Centre dedocumentation
scientifique

Analyse de la déforestation dans la périphérie Ouest de la réserve de biosphère du DJA au Cameroun, à partir d'une série multi-annuelle d'images Landsat / Eric Wilson TEGNO NGUEKAM 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 29 - 39 Titre : Analyse de la déforestation dans la périphérie Ouest de la réserve de biosphère du DJA au Cameroun, à partir d'une série multi-annuelle d'images Landsat Type de document : Article/Communication Auteurs : Eric Wilson TEGNO NGUEKAM, Auteur ; Salomon C. Nguembe Fils, Auteur ; Joachim Etouna, Auteur ; Simon Njeudeng Tenku, Auteur Année de publication : 2020 Article en page(s) : pp 29 - 39 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] biosphère [Termes descripteurs IGN] Cameroun [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] données spatiotemporelles [Termes descripteurs IGN] image Landsat-ETM+ [Termes descripteurs IGN] image Landsat-OLI Résumé : (Auteur) Dans cet article, il est question d’évaluer la déforestation dans la périphérie Ouest de la réserve de Biosphère du Dja à travers les techniques de Télédétection et de Système d’Information Géographique. Pour cela, 08 images Landsat de date différentes (2011 à 2018) ont été utilisées pour produire les cartes d’occupation du sol, à travers la méthode de classification supervisée et l’algorithme « maximum likelihood ». Les classes d’occupation de sol retenues pour cette classification sont : forêt dense, forêt dégradée, zone de culture, zone marécageuse, zone d’habitation, sol nu et eau. L’analyse des changements a été faite avec la technique de « change detection ». Les résultats de cette étude ont montré que la déforestation a été importante pendant la période d’étude (2011 – 2018). Les surfaces forestières se sont principalement transformées en zone de culture, marécage, forêt dégradée, sol nu. Le taux de déforestation observé est de 6,8% et dénote une importante baisse du couvert forestier dense. L’étude a montré des tendances de déforestation dans cette périphérie. Elle a permis d’observer que les zones tendancieuses sont concentrées principalement autour de certaines activités anthropiques présentes dans cette zone (la plantation agricole SUDCAM, le barrage de Mekin, les lieux habité). Numéro de notice : A2020-761 Affiliation des auteurs : non IGN Thématique : FORET/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/434/247 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96402 [article]

Semi-automatic building extraction from WorldView-2 imagery using taguchi optimization / Hasan Tonbul in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 9 (September 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 9 (September 2020) . - pp 547-555 Titre : Semi-automatic building extraction from WorldView-2 imagery using taguchi optimization Type de document : Article/Communication Auteurs : Hasan Tonbul, Auteur ; Taskin Kavzoglu, Auteur Année de publication : 2020 Article en page(s) : pp 547-555 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse de variance [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] extraction semi-automatique [Termes descripteurs IGN] image Worldview [Termes descripteurs IGN] optimisation (mathématiques) [Termes descripteurs IGN] rapport signal sur bruit [Termes descripteurs IGN] régression linéaire [Termes descripteurs IGN] segmentation multirésolution [Termes descripteurs IGN] séparateur à vaste marge Résumé : (Auteur) Due to the complex spectral and spatial structures of remotely sensed images, the delineation of land use/land cover classes using conventional approaches is a challenging task. This article tackles the problem of seeking optimal parameters of multi-resolution segmentation for a classification task using WorldView-2 imagery. Taguchi optimization was applied to search optimal parameters using the plateau objective function (POF) and quality rate (Qr) as fitness criteria. Analysis of variance was also used to estimate the contributions of the parameters for POF and Qr, separately. The scale parameter was the most effective one, with contribution levels of 87.45% and 56.87% for POF and Qr, respectively. Linear regression and support-vector regression methods were used to predict the results of the experiment. Test results revealed that Taguchi optimization was more effective than linear regression and support-vector regression for predicting POF and Qr values. Numéro de notice : A2020-490 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.9.547 date de publication en ligne : 01/09/2020 En ligne : https://doi.org/10.14358/PERS.86.9.547 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95931 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2020091	SL	Revue	Centre de documentation	Revues en salle	Disponible

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 Affiliation des auteurs : non IGN 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, article hors-série n° 65 (mai 2020)  

Public [article]  inSciences, eaux & territoires > article 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 Affiliation des auteurs : non IGN 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 Affiliation des auteurs : non IGN 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]

Classification of time series of Sentinel-2 images for large scale mapping in Cameroon / Hermann Tagne (2020)  

Permalink

Current challenges in operational very high resolution land-cover mapping / Clément Mallet (2020)  

Permalink

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

Permalink

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

Permalink

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