Descripteur
Documents disponibles dans cette catégorie (68)
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
Titre : Cartographier l'anthropocène 2023 : Altas IGN - L'occupation des sols Type de document : Atlas/Carte Auteurs : IGN, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2023 Importance : 85 p. Format : 31 x 21,5 cm Langues : Français (fre) Descripteur : [Termes IGN] aménagement du territoire
[Termes IGN] forêt
[Termes IGN] géoportail
[Termes IGN] jumeau numérique
[Termes IGN] parcelle agricole
[Termes IGN] plan d'eau
[Termes IGN] prévention des risquesIndex. décimale : 42.40 Histoire IGN Numéro de notice : 24113 Affiliation des auteurs : IGN (2020- ) Thématique : BIODIVERSITE/FORET/GEOMATIQUE/IMAGERIE Nature : Atlas En ligne : https://www.ign.fr/publications-de-l-ign/institut/kiosque/publications/atlas_ant [...] Format de la ressource électronique : URL Sommaire Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103619 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 24113-01 ALTAS IGN Atlas / Beau livre Centre de documentation En réserve L003 Disponible Documents numériques
peut être téléchargé
Antropocène 2023Adobe Acrobat PDF 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)
[article]
Titre : Decadal assessment of agricultural drought in the context of land use land cover change using MODIS multivariate spectral index time-series data Type de document : Article/Communication Auteurs : Thuong V. Tran, Auteur ; David Bruce, Auteur ; Cho-Ying Huang, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : n° 2163070 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse spectrale
[Termes IGN] changement d'occupation du sol
[Termes IGN] image Terra-MODIS
[Termes IGN] indice d'humidité
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] parcelle agricole
[Termes IGN] sécheresse
[Termes IGN] série temporelle
[Termes IGN] surveillance agricole
[Termes IGN] variation temporelle
[Termes IGN] Viet NamRésumé : (auteur) Using a multivariate drought index that incorporates important environmental variables and is suitable for a specific geographical region is essential to fully understanding the pattern and impacts of drought severity. This study applied feature scaling algorithms to MODIS time-series imagery to develop an integrated Multivariate Drought Index (iMDI). The iMDI incorporates the vegetation condition index (VCI), the temperature condition index (TCI), and the evaporative stress index (ESI). The 54,474 km2 Vietnamese Central Highlands region, which has been significantly affected by drought severity for several decades, was selected as a test site to assess the feasibility of the iMDI. Spearman correlation between the iMDI and other commonly used spectral drought indices (i.e. the Drought Severity Index (DSI–12) and the annual Vegetation Health Index (VHI–12)) and ground-based drought indices (i.e. the Standardized Precipitation Index (SPI–12) and the Reconnaissance Drought Index (RDI–12)) was employed to evaluate performance of the proposed drought index. Pixel-based linear regression together with clustering models of the iMDI time-series was applied to characterize the spatiotemporal pattern of drought from 2001 to 2020. In addition, a persistent area of LULC types (i.e. forests, croplands, and shrubland) during the 2001–2020 period was used to understand drought variation in relation to LULC. Results suggested that the iMDI outperformed the other spectral drought indices (r > 0.6; p Numéro de notice : A2023-042 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/15481603.2022.2163070 Date de publication en ligne : 03/01/2023 En ligne : https://doi.org/10.1080/15481603.2022.2163070 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102329
in GIScience and remote sensing > vol 60 n° 1 (2023) . - n° 2163070[article]Estimating crop type and yield of small holder fields in Burkina Faso using multi-day Sentinel-2 / Akiko Elders in Remote Sensing Applications: Society and Environment, RSASE, Vol 27 (August 2022)
[article]
Titre : Estimating crop type and yield of small holder fields in Burkina Faso using multi-day Sentinel-2 Type de document : Article/Communication Auteurs : Akiko Elders, Auteur ; Mark Carroll, Auteur ; Christopher S.R. Neigh, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 100820 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] Burkina Faso
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] image Sentinel-MSI
[Termes IGN] parcelle agricole
[Termes IGN] régression harmonique
[Termes IGN] rendement agricole
[Termes IGN] variation saisonnièreRésumé : (auteur) Remote Sensing affords the opportunity to monitor and evaluate data scarce regions where field collection efforts are costly. A particular challenge is monitoring and evaluation in regions with smallholder agricultural systems (∼1 ha) that are often subsistence focused, vulnerable to food insecurity and data scarce. Using multi-day moderate resolution Sentinel-2 and Random Forest models, this study shows that crop type and rice yields in Burkina Faso can be predicted with greater than ∼80% accuracy in the rainy season. Model optimization using varying spectral and vegetation index inputs can increase crop type and yield prediction accuracy in the dry season where denser cultivation is a challenge for the 10–20 m resolution of Sentinel-2. However, there is a trade-off between opting for very high-resolution imagery ( Numéro de notice : A2022-624 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rsase.2022.100820 Date de publication en ligne : 02/08/2022 En ligne : https://doi.org/10.1016/j.rsase.2022.100820 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101391
in Remote Sensing Applications: Society and Environment, RSASE > Vol 27 (August 2022) . - n° 100820[article]Predicting vegetation stratum occupancy from airborne LiDAR data with deep learning / Ekaterina Kalinicheva in International journal of applied Earth observation and geoinformation, vol 112 (August 2022)
[article]
Titre : Predicting vegetation stratum occupancy from airborne LiDAR data with deep learning Type de document : Article/Communication Auteurs : Ekaterina Kalinicheva , Auteur ; Loïc Landrieu , Auteur ; Clément Mallet , Auteur ; Nesrine Chehata , Auteur Année de publication : 2022 Projets : TOSCA-FRISBEE / Article en page(s) : n° 102863 Note générale : bibliographie
This study has been co-funded by CNES (TOSCA FRISBEE Project, convention no200769/00) and CONFETTI Project (Nouvelle Aquitaine Region project, France).Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] apprentissage semi-dirigé
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] parcelle agricole
[Termes IGN] régression
[Termes IGN] semis de points
[Termes IGN] strate végétaleRésumé : (auteur) We propose a new deep learning-based method for estimating the occupancy of vegetation strata from airborne 3D LiDAR point clouds. Our model predicts rasterized occupancy maps for three vegetation strata corresponding to lower, medium, and higher cover. Our weakly-supervised training scheme allows our network to only be supervised with vegetation occupancy values aggregated over cylindrical plots containing thousands of points. Such ground truth is easier to produce than pixel-wise or point-wise annotations. Our method outperforms handcrafted and deep learning baselines in terms of precision by up to 30%, while simultaneously providing visual and interpretable predictions. We provide an open-source implementation along with a dataset of 199 agricultural plots to train and evaluate weakly supervised occupancy regression algorithms. Numéro de notice : A2022-578 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.jag.2022.102863 Date de publication en ligne : 19/07/2022 En ligne : https://doi.org/10.1016/j.jag.2022.102863 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99425
in International journal of applied Earth observation and geoinformation > vol 112 (August 2022) . - n° 102863[article]Documents numériques
peut être téléchargé
Predicting vegetation stratum ... - pdf auteurAdobe Acrobat PDF Multi-modal temporal attention models for crop mapping from satellite time series / Vivien Sainte Fare Garnot in ISPRS Journal of photogrammetry and remote sensing, vol 187 (May 2022)
[article]
Titre : Multi-modal temporal attention models for crop mapping from satellite time series Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu , Auteur ; Nesrine Chehata , Auteur Année de publication : 2022 Projets : 3-projet - voir note / Article en page(s) : pp 294 - 305 Note générale : bibliographie
This work was partly supported by ASP, the French Payment Agency.Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] attention (apprentissage automatique)
[Termes IGN] bande C
[Termes IGN] carte agricole
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] parcelle agricole
[Termes IGN] Pastis
[Termes IGN] segmentation d'image
[Termes IGN] série temporelle
[Termes IGN] surface cultivéeRésumé : (auteur) Optical and radar satellite time series are synergetic: optical images contain rich spectral information, while C-band radar captures useful geometrical information and is immune to cloud cover. Motivated by the recent success of temporal attention-based methods across multiple crop mapping tasks, we propose to investigate how these models can be adapted to operate on several modalities. We implement and evaluate multiple fusion schemes, including a novel approach and simple adjustments to the training procedure, significantly improving performance and efficiency with little added complexity. We show that most fusion schemes have advantages and drawbacks, making them relevant for specific settings. We then evaluate the benefit of multimodality across several tasks: parcel classification, pixel-based segmentation, and panoptic parcel segmentation. We show that by leveraging both optical and radar time series, multimodal temporal attention-based models can outmatch single-modality models in terms of performance and resilience to cloud cover. To conduct these experiments, we augment the PASTIS dataset (Garnot and Landrieu, 2021a) with spatially aligned radar image time series. The resulting dataset, PASTIS-R, constitutes the first large-scale, multimodal, and open-access satellite time series dataset with semantic and instance annotations. (Dataset available at: https://zenodo.org/record/5735646) Numéro de notice : A2022-157 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers ArXiv Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2022.03.012 Date de publication en ligne : 24/03/2022 En ligne : https://doi.org/10.1016/j.isprsjprs.2022.03.012 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100365
in ISPRS Journal of photogrammetry and remote sensing > vol 187 (May 2022) . - pp 294 - 305[article]Voir aussiExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2022051 SL Revue Centre de documentation Revues en salle Disponible 081-2022053 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2022052 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Learning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)PermalinkCrop rotation modeling for deep learning-based parcel classification from satellite time series / Félix Quinton in Remote sensing, vol 13 n° 22 (November-2 2021)PermalinkAgricultural land partitioning model based on irrigation efficiency using a multi‐objective artificial bee colony algorithm / Mehrdad Bijandi in Transactions in GIS, Vol 25 n° 1 (February 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)PermalinkAssessing the interest of a multi-modal gap-filling strategy for monitoring changes in grassland parcels / Anatol Garioud (2021)PermalinkSuivi de la rotation des cultures à partir de séries temporelles d’images satellite / Félix Quinton (2021)PermalinkTélédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes / Arthur Crespin-Boucaud (2021)PermalinkSmall‐area patch‐merging method accounting for both local constraints and the overall area balance / Chengming Li in Transactions in GIS, Vol 24 n° 4 (August 2020)PermalinkImproved 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)PermalinkSatellite image time series classification with pixel-set encoders and temporal self-attention / Vivien Sainte Fare Garnot (2020)PermalinkJournées de la recherche 2019 / Anonyme in Géomatique expert, n° 127 (avril - mai 2019)PermalinkDe l'agrandissement des exploitations agricoles à la transformation des paysages de bocage : analyse comparative des recompositions foncières et paysagères en Normandie / Thibault Preux (2019)PermalinkPermalinkMonitoring crops water needs at high spatio-temporal resolution by synergy of optical / thermal and radar observations / Abdelhakim Amazirh (2019)PermalinkLand parcel management system in Poland and a case study of EU member states / Agnieszka Trystuła in Geodetski vestnik, vol 62 n° 4 (December 2018 - February 2019)PermalinkPermalinkViCTOr : paysage virtuel pour explorer les dynamiques de la VIticulture et de la Consommation en TouRaine / Etienne Delay in Cybergeo, European journal of geography, n° 2017 ([01/06/2017])PermalinkAnalyse de séries temporelles d’images Sentinel et intégration de connaissances pour la classification en milieu agricole / Simon Bailly (2017)PermalinkSurfaces d'intérêts écologiques : mise à jour / Emmanuelle Raulin in La Vendée agricole, vol 2015 n° 12 (20 mars 2015)PermalinkDu champ à l'argent, tout passe par l'écran / Françoise de Blomac in DécryptaGéo le mag, n° 165 (mars 2015)PermalinkLe RPG, un référentiel ? / Françoise de Blomac in DécryptaGéo le mag, n° 165 (mars 2015)PermalinkDélimitation des parcelles agricoles par classification d'images Pléiades / Nesrine Chehata in Revue Française de Photogrammétrie et de Télédétection, n° 209 (Janvier 2015)PermalinkA parcel shape index for use in land consolidation planning / Demetris Demetriou in Transactions in GIS, vol 17 n° 6 (December 2013)PermalinkParcel-level identification of crop types using different classification algorithms and multi-resolution imagery in southeastern Turkey / Ugur Alganci in Photogrammetric Engineering & Remote Sensing, PERS, vol 79 n° 11 (November 2013)PermalinkParcellaire viticole : un patrimoine façonné par l'histoire / Marielle Mayo in Géomètre, n° 2108 (novembre 2013)PermalinkKeeping an eye on CAP payments / Anonyme in GEO: Geoconnexion international, vol 11 n° 5 (may 2012)PermalinkAnalyse spatiale de la dynamique de l’occupation du sol aux échelles de la parcelle et de l’îlot parcellaire : Application en paysage agricole bocager / C. Vannier in Revue internationale de géomatique, vol 21 n° 3 (septembre - novembre 2011)PermalinkVinogéo : oenologie et webmapping / Anonyme in Géomatique expert, n° 80 (01/05/2011)PermalinkSuivi actualisé d'indicateurs agricoles parcellaires sur des zones de protection de captages d'eau potable / V. Dardare in Géomatique expert, n° 76 (01/09/2010)PermalinkInfluence of resolution in irrigated area mapping and area estimations / N. Velpuri in Photogrammetric Engineering & Remote Sensing, PERS, vol 75 n° 12 (December 2009)PermalinkGPS des villes, GPS des champs / Anonyme in Géomatique expert, n° 58 (01/09/2007)PermalinkLes agriculteurs de PACA vont prendre l'air / Françoise de Blomac in SIG la lettre, n° 85 (mars 2007)PermalinkPlants manquants dans des cultures : Un algorithme de localisation à partir d'image à très haute résolution spatiale / Jean-Christophe Foltête in Revue internationale de géomatique, vol 17 n° 1 (mars – mai 2007)PermalinkRTE [Réseau Terre et Espace] : les satellites font leurs preuves / Françoise de Blomac in SIG la lettre, n° 85 (mars 2007)PermalinkMesures agri-environnementales dans la Manche / L. Alborino in Géomatique expert, n° 52 (01/09/2006)PermalinkComparison of automated watershed delineations: effects on land cover areas, percentages, and relationships to nutrient discharges / M.E. Baker in Photogrammetric Engineering & Remote Sensing, PERS, vol 72 n° 2 (February 2006)PermalinkField area checks using GPS (2), from theory to practice / S. Kay in GIM international, vol 20 n° 1 (January 2006)PermalinkGéosol, cartographie internet à l'aide de logiciels libres / B. Toutain in Géomatique expert, n° 48 (01/01/2006)PermalinkInfluence de l'organisation spatiale du parcellaire, des pratiques agricoles et des éléments du paysage sur les densités du carpocapse, un bio-agresseur du pommier / Bernadette Ricci (2006)PermalinkSemi-automatic rural land cover classification from high-resolution remote sensing images = Classification semi-automatique du terrain en zone rurale par télédétection à haute résolution / Roger Trias-Sanz (2006)PermalinkUne gestion satellitale des vignobles / M. Mayo in Géomètre, n° 2021 (décembre 2005)PermalinkUpdating land cover classification using a rule-based decision system / Damien Raclot in International Journal of Remote Sensing IJRS, vol 26 n° 7 (April 2005)PermalinkApplication des réseaux bayésiens de classification dans les systèmes d'informatin géographique / Marie-Aline Cavarroc (2005)PermalinkLes SIG peuvent-ils servir la participation publique ? / Françoise de Blomac in SIG la lettre, n° 61 (novembre 2004)PermalinkEffet combiné de la résolution spatiale et de la structure du paysage sur la qualité de classification : cas des zones agricoles / Ewa Pilich-Blaquiere in Revue internationale de géomatique, vol 14 n° 3 - 4 (septembre 2004 – février 2005)Permalink