Centre dedocumentation
scientifique

Weighted spherical sampling of point clouds for forested scenes / Alex Fafard in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 10 (October 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 10 (October 2020) . - pp 619 - 625 Titre : Weighted spherical sampling of point clouds for forested scenes Type de document : Article/Communication Auteurs : Alex Fafard, Auteur ; Ali Rouzbeh Kargar, Auteur ; Jan Van Aardt, Auteur Année de publication : 2020 Article en page(s) : pp 619 - 625 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] Caroline (îles) [Termes descripteurs IGN] densité de la végétation [Termes descripteurs IGN] diamètre à hauteur de poitrine [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] échantillonnage [Termes descripteurs IGN] mangrove [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] volume en bois Résumé : (Auteur) Numéro de notice : A2020-493 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.10.619 date de publication en ligne : 01/10/2020 En ligne : https://doi.org/10.14358/PERS.86.10.619 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96093 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2020101	SL	Revue	Centre de documentation	Revues en salle	Disponible

Monitoring narrow mangrove stands in Baja California Sur, Mexico using linear spectral unmixing / Jonathan B. Thayn in Marine geodesy, Vol 43 n° 5 (September 2020)  

Public [article]  inMarine geodesy > Vol 43 n° 5 (September 2020) . - pp 493 - 508 Titre : Monitoring narrow mangrove stands in Baja California Sur, Mexico using linear spectral unmixing Type de document : Article/Communication Auteurs : Jonathan B. Thayn, Auteur Année de publication : 2020 Article en page(s) : pp 493 - 508 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse linéaire des mélanges spectraux [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] mangrove [Termes descripteurs IGN] Mexique [Termes descripteurs IGN] réflectance spectrale Résumé : (auteur) Small stands of mangrove trees are difficult to detect and monitor using satellite remote sensing because the width of the narrow strips of vegetation are typically much smaller than the spatial resolution of the imagery. Every mangrove pixel also contains water and bare soil reflectance. Linear spectral unmixing, which estimates the fractional presence of specific land cover types per pixel, was performed on Landsat 8 imagery to detect mangroves on the eastern shoreline of the Bay of La Paz on the Baja California Peninsula of Mexico. Low-altitude aerial imagery collected from a DJI Mavic Pro drone was used as ground-reference data in the accuracy assessment. Continuous fractional presence of mangroves was detected with 80% accuracy and 85% of mangrove area was found. Future work will use linear spectral unmixing to systematically monitor mangrove extent and health in the region relative to expected growth in tourism development. Numéro de notice : A2020-483 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/01490419.2020.1751753 date de publication en ligne : 30/04/2020 En ligne : https://doi.org/10.1080/01490419.2020.1751753 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95636 [article]

Development and application of a new mangrove vegetation index (MVI) for rapid and accurate mangrove mapping / Alvin B. Baloloy in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 166 (August 2020) . - pp 95 - 117 Titre : Development and application of a new mangrove vegetation index (MVI) for rapid and accurate mangrove mapping Type de document : Article/Communication Auteurs : Alvin B. Baloloy, Auteur ; Ariel C. Blanco, Auteur ; Raymund Rhommel StaAna, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 95 - 117 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse spectrale [Termes descripteurs IGN] Asie du sud-est [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] espèce exotique envahissante [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] image proche infrarouge [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] indice de végétation [Termes descripteurs IGN] mangrove [Termes descripteurs IGN] orthophotographie [Termes descripteurs IGN] Philippines [Termes descripteurs IGN] Short Waves InfraRed [Termes descripteurs IGN] surveillance du littoral Résumé : (auteur) Numéro de notice : A2020-354 Affiliation des auteurs : non IGN Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.06.001 date de publication en ligne : 11/06/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.06.001 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95240 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020081	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020083	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020082	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Combining GF-2 and RapidEye satellite data for mapping mangrove species using ensemble machine-learning methods / Liheng Peng in International Journal of Remote Sensing IJRS, vol 41 n° 3 (15 - 22 janvier 2020)  

Public [article]  inInternational Journal of Remote Sensing IJRS > vol 41 n° 3 (15 - 22 janvier 2020) . - pp 813 - 838 Titre : Combining GF-2 and RapidEye satellite data for mapping mangrove species using ensemble machine-learning methods Type de document : Article/Communication Auteurs : Liheng Peng, Auteur ; Kai Liu, Auteur ; Jingjing Cao, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 813 - 838 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] boosting adapté [Termes descripteurs IGN] Chine, mer de [Termes descripteurs IGN] classification et arbre de régression [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] écosystème [Termes descripteurs IGN] extraction de la végétation [Termes descripteurs IGN] île [Termes descripteurs IGN] image Gaofen [Termes descripteurs IGN] image RapidEye [Termes descripteurs IGN] image satellite [Termes descripteurs IGN] mangrove [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] précision de la classification [Termes descripteurs IGN] Rotation Forest classification Résumé : (auteur) Mangrove forests are important constitutions for sustainable development of coastal ecosystems, and they are often mapped and monitored with remote sensing approaches. Satellite images allow detailed studies of the distribution and composition of mangrove forests, and therefore facilitate the management and conservation of the ecosystems. The combination of multiple types of satellite images with different spatial and spectral resolutions is helpful in mangrove forests extraction and mangrove species discrimination as it reduces sampling workload and increases classification accuracies. In this study, the 1.0-m-resolution Gaofen-2 (GF-2) and the 5.0-m-resolution RapidEye-4 (RE-4) satellite images, acquired in February 2017 and November 2016 respectively, were used with ensemble machine-learning and object-oriented methods for mangroves mapping at both the community and species levels of the Qi’ao Island, Zhuhai, China. First, the mangroves on the island were segmented from the GF-2 image on a large scale, and then they were extracted combining with their digital elevation model (DEM) data. Second, the GF-2 image was further processed on a fine scale, in which object-oriented features from both the GF-2 and RE-4 images were extracted for each mangrove species. Third, it is followed by the mangrove species classification process which involves three ensemble machine-learning methods: the adaptive boosting (AdaBoost), the random forest (RF) and the rotation forest (RoF). These three methods employed a classification and regression tree (CART) as the base classifier. The results show that the overall accuracy (OA) of mangrove area extraction on the Qi’ao Island with the auxiliary data, DEM, achieves 98.76% (Kappa coefficient (κ) = 0.9289). The features extracted by the GF-2 and RE-4 images were shown to be beneficial for mangrove species discrimination. A maximum improvement in the OA of approximately 8% and a κκ of approximately 0.10 were achieved when employing RoF (OA = 92.01%, κ = 0.9016). Ensemble-learning methods can significantly improve the classification accuracy of CART, and the use of a bagging scheme (RF and RoF) is shown as a better way to map mangrove species than adaptive boosting (AdaBoost). In addition, RoF performed well in mangrove species classification but it was not as robust as the RF, whose average OA and κκ were 80.59% and 0.7608, respectively, while the RoF’s were 77.45% and 0.7214, respectively, in the 10-fold cross-validation. Numéro de notice : A2020-212 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/01431161.2019.1648907 date de publication en ligne : 30/07/2019 En ligne : https://doi.org/10.1080/01431161.2019.1648907 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94897 [article]

Segmenting mangrove ecosystems drone images using SLIC superpixels / Edward Zimudzi in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 14 [30/10/2019] . - pp 1648 - 1662 Titre : Segmenting mangrove ecosystems drone images using SLIC superpixels Type de document : Article/Communication Auteurs : Edward Zimudzi, Auteur ; Ian Sanders, Auteur ; Nicholas Rollings, Auteur ; Christian Omlin, Auteur Année de publication : 2019 Article en page(s) : pp 1648 - 1662 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme de superpixels [Termes descripteurs IGN] classification par nuées dynamiques [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] écosystème [Termes descripteurs IGN] Fidji [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] mangrove [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] orthophotoplan numérique [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] SLIC algorithm Résumé : (auteur) Mangrove ecosystems play a very important ecological role on land–ocean interfaces in tropical regions. These ecosystems comprise of various tree species and aquatic animals, protecting the environment and providing a habitat that supports many living organisms including humans. The identification of image regions in mangrove ecosystems plays a significant role in ecosystem monitoring and conservation. Recent studies have suggested oversegmentation of colour images using superpixels as a solution to the segmentation of image regions. This study used the SLIC superpixel algorithm and k-means clustering to segment images taken from a camera mounted on a drone from a mangrove ecosystem in Fiji. The SLIC superpixel algorithm performed well to demarcate image regions with similar colour and texture information into patches and to use k-means for the segmentation of the whole image. These results lend support to the use of superpixel algorithms for the segmentation of mangrove ecosystems. Understanding how superpixels can be used for the segmentation of drone images will assist conservation efforts in mangrove ecosystems. Numéro de notice : A2019-539 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1497093 date de publication en ligne : 22/10/2018 En ligne : https://doi.org/10.1080/10106049.2018.1497093 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94114 [article]

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

Estimation of aboveground biomass and carbon in a tropical rain forest in Gabon using remote sensing and GPS data / Kalifa Goïta in Geocarto international, vol 34 n° 3 ([01/03/2019])  

Permalink

Estimation and mapping of above-ground biomass of mangrove forests and their replacement land uses in the Philippines using Sentinel imagery / Jose Alan A. Castillo in ISPRS Journal of photogrammetry and remote sensing, vol 134 (December 2017)  

Permalink

A mangrove forest map of China in 2015: Analysis of time series Landsat 7/8 and Sentinel-1A imagery in Google Earth Engine cloud computing platform / Bangqian Chen in ISPRS Journal of photogrammetry and remote sensing, vol 131 (September 2017)  

Permalink

Potential application of remote sensing in monitoring ecosystem services of forests, mangroves and urban areas / Ram Avtar in Geocarto international, vol 32 n° 8 (August 2017)  

Permalink

Monitoring mangrove biomass change in Vietnam using SPOT images and an object-based approach combined with machine learning algorithms / Lien T.H. Pham in ISPRS Journal of photogrammetry and remote sensing, vol 128 (June 2017)  

Permalink

A cyber-enabled spatial decision support system to inventory mangroves in Mozambique: coupling scientific workflows and cloud computing / Wenwu Tang in International journal of geographical information science IJGIS, vol 31 n° 5-6 (May-June 2017)  

Permalink

Télédétection pour l'observation des surfaces continentales, Volume 5. Observation des surfaces continentales par télédétection 3 / Nicolas Baghdadi (2017)

Permalink

Evaluation par imagerie satellitaire de la dynamique spatiale du parc marin des mangroves de la république Démocratique du Congo entre 2006 et 2015 / B.M. Kalambay in Afrique Science, vol 12 n° 5 (septembre - octobre 2016)

Permalink

Above- and belowground tree biomass models for three mangrove species in Tanzania: a nonlinear mixed effects modelling approach / Marco Andrew Njana in Annals of Forest Science [en ligne], vol 73 n° 2 (June 2016)  

Permalink