Centre dedocumentation
scientifique

Evolution of sand encroachment using supervised classification of Landsat data during the period 1987–2011 in a part of Laâyoune-Tarfaya basin of Morocco / Ali Aydda in Geocarto international, vol 34 n° 13 ([15/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 13 [15/10/2019] . - pp 1514 - 1529 Titre : Evolution of sand encroachment using supervised classification of Landsat data during the period 1987–2011 in a part of Laâyoune-Tarfaya basin of Morocco Type de document : Article/Communication Auteurs : Ali Aydda, Auteur ; Omar F. Althuwaynee, Auteur ; Ahmed Algouti, Auteur ; Abdellah Algouti, Auteur Année de publication : 2019 Article en page(s) : pp 1514 - 1529 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] carte géomorphologique [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] classification par maximum de vraisemblance [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] dune [Termes descripteurs IGN] image Landsat [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] littoral [Termes descripteurs IGN] Maroc [Termes descripteurs IGN] sable [Termes descripteurs IGN] vent de sable Résumé : (auteur) Numéro de notice : A2019-511 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1493154 date de publication en ligne : 07/09/2018 En ligne : https://doi.org/10.1080/10106049.2018.1493154 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93820 [article]

Mise en oeuvre d'outils open source pour le suivi opérationnel de l'occupation des sols et de la déforestation à partir des données Sentinel radar optique : études de cas en Guyane et au Togo / Cédric Lardeux in Revue Française de Photogrammétrie et de Télédétection, n° 219-220 (juin - décembre 2019)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 219-220 (juin - décembre 2019) . - pp 59 - 70 Titre : Mise en oeuvre d'outils open source pour le suivi opérationnel de l'occupation des sols et de la déforestation à partir des données Sentinel radar optique : études de cas en Guyane et au Togo Type de document : Article/Communication Auteurs : Cédric Lardeux, Auteur ; Anoumou Kemavo, Auteur ; Maxence Rageade, Auteur ; Mathieu Rahm, Auteur ; Pierre-Louis Frison , Auteur ; Jean-Paul Rudant , Auteur Année de publication : 2019 Article en page(s) : pp 59 - 70 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] Guyane (département français) [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] Orfeo Tool Box [Termes descripteurs IGN] Python (langage de programmation) [Termes descripteurs IGN] QGIS [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surveillance de la végétation [Termes descripteurs IGN] télédétection en hyperfréquence [Termes descripteurs IGN] Togo Résumé : (auteur) Remote sensing is a particularly suitable tool for monitoring land use but also particularly suited for deforestation monito-ring. By launching the Setinel-1 and Sentinel-2 satellites in the Copernicus program, the community now has free data with important time-revisits allowing the greatest number of people to effectively monitor land cover of a study area. This paper presents a land use monitoring method based on the combination of two approaches computed using Open Source tools ((MIS, Orfeo ToolBox, python). First, we focus on land use monitoring at an annual time scale using Sentinel-1 and Sentinel-2 data, and then, by the use f entienl-1 data, we detect changes in the forest cover due to deforestation at bi-monthly time scale. The results obtained show a very good synergy of these approaches allowing the complementary of optical and radar data. In order to make accessible the proposed method, all the used open source tools are available on this link http ://remotesensing4all.net/index.php/2018/09/11/ kit-use-des-donnees-radar- sentinel-1-in-de-latelier-radar-du-FOSS4G-en-2018-2/. Numéro de notice : A2019-348 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93385 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2019012	SL	Revue	Centre de documentation	Revues en salle	Disponible

Land-cover change in the Wulagai grassland, Inner Mongolia of China between 1986 and 2014 analysed using multi-temporal Landsat images / Temulun Tangud in Geocarto international, vol 34 n° 11 ([15/08/2019])  

Public [article]  inGeocarto international > vol 34 n° 11 [15/08/2019] . - pp 1237 - 1251 Titre : Land-cover change in the Wulagai grassland, Inner Mongolia of China between 1986 and 2014 analysed using multi-temporal Landsat images Type de document : Article/Communication Auteurs : Temulun Tangud, Auteur ; Kenlo Nasahara, Auteur ; Habura Borjigin, Auteur ; Hasi Bagan, Auteur Année de publication : 2019 Article en page(s) : pp 1237 - 1251 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse diachronique [Termes descripteurs IGN] analyse spatio-temporelle [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] changement d'occupation du sol [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] image Landsat [Termes descripteurs IGN] maillage [Termes descripteurs IGN] Mongolie intérieure (Chine) [Termes descripteurs IGN] prairie [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] steppe [Termes descripteurs IGN] zone aride Résumé : (Auteur) The Inner Mongolian steppe is a vast grassland ecosystem that has long been home to nomadic pastoralists. However, this steppe is experiencing grassland degradation as well as more frequent sand storms. The objective of this study was to detect land-cover changes in the Wulagai grassland of Inner Mongolia using multi-temporal Landsat images from 1986 to 2014, and to determine the factors driving these changes and their impacts. Land-cover maps for 1986, 1995, 2000, 2006 and 2014 were produced using the Support Vector Machine method. Subsequently, 300 m × 300 m grid-cell vector map which covered Wulagai grassland was made to detect land-cover changes and correlations between land-cover classes. The results show degradation trend from 1986 to 2014. Grid-cell-based spatial correlation analysis confirmed a strong negative correlation between grassland and barren, indicating that grassland degradation in this region is due to the regional modernization over the past 28 years. Numéro de notice : A2019-464 Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1478457 date de publication en ligne : 01/06/2018 En ligne : https://doi.org/10.1080/10106049.2018.1478457 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93607 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
059-2019061	SL	Revue	Centre de documentation	Revues en salle	Disponible

Estimating leaf area index and aboveground biomass of grazing pastures using Sentinel-1, Sentinel-2 and Landsat images / Jie Wang in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 154 (August 2019) . - pp 189 - 201 Titre : Estimating leaf area index and aboveground biomass of grazing pastures using Sentinel-1, Sentinel-2 and Landsat images Type de document : Article/Communication Auteurs : Jie Wang, Auteur ; Xiangming Xiao, Auteur ; Rajen Bajgain, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 189 - 201 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] biomasse aérienne [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] indice de végétation [Termes descripteurs IGN] Leaf Area Index [Termes descripteurs IGN] Oklahoma (Etats-Unis) [Termes descripteurs IGN] paturage [Termes descripteurs IGN] phénologie [Termes descripteurs IGN] régression multiple Résumé : (Auteur) Grassland degradation has accelerated in recent decades in response to increased climate variability and human activity. Rangeland and grassland conditions directly affect forage quality, livestock production, and regional grassland resources. In this study, we examined the potential of integrating synthetic aperture radar (SAR, Sentinel-1) and optical remote sensing (Landsat-8 and Sentinel-2) data to monitor the conditions of a native pasture and an introduced pasture in Oklahoma, USA. Leaf area index (LAI) and aboveground biomass (AGB) were used as indicators of pasture conditions under varying climate and human activities. We estimated the seasonal dynamics of LAI and AGB using Sentinel-1 (S1), Landsat-8 (LC8), and Sentinel-2 (S2) data, both individually and integrally, applying three widely used algorithms: Multiple Linear Regression (MLR), Support Vector Machine (SVM), and Random Forest (RF). Results indicated that integration of LC8 and S2 data provided sufficient data to capture the seasonal dynamics of grasslands at a 10–30-m spatial resolution and improved assessments of critical phenology stages in both pluvial and dry years. The satellite-based LAI and AGB models developed from ground measurements in 2015 reasonably predicted the seasonal dynamics and spatial heterogeneity of LAI and AGB in 2016. By comparison, the integration of S1, LC8, and S2 has the potential to improve the estimation of LAI and AGB more than 30% relative to the performance of S1 at low vegetation cover (LAI  2 m2/m2, AGB > 500 g/m2). These results demonstrate the potential of combining S1, LC8, and S2 monitoring grazing tallgrass prairie to provide timely and accurate data for grassland management. Numéro de notice : A2019-269 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.06.007 date de publication en ligne : 21/06/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.06.007 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93086 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019081	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019083	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019082	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Semantic segmentation of road furniture in mobile laser scanning data / Fashuai Li in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 154 (August 2019) . - pp 98 - 113 Titre : Semantic segmentation of road furniture in mobile laser scanning data Type de document : Article/Communication Auteurs : Fashuai Li, Auteur ; Matti Lehtomäki, Auteur ; Sander J. Oude Elberink, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 98 - 113 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] classification bayesienne [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] mobilier urbain [Termes descripteurs IGN] segmentation sémantique Résumé : (Auteur) Road furniture recognition has become a prevalent issue in the past few years because of its great importance in smart cities and autonomous driving. Previous research has especially focussed on pole-like road furniture, such as traffic signs and lamp posts. Published methods have mainly classified road furniture as individual objects. However, most road furniture consists of a combination of classes, such as a traffic sign mounted on a street light pole. To tackle this problem, we propose a framework to interpret road furniture at a more detailed level. Instead of being interpreted as single objects, mobile laser scanning data of road furniture is decomposed in elements individually labelled as poles, and objects attached to them, such as, street lights, traffic signs and traffic lights. In our framework, we first detect road furniture from unorganised mobile laser scanning point clouds. Then detected road furniture is decomposed into poles and attachments (e.g. traffic signs). In the interpretation stage, we extract a set of features to classify the attachments by utilising a knowledge-driven method and four representative types of machine learning classifiers, which are random forest, support vector machine, Gaussian mixture model and naïve Bayes, to explore the optimal method. The designed features are the unary features of attachments and the spatial relations between poles and their attachments. Two experimental test sites in Enschede dataset and Saunalahti dataset were applied, and Saunalahti dataset was collected in two different epochs. In the experimental results, the random forest classifier outperforms the other methods, and the overall accuracy acquired is higher than 80% in Enschede test site and higher than 90% in both Saunalahti epochs. The designed features play an important role in the interpretation of road furniture. The results of two epochs in the same area prove the high reliability of our framework and demonstrate that our method achieves good transferability with an accuracy over 90% through employing the training data of one epoch to test the data in another epoch. Numéro de notice : A2019-266 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.06.001 date de publication en ligne : 08/06/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.06.001 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93081 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019081	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019083	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019082	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

A cognitive framework for road detection from high-resolution satellite images / Naveen Chandra in Geocarto international, vol 34 n° 8 ([15/06/2019])  

Permalink

Virtual Support Vector Machines with self-learning strategy for classification of multispectral remote sensing imagery / Christian Geiss in ISPRS Journal of photogrammetry and remote sensing, vol 151 (May 2019)  

Permalink

Discrimination and classification of mangrove forests using EO-1 Hyperion data : a case study of Indian Sundarbans / Tanumi Kumar in Geocarto international, vol 34 n° 4 ([15/03/2019])  

Permalink

Land cover classification in combined elevation and optical images supported by OSM data, mixed-level features, and non-local optimization algorithms / Dimitri Bulatov in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 3 (March 2019)  

Permalink

Ailanthus altissima mapping from multi-temporal very high resolution satellite images / Cristina Tarantino in ISPRS Journal of photogrammetry and remote sensing, vol 147 (January 2019)  

Permalink

Enhancing the predictability of least-squares collocation through the integration with least-squares-support vector machine / Hossam Talaat Elshambaky in Journal of applied geodesy, vol 13 n° 1 (January 2019)  

Permalink

Remote sensing scene classification using multilayer stacked covariance pooling / Nanjun He in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)  

Permalink

Robust vehicle detection in aerial images using bag-of-words and orientation aware scanning / Hailing Zhou in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)  

Permalink

Estimation of forest above-ground biomass by geographically weighted regression and machine learning with Sentinel imagery / Lin Chen in Forests, vol 9 n° 10 (October 2018)  

Permalink

Assessment of Sentinel-1A data for rice crop classification using random forests and support vector machines / Nguyen-Thanh Son in Geocarto international, vol 33 n° 6 (June 2018)  

Permalink