auteur ; Sébastien Vauclair, Auteur Année de publication : 2023 Article en page(s) : pp 33 - 38 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s) [Termes IGN] analyse comparative [Termes IGN] carte thématique [Termes IGN] données de terrain [Termes IGN] échelle d'intensité [Termes IGN] flux lumineux [Termes IGN] image à basse résolution [Termes IGN] image à très haute résolution [Termes IGN] image NPP-VIIRS [Termes IGN] image satellite [Termes IGN] impact sur l'environnement [Termes IGN] intensité lumineuse [Termes IGN] inventaire [Termes IGN] modèle numérique de surface [Termes IGN] modélisation 3D [Termes IGN] photomètre [Termes IGN] pollution lumineuse [Termes IGN] prise de vue nocturne [Termes IGN] radiance Résumé : (Auteur) Le développement de l’éclairage artificiel nocturne est à l’origine d’une pollution lumineuse aux effets néfastes pour la biodiversité, la santé humaine, la consommation énergétique et l’observation astronomique. Pour analyser les différentes formes de cette pollution, le bureau d’études DarkSkyLab s’appuie sur plusieurs types de données tels que des mesures depuis le sol, des images satellitaires et aériennes, ou des inventaires de points d’éclairage. Cet article en présente les principaux aspects, de même que divers outils, méthodes et indicateurs conçus pour permettre leur traitement, leur modélisation et leur représentation cartographique. Numéro de notice : A2023-069 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/03/2023 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102863 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2023011	RAB	Revue	Centre de documentation	En réserve L003	Disponible

The potential of combining satellite and airborne remote sensing data for habitat classification and monitoring in forest landscapes / Anna Iglseder in International journal of applied Earth observation and geoinformation, vol 117 (March 2023)  

Permalink

A GIS-based method for modeling methane emissions from paddy fields by fusing multiple sources of data / Linhua Ma in Science of the total environment, vol 859 n° 1 (February 2023)  

Permalink

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)  

Permalink

Multi-nomenclature, multi-resolution joint translation: an application to land-cover mapping / Luc Baudoux in International journal of geographical information science IJGIS, vol 37 n° 2 (February 2023)  

Permalink

Cartographier l'anthropocène 2023 / IGN (2023)    

Permalink

Decadal assessment of agricultural drought in the context of land use land cover change using MODIS multivariate spectral index time-series data / Thuong V. Tran in GIScience and remote sensing, vol 60 n° 1 (2023)  

Permalink

Exploring the addition of airborne Lidar-DEM and derived TPI for urban land cover and land use classification and mapping / Clement E. Akumu in Photogrammetric Engineering & Remote Sensing, PERS, vol 89 n° 1 (January 2023)  

Permalink

Geographically masking addresses to study COVID-19 clusters / Walid Houfaf-Khoufaf in Cartography and Geographic Information Science, vol inconnu (2023)  

Permalink

A GIS-based study on the layout of the ecological monitoring system of the Grain for Green project in China / Ke Guo in Forests, vol 14 n° 1 (January 2023)  

Permalink

Investigating the impact of pan sharpening on the accuracy of land cover mapping in Landsat OLI imagery / Komeil Rokni in Geodesy and cartography, vol 49 n° 1 (January 2023)  

Permalink