Descripteur
Termes IGN > 1- Outils - instruments et méthodes > document > document géographique > document cartographique > carte > carte thématique > carte d'occupation du sol
carte d'occupation du solVoir aussi |
Documents disponibles dans cette catégorie (342)
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
Development and analysis of land-use/land-cover spatio-temporal metrics in urban environments: Exploring urban growth patterns and linkages to socio-economic factors / Marta Sapena Moll (2021)
Titre : Development and analysis of land-use/land-cover spatio-temporal metrics in urban environments: Exploring urban growth patterns and linkages to socio-economic factors Type de document : Thèse/HDR Auteurs : Marta Sapena Moll, Auteur ; Luis Angel Ruiz Fernandez, Directeur de thèse Editeur : Valencia : Universitat politécnica de Valencia Année de publication : 2021 Importance : 268 p. Format : 21 x 30 cm Note générale : bibliographie
PhD in Geomatics Engineering, Universidad politécnica de ValenciaLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse discriminante
[Termes IGN] analyse spatio-temporelle
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] croissance urbaine
[Termes IGN] données socio-économiques
[Termes IGN] implémentation (informatique)
[Termes IGN] milieu urbain
[Termes IGN] modélisation spatiale
[Termes IGN] occupation du sol
[Termes IGN] population urbaine
[Termes IGN] régression linéaire
[Termes IGN] Rhénanie du Nord-Wesphalie (Allemagne)
[Termes IGN] utilisation du sol
[Termes IGN] ville durableRésumé : (auteur) This thesis addresses the development and analysis of new tools and methods for monitoring and characterizing urban growth using geo-data and land-use/land-cover (LULC) databases, as well as exploring their relationships with socio-economic factors, providing new evidences regarding the use of LULC data for urban characterization at different levels by means of spatial and statistical methods. First, the most common spatio-temporal metrics were compiled and implemented within a software tool, IndiFrag. Then, we present a methodology based on spatio-temporal metrics and propose a new index that quantifies the inequality of growth between population and built-up areas to analyze and compare urban growth patterns at different levels. This allowed for a differentiation of growing patterns, besides, the analysis at various levels contributed to a better understanding of such patterns. Second, we quantified the two-way relationship between the urban structure in cities and their socio-economic status by means of spatial metrics issued from a local climate zone map for 31 cities in North Rhine-Westphalia, Germany. Based on these data, we quantified their relationship with socio-economic indicators by means of multiple linear regression models, explaining a significant part of their variability. The proposed method is transferable to other datasets, levels, and regions. Third, we assessed the use of spatio-temporal metrics derived from LULC maps to identify urban growth spatial patterns. We applied LULC change models to simulate different long-term scenarios of urban growth following various spatial patterns on diverse baseline urban forms. Then, we computed spatio-temporal metrics for the simulated scenarios, selected the most explanatory by applying a discriminant analysis and classified the growth patterns using clustering methods. Finally, we identified empirical relationships between socio-economic indicators and their change over time with the spatial structure of the built and natural elements in up to 600 urban areas from 32 countries. We employed random forest regression models and the spatio-temporal metrics were able to explain substantially the variability of socio-economic variables. This confirms that spatial patterns and their change are linked to socio-economic indicators. This work contributes to a better understanding of urban growth patterns and improves knowledge about the relationships between urban spatial structure and socio-economic factors, providing new methods for monitoring and assessing urban sustainability by means of LULC databases, which could be used by researchers, urban planners and decision-makers to ensure the sustainable future of urban environments. Note de contenu : 1- Introduction
2- Hypotheses and objectives
3- Spatio-temporal analysis of LULC and population in urban areas
4- Relationships between spatial patterns of urban structure and quality of life
5- Spatio-temporal metrics for urban growth spatial pattern categorization
6- Linking spatio-temporal metrics of built-up areas to socio-economic indicators on a semi-global scale
7- ConclusionsNuméro de notice : 28308 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/URBANISME Nature : Thèse étrangère Note de thèse : PhD Thesis : Geomatics Engineering : Valencia, Spain : 2021 Organisme de stage : German Aerospace Center DOI : 10.4995/Thesis/10251/158626 En ligne : https://doi.org/10.4995/Thesis/10251/158626 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98112 Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes / Arthur Crespin-Boucaud (2021)
Titre : Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes : application aux Hautes Terres, à Madagascar Type de document : Thèse/HDR Auteurs : Arthur Crespin-Boucaud, Auteur ; Agnès Bégue, Directeur de thèse Editeur : Paris, Nancy, ... : AgroParisTech (2007 -) Année de publication : 2021 Importance : 326 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de docteur délivré par l’institut des sciences et industries du vivant et de l’environnement, Spécialité : GéomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] agriculture
[Termes IGN] analyse d'image orientée objet
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données de terrain
[Termes IGN] image Pléiades-HR
[Termes IGN] image Sentinel-MSI
[Termes IGN] Madagascar
[Termes IGN] modèle conceptuel de données
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] parcelle agricole
[Termes IGN] prise en compte du contexte
[Termes IGN] série temporelle
[Termes IGN] système complexe
[Termes IGN] utilisation du solIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les méthodes de classification des données de télédétection pour la cartographie de l’occupation des sols reposent sur des mesures de proximité entre pixels ou objets dans un hyperespace spectral dans lequel ils sont projetés en fonction de leur réflectance dans plusieurs bandes spectrales de l'image. La projection en retour des pixels ou des objets vers l'espace géographique permet d'obtenir la carte d’occupation du sol recherchée, avec autant de classes que de régions identifiées comme significatives dans l'hyperespace. Le raisonnement qui sous-tend l'analyse dans l'hyperespace des données satellitaires est que dans ce dernier, les relations de proximité de "signatures spectrales" des objets et des pixels sont plus faciles à mettre en évidence que dans l’espace géographique. Ces méthodes sont particulièrement efficaces pour la cartographie des espaces agricoles caractérisés par de grandes parcelles et par des pratiques culturales homogènes. Cependant, pour une grande partie des Suds, les espaces agricoles sont plus complexes, avec des parcelles généralement plus petites, et une diversité d’usages et d’occupations des sols qui reflète les coutumes et leur adaptation au climat et à la géographie locale. L'efficacité des méthodes de télédétection diminue fortement pour ces systèmes agricoles plus complexes. Afin de repousser ces limites, les recherches actuelles portent sur des méthodes combinant à la fois des séries temporelles d’images satellites et des données contextuelles, telles que des indices de texture, l’altitude ou la pente, dont certaines sont basées sur l’apprentissage profond. Ces développements méthodologiques et techniques poussés utilisent principalement l’information spectrale et n’intègrent que peu les autres types de connaissances agricoles disponibles. Par exemple, on sait que certaines cultures ne poussent qu’à partir d’une altitude ou à proximité des habitations. Aisément identifiables dans l’espace géographique, ces connaissances, à la fois spatiales et temporelles, sont plus difficilement identifiables dans l’hyperespace des données. Cela suggère intuitivement qu'une meilleure prise en compte des connaissances agricoles pourrait améliorer les méthodes de classification pour obtenir des cartes de l'occupation de l’usage des sols plus cohérentes sur le plan agricole. Dans cette thèse, nous explorons la possibilité d'utiliser les connaissances en agriculture, formalisées sous forme de règles, pour améliorer une méthode de classification supervisée pour la cartographie de l'occupation et de l’usage des sols des systèmes agricoles complexes. Dans un premier temps, cette thèse propose un modèle conceptuel permettant de combiner à la fois des méthodes de classification de données de télédétection et de la modélisation spatio-temporelle. Ce modèle est décomposé en quatre modules spatiaux et temporels, chacun correspondant à une méthode visant à améliorer la caractérisation de l’occupation et de l’usage des sols, et pouvant être utilisé indépendamment. Les deux modules spatiaux du modèle sont ensuite appliqués à une zone d’étude agricole située dans la région du Vakinankaratra, sur les Hautes Terres de Madagascar afin d’évaluer l’approche développée. D’un point de vue quantitatif, l’application des deux modules spatiaux n’améliore que très peu la caractérisation des classes d’occupation et d’usage des sols de la zone d’étude, notamment du fait du manque de données de qualité supportant l’application des règles spatiales identifiées. Néanmoins, l'application des modules spatiaux permet une meilleure discrimination entre les cultures pluviales et les espaces de savanes, source de nombreuses confusions avec les méthodes utilisées en traitement de données de télédétection. L'analyse de ces résultats permet de proposer des améliorations pour le modèle conceptuel ainsi que pour son application plus générale aux systèmes agricoles complexes. Note de contenu : Introduction générale
1- Contexte et problématique de la thèse
2- Modèle conceptuel
3- Zone d’étude, matériel et méthodes
4- Méthode d’application des modules à la région des Hautes Terres
5- Résultats d’applications
6- Discussion
Conclusion généraleNuméro de notice : 28322 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géomatique : AgroParisTech : 2021 Organisme de stage : TETIS (Montpellier) DOI : sans En ligne : https://pastel.archives-ouvertes.fr/tel-03306233/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98314 Time-series analysis of massive satellite images : Application to earth observation / Alexandre Constantin (2021)
Titre : Time-series analysis of massive satellite images : Application to earth observation Titre original : Analyse de séries temporelles massives d'images satellitaires : Applications à la cartographie des écosystèmes Type de document : Thèse/HDR Auteurs : Alexandre Constantin, Auteur ; Stéphane Girard, Directeur de thèse ; Mathieu Fauvel, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 136 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse Pour obtenir le grade de Docteur de l'Université de Grenoble Alpes, Specialité : Mathématiques AppliquéesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse multivariée
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification pixellaire
[Termes IGN] covariance
[Termes IGN] échantillonnage de données
[Termes IGN] écosystème
[Termes IGN] image Sentinel-MSI
[Termes IGN] processus gaussien
[Termes IGN] Python (langage de programmation)
[Termes IGN] régression
[Termes IGN] série temporelleIndex. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis takes place in the context of the processing of the data from Sentinel-2 mission. This mission, initiated by the European Space Agency and launched in 2017, produces an unprecedented amount of Satellite Image Time-Series (SITS). Among the key analyses of these images, this thesis focuses on the classification task, i.e. land use or land cover maps that can be produced using spectro-temporal aspect of the Sentinel-2 SITS.Two main difficulties are identified in this thesis for the process of Sentinel-2 SITS. First, the unprecedented amount of data requires both scalable classifiers and code optimization techniques (such as parallel processing). Second, the acquisition noise (clouds, shadows) combined with the temporal aspect results in irregular and unevenly sampled time-series. Conventional approaches re-sample time-series to a set of time stamps, then they use machine learning techniques to classify vectors at a large-scale (national scale). The main disadvantage of this two-step processing approach is that it increases the number of operations applied to the SITS, implying a more difficult transition to massive amount of data. To a lower extent, the re-sampling step may slightly alter the temporal characteristics of the data.This thesis contributions are the following. We introduce a novel model-based approach with the ability to classify irregularly sampled time-series based on a mixture of multivariate Gaussian processes. A two-step approach has been used, by defining on one hand a model of uni-variate time-series, independent from the spectral wavelength point of view, then by considering on the second hand both spectral and temporal information from SITS. These models allow jointly a reconstruction of unobserved or noisy data. Estimation of both models has been implemented using a parallelized python code to be scalable to large-scale data-sets. The two models are evaluated numerically on Sentinel-2 SITS in terms of classification and reconstruction accuracy and are compared with conventional approaches. Analyses of the results illustrate the relevance of the two models and the benefit of using interpretable parametric models. Note de contenu : General Introduction
1- Satellite image time-series analysis and classification
2- Statistical modelling for time-series classification
3- Model-based classification for irregularly sampled time-series
4- Joint supervised classification and reconstruction of irregularly sampled satellite image times series
5- Mixture of multivariate gaussian processes for classification of irregularly sampled SITS
Conclusion and perspectivesNuméro de notice : 15280 Affiliation des auteurs : non IGN Thématique : IMAGERIE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques Appliquées : Grenoble : 2021 Organisme de stage : Laboratoire Jean Kuntzmann DOI : sans En ligne : https://hal.science/tel-03682025 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101161 Mapping of land cover with open-source software and ultra-high-resolution imagery acquired with unmanned aerial vehicles / Ned Horning in Remote sensing in ecology and conservation, vol 6 n° 4 (December 2020)
[article]
Titre : Mapping of land cover with open-source software and ultra-high-resolution imagery acquired with unmanned aerial vehicles Type de document : Article/Communication Auteurs : Ned Horning, Auteur ; Erika Fleishman, Auteur ; Peter J. Ersts, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 487 - 497 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse comparative
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] image aérienne
[Termes IGN] image captée par drone
[Termes IGN] Orfeo Tool Box
[Termes IGN] orthoimage
[Termes IGN] R (langage)Résumé : (auteur) The use of unmanned aerial vehicles (UAVs) to map and monitor the environment has increased sharply in the last few years. Many individuals and organizations have purchased consumer-grade UAVs, and commonly acquire aerial photographs to map land cover. The resulting ultra-high-resolution (sub-decimeter-resolution) imagery has high information content, but automating the extraction of this information to create accurate, wall-to-wall land-cover maps is quite difficult. We introduce image-processing workflows that are based on open-source software and can be used to create land-cover maps from ultra-high-resolution aerial imagery. We compared four machine-learning workflows for classifying images. Two workflows were based on random forest algorithms. Of these, one used a pixel-by-pixel approach available in ilastik, and the other used image segments and was implemented with R and the Orfeo ToolBox. The other two workflows used fully connected neural networks and convolutional neural networks implemented with Nenetic. We applied the four workflows to aerial photographs acquired in the Great Basin (western USA) at flying heights of 10 m, 45 m and 90 m above ground level. Our focal cover type was cheatgrass (Bromus tectorum), a non-native invasive grass that changes regional fire dynamics. The most accurate workflow for classifying ultra-high-resolution imagery depends on diverse factors that are influenced by image resolution and land-cover characteristics, such as contrast, landscape patterns and the spectral texture of the land-cover types being classified. For our application, the ilastik workflow yielded the highest overall accuracy (0.82–0.89) as assessed by pixel-based accuracy. Numéro de notice : A2020-853 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1002/rse2.144 Date de publication en ligne : 13/01/2020 En ligne : https://doi.org/10.1002/rse2.144 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98682
in Remote sensing in ecology and conservation > vol 6 n° 4 (December 2020) . - pp 487 - 497[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)
[article]
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 IGN] Cameroun
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] déboisement
[Termes IGN] données spatiotemporelles
[Termes IGN] image Landsat-ETM+
[Termes IGN] image Landsat-OLI
[Termes IGN] réserve naturelleRésumé : (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 : 10.52638/rfpt.2020.434 Date de publication en ligne : 25/11/2020 En ligne : https://doi.org/10.52638/rfpt.2020.434 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96402
in Revue Française de Photogrammétrie et de Télédétection > n° 222 (novembre 2020) . - pp 29 - 39[article]Combining optical and radar satellite image time series to map natural vegetation: savannas as an example / Maylis Lopes in Remote sensing in ecology and conservation, vol 6 n° 3 (September 2020)PermalinkSemi-automatic building extraction from WorldView-2 imagery using taguchi optimization / Hasan Tonbul in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 9 (September 2020)PermalinkCartographie des surfaces pastorales à l’aide des données Sentinel 2 L3A et des données ouvertes : Promesses et réalités / Urcel Kalenga Tshingomba in Revue internationale de géomatique, vol 30 n° 3-4 (juillet - décembre 2020)PermalinkFine-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)PermalinkComment 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)PermalinkA 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)PermalinkClassification of time series of Sentinel-2 images for large scale mapping in Cameroon / Hermann Tagne (2020)PermalinkPermalinkPermalinkVers une occupation du sol France entière par imagerie satellite à très haute résolution / Tristan Postadjian (2020)Permalink