Centre dedocumentation
scientifique

From 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)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 171 (January 2021) . - pp 76 - 100 Titre : From local to global: A transfer learning-based approach for mapping poplar plantations at national scale using Sentinel-2 Type de document : Article/Communication Auteurs : Yousra Hamrouni, Auteur ; Eric Paillassa, Auteur ; Véronique Chéret, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 76 - 100 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] base de données forestières [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] couvert forestier [Termes descripteurs IGN] échantillonnage [Termes descripteurs IGN] France (administrative) [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] mise à jour de base de données [Termes descripteurs IGN] populus (genre) [Termes descripteurs IGN] série temporelle Résumé : (auteur) Reliable estimates of poplar plantations area are not available at the French national scale due to the unsuitability and low update rate of existing forest databases for this short-rotation species. While supervised classification methods have been shown to be highly accurate in mapping forest cover from remotely sensed images, their performance depends to a great extent on the labelled samples used to build the models. In addition to their high acquisition cost, such samples are often scarce and not fully representative of the variability in class distributions. Consequently, when classification models are applied to large areas with high intra-class variance, they generally yield poor accuracies because of data shift issues. In this paper, we propose the use of active learning to efficiently adapt a classifier trained on a source image to spatially distinct target images with minimal labelling effort and without sacrificing the classification performance. The adaptation consists in actively adding to the initial local model new relevant training samples from other areas in a cascade that iteratively improves the generalisation capabilities of the classifier leading to a global model tailored to these different areas. This active selection relies on uncertainty sampling to directly focus on the most informative pixels for which the algorithm is the least certain of their class labels. Experiments conducted on Sentinel-2 time series revealed their high capacity to identify poplar plantations at a local scale with an average F-score ranging from 89.5% to 99.3%. For large area adaptation, the results showed that when the same number of training samples was used, active learning outperformed random sampling by up to 5% of the overall accuracy and up to 12% of the class F-score. Additionally, and depending on the class considered, the random sampling model required up to 50% more samples to achieve the same performance of an active learning-based model. Moreover, the results demonstrate the suitability of the derived global model to accurately map poplar plantations among other tree species with overall accuracy values up to 14% higher than those obtained with local models. The proposed approach paves the way for a national scale mapping in an operational context. Numéro de notice : A2021-013 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.10.018 date de publication en ligne : 20/11/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.10.018 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96417 [article]

Bioclimatic modeling of potential vegetation types as an alternative to species distribution models for projecting plant species shifts under changing climates / Robert E. Keane in Forest ecology and management, vol 477 ([01/12/2020])  

Public [article]  inForest ecology and management > vol 477 [01/12/2020] . - 12 p. Titre : Bioclimatic modeling of potential vegetation types as an alternative to species distribution models for projecting plant species shifts under changing climates Type de document : Article/Communication Auteurs : Robert E. Keane, Auteur ; Lisa M. Holsinger, Auteur ; Rachel Loehman, Auteur Année de publication : 2020 Article en page(s) : 12 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] changement climatique [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] distribution spatiale [Termes descripteurs IGN] écosystème [Termes descripteurs IGN] espèce végétale [Termes descripteurs IGN] habitat forestier [Termes descripteurs IGN] modèle de simulation [Termes descripteurs IGN] modèle dynamique [Termes descripteurs IGN] modélisation de la forêt [Termes descripteurs IGN] Montana (Etats-Unis) [Termes descripteurs IGN] substitution [Vedettes matières IGN] Végétation et changement climatique Résumé : (auteur) Land managers need new tools for planning novel futures due to climate change. Species distribution modeling (SDM) has been used extensively to predict future distributions of species under different climates, but their map products are often too coarse for fine-scale operational use. In this study we developed a flexible, efficient, and robust method for mapping current and future distributions and abundances of vegetation species and communities at the fine spatial resolutions that are germane to land management. First, we mapped Potential Vegetation Types (PVTs) using conventional statistical modeling techniques (Random Forests) that used bioclimatic ecosystem process and climate variables as predictors. We obtained over 50% accuracy across 13 mapped PVTs for our study area. We then applied future climate projections as climate input to the Random Forest model to generate future PVT maps, and used field data describing the occurrence of tree and non-tree species in each PVT category to model and map species distribution for current and future climate. These maps were then compared to two previous SDM mapping efforts with over 80% agreement and equivalent accuracy. Because PVTs represent the biophysical potential of the landscape to support vegetation communities as opposed to the vegetation that currently exists, they can be readily linked to climate forecasts and correlated with other, climate-sensitive ecological processes significant in land management, such as fire regimes and site productivity. Numéro de notice : A2020-624 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article DOI : 10.1016/j.foreco.2020.118498 date de publication en ligne : 18/08/2020 En ligne : https://doi.org/10.1016/j.foreco.2020.118498 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96022 [article]

Mapping forest tree species in high resolution UAV-based RGB-imagery by means of convolutional neural networks / Felix Schiefer in ISPRS Journal of photogrammetry and remote sensing, vol 170 (December 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 170 (December 2020) . - pp 205-215 Titre : Mapping forest tree species in high resolution UAV-based RGB-imagery by means of convolutional neural networks Type de document : Article/Communication Auteurs : Felix Schiefer, Auteur ; Teja Kattenborn, Auteur ; Annett Frick, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 205-215 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] arbre (flore) [Termes descripteurs IGN] carte forestière [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] espèce végétale [Termes descripteurs IGN] Forêt-Noire, massif de la [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image captée par drone [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] inventaire forestier local [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] télédétection aérienne Résumé : (Auteur) The use of unmanned aerial vehicles (UAVs) in vegetation remote sensing allows a time-flexible and cost-effective acquisition of very high-resolution imagery. Still, current methods for the mapping of forest tree species do not exploit the respective, rich spatial information. Here, we assessed the potential of convolutional neural networks (CNNs) and very high-resolution RGB imagery from UAVs for the mapping of tree species in temperate forests. We used multicopter UAVs to obtain very high-resolution ( Numéro de notice : A2020-706 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.10.015 date de publication en ligne : 03/11/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.10.015 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96236 [article]

Cartographie des cultures dans le périmètre du Loukkos (Maroc) : apport de la télédétection radar et optique / Siham Acharki in Revue Française de Photogrammétrie et de Télédétection, n° 222 (novembre 2020)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 222 (novembre 2020) . - pp 15 - 28 Titre : Cartographie des cultures dans le périmètre du Loukkos (Maroc) : apport de la télédétection radar et optique Type de document : Article/Communication Auteurs : Siham Acharki, Auteur ; Mina Amharref, Auteur ; Pierre-Louis Frison , Auteur ; A. Samed Bernoussi, Auteur Année de publication : 2020 Projets : 3-projet - voir note / Article en page(s) : pp 15 - 28 Note générale : bibliographie Ce travail est réalisé dans le cadre du projet PPR2/2016/79, OGI-Env, soutenu par le MENFPESRS et le CNRST (Maroc). Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] Maroc Résumé : (auteur) Dans cet article, nous analysons la possibilité d’amélioration de la classification des cultures dans un périmètre irrigué du nord du Maroc en se basant sur la combinaison des données multi-temporelles de deux satellites (Sentinel-1 et Sentinel-2) avec l’inclusion de neuf indices. Le périmètre concerné (Loukkos), en plus de sa position stratégique, se caractérise par un climat méditerranéen avec une forte valeur écologique. Il présente une intense activité agricole avec une grande diversité des cultures dont le fonctionnement pourrait être affecté par le changement climatique.Afin de quantifier les besoins en eau, nous avons utilisé les séries d’images satellitaires acquises pour la période du 09/2017 au 08/2018. Les cartes produites pour trois niveaux de classification illustrent notre approche. L’étude a montré que les 10canaux optiques, à 10 et 20 m de résolution spatiale, des données acquises par Sentinel-2 permettent d'obtenir de bonnes performances, avec un indice de kappa > 85\% pour toutes les sous-classe set une précision globale > 86\%. Ces performances sont supérieures à celles obtenues avec des données radar acquises par Sentinel-1, avec des écarts de F-score inférieurs de 9% en moyenne, et pouvant aller jusqu'à 29% (sur le chêne-liège/Niveau SSC). Ni l'ajout d'indices radiométriques optiques, ni la combinaison des données optiques et radar n'apportent d'amélioration significative aux performances obtenues avec les données Sentinel-2. Afin d’exploiter les données obtenues, les travaux à venir se focaliseraient sur l’étude des profils temporels de chaque type de culture. Numéro de notice : A2020-576 Affiliation des auteurs : UPEM-LaSTIG+Ext (2016-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans date de publication en ligne : 25/11/2020 En ligne : http://www.sfpt.fr/rfpt/index.php/RFPT/article/view/481/252 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96391 [article]

Bretagne, la végétation cartographiée / Marielle Mayo in Géomètre, n° 2185 (novembre 2020)

Public [article]  inGéomètre > n° 2185 (novembre 2020) . - pp 46 - 49 Titre : Bretagne, la végétation cartographiée Type de document : Article/Communication Auteurs : Marielle Mayo, Auteur Année de publication : 2020 Article en page(s) : pp 46 - 49 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Cartographie thématique [Termes descripteurs IGN] 1:25.000 [Termes descripteurs IGN] acquisition d'images [Termes descripteurs IGN] aménagement régional [Termes descripteurs IGN] appariement semi-automatique [Termes descripteurs IGN] ArcGIS [Termes descripteurs IGN] BD ortho [Termes descripteurs IGN] Bretagne [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] données publiques [Termes descripteurs IGN] écologie végétale [Termes descripteurs IGN] image infrarouge couleur [Termes descripteurs IGN] image proche infrarouge [Termes descripteurs IGN] modèle orienté objet Résumé : (Auteur) Une cartographie inédite de la végétation de Bretagne sera accessible en totalité en ligne en décembre. Produite par télédétection grâce à une méthode semi-automatisée innovante, elle répond aux nouveaux besoins des acteurs de la biodiversité et de l'aménagement du territoire. Numéro de notice : A2020-707 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96281 [article]

Landslide susceptibility mapping using Naïve Bayes and Bayesian network models in Umyeonsan, Korea / Sunmin Lee in Geocarto international, vol 35 n° 15 ([01/11/2020])  

Permalink

Object-based classification of mixed forest types in Mongolia / E. Nyamjargal in Geocarto international, vol 35 n° 14 ([15/10/2020])  

Permalink

Uncertainty of forested wetland maps derived from aerial photography / Stephen P. Prisley in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 10 (October 2020)  

Permalink

Ancient forest statistics provide centennial perspective over the status and dynamics of forest area in France / Thimotée Audinot in Annals of Forest Science [en ligne], vol 77 n° 3 (September 2020)  

Permalink

Comparison of tree-based classification algorithms in mapping burned forest areas / Dilek Kucuk Matci in Geodetski vestnik, vol 64 n° 3 (September - November 2020)  

Permalink

Evaluation of crop mapping on fragmented and complex slope farmlands through random forest and object-oriented analysis using unmanned aerial vehicles / Re-Yang Lee in Geocarto international, vol 35 n° 12 ([01/09/2020])  

Permalink

Local color and morphological image feature based vegetation identification and its application to human environment street view vegetation mapping, or how green is our county? / Istvan G. Lauko in Geo-spatial Information Science, vol 23 n° 3 (September 2020)  

Permalink

Mapping croplands of Europe, Middle East, Russia, and Central Asia using Landsat, Random Forest, and Google Earth Engine / Aparna R. Phalke in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)  

Permalink

Accuracies of support vector machine and random forest in rice mapping with Sentinel-1A, Landsat-8 and Sentinel-2A datasets / Lamin R. Mansaray in Geocarto international, vol 35 n° 10 ([01/08/2020])  

Permalink

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)  

Permalink