Centre dedocumentation
scientifique

Identifying urban growth patterns through land-use/land-cover spatio-temporal metrics: Simulation and analysis / Marta Sapena in International journal of geographical information science IJGIS, vol 35 n° 2 (February 2021)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 35 n° 2 (February 2021) . - pp 375 - 396 Titre : Identifying urban growth patterns through land-use/land-cover spatio-temporal metrics: Simulation and analysis Type de document : Article/Communication Auteurs : Marta Sapena, Auteur ; Luis Angel Ruiz, Auteur Année de publication : 2021 Article en page(s) : pp 375 - 396 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] analyse discriminante [Termes descripteurs IGN] analyse spatio-temporelle [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] carte d'utilisation du sol [Termes descripteurs IGN] changement d'occupation du sol [Termes descripteurs IGN] croissance urbaine [Termes descripteurs IGN] distance euclidienne [Termes descripteurs IGN] modèle de croissance [Termes descripteurs IGN] pondération Résumé : (auteur) The spatial pattern of urban growth determines how the physical, socio-economic and environmental characteristics of urban areas change over time. Monitoring urban areas for early identification of spatial patterns facilitates assuring their sustainable growth. In this paper, we assess the use of spatio-temporal metrics from land-use/land-cover (LULC) maps to identify growth patterns. We applied LULC change models to simulate different scenarios of urban growth spatial patterns (i.e., expansion, compact, dispersed, road-based and leapfrog) on various baseline urban forms (i.e., monocentric, polycentric, sprawl and linear). Then, we computed the spatio-temporal metrics for the simulated scenarios, selected the most informative metrics by applying discriminant analysis and classified the growth patterns using clustering methods. Two metrics, Weighted mean expansion and Weighted Euclidean distance, which account for the densification, compactness and concentration of urban growth, were the most efficient for classifying the five growth patterns, despite the influence of the baseline urban form. These metrics have the potential to identify growth patterns for monitoring and evaluating the management of developing urban areas. Numéro de notice : A2021-040 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1817463 date de publication en ligne : 08/09/2020 En ligne : https://doi.org/10.1080/13658816.2020.1817463 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96752 [article]

Land cover harmonization using Latent Dirichlet Allocation / Zhan Li in International journal of geographical information science IJGIS, vol 35 n° 2 (February 2021)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 35 n° 2 (February 2021) . - pp 348 - 374 Titre : Land cover harmonization using Latent Dirichlet Allocation Type de document : Article/Communication Auteurs : Zhan Li, Auteur ; Joanne C. White, Auteur ; Michael A. Wulder, Auteur Année de publication : 2021 Article en page(s) : pp 348 - 374 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] allocation de Dirichlet latente [Termes descripteurs IGN] Canada [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] chevauchement [Termes descripteurs IGN] erreur de classification [Termes descripteurs IGN] étiquetage sémantique [Termes descripteurs IGN] harmonisation des données [Termes descripteurs IGN] matrice d'erreur [Termes descripteurs IGN] matrice de co-occurrence [Termes descripteurs IGN] utilisation du sol Résumé : (auteur) Large-area land cover maps are produced to satisfy different information needs. Land cover maps having partial or complete spatial and/or temporal overlap, different legends, and varying accuracies for similar classes, are increasingly common. To address these concerns and combine two 30-m resolution land cover products, we implemented a harmonization procedure using a Latent Dirichlet Allocation (LDA) model. The LDA model used regionalized class co-occurrences from multiple maps to generate a harmonized class label for each pixel by statistically characterizing land attributes from the class co-occurrences. We evaluated multiple harmonization approaches: using the LDA model alone and in combination with more commonly used information sources for harmonization (i.e. error matrices and semantic affinity scores). The results were compared with the benchmark maps generated using simple legend crosswalks and showed that using LDA outputs with error matrices performed better and increased harmonized map overall accuracy by 6–19% for areas of disagreement between the source maps. Our results revealed the importance of error matrices to harmonization, since excluding error matrices reduced overall accuracy by 4–20%. The LDA-based harmonization approach demonstrated in this paper is quantitative, transparent, portable, and efficient at leveraging the strengths of multiple land cover maps over large areas. Numéro de notice : A2021-027 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1796131 date de publication en ligne : 27/07/2020 En ligne : https://doi.org/10.1080/13658816.2020.1796131 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96701 [article]

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] 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 [Termes descripteurs IGN] réserve naturelle 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, huit 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 habités). 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 multi-échelle [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)  

Permalink

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)  

Permalink

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

Vers une occupation du sol France entière par imagerie satellite à très haute résolution / Tristan Postadjian (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