Centre dedocumentation
scientifique

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)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 6 (June 2020) . - pp 1117 - 1136 Titre : Fine-grained landuse characterization using ground-based pictures: a deep learning solution based on globally available data Type de document : Article/Communication Auteurs : Shivangi Srivastava, Auteur ; John E. Vargas-Muñoz, Auteur ; Sylvain Lobry, Auteur ; Devis Tuia, Auteur Année de publication : 2020 Article en page(s) : pp 1117 - 1136 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse d'image orientée objet [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] base de données urbaines [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] données localisées libres [Termes descripteurs IGN] Ile-de-France [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] image terrestre [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] méthode heuristique [Termes descripteurs IGN] OpenStreetMap [Termes descripteurs IGN] réseau social Résumé : (auteur) We study the problem of landuse characterization at the urban-object level using deep learning algorithms. Traditionally, this task is performed by surveys or manual photo interpretation, which are expensive and difficult to update regularly. We seek to characterize usages at the single object level and to differentiate classes such as educational institutes, hospitals and religious places by visual cues contained in side-view pictures from Google Street View (GSV). These pictures provide geo-referenced information not only about the material composition of the objects but also about their actual usage, which otherwise is difficult to capture using other classical sources of data such as aerial imagery. Since the GSV database is regularly updated, this allows to consequently update the landuse maps, at lower costs than those of authoritative surveys. Because every urban-object is imaged from a number of viewpoints with street-level pictures, we propose a deep-learning based architecture that accepts arbitrary number of GSV pictures to predict the fine-grained landuse classes at the object level. These classes are taken from OpenStreetMap. A quantitative evaluation of the area of Île-de-France, France shows that our model outperforms other deep learning-based methods, making it a suitable alternative to manual landuse characterization. Numéro de notice : A2020-269 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1542698 date de publication en ligne : 18/11/2018 En ligne : https://doi.org/10.1080/13658816.2018.1542698 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95041 [article]

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)  

Public [article]  inSciences, eaux & territoires > Hors- Série n° 65 (mai 2020) Titre : Comment cartographier l’occupation du sol en vue de modéliser les réseaux écologiques ? Méthodologie générale et cas d’étude en Île-de-France Type de document : Article/Communication Auteurs : Chloé Thierry, Auteur ; Nicolas Lesieur-Maquin, Auteur ; Cindy Fournier, Auteur ; et al., Auteur Année de publication : 2020 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Cartographie [Termes descripteurs IGN] aide à la décision [Termes descripteurs IGN] base de données cartographiques [Termes descripteurs IGN] BD ortho [Termes descripteurs IGN] BD Topo [Termes descripteurs IGN] biodiversité [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] couche thématique [Termes descripteurs IGN] données écologiques [Termes descripteurs IGN] écosystème [Termes descripteurs IGN] Ile-de-France [Termes descripteurs IGN] SCAN25 [Termes descripteurs IGN] théorie des graphes [Termes descripteurs IGN] trame verte et bleue [Termes descripteurs IGN] zone tampon Résumé : (éditeur) Une cartographie de l’occupation du sol est souvent essentielle aux décideurs et gestionnaires d’espace pour appréhender les enjeux de maintien et de restauration des continuités écologiques favorables au maintien de la biodiversité. Dans cet article, les auteurs présentent une démarche méthodologique qui, à partir des différentes bases de données cartographiques disponibles, a permis de réaliser une cartographie précise de l’occupation du sol pour mieux étudier la connectivité des espaces naturels sur le territoire fortement urbanisé de la région Île-de-France. Numéro de notice : A2020-353 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtSansCL DOI : 10.14758/SET-REVUE.2020.HS.05 date de publication en ligne : 01/05/2020 En ligne : http://www.set-revue.fr/sites/default/files/articles/pdf/set-revue-cartographie- [...] Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95237 [article]

A discriminative tensor representation model for feature extraction and classification of multispectral LiDAR data / Qingwang Wang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 3 (March 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 3 (March 2020) . - pp 1568 -1586 Titre : A discriminative tensor representation model for feature extraction and classification of multispectral LiDAR data Type de document : Article/Communication Auteurs : Qingwang Wang, Auteur ; Yanfeng Gu, Auteur Année de publication : 2020 Article en page(s) : pp 1568 -1586 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] Amérique du nord [Termes descripteurs IGN] analyse discriminante [Termes descripteurs IGN] calcul tensoriel [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification multibande [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] modèle géométrique [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] tenseur [Termes descripteurs IGN] vectorisation [Termes descripteurs IGN] voisinage (topologie) Résumé : (Auteur) Multispectral light detection and ranging (MS-LiDAR) systems open the door to the possibility in the 3-D land cover classification at a finer scale using only point cloud data. This article proposes a model based on the tensor representation for multispectral point cloud classification. The proposed method combines the 3-D local spatial structure of each multispectral point by characterizing the point with a second-order tensor. The first mode of the tensor indicates the spatial location and spectral information of each point (i.e., the row of the second-order tensor) and the second mode denotes the neighborhood geometric and spectral structures (i.e., the column of the second-order tensor). Then we develop a novel tensor manifold discriminant embedding (TMDE) algorithm to extract the geometric–spectral features for multispectral point clouds classification. TMDE solves the mapping matrices of each mode by preserving the intraclass samples’ distribution further making it more compact and maximizing the distance of different classes. Finally, the support vector machine classifier with the extracted features as input is used to implement the classification of multispectral point clouds. Experiments are conducted on two real multispectral point cloud data sets. The experimental results demonstrate that the proposed method can achieve significant improvements in classification accuracies in comparison with several state-of-the-art algorithms. Numéro de notice : A2020-086 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2947081 date de publication en ligne : 30/10/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2947081 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94660 [article]

Remote Sensing Applications for Agriculture and Crop Modelling / Piero Toscano (2020)  

Public Titre : Remote Sensing Applications for Agriculture and Crop Modelling Type de document : Monographie Auteurs : Piero Toscano, Editeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Collection : Agronomy Importance : 310 p. ISBN/ISSN/EAN : ISBN 978-3-03928-227-2 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] agriculture [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] carte d'utilisation du sol [Termes descripteurs IGN] changement climatique [Termes descripteurs IGN] changement d'occupation du sol [Termes descripteurs IGN] engrais chimique [Termes descripteurs IGN] image infrarouge [Termes descripteurs IGN] image Landsat-OLI [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image satellite [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] surface cultivée Résumé : (éditeur) Crop models and remote sensing techniques have been combined and applied in agriculture and crop estimation on local and regional scales, or worldwide, based on the simultaneous development of crop models and remote sensing. The literature shows that many new remote sensing sensors and valuable methods have been developed for the retrieval of canopy state variables and soil properties from remote sensing data for assimilating the retrieved variables into crop models. At the same time, remote sensing has been used in a staggering number of applications for agriculture. This book sets the context for remote sensing and modelling for agricultural systems as a mean to minimize the environmental impact, while increasing production and productivity. The eighteen papers published in this Special Issue, although not representative of all the work carried out in the field of Remote Sensing for agriculture and crop modeling, provide insight into the diversity and the complexity of developments of RS applications in agriculture. Five thematic focuses have emerged from the published papers: yield estimation, land cover mapping, soil nutrient balance, time-specific management zone delineation and the use of UAV as agricultural aerial sprayers. All contributions exploited the use of remote sensing data from different platforms (UAV, Sentinel, Landsat, QuickBird, CBERS, MODIS, WorldView), their assimilation into crop models (DSSAT, AQUACROP, EPIC, DELPHI) or on the synergy of Remote Sensing and modeling, applied to cardamom, wheat, tomato, sorghum, rice, sugarcane and olive. The intended audience is researchers and postgraduate students, as well as those outside academia in policy and practice. Numéro de notice : 25747 Thématique : IMAGERIE Nature : Recueil / ouvrage collectif En ligne : https://www.mdpi.com/books/pdfview/book/2023 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94932

Very high resolution land cover mapping of urban areas at global scale with convolutional neural network / Thomas Tilak (2020)  

Public contenu dans ArXiv / Université Cornell (Etats-Unis) (1991)   Titre : Very high resolution land cover mapping of urban areas at global scale with convolutional neural network Type de document : Article/Communication Auteurs : Thomas Tilak, Auteur ; Arnaud Braun, Auteur ; David Chandler, Auteur ; Nicolas David , Auteur ; Sylvain Galopin, Auteur ; Mickaël Michaud, Auteur ; Camille Parisel, Auteur ; Matthieu Porte, Auteur ; Marjorie Robert, Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2020 Importance : 8 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] BD Alti [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] corrélation croisée maximale [Termes descripteurs IGN] étiquette [Termes descripteurs IGN] Gironde (33) [Termes descripteurs IGN] image à très haute résolution [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] vectorisation [Termes descripteurs IGN] zone d'intérêt [Termes descripteurs IGN] zone urbaine Résumé : (auteur) This paper describes a methodology to produce a 7-classes land cover map of urban areas from very high resolution images and limited noisy labeled data. The objective is to make a segmentation map of a large area (a french department) with the following classes: asphalt, bare soil, building, grassland, mineral material (permeable artificialized areas), forest and water from 20cm aerial images and Digital Height Model. We created a training dataset on a few areas of interest aggregating databases, semi-automatic classification, and manual annotation to get a complete ground truth in each class. A comparative study of different encoder-decoder architectures (U-Net, U-Net with Resnet encoders, Deeplab v3+) is presented with different loss functions. The final product is a highly valuable land cover map computed from model predictions stitched together, binarized, and refined before vectorization. Numéro de notice : P2020-006 Thématique : IMAGERIE Nature : Article nature-HAL : Préprint En ligne : https://arxiv.org/pdf/2005.05652.pdf Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95079

An approach for establishing correspondence between OpenStreetMap and reference datasets for land use and land cover mapping / Qi Zhou in Transactions in GIS, Vol 23 n° 6 (November 2019)  

Permalink

Change detection work-flow for mapping changes from arable lands to permanent grasslands with advanced boosting methods / Jiří Šandera in Geodetski vestnik, vol 63 n° 3 (September - November 2019)  

Permalink

Exploring the synergy between Landsat and ASAR towards improving thematic mapping accuracy of optical EO data / Alexander Cass in Applied geomatics, vol 11 n° 3 (September 2019)  

Permalink

Land-cover change in the Wulagai grassland, Inner Mongolia of China between 1986 and 2014 analysed using multi-temporal Landsat images / Temulun Tangud in Geocarto international, vol 34 n° 11 ([15/08/2019])  

Permalink

Evaluating metrics derived from Landsat 8 OLI imagery to map crop cover / Rei Sonobe in Geocarto international, vol 34 n° 8 ([15/06/2019])  

Permalink

Mise en oeuvre d'outils open source pour le suivi opérationnel de l'occupation des sols et de la déforestation à partir des données Sentinel radar optique : études de cas en Guyane et au Togo / Cédric Lardeux in Revue Française de Photogrammétrie et de Télédétection, n° 219-220 (juin - octobre 2019)

Permalink

Synergetic efficiency of Lidar and WorldView-2 for 3D urban cartography in Northeast Mexico / Fabiola D. Yepez-Rincon in Geocarto international, vol 34 n° 2 ([01/02/2019])  

Permalink

Ailanthus altissima mapping from multi-temporal very high resolution satellite images / Cristina Tarantino in ISPRS Journal of photogrammetry and remote sensing, vol 147 (January 2019)  

Permalink

Apports des SIG pour la restitution de quelques éléments du paysage à Paris / Léa Hermenault in Cartes & Géomatique, n° 238 (Décembre 2018)

Permalink

Land cover mapping at very high resolution with rotation equivariant CNNs : Towards small yet accurate models / Diego Marcos in ISPRS Journal of photogrammetry and remote sensing, vol 145 - part A (November 2018)  

Permalink