Centre dedocumentation
scientifique

Learning from multimodal and multitemporal earth observation data for building damage mapping / Bruno Adriano in ISPRS Journal of photogrammetry and remote sensing, vol 175 (May 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 175 (May 2021) . - pp 132 - 143 Titre : Learning from multimodal and multitemporal earth observation data for building damage mapping Type de document : Article/Communication Auteurs : Bruno Adriano, Auteur ; Naoto Yokoya, Auteur ; Junshi Xia, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 132 - 143 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage profond [Termes IGN] cartographie des risques [Termes IGN] catastrophe naturelle [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] cyclone [Termes IGN] dommage [Termes IGN] données multitemporelles [Termes IGN] image à haute résolution [Termes IGN] image optique [Termes IGN] image radar moirée [Termes IGN] observation de la Terre [Termes IGN] segmentation sémantique [Termes IGN] séisme [Termes IGN] surveillance d'ouvrage [Termes IGN] tsunami Résumé : (auteur) Earth observation (EO) technologies, such as optical imaging and synthetic aperture radar (SAR), provide excellent means to continuously monitor ever-growing urban environments. Notably, in the case of large-scale disasters (e.g., tsunamis and earthquakes), in which a response is highly time-critical, images from both data modalities can complement each other to accurately convey the full damage condition in the disaster aftermath. However, due to several factors, such as weather and satellite coverage, which data modality will be the first available for rapid disaster response efforts is often uncertain. Hence, novel methodologies that can utilize all accessible EO datasets are essential for disaster management. In this study, we developed a global multimodal and multitemporal dataset for building damage mapping. We included building damage characteristics from three disaster types, namely, earthquakes, tsunamis, and typhoons, and considered three building damage categories. The global dataset contains high-resolution (HR) optical imagery and high-to-moderate-resolution SAR data acquired before and after each disaster. Using this comprehensive dataset, we analyzed five data modality scenarios for damage mapping: single-mode (optical and SAR datasets), cross-modal (pre-disaster optical and post-disaster SAR datasets), and mode fusion scenarios. We defined a damage mapping framework for semantic segmentation of damaged buildings based on a deep convolutional neural network (CNN) algorithm. We also compared our approach to another state-of-the-art model for damage mapping. The results indicated that our dataset, together with a deep learning network, enabled acceptable predictions for all the data modality scenarios. We also found that the results from cross-modal mapping were comparable to the results obtained from a fusion sensor and optical mode analysis. Numéro de notice : A2021-272 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.02.016 date de publication en ligne : 17/03/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.02.016 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97343 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021051	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021052	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt
081-2021053	DEP-RECP	Revue	Saint-Mandé	Dépôt en unité	Exclu du prêt

Potentialité des données satellitaires Sentinel-2 pour la cartographie de l’impact des feux de végétation en Afrique tropicale : application au Togo / Yawo Konko in Bois et forêts des tropiques, n° 347 ([02/04/2021])  

Public [article]  inBois et forêts des tropiques > n° 347 [02/04/2021] Titre : Potentialité des données satellitaires Sentinel-2 pour la cartographie de l’impact des feux de végétation en Afrique tropicale : application au Togo Type de document : Article/Communication Auteurs : Yawo Konko, Auteur ; Bareremna Afelu, Auteur ; Kouami Kokou, Auteur Année de publication : 2021 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] carte de la végétation [Termes IGN] cultures [Termes IGN] dommage [Termes IGN] forêt tropicale [Termes IGN] image Sentinel-MSI [Termes IGN] impact sur l'environnement [Termes IGN] incendie de forêt [Termes IGN] plantation forestière [Termes IGN] savane [Termes IGN] Togo Mots-clés libres : Normalized Burn Ratio Résumé : (auteur) Le réchauffement climatique est un phénomène d’envergure mondiale qui se répercute sur le système climatique. Une des conséquences du réchauffement climatique est l'extension de la période de sécheresse, favorisant ainsi l’augmentation des fréquences du phénomène des feux de végétation. Les feux incontrôlés perturbent l’écologie et la fonctionnalité des écosystèmes, entraînant parfois leur érosion. La présente étude est une contribution pour la gestion des feux de végétation au Togo et porte sur le suivi spatial pour la saison des feux 2018-2019. Elle explore la potentialité des nouvelles données satellitaires Sentinel-2 (S-2) en accès libre dans la gamme de la télédétection optique pour la détection des surfaces brûlées, la cartographie des feux utilitaires et des feux incontrôlés. Elle teste également la performance de la méthode de cartographie des feux de végétation à partir de l’indice NBR (Normalized Burn Ratio) initialement conçue pour les images Landsat et évalue la biomasse végétale brûlée. Les résultats révèlent que les images S-2 présentent du potentiel dans la restitution des surfaces brûlées. La performance de la méthode de l’indice NBR sur les images S-2 est satisfaisante. La cartographie des feux de végétation montre que les feux utilitaires représentent 21,75 % contre 78,25 % pour les feux incontrôlés. L’ensemble des feux de végétation enregistrés a occasionné l’incendie de 5 878 km2 du couvert végétal, soit 10,39 % du territoire national. Le couvert végétal brûlé est composé majoritairement de savanes (33,12 %), de cultures et jachères (24,48 %), de plantations (14,59 %), de forêts claires (14,43 %) et de forêts riveraines (13,02 %). Les résultats obtenus constituent des éléments tangibles pour le suivi, la sensibilisation, l’élaboration des plans d’aménagement, de prévention et de gestion des feux. Numéro de notice : A2021-503 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.19182/bft2021.347.a36349 date de publication en ligne : 31/03/2021 En ligne : https://doi.org/10.19182/bft2021.347.a36349 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98095 [article]

Damage detection using SAR coherence statistical analysis, application to Beirut, Lebanon / Tamer ElGharbawi in ISPRS Journal of photogrammetry and remote sensing, vol 173 (March 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 173 (March 2021) . - pp 1 - 9 Titre : Damage detection using SAR coherence statistical analysis, application to Beirut, Lebanon Type de document : Article/Communication Auteurs : Tamer ElGharbawi, Auteur ; Fawzi Zarzoura, Auteur Année de publication : 2021 Article en page(s) : pp 1 - 9 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] Beyrouth [Termes IGN] catastrophe [Termes IGN] corrélation [Termes IGN] décorrélation [Termes IGN] dommage matériel [Termes IGN] étude d'impact [Termes IGN] filtre passe-haut [Termes IGN] image radar moirée Résumé : (auteur) Early well-coordinated response during unexpected catastrophes can define the near future of the stricken regions. Beirut city, Lebanon, was one of the unfortunate regions to endure the horrific ordeal of an unexpected explosion that caused thousands of human casualties, billions of dollars’ worth of property damage, and destroyed its main maritime entry point. In this paper, we identify damaged regions and classify their severity using a simple and robust SAR correlation technique. We employ phase coherence and amplitude correlation of a SAR stack to estimate pixels’ damage probability using hypothesis testing. We use a spatial phase filter applied in the frequency domain to improve the estimated coherence by removing the spatial decorrelation component of the total estimated coherence. Using this filter improved the coherence of nearly 44.2% of pixels identified with coherence less than 0.25 in our study area. The estimated damaged regions are presented and compared against a damage map issued by Advanced Rapid Imaging and Analysis (ARIA) which shows an average agreement of 68.3%. Also, a fine agreement was observed when compared to optical satellite images. Numéro de notice : A2021-100 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.01.00 date de publication en ligne : 15/01/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.01.001 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96871 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021031	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021033	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2021032	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

A framework for unsupervised wildfire damage assessment using VHR satellite images with PlanetScope data / Minkyung Chung in Remote sensing, vol 12 n° 22 (December 2020)  

Public [article]  inRemote sensing > vol 12 n° 22 (December 2020) . - n° 3835 Titre : A framework for unsupervised wildfire damage assessment using VHR satellite images with PlanetScope data Type de document : Article/Communication Auteurs : Minkyung Chung, Auteur ; Youkyung Han, Auteur ; Yongil Kim, Auteur Année de publication : 2020 Article en page(s) : n° 3835 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] aide à la décision [Termes IGN] classification non dirigée [Termes IGN] classification par forêts aléatoires [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] Corée du sud [Termes IGN] détection de changement [Termes IGN] dommage [Termes IGN] estimation par noyau [Termes IGN] flou [Termes IGN] gestion des risques [Termes IGN] image à très haute résolution [Termes IGN] image Geoeye [Termes IGN] image multibande [Termes IGN] image PlanetScope [Termes IGN] incendie de forêt [Termes IGN] Normalized Difference Vegetation Index Résumé : (auteur) The application of remote sensing techniques for disaster management often requires rapid damage assessment to support decision-making for post-treatment activities. As the on-demand acquisition of pre-event very high-resolution (VHR) images is typically limited, PlanetScope (PS) offers daily images of global coverage, thereby providing favorable opportunities to obtain high-resolution pre-event images. In this study, we propose an unsupervised change detection framework that uses post-fire VHR images with pre-fire PS data to facilitate the assessment of wildfire damage. To minimize the time and cost of human intervention, the entire process was executed in an unsupervised manner from image selection to change detection. First, to select clear pre-fire PS images, a blur kernel was adopted for the blind and automatic evaluation of local image quality. Subsequently, pseudo-training data were automatically generated from contextual features regardless of the statistical distribution of the data, whereas spectral and textural features were employed in the change detection procedure to fully exploit the properties of different features. The proposed method was validated in a case study of the 2019 Gangwon wildfire in South Korea, using post-fire GeoEye-1 (GE-1) and pre-fire PS images. The experimental results verified the effectiveness of the proposed change detection method, achieving an overall accuracy of over 99% with low false alarm rate (FAR), which is comparable to the accuracy level of the supervised approach. The proposed unsupervised framework accomplished efficient wildfire damage assessment without any prior information by utilizing the multiple features from multi-sensor bi-temporal images. Numéro de notice : A2020-793 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs12223835 date de publication en ligne : 22/11/2020 En ligne : https://doi.org/10.3390/rs12223835 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96570 [article]

Towards dynamic forest trafficability prediction using open spatial data, hydrological modelling and sensor technology / Aura Salmivaara in Forestry, an international journal of forest research, vol 93 n° 5 (October 2020)  

Public [article]  inForestry, an international journal of forest research > vol 93 n° 5 (October 2020) . - pp 662 - 674 Titre : Towards dynamic forest trafficability prediction using open spatial data, hydrological modelling and sensor technology Type de document : Article/Communication Auteurs : Aura Salmivaara, Auteur ; Samuli Launiainen, Auteur ; Jari Perttunen, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 662 - 674 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Environnement [Termes IGN] apprentissage automatique [Termes IGN] chemin forestier [Termes IGN] classification barycentrique [Termes IGN] dégradation des sols [Termes IGN] dommage [Termes IGN] données localisées libres [Termes IGN] exploitation forestière [Termes IGN] Finlande [Termes IGN] humidité du sol [Termes IGN] modèle dynamique [Termes IGN] modèle hydrographique Résumé : (auteur) Forest harvesting operations with heavy machinery can lead to significant soil rutting. Risks of rutting depend on the soil bearing capacity which has considerable spatial and temporal variability. Trafficability prediction is required in the selection of suitable operation sites for a given time window and conditions, and for on-site route optimization during the operation. Integrative tools are necessary to plan and carry out forest operations with minimal negative ecological and economic impacts. This study demonstrates a trafficability prediction framework that utilizes a spatial hydrological model and a wide range of spatial data. Trafficability was approached by producing a rut depth prediction map at a 16 × 16 m grid resolution, based on the outputs of a general linear mixed model developed using field data from Southern Finland, modelled daily soil moisture, spatial forest inventory and topography data, along with field measured rolling resistance and information on the mass transported through the grid cells. Dynamic rut depth prediction maps were produced by accounting for changing weather conditions through hydrological modelling. We also demonstrated a generalization of the rolling resistance coefficient, measured with harvester CAN-bus channel data. Future steps towards a nationwide prediction framework based on continuous data flow, process-based modelling and machine learning are discussed. Numéro de notice : A2020-790 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article DOI : 10.1093/forestry/cpaa010 date de publication en ligne : 05/10/2020 En ligne : https://doi.org/10.1093/forestry/cpaa010 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96559 [article]

Optimal segmentation of high spatial resolution images for the classification of buildings using random forests / James Bialas in International journal of applied Earth observation and geoinformation, vol 82 (October 2019)  

Permalink

Atlas of remote sensing of the Wenchuan earthquake / Huadong Guo (2019)  

Permalink

Estimating storm damage with the help of low-altitude photographs and different sampling designs and estimators / Pekka Hyvönen in Silva fennica, vol 52 n° 3 ([01/08/2018])  

Permalink

Combining machine-learning topic models and spatiotemporal analysis of social media data for disaster footprint and damage assessment / Bernd Resch in Cartography and Geographic Information Science, Vol 45 n° 4 (July 2018)  

Permalink

Contextual classification using photometry and elevation data for damage detection after an earthquake event / Ewelina Rupnik in European journal of remote sensing, vol 51 n° 1 (2018)  

Permalink

Assessing forest windthrow damage using single-date, post-event airborne laser scanning data / Gherardo Chirici in Forestry, an international journal of forest research, vol 91 n° 1 (January 2018)  

Permalink

Stand-level wind damage can be assessed using diachronic photogrammetric canopy height models / Jean-Pierre Renaud in Annals of Forest Science [en ligne], vol 74 n° 4 (December 2017)  

Permalink

Semiautomatic detection and classification of materials in historic buildings with low-cost photogrammetric equipment / Javier Sanchez in Journal of Cultural Heritage, vol 25 (May - June 2017)  

Permalink

Urban damage level mapping based on scattering mechanism investigation using fully polarimetric SAR Data for the 3.11 East Japan earthquake / Si-Wei Chen in IEEE Transactions on geoscience and remote sensing, vol 54 n° 12 (December 2016)  

Permalink

Assessing the ecosystem service flood protection of a riparian forest by applying a cascade approach / Nina-Christin Barth in Ecosystem Services, vol 21 Part A (October 2016)  

Permalink