Centre dedocumentation
scientifique

Detecting abandoned farmland using harmonic analysis and machine learning / Heeyeun Yoon in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 166 (August 2020) . - pp 201 - 212 Titre : Detecting abandoned farmland using harmonic analysis and machine learning Type de document : Article/Communication Auteurs : Heeyeun Yoon, Auteur ; Soyoun Kim, Auteur Année de publication : 2020 Article en page(s) : pp 201 - 212 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse harmonique [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] Corée du sud [Termes descripteurs IGN] gestion des ressources [Termes descripteurs IGN] inventaire [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] Normalized Difference Water Index [Termes descripteurs IGN] phénologie [Termes descripteurs IGN] production agricole [Termes descripteurs IGN] Soil Adjusted Vegetation Index [Termes descripteurs IGN] surface cultivée Résumé : (auteur) It is critical to inventory abandoned farmland soon after it is generated, to better manage agricultural resources and to prevent negative consequences that would otherwise follow. This study aims to distinguish abandoned farmlands from active croplands—rice paddy and agricultural fields—by discerning the phenological trajectories over a short-term period of three years (Jan. 2016 to Dec. 2018) in Gwanyang City in South Korea. For Support Vector Machine (SVM) classification, we fully utilized parameters derived from harmonic analyses of the three vegetation indices (VIs: NDVI, NDWI, and SAVI) extracted from Sentinel-2A imagery. The harmonic analyses proved that higher-order sinusoid components produced better fitting to explain the trajectory of the VIs—the maximum adjusted was 95.23%—and the multiple VIs diversified the attributes for the classifications. Consequently, the higher-order harmonic components and the additional VIs increased the accuracy when used in SVM classification. The best performing classification was achieved with a composite of harmonic terms derived from the three VIs, yielding overall accuracy of 90.72%, Kappa index of 0.858, and user’s accuracy for abandoned farmland of 93.40%. The proposed method here would greatly improve the process of detecting abandoned farmland, despite a relatively short observation period, and enable a rapid response to the occurrence of abandonment. Numéro de notice : A2020-356 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.05.021 date de publication en ligne : 16/06/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.05.021 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95243 [article]

Development and application of a new mangrove vegetation index (MVI) for rapid and accurate mangrove mapping / Alvin B. Baloloy in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 166 (August 2020) . - pp 95 - 117 Titre : Development and application of a new mangrove vegetation index (MVI) for rapid and accurate mangrove mapping Type de document : Article/Communication Auteurs : Alvin B. Baloloy, Auteur ; Ariel C. Blanco, Auteur ; Raymund Rhommel StaAna, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 95 - 117 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse spectrale [Termes descripteurs IGN] Asie du sud-est [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] espèce exotique envahissante [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] image proche infrarouge [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] indice de végétation [Termes descripteurs IGN] mangrove [Termes descripteurs IGN] orthophotographie [Termes descripteurs IGN] Philippines [Termes descripteurs IGN] Short Waves InfraRed [Termes descripteurs IGN] surveillance du littoral Résumé : (auteur) Numéro de notice : A2020-354 Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.06.001 date de publication en ligne : 11/06/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.06.001 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95240 [article]

Exploration of OpenStreetMap missing built-up areas using twitter hierarchical clustering and deep learning in Mozambique / Hao Li in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 166 (August 2020) . - pp 41-51 Titre : Exploration of OpenStreetMap missing built-up areas using twitter hierarchical clustering and deep learning in Mozambique Type de document : Article/Communication Auteurs : Hao Li, Auteur ; Benjamin Herfort, Auteur ; Wei Huang, Auteur Année de publication : 2020 Article en page(s) : pp 41-51 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] analyse spatiale [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] carte sanitaire [Termes descripteurs IGN] cartographie collaborative [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] géographie sociale [Termes descripteurs IGN] inventaire du bâti [Termes descripteurs IGN] Mozambique [Termes descripteurs IGN] OpenStreetMap [Termes descripteurs IGN] qualité des données [Termes descripteurs IGN] Twitter Résumé : (auteur) Accurate and detailed geographical information digitizing human activity patterns plays an essential role in response to natural disasters. Volunteered geographical information, in particular OpenStreetMap (OSM), shows great potential in providing the knowledge of human settlements to support humanitarian aid, while the availability and quality of OSM remains a major concern. The majority of existing works in assessing OSM data quality focus on either extrinsic or intrinsic analysis, which is insufficient to fulfill the humanitarian mapping scenario to a certain degree. This paper aims to explore OSM missing built-up areas from an integrative perspective of social sensing and remote sensing. First, applying hierarchical DBSCAN clustering algorithm, the clusters of geo-tagged tweets are generated as proxies of human active regions. Then a deep learning based model fine-tuned on existing OSM data is proposed to further map the missing built-up areas. Hit by Cyclone Idai and Kenneth in 2019, the Republic of Mozambique is selected as the study area to evaluate the proposed method at a national scale. As a result, 13 OSM missing built-up areas are identified and mapped with an over 90% overall accuracy, being competitive compared to state-of-the-art products, which confirms the effectiveness of the proposed method. Numéro de notice : A2020-350 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.05.007 date de publication en ligne : 07/06/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.05.007 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95233 [article]

Landuse and land cover identification and disaggregating socio-economic data with convolutional neural network / Jingtao Yao in Geocarto international, vol 35 n° 10 ([01/08/2020])  

Public [article]  inGeocarto international > vol 35 n° 10 [01/08/2020] . - pp 1109 - 1123 Titre : Landuse and land cover identification and disaggregating socio-economic data with convolutional neural network Type de document : Article/Communication Auteurs : Jingtao Yao, Auteur ; Xiangbin Kong, Auteur ; Rattan Lal, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 1109 - 1123 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] carte thématique [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] densité de population [Termes descripteurs IGN] désagrégation [Termes descripteurs IGN] données socio-économiques [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] utilisation du sol Résumé : (auteur) Numéro de notice : A2020-427 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1568587 date de publication en ligne : 18/03/2019 En ligne : https://doi.org/10.1080/10106049.2019.1568587 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95493 [article]

Improved crop classification with rotation knowledge using Sentinel-1 and -2 time series / Sébastien Giordano in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 7 (July 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 7 (July 2020) . - pp 431-441 Titre : Improved crop classification with rotation knowledge using Sentinel-1 and -2 time series Type de document : Article/Communication Auteurs : Sébastien Giordano , Auteur ; Simon Bailly, Auteur ; Loïc Landrieu , Auteur ; Nesrine Chehata , Auteur Année de publication : 2020 Article en page(s) : pp 431-441 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] Alpes-de-haute-provence (04) [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] parcelle agricole [Termes descripteurs IGN] photo-identification [Termes descripteurs IGN] Seine-et-Marne (77) [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surface cultivée Résumé : (Auteur) Leveraging the recent availability of accurate, frequent, and multimodal (radar and optical) Sentinel-1 and -2 acquisitions, this paper investigates the automation of land parcel identification system (LPIS) crop type classification. Our approach allows for the automatic integration of temporal knowledge, i.e., crop rotations using existing parcel-based land cover databases and multi-modal Sentinel-1 and -2 time series. The temporal evolution of crop types was modeled with a linear-chain conditional random field, trained with time series of multimodal (radar and optical) satellite acquisitions and associated LPIS. Our model was tested on two study areas in France (≥ 1250 km2) which show different crop types, various parcel sizes, and agricultural practices: . the Seine et Marne and the Alpes de Haute-Provence classified accordingly to a fine national 25-class nomenclature. We first trained a Random Forest classifier without temporal structure to achieve 89.0% overall accuracy in Seine et Marne (10 classes) and 73% in Alpes de Haute-Provence (14 classes). We then demonstrated experimentally that taking into account the temporal structure of crop rotation with our model resulted in an increase of 3% to +5% in accuracy. This increase was especially important (+12%) for classes which were poorly classified without using the temporal structure. A stark positive impact was also demonstrated on permanent crops, while it was fairly limited or even detrimental for annual crops. Numéro de notice : A2020-382 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.7.431 date de publication en ligne : 01/07/2020 En ligne : https://doi.org/10.14358/PERS.86.7.431 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95428 [article]

Mapping the condition of macadamia tree crops using multi-spectral UAV and WorldView-3 imagery / Kasper Johansen in ISPRS Journal of photogrammetry and remote sensing, vol 165 (July 2020)  

Permalink

Mapping the French green infrastructure – an exercise in homogenizing heterogeneous regional data / Lucille Billon in International journal of cartography, Vol 6 n° 2 (July 2020)  

Permalink

The image of subsurface geology / Ane Bang-Kittilsen in International journal of cartography, Vol 6 n° 2 (July 2020)  

Permalink

An integrated approach for detection and prediction of greening situation in a typical desert area in China and its human and climatic factors analysis / Lei Zhou in ISPRS International journal of geo-information, vol 9 n° 6 (June 2020)  

Permalink

Cartographic inference: a peircean perspective / Gordon A. Cromley in Cartographica, vol 55 n° 2 (Summer 2020)  

Permalink

Fine-grained landuse characterization using ground-based pictures: a deep learning solution based on globally available data / Shivangi Srivastava in International journal of geographical information science IJGIS, vol 34 n° 6 (June 2020)  

Permalink

Sketch maps for searching in spatial data / Ali Zare Zardiny in Transactions in GIS, Vol 24 n° 3 (June 2020)  

Permalink

Storytelling for making cartographic design decisions for climate change communication in the United States / Carolyn Fish in Cartographica, vol 55 n° 2 (Summer 2020)  

Permalink

Traffic signal detection from in-vehicle GPS speed profiles using functional data analysis and machine learning / Yann Méneroux in International Journal of Data Science and Analytics JDSA, vol 10 n° 1 (June 2020)  

Permalink

Comment cartographier l’occupation du sol en vue de modéliser les réseaux écologiques ? Méthodologie générale et cas d’étude en Île-de-France / Chloé Thierry in Sciences, eaux & territoires, Hors- Série n° 65 (mai 2020)  

Permalink