Centre dedocumentation
scientifique

Mapping burn severity in the western Italian Alps through phenologically coherent reflectance composites derived from Sentinel-2 imagery / Donato Morresi in Remote sensing of environment, vol 269 (February 2022)  

Public [article]  inRemote sensing of environment > vol 269 (February 2022) . - n° 112800 Titre : Mapping burn severity in the western Italian Alps through phenologically coherent reflectance composites derived from Sentinel-2 imagery Type de document : Article/Communication Auteurs : Donato Morresi, Auteur ; Raffaella Marzano, Auteur ; Emanuele Lingua, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 112800 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] carte de la végétation [Termes IGN] détection de changement [Termes IGN] forêt alpestre [Termes IGN] image multibande [Termes IGN] image Sentinel-MSI [Termes IGN] incendie de forêt [Termes IGN] phénologie [Termes IGN] Piémont (Italie) [Termes IGN] réflectance spectrale [Termes IGN] variation saisonnière Résumé : (auteur) Deriving burn severity from multispectral satellite data is a widely adopted approach to infer the degree of environmental change caused by fire. Burn severity maps obtained by thresholding bi-temporal indices based on pre- and post-fire Normalized Burn Ratio (NBR) can vary substantially depending on temporal constraints such as matched acquisition and optimal seasonal timing. Satisfying temporal requirements is crucial to effectively disentangle fire and non-fire induced spectral changes and can be particularly challenging when only a few cloud-free images are available. Our study focuses on 10 wildfires that occurred in mountainous areas of the Piedmont Region (Italy) during autumn 2017 following a severe and prolonged drought period. Our objectives were to: (i) generate reflectance composites using Sentinel-2 imagery that were optimised for seasonal timing by embedding spatial patterns of long-term land surface phenology (LSP); (ii) produce and validate burn severity maps based on the modelled relationship between bi-temporal indices and field data; (iii) compare burn severity maps obtained using either a pair of cloud-free Sentinel-2 images, i.e. paired images, or reflectance composites. We proposed a pixel-based compositing algorithm coupling the weighted geometric median and thematic spatial information, e.g. long-term LSP metrics derived from the MODIS Collection 6 Land Cover Dynamics Product, to rank all the clear observations available in the growing season. Composite Burn Index data and bi-temporal indices exhibited a strong nonlinear relationship (R2 > 0.85) using paired images or reflectance composites. Burn severity maps attained overall classification accuracy ranging from 76.9% to 83.7% (Kappa between 0.61 and 0.72) and the Relative differenced NBR (RdNBR) achieved the best results compared to other bi-temporal indices (differenced NBR and Relativized Burn Ratio). Improvements in overall classification accuracy offered by the calibration of bi-temporal indices with the dNBR offset were limited to burn severity maps derived from paired images. Reflectance composites provided the highest overall classification accuracy and differences with paired images were significant using uncalibrated bi-temporal indices (4.4% to 5.2%) while they decreased (2.8% to 3.2%) when we calibrated bi-temporal indices derived from paired images. The extent of the high severity category increased by ~19% in burn severity maps derived from reflectance composites (uncalibrated RdNBR) compared to those from paired images (calibrated RdNBR). The reduced contrast between healthy and burnt conditions associated with suboptimal seasonal timing caused an underestimation of burnt areas. By embedding spatial patterns of long-term LSP metrics, our approach provided consistent reflectance composites targeted at a specific phenological stage and minimising non-fire induced inter-annual changes. Being independent from the multispectral dataset employed, the proposed pixel-based compositing approach offers new opportunities for operational change detection applications in geographic areas characterised by persistent cloud cover. Numéro de notice : A2022-095 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.rse.2021.112800 Date de publication en ligne : 22/11/2021 En ligne : https://doi.org/10.1016/j.rse.2021.112800 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99534 [article]

Airborne LiDAR and high resolution multispectral data integration in Eucalyptus tree species mapping in an Australian farmscape / Niva Kiran Verma in Geocarto international, vol 37 n° 1 ([03/01/2022])  

Public [article]  inGeocarto international > vol 37 n° 1 [03/01/2022] . - pp 70 - 90 Titre : Airborne LiDAR and high resolution multispectral data integration in Eucalyptus tree species mapping in an Australian farmscape Type de document : Article/Communication Auteurs : Niva Kiran Verma, Auteur ; David Lamb, Auteur ; Priyakant Sinha, Auteur Année de publication : 2022 Article en page(s) : pp 70 - 90 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] Australie [Termes IGN] carte de la végétation [Termes IGN] dépérissement [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] Eucalyptus (genre) [Termes IGN] image à haute résolution [Termes IGN] image multibande [Termes IGN] précision de la classification [Termes IGN] segmentation d'image [Termes IGN] semis de points Résumé : (auteur) Rapid decline and death of rural Eucalypts trees of all ages and species have been reported in the farmscapes of regional Australia due to various environmental and farming management related factors. The identification of existing farm tree species is important for long term management strategies to provide ecosystem stability in the region. This study explored the feasibility of structural attributes of LiDAR and spectral and spatial characteristics of high resolution remote sensing data to identify and map Eucalyptus tree species. An object based image segmentation and rule-based classification algorithm were developed to delineate tree boundaries and species classification. The integration of two datasets improved the classification accuracy (65%) against their separate classification (52% and 41%, respectively). The identification of tree species will help in getting first-hand information on existing farm trees, which may be used in assessing tree condition in time series related to management practices and complex dieback problem. Numéro de notice : A2022-046 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1700555 Date de publication en ligne : 12/12/2019 En ligne : https://doi.org/10.1080/10106049.2019.1700555 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99412 [article]

A comparison of linear-mode and single-photon airborne LiDAR in species-specific forest inventories / Janne Raty in IEEE Transactions on geoscience and remote sensing, vol 60 n° 1 (January 2022)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 60 n° 1 (January 2022) . - n° 4401514 Titre : A comparison of linear-mode and single-photon airborne LiDAR in species-specific forest inventories Type de document : Article/Communication Auteurs : Janne Raty, Auteur ; Petri Varvia, Auteur ; Lauri Korhonen, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 4401514 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] altitude [Termes IGN] analyse comparative [Termes IGN] capteur linéaire [Termes IGN] carte de la végétation [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] Finlande [Termes IGN] forêt boréale [Termes IGN] instrumentation Leica [Termes IGN] instrumentation Riegl [Termes IGN] inventaire forestier étranger (données) [Termes IGN] photon [Termes IGN] Pinophyta [Termes IGN] semis de points [Termes IGN] signal laser Résumé : (auteur) Single-photon airborne light detection and ranging (LiDAR) systems provide high-density data from high flight altitudes. We compared single-photon and linear-mode airborne LiDAR for the prediction of species-specific volumes in boreal coniferous-dominated forests. The LiDAR data sets were acquired at different flight altitudes using Leica SPL100 (single-photon, 17 points ⋅ m−2 ), Riegl VQ-1560i (linear-mode, 11 points ⋅ m−2 ), and Leica ALS60 (linear-mode, 0.6 points ⋅ m−2 ) LiDAR systems. Volumes were predicted at the plot-level using Gaussian process regression with predictor variables extracted from the LiDAR data sets and aerial images. Our findings showed that the Leica SPL100 produced a greater mean root-mean-squared error (RMSE) value (41.7 m3 ⋅ ha −1 ) than the Leica ALS60 (39.3 m3 ⋅ ha −1 ) in the prediction of species-specific volumes. Correspondingly, the Riegl VQ-1560i (mean RMSE = 33.0 m3 ⋅ ha −1 ) outperformed both the Leica ALS60 and the Leica SPL100. We found that the cumulative distributions of the first echo heights >1.3 m were rather similar among the data sets, whereas the last echo distributions showed larger differences. We conclude that the Leica SPL100 data set is suitable for area-based LiDAR inventory by tree species although the prediction errors are greater than with data obtained using the modern linear-mode LiDAR, such as Riegl VQ-1560i. Numéro de notice : A2022-026 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1109/TGRS.2021.3060670 Date de publication en ligne : 04/03/2021 En ligne : https://doi.org/10.1109/TGRS.2021.3060670 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99257 [article]

Geographically masking addresses to study COVID-19 clusters / Walid Houfaf-Khoufaf in Cartography and Geographic Information Science, vol 49 n° inconnu (2022)  

Public [article]  inCartography and Geographic Information Science > vol 49 n° inconnu (2022) Titre : Geographically masking addresses to study COVID-19 clusters Type de document : Article/Communication Auteurs : Walid Houfaf-Khoufaf, Auteur ; Guillaume Touya , Auteur Année de publication : 2022 Projets : 1-Pas de projet / Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] adresse postale [Termes IGN] anonymisation [Termes IGN] carte sanitaire [Termes IGN] classification barycentrique [Termes IGN] surveillance sanitaire [Termes IGN] traitement de données localisées Résumé : (auteur) The spatio-temporal analysis of cases is a good way an epidemic, and the recent COVID-19 pandemic unfortunately generated a huge amount of data. But analysing this raw data, with for instance the address of the people who contracted COVID-19, raises some privacy issues, and geomasking is necessary to preserve both people privacy and the spatial accuracy required for analysis. This paper proposes dierent geomasking techniques adapted to this COVID-19 data. Methods: Different techniques are adapted from the literature, and tested on a synthetic dataset mimicking the COVID-19 spatio-temporal spreading in Paris and a more rural nearby region. Theses techniques are assessed in terms of k-anonymity and cluster preservation. Results: Three adapted geomasking techniques are proposed: aggregation, bimodal gaussian perturbation, and simulated crowding. All three can be useful in different use cases, but the bimodal gaussian perturbation is the overall best techniques, and the simulated crowding is the most promising one, provided some improvements are introduced to avoid points with a low k-anonymity. Conclusions: It is possible to use geomasking techniques on addresses of people who caught COVID-19, while preserving the important spatial patterns. Numéro de notice : A2021-065 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers RSquare Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2021.1977709 Date de publication en ligne : 08/10/2021 En ligne : https://doi.org/10.1080/15230406.2021.1977709 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96857 [article]

Learning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)  

Public Titre : Learning spatio-temporal representations of satellite time series for large-scale crop mapping Type de document : Thèse/HDR Auteurs : Vivien Sainte Fare Garnot , Auteur ; Clément Mallet , Directeur de thèse ; Nesrine Chehata , Directeur de thèse ; Loïc Landrieu , Encadrant Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Autre Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Note générale : bibliographie Thèse de doctorat de l’Université Gustave Eiffel, École doctorale n° 532, Mathématiques, Science, et Technologie de l’Information et de la Communication (MSTIC), Spécialité de doctorat : Signal, Image, et Automatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] carte agricole [Termes IGN] fusion de données [Termes IGN] image multibande [Termes IGN] image multitemporelle [Termes IGN] image satellite [Termes IGN] parcelle agricole [Termes IGN] segmentation sémantique [Termes IGN] série temporelle Mots-clés libres : segmentation panotique, mécanisme d'auto-attention, encodage spatio-temporel Résumé : (auteur) L’analyse et le suivi de l’activité agricole d’un territoire nécessitent la production de cartes agricoles précises. Ces cartes identifient les bordures de chaque parcelle ainsi que le type de culture. Ces informations sont précieuses pour une variété d’acteurs et ont des applications allant de la prévision de la production alimentaire à l’allocation de subventions ou à la gestion environnementale. Alors que les premières cartes agricoles nécessitaient un travail de terrain fastidieux, l’essor de l’analyse automatisée des données de télédétection a ouvert la voie à des cartographies à grande échelle. Dans cette thèse, nous nous intéressons à la cartographie agricole à partir de séries temporelles d’images satellites multispectrales. Dans la plupart des travaux de la dernière décennie, ce problème est abordé à l’aide de modèles d’apprentissage automatique entraînés sur des descripteurs conçus par des experts. Cependant, dans la littérature de vision par ordinateur (VO) et du traitement automatique de la langue (TAL), l’entrainement de modèles d’apprentissage profond à apprendre des représentations à partir des données brutes a constitué un changement de paradigme menant à des performances sans précédent sur une variété de problèmes. De même, l’application de ces modèles d’apprentissage profond aux données de télédétection a considérablement amélioré l’état de l’art pour la cartographie agricole ainsi que d’autres tâches de télédétection. Dans cette thèse, nous soutenons que les méthodes actuelles issues des littérature VO et TAL ignorent certaines des spécificités des données de télédétection et ne devraient pas être appliquées directement. Au contraire, nous prônons le développement de méthodes adaptées, exploitant les structures spatiales, spectrales et temporelles spécifiques des séries temporelles d’images satellites. Nous caractérisons la cartographie agricole successivement comme une classification à la parcelle, une segmentation sémantique et une segmentation panoptique. Pour chacune de ces tâches, nous développons une nouvelle architecture d’apprentissage profond adaptée aux particularités de la tâche et inspirée des avancées récentes de l’apprentissage profond. Nous montrons que nos méthodes établissent un nouvel état de l’art tout en étant plus efficaces que les approches concurrentes. Plus précisément, nous présentons (i) le Pixel-Set Encoder, un encodeur spatial efficace, (ii) le Temporal Attention Encoder (TAE), un encodeur temporel utilisant la self-attention, (iii) le U-net avec TAE, une variation du TAE pour les problèmes de segmentation, et (iv) Parcel-as-Point, un module de segmentation d’instance conçu pour la segmentation panoptique des parcelles. Nous étudions également comment exploiter des séries temporelles multimodales combinant des informations optiques et radar. Nous améliorons ainsi les performances de nos modèles ainsi que leur robustesse aux nuages. Enfin, nous considérons l’arbre hiérarchique qui décrit les relations sémantiques entre les types de culture. Nous présentons une méthode pour inclure cette structure dans le processus d’apprentissage. Sur la classification des cultures ainsi que d’autres problèmes de classification, notre méthode réduit le taux d’erreurs entre les classes sémantiquement éloignées. En plus de ces méthodes, nous introduisons PASTIS, le premier jeu de données en accès libre de séries temporelles d’images satellites multimodales avec des annotations panoptiques de parcelles agricoles. Nous espérons que ce jeu de données, ainsi que les résultats prometteurs présentés dans cette thèse encourageront d’autres travaux de recherche et aideront à produire des cartes agricoles toujours plus précises. Note de contenu : 0- Introduction 1- Spatial and temporal encoding for parcel-based classification 2- Pixel-based segmentation methods 3- Leveraging multiple modalities 4- Leveraging the class hierarchy 5- Conclusion Numéro de notice : 17694 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Signal, Image, et Automatique : Gustave Eiffel : 2021 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 13/01/2022 En ligne : https://hal.archives-ouvertes.fr/IGN-ENSG/tel-03524429v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99366

Tidal flood area mapping in the face of climate change scenarios: case study in a tropical estuary in the Brazilian semi-arid region / Paulo Victor N. Araújo in Natural Hazards and Earth System Sciences, vol 21 n° 11 (November 2021)  

Permalink

An assessment of forest loss and its drivers in protected areas on the Copperbelt province of Zambia: 1972–2016 / Darius Phiri in Geomatics, Natural Hazards and Risk, vol 13 n° 1 (2022)  

Permalink

Evaluating narrative in geoportals for territorial public policies / Luis Manuel Batista in Cartographica, vol 56 n° 4 (winter 2021)  

Permalink

OBIA-based extraction of artificial terrace damages in the Loess plateau of China from UAV photogrammetry / Xuan Fang in ISPRS International journal of geo-information, vol 10 n° 12 (December 2021)  

Permalink

Lithological mapping based on fully convolutional network and multi-source geological data / Ziye Wang in Remote sensing, vol 13 n° 23 (December-1 2021)  

Permalink

Evaluation of watershed soil erosion hazard using combination weight and GIS: a case study from eroded soil in Southern China / Shifa Chen in Natural Hazards, vol 109 n° 2 (November 2021)  

Permalink

Crop rotation modeling for deep learning-based parcel classification from satellite time series / Félix Quinton in Remote sensing, vol 13 n° 22 (November-2 2021)  

Permalink

Fluvial gravel bar mapping with spectral signal mixture analysis / Liza Stančič in European journal of remote sensing, vol 54 sup 1 (2021)  

Permalink

Comparison of digital elevation models through the analysis of geomorphic surface remnants in the Desatoya Mountains, Nevada / Bernadett Dobre in Transactions in GIS, vol 25 n° 5 (October 2021)  

Permalink

Urban geomorphology of a historical city straddling the Tanaro River (Alessandria, NW Italy) / Andrea Mandarino in Journal of maps, vol 17 n° 4 ([02/11/2021])  

Permalink