Centre dedocumentation
scientifique

Parcel-based summer maize mapping and phenology estimation combined using Sentinel-2 and time series Sentinel-1 data / Yanyan Wang in International journal of applied Earth observation and geoinformation, vol 108 (April 2022)  

Public [article]  inInternational journal of applied Earth observation and geoinformation > vol 108 (April 2022) . - n° 102720 Titre : Parcel-based summer maize mapping and phenology estimation combined using Sentinel-2 and time series Sentinel-1 data Type de document : Article/Communication Auteurs : Yanyan Wang, Auteur ; Shenghui Fang, Auteur ; Lingli Zhao, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 102720 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes IGN] carte de la végétation [Termes IGN] Chine [Termes IGN] croissance végétale [Termes IGN] données spatiotemporelles [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] maïs (céréale) [Termes IGN] mesure de similitude [Termes IGN] phénologie [Termes IGN] saison [Termes IGN] segmentation d'image [Termes IGN] série temporelle [Termes IGN] surface cultivée Résumé : (auteur) This study aims to map the planting area of summer maize and estimate the spatiotemporal phenology information with parcel-based classification method through integration of Sentinel-1/2 data in Jiaozuo located in North China Plain. For the maize mapping, the combination of Sentinel-1/2 data with the parcel-based method has the highest classification accuracy, suggesting that the integration of Sentinel-1/2 data with parcel-based method has great potential for regional maize mapping. For the estimation of maize phenology, the dynamic threshold method is used to extract the tasseling and milk ripening date through the time series σ0VH. In order to reduce the influence of precipitation or irrigation on SAR data, a Local Minimum Value Composite (LMVC) method is proposed to filter the original time series SAR data. The systematic phenology estimation method mainly includes LMVC, S-G filtering, Fourier curve fitting and dynamic threshold points extracting. Compared with the actual phenology date by field investigation, the errors of estimated tasseling and milk ripening date are 4.3 days and 5.5 days respectively, indicating that the time series σ0VH derived from the SAR data has great potential in spatiotemporal phenology estimation of field maize. Finally, the scattering mechanism of the maize field to C-band microwave in different growth periods was analyzed. It was also found that the phenology of maize was delayed in the coal mining subsidence areas and the areas with insufficient field management. Numéro de notice : A2022-232 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.jag.2022.102720 Date de publication en ligne : 24/02/2022 En ligne : https://doi.org/10.1016/j.jag.2022.102720 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100121 [article]

Geoglam, l'agriculture par satellite / Laurent Polidori in Géomètre, n° 2194 (septembre 2021)

Public [article]  inGéomètre > n° 2194 (septembre 2021) . - pp 17 - 17 Titre : Geoglam, l'agriculture par satellite Type de document : Article/Communication Auteurs : Laurent Polidori, Auteur Année de publication : 2021 Article en page(s) : pp 17 - 17 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] blé (céréale) [Termes IGN] carte d'occupation du sol [Termes IGN] Glycine max [Termes IGN] image à haute résolution [Termes IGN] Leaf Area Index [Termes IGN] maïs (céréale) [Termes IGN] modèle dynamique [Termes IGN] Normalized Difference Vegetation Index [Termes IGN] observation de la Terre [Termes IGN] Oryza (genre) [Termes IGN] série temporelle [Termes IGN] surface cultivée Résumé : (Auteur) Des satellites pour la sécurité alimentaire et la transparence du marché agricole Numéro de notice : A2021-579 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 13/09/2021 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98400 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
063-2021081	SL	Revue	Centre de documentation	Revues en salle	Disponible

A CNN approach to simultaneously count plants and detect plantation-rows from UAV imagery / Lucas Prado Osco in ISPRS Journal of photogrammetry and remote sensing, vol 174 (April 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 174 (April 2021) . - pp 1 - 17 Titre : A CNN approach to simultaneously count plants and detect plantation-rows from UAV imagery Type de document : Article/Communication Auteurs : Lucas Prado Osco, Auteur ; Mauro Dos Santos de Arruda, Auteur ; Diogo Nunes Gonçalves, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 1 - 17 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage profond [Termes IGN] carte agricole [Termes IGN] Citrus sinensis [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] comptage [Termes IGN] cultures [Termes IGN] détection d'objet [Termes IGN] extraction de la végétation [Termes IGN] gestion durable [Termes IGN] image captée par drone [Termes IGN] maïs (céréale) [Termes IGN] rendement agricole Résumé : (auteur) Accurately mapping croplands is an important prerequisite for precision farming since it assists in field management, yield-prediction, and environmental management. Crops are sensitive to planting patterns and some have a limited capacity to compensate for gaps within a row. Optical imaging with sensors mounted on Unmanned Aerial Vehicles (UAV) is a cost-effective option for capturing images covering croplands nowadays. However, visual inspection of such images can be a challenging and biased task, specifically for detecting plants and rows on a one-step basis. Thus, developing an architecture capable of simultaneously extracting plant individually and plantation-rows from UAV-images is yet an important demand to support the management of agricultural systems. In this paper, we propose a novel deep learning method based on a Convolutional Neural Network (CNN) that simultaneously detects and geolocates plantation-rows while counting its plants considering highly-dense plantation configurations. The experimental setup was evaluated in (a) a cornfield (Zea mays L.) with different growth stages (i.e. recently planted and mature plants) and in a (b) Citrus orchard (Citrus Sinensis Pera). Both datasets characterize different plant density scenarios, in different locations, with different types of crops, and from different sensors and dates. This scheme was used to prove the robustness of the proposed approach, allowing a broader discussion of the method. A two-branch architecture was implemented in our CNN method, where the information obtained within the plantation-row is updated into the plant detection branch and retro-feed to the row branch; which are then refined by a Multi-Stage Refinement method. In the corn plantation datasets (with both growth phases – young and mature), our approach returned a mean absolute error (MAE) of 6.224 plants per image patch, a mean relative error (MRE) of 0.1038, precision and recall values of 0.856, and 0.905, respectively, and an F-measure equal to 0.876. These results were superior to the results from other deep networks (HRNet, Faster R-CNN, and RetinaNet) evaluated with the same task and dataset. For the plantation-row detection, our approach returned precision, recall, and F-measure scores of 0.913, 0.941, and 0.925, respectively. To test the robustness of our model with a different type of agriculture, we performed the same task in the citrus orchard dataset. It returned an MAE equal to 1.409 citrus-trees per patch, MRE of 0.0615, precision of 0.922, recall of 0.911, and F-measure of 0.965. For the citrus plantation-row detection, our approach resulted in precision, recall, and F-measure scores equal to 0.965, 0.970, and 0.964, respectively. The proposed method achieved state-of-the-art performance for counting and geolocating plants and plant-rows in UAV images from different types of crops. The method proposed here may be applied to future decision-making models and could contribute to the sustainable management of agricultural systems. Numéro de notice : A2021-205 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.01.024 Date de publication en ligne : 13/02/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.01.024 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97171 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021041	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021043	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2021042	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Apport de la télédétection pour la simulation spatialisée des composantes du bilan carbone des cultures et des effets d'atténuation biogéochimiques et biogéophysiques des cultures intermédiaires / Gaétan Pique (2021)  

Public Titre : Apport de la télédétection pour la simulation spatialisée des composantes du bilan carbone des cultures et des effets d'atténuation biogéochimiques et biogéophysiques des cultures intermédiaires Type de document : Thèse/HDR Auteurs : Gaétan Pique, Auteur ; Eric Ceschia, Directeur de thèse ; Rémy Fieuzal, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2021 Importance : 279 p. Format : 21 x 30 cm Note générale : bibliographie Thèse en vue de l'obtention du Doctorat de l'Université Toulouse 3 - Paul Sabatier, Spécialité Surfaces et interfaces continentales, Hydrologie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] albedo [Termes IGN] bilan du carbone [Termes IGN] blé (céréale) [Termes IGN] changement climatique [Termes IGN] dioxyde de carbone [Termes IGN] eau douce [Termes IGN] image Landsat-8 [Termes IGN] image Sentinel-MSI [Termes IGN] image SPOT [Termes IGN] indice de végétation [Termes IGN] maïs (céréale) [Termes IGN] modèle de simulation [Termes IGN] parcelle agricole [Termes IGN] puits de carbone [Termes IGN] surface cultivée [Termes IGN] tournesol Index. décimale : THESE Thèses et HDR Résumé : (auteur) Les changements climatiques et la croissance démographique de la population mondiale amènent aujourd'hui le monde agricole à s'adapter pour faire face à ces deux enjeux majeurs. Si les surfaces agricoles, qui représentent près d'un tiers des terres émergées, contribuent largement aux émissions mondiales de gaz à effet de serre, elles offrent également la possibilité de mettre en place des leviers d'atténuation des changements climatiques. Dans ce contexte, ces travaux de thèse ont vocation à enrichir nos connaissances sur le fonctionnement des surfaces agricoles, à fournir des outils d'évaluation de la contribution des surfaces cultivées aux évolutions du climat, et à quantifier les effets biogéochimiques (stockage de C) et biogéophysiques (effet albédo) d'atténuation des changements climatiques via la mise en œuvre de cultures intermédiaires. Pour répondre à ces objectifs, deux approches de modélisation ont été développées au cours de ces travaux. Le premier volet de cette thèse s'est intéressé à développer une approche de modélisation spatialisée, permettant de fournir des estimations des productions (biomasses et rendements), des flux de CO2 et d'eau, ces variables servant à la quantification des bilans de carbone et d'eau pour les parcelles de grandes cultures. À cette fin, le modèle agro-météorologique SAFYE-CO2 assimilant des produits satellites d'indice de végétation à hautes résolutions spatiale et temporelle a été développé et appliqué à différentes cultures (blé, maïs et tournesol) et végétations d'intercultures (repousses spontanées, mauvaises herbes, cultures intermédiaires). Cette approche a pu être validée sur un réseau de parcelles du Sud-Ouest de la France, en tirant parti d'un grand nombre d'images satellites et de données de validation sur la zone de l'Observatoire Spatial Régional. Elle a notamment permis d'estimer avec précision les productions de blé, de tournesol et de maïs, ainsi que les flux de CO2 et d'eau sur les cultures de blé et de tournesol. La végétation, pouvant se développer sur les parcelles pendant les périodes d'interculture, a également été prise en compte afin d'améliorer l'estimation des flux de CO2 et d'eau. Cela a notamment permis de quantifier l'impact des cultures intermédiaires sur les composantes du bilan C des parcelles allouées aux grandes cultures sur la zone d'étude. Le second volet visait à développer un modèle d'introduction de cultures intermédiaires à l'échelle européenne, afin d'estimer le forçage radiatif induit par la modification de l'albédo de surface engendré par cette pratique. Grâce à des produits albédo moyenne résolution (1/20°), développés par le CNRM (et en collaboration avec ce laboratoire), cette approche de modélisation a permis de fournir des estimations de l'effet albédo relatifs aux cultures intermédiaires. Plusieurs scenarii d'introduction ont été simulés pour rendre compte de l'impact de certains facteurs, tels que la neige ou la pluie. Ils ont permis d'alerter sur le potentiel impact négatif de l'assombrissement du sol, induit à long terme (via l'enrichissement des sols en matière organique) par les cultures intermédiaires sur le forçage radiatif des surfaces cultivées. Enfin, comme tout changement de pratique agricole induit des effets biogéochimiques et biogéophysiques sur le climat, une analyse de ces effets couplés a été menée grâce à l'utilisation combinée de ces deux approches de modélisation. Note de contenu : Introduction générale 1- Simulation spatialisée des bilans de C sur grandes cultures 2- Intégration d’un module de bilan hydrique à SAFY-CO2 3- Estimation de l’effet albédo des cultures intermédiaires 4- Impacts de l’occupation du sol pendant l’interculture sur les flux de CO2, d’eau et sur l’albédo 5- Analyse des effets albédo à court et long termes des cultures intermédiaires 6- Discussion Conclusion générale Numéro de notice : 28317 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surfaces et interfaces continentales, Hydrologie : Toulouse 3 : 2021 Organisme de stage : CESBIO DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03325160/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98241

Stem-leaf segmentation and phenotypic trait extraction of individual maize using terrestrial LiDAR data / Shichao Jin in IEEE Transactions on geoscience and remote sensing, vol 57 n° 3 (March 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 57 n° 3 (March 2019) . - pp 1336 - 1346 Titre : Stem-leaf segmentation and phenotypic trait extraction of individual maize using terrestrial LiDAR data Type de document : Article/Communication Auteurs : Shichao Jin, Auteur ; Yanjun Su, Auteur ; Fangfang Wu, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 1336 - 1346 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] maïs (céréale) [Termes IGN] phénologie [Termes IGN] segmentation en régions Résumé : (Auteur) Accurate and high throughput extraction of crop phenotypic traits, as a crucial step of molecular breeding, is of great importance for yield increasing. However, automatic stem-leaf segmentation as a prerequisite of many precise phenotypic trait extractions is still a big challenge. Current works focus on the study of the 2-D image-based segmentation, which are sensitive to illumination and occlusion. Light detection and ranging (LiDAR) can obtain accurate 3-D information with its active laser scanning and strong penetration ability, which breaks through phenotyping from 2-D to 3-D. However, few researches have addressed the problem of the LiDAR-based stem-leaf segmentation. In this paper, we proposed a median normalized-vector growth (MNVG) algorithm, which can segment stem and leaf with four steps, i.e., preprocessing, stem growth, leaf growth, and postprocessing. The MNVG method was tested by 30 maize samples with different heights, compactness, leaf numbers, and densities from three growing stages. Moreover, phenotypic traits at leaf, stem, and individual levels were extracted with the truly segmented instances. The mean accuracy of segmentation at point level in terms of the recall, precision, F-score, and overall accuracy were 0.92, 0.93, 0.92, and 0.93, respectively. The accuracy of phenotypic trait extraction in leaf, stem, and individual levels ranged from 0.81 to 0.95, 0.64 to 0.97, and 0.96 to 1, respectively. To our knowledge, this paper proposed the first LiDAR-based stem-leaf segmentation and phenotypic trait extraction method in agriculture field, which may contribute to the study of LiDAR-based plant phonemics and precise agriculture. Numéro de notice : A2019-114 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2018.2866056 Date de publication en ligne : 19/09/2018 En ligne : https://doi.org/10.1109/TGRS.2018.2866056 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92454 [article]

Close-range hyperspectral image analysis for the early detection of stress responses in individual plants in a high-throughput phenotyping platform / Mohd Shahrimie Mohd Asaari in ISPRS Journal of photogrammetry and remote sensing, vol 138 (April 2018)  

Permalink

Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications / Amanda Veloso in Remote sensing of environment, vol 199 (15 September 2017)  

Permalink

Télédétection pour l'agriculture de précision par caméra hyperspectrale miniature / D. Constantin in Géomatique suisse, vol 113 n° 9 (septembre 2015)

Permalink

Impact of diurnal variation in vegetation water content on radar backscatter from maize during water stress / Tim Van Emmerik in IEEE Transactions on geoscience and remote sensing, vol 53 n° 7 (July 2015)    

Permalink

Effect of corn on C-an L-band radar backscatter: a correction method for soil moisture retrieval / A. Joseph in Remote sensing of environment, vol 114 n° 11 (15/11/2010)  

Permalink

Applications of photogrammetric processing using an autonomous model helicopter / Henri Eisenbeiss in Revue Française de Photogrammétrie et de Télédétection, n° 185 (Mars 2007)

Permalink

Soil moisture mapping and AMSR-E validation using the PSR in SMEX02 / R. Bindlish in Remote sensing of environment, vol 103 n° 2 (30/07/2006)  

Permalink

Analysis of land use drivers at the watershed and household level: Linking two paradigms at the Philippine forest fringe / K.P. Overmars in International journal of geographical information science IJGIS, vol 19 n° 2 (february 2005)  

Permalink

Land cover-based optimal deconvolution of PALS L-band microwave brightness temperatures / A.S. Limaye in Remote sensing of environment, vol 92 n° 4 (30 September 2004)  

Permalink

Retrieval of soil moisture from passive and active L/S band sensor (PALS) observations during the soil moisture experiment in 2002 (SMEX) / U. Narayan in Remote sensing of environment, vol 92 n° 4 (30 September 2004)  

Permalink