Centre dedocumentation
scientifique

Improved crop classification with rotation knowledge using Sentinel-1 and -2 time series / Sébastien Giordano in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 7 (July 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 7 (July 2020) . - pp 431 - 441 Titre : Improved crop classification with rotation knowledge using Sentinel-1 and -2 time series Type de document : Article/Communication Auteurs : Sébastien Giordano , Auteur ; Simon Bailly, Auteur ; Loïc Landrieu , Auteur ; Nesrine Chehata , Auteur Année de publication : 2020 Projets : MAESTRIA / Mallet, Clément Article en page(s) : pp 431 - 441 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] Alpes-de-haute-provence (04) [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] parcelle agricole [Termes descripteurs IGN] photo-identification [Termes descripteurs IGN] Seine-et-Marne (77) [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surface cultivée Résumé : (Auteur) Leveraging the recent availability of accurate, frequent, and multimodal (radar and optical) Sentinel-1 and -2 acquisitions, this paper investigates the automation of land parcel identification system (LPIS) crop type classification. Our approach allows for the automatic integration of temporal knowledge, i.e., crop rotations using existing parcel-based land cover databases and multi-modal Sentinel-1 and -2 time series. The temporal evolution of crop types was modeled with a linear-chain conditional random field, trained with time series of multimodal (radar and optical) satellite acquisitions and associated LPIS. Our model was tested on two study areas in France (≥ 1250 km2) which show different crop types, various parcel sizes, and agricultural practices: . the Seine et Marne and the Alpes de Haute-Provence classified accordingly to a fine national 25-class nomenclature. We first trained a Random Forest classifier without temporal structure to achieve 89.0% overall accuracy in Seine et Marne (10 classes) and 73% in Alpes de Haute-Provence (14 classes). We then demonstrated experimentally that taking into account the temporal structure of crop rotation with our model resulted in an increase of 3% to +5% in accuracy. This increase was especially important (+12%) for classes which were poorly classified without using the temporal structure. A stark positive impact was also demonstrated on permanent crops, while it was fairly limited or even detrimental for annual crops. Numéro de notice : A2020-382 Affiliation des auteurs : LaSTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.7.431 date de publication en ligne : 01/07/2020 En ligne : https://doi.org/10.14358/PERS.86.7.431 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95428 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2020071	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]

Street-Frontage-Net: urban image classification using deep convolutional neural networks / Stephen Law in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 681- 707 Titre : Street-Frontage-Net: urban image classification using deep convolutional neural networks Type de document : Article/Communication Auteurs : Stephen Law, Auteur ; Chanuki Illushka Seresinhe, Auteur ; Yao Shen, Auteur Année de publication : 2020 Article en page(s) : pp 681- 707 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] espace public [Termes descripteurs IGN] évaluation foncière [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] façade [Termes descripteurs IGN] habitat urbain [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] immobilier (secteur) [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] Londres [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] Paris (75) [Termes descripteurs IGN] paysage urbain [Termes descripteurs IGN] urbanisme [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) Quantifying aspects of urban design on a massive scale is crucial to help develop a deeper understanding of urban designs elements that contribute to the success of a public space. In this study, we further develop the Street-Frontage-Net (SFN), a convolutional neural network (CNN) that can successfully evaluate the quality of street frontage as either being active (frontage containing windows and doors) or blank (frontage containing walls, fences and garages). Small-scale studies have indicated that the more active the frontage, the livelier and safer a street feels. However, collecting the city-level data necessary to evaluate street frontage quality is costly. The SFN model uses a deep CNN to classify the frontage of a street. This study expands on the previous research via five experiments. We find robust results in classifying frontage quality for an out-of-sample test set that achieves an accuracy of up to 92.0%. We also find active frontages in a neighbourhood has a significant link with increased house prices. Lastly, we find that active frontage is associated with more scenicness compared to blank frontage. While further research is needed, the results indicate the great potential for using deep learning methods in geographic information extraction and urban design. Numéro de notice : A2020-110 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1555832 date de publication en ligne : 26/12/2018 En ligne : https://doi.org/10.1080/13658816.2018.1555832 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94712 [article]

Mise en place d'un nouveau protocole relatif à la mise à jour de données géographiques produites par les Directions du Département des Hauts-de-Seine dans le SIG départemental / Gabriel Dousseau (2020) 

Public Titre : Mise en place d'un nouveau protocole relatif à la mise à jour de données géographiques produites par les Directions du Département des Hauts-de-Seine dans le SIG départemental Type de document : Mémoire Auteurs : Gabriel Dousseau, Auteur Editeur : Paris : Université de Paris 1 Panthéon Sorbonne Année de publication : 2020 Autre Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Importance : 38 p. Format : 21 x 30 cm Note générale : Rapport de stage Licence professionnelle Métiers de la Gestion et de la Protection de l’Environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes descripteurs IGN] ArcGIS online [Termes descripteurs IGN] automatisation des processus [Termes descripteurs IGN] Hauts-de-Seine (92) [Termes descripteurs IGN] mise à jour de base de données [Termes descripteurs IGN] transmission de données [Termes descripteurs IGN] widget Index. décimale : LPGE Mémoires de Licence professionnelle géomatique et environnement Résumé : (auteur) Le SIG du Département des Hauts-de-Seine comporte plus de 400 couches géographiques. La mise à jour de ces données occupe une part croissante dans la charge de travail de la cellule SIG-OD du fait d’un contexte de ressources humaines en forte tension et d’un protocole d’actualisation lourd et non automatisé. Une nouvelle procédure était envisagée afin de soulager l’équipe SIG grâce à une simplification et une automatisation du processus de mises à jour actuel, mais n’avait encore pu être initiée. L’objectif de ce stage a consisté à mettre en place ce nouveau protocole pour les données produites par les référents SIG métier. Un nouveau logigramme intégrant ce processus complémentaire dans la chaîne de mise à jour de la donnée a d’abord établi. Ensuite, les couches géographiques les plus propices à être mises à jour par les référents SIG métier ont été identifiées. En parallèle, le script permettant de transférer les couches actualisées entre les bases de données du SIG Départemental a été testé pour détecter d’éventuelles anomalies et les corriger. Enfin, deux applications ArcGIS Online de mise à jour ont été élaborées permettant de simplifier le travail de mise à jour de la donnée. Une a été présentée au référent SIG métier et sera opérationnelle en septembre 2020. Il ne restera que la configuration de l’ordonnanceur à réaliser, de manière à programmer le lancement des scripts selon la fréquence voulue. Cette solution va libérer du temps aux membres de l’unité pour le consacrer à d’autres projets et apporter de l’autonomie les référents SIG métier dans l’actualisation de leur donnée. Note de contenu : 1. Introduction 2. Analyse et mise en oeuvre 3. Outil de transfert automatisé des données SIG 4. Création et optimisation de l’application 5. Conclusion Numéro de notice : 25894 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire licence Organisme de stage : Conseil Départemental des Hauts-de-Seine Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95804

Documents numériques

peut être téléchargé Mise en place d'un nouveau protocole... - pdf auteur- Adobe Acrobat PDF

Pratique des relevés en zones urbaines denses intégrant les nouvelles technologies / Théo Laporte (2020) 

Permalink

Projet infos usagers et projet transport à la demande / Oriane Sobreira (2020) 

Permalink

A spatio-temporal web-application for the understanding of the formation of the Parisian metropolis / Emile Blettery (2020)  

Permalink

Histoire du nivellement de Paris : des nouveautés / Alain Coulomb in XYZ, n° 161 (décembre 2019)

Permalink

Mapping urban fingerprints of odonyms automatically extracted from French novels / Ludovic Moncla in International journal of geographical information science IJGIS, vol 33 n°12 (December 2019)  

Permalink

L'université Gustave Eiffel vise le sommet / Fanny Perrin d'Arloz in SIGmag, n° 22 (octobre 2019)

Permalink

Structural segmentation and classification of mobile laser scanning point clouds with large variations in point density / Yuan Li in ISPRS Journal of photogrammetry and remote sensing, vol 153 (July 2019)  

Permalink

Le nivellement de Saint-Germain-en-Laye / Alain Coulomb in XYZ, n° 158 (mars 2019)

Permalink

Apports des SIG pour la restitution de quelques éléments du paysage à Paris / Léa Hermenault in Cartes & Géomatique, n° 238 (Décembre 2018)

Permalink

Historical collaborative geocoding / Rémi Cura in ISPRS International journal of geo-information, vol 7 n° 7 (July 2018)    

Permalink