Centre dedocumentation
scientifique

Detecting and visualizing observation hot-spots in massive volunteer-contributed geographic data across spatial scales using GPU-accelerated kernel density estimation / Guiming Zhang in ISPRS International journal of geo-information, vol 11 n° 1 (January 2022)  

Public [article]  inISPRS International journal of geo-information > vol 11 n° 1 (January 2022) . - n° 55 Titre : Detecting and visualizing observation hot-spots in massive volunteer-contributed geographic data across spatial scales using GPU-accelerated kernel density estimation Type de document : Article/Communication Auteurs : Guiming Zhang, Auteur Année de publication : 2022 Article en page(s) : n° 55 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] données localisées des bénévoles [Termes IGN] données massives [Termes IGN] estimation par noyau [Termes IGN] exploration de données géographiques [Termes IGN] géovisualisation [Termes IGN] processeur graphique [Termes IGN] qualité des données [Termes IGN] réseau social [Termes IGN] tâche claire Résumé : (auteur) Volunteer-contributed geographic data (VGI) is an important source of geospatial big data that support research and applications. A major concern on VGI data quality is that the underlying observation processes are inherently biased. Detecting observation hot-spots thus helps better understand the bias. Enabled by the parallel kernel density estimation (KDE) computational tool that can run on multiple GPUs (graphics processing units), this study conducted point pattern analyses on tens of millions of iNaturalist observations to detect and visualize volunteers’ observation hot-spots across spatial scales. It was achieved by setting varying KDE bandwidths in accordance with the spatial scales at which hot-spots are to be detected. The succession of estimated density surfaces were then rendered at a sequence of map scales for visual detection of hot-spots. This study offers an effective geovisualization scheme for hierarchically detecting hot-spots in massive VGI datasets, which is useful for understanding the pattern-shaping drivers that operate at multiple spatial scales. This research exemplifies a computational tool that is supported by high-performance computing and capable of efficiently detecting and visualizing multi-scale hot-spots in geospatial big data and contributes to expanding the toolbox for geospatial big data analytics. Numéro de notice : A2022-091 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi11010055 Date de publication en ligne : 12/01/2022 En ligne : https://doi.org/10.3390/ijgi11010055 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99507 [article]

A prediction model for surface deformation caused by underground mining based on spatio-temporal associations / Min Ren in Geomatics, Natural Hazards and Risk, vol 13 n° 1 (2022)  

Public [article]  inGeomatics, Natural Hazards and Risk > vol 13 n° 1 (2022) . - pp 94 - 122 Titre : A prediction model for surface deformation caused by underground mining based on spatio-temporal associations Type de document : Article/Communication Auteurs : Min Ren, Auteur ; Guanwen Cheng, Auteur ; Wancheng Zhu, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 94 - 122 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse des risques [Termes IGN] analyse spatio-temporelle [Termes IGN] Chine [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] déformation de la croute terrestre [Termes IGN] déformation de surface [Termes IGN] mine de fer [Termes IGN] modèle de simulation [Termes IGN] règle d'association Mots-clés libres : spatio-temporal association rule mining (STARM) Résumé : (auteur) Accurate predictions of the surface deformation caused by underground mining are crucial for the safe development of underground resources. Although surface deformation has been predicted by artificial intelligence (AI) methods, most AI models are established based on the relationships between surface deformation and influential factors. The lack of consideration of the deformation state transition often leads to errors in the prediction results of catastrophic deformation by conventional AI methods. In this respect, this study introduces a surface deformation prediction model based on spatio-temporal association rule mining (STARM). Surface deformation is classified as excessive deformation zone (EDZ) and hysteretic deformation zone (HDZ), representing different surface deformation stage or state. The spatio-temporal association rules between the monitored EDZ and HDZ data are then mined. A surface deformation prediction model is established according to the spatio-temporal relationship between monitored EDZ and HDZ data. The proposed model is verified based on a practical case study of the Chengchao Iron Mine in China. The data collection of the influential factors is not requisite for the proposed model. It can achieve accurate prediction of the catastrophic deformation that was characterized by deformation state transition. Numéro de notice : A2022-035 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/POSITIONNEMENT Nature : Article DOI : 10.1080/19475705.2021.2015460 Date de publication en ligne : 21/12/2021 En ligne : https://doi.org/10.1080/19475705.2021.2015460 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99359 [article]

La photogrammétrie appliquée au récolement des réseaux enterrés : retour d’expérience d’une méthode industrialisée / Jérôme Leroux in XYZ, n° 169 (décembre 2021)

Public [article]  inXYZ > n° 169 (décembre 2021) . - pp 16 - 24 Titre : La photogrammétrie appliquée au récolement des réseaux enterrés : retour d’expérience d’une méthode industrialisée Type de document : Article/Communication Auteurs : Jérôme Leroux, Auteur ; Maxime Chauvin, Auteur ; Valentin Poitevin, Auteur Année de publication : 2021 Article en page(s) : pp 16 - 24 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] corrélation d'images [Termes IGN] données localisées 3D [Termes IGN] exploration de données géographiques [Termes IGN] intelligence artificielle [Termes IGN] portail [Termes IGN] reconstruction 3D [Termes IGN] réseau technique souterrain [Termes IGN] semis de points [Termes IGN] téléphone intelligent [Termes IGN] téléphonie mobile Résumé : (Auteur) De nouvelles solutions existent aujourd’hui pour mesurer les réseaux enterrés. L’acquisition d’images avec un smartphone permet de reconstruire en 3D une fouille ouverte grâce aux algorithmes de photogrammétrie par corrélation dense. Les enjeux de fiabilité et d’industrialisation pour ce type de production de données nous ont poussés à améliorer une méthode d’acquisition préexistante. L’étude menée ici vise principalement à déterminer la meilleure technique de captation d’images. Les éléments clés de la réussite de la méthode reposent sur 1. L’utilisation de marqueurs dimensionnels à travers la pose des balises et 2. La détection de ces marqueurs dans les images via des algorithmes basés sur de l’Intelligence Artificielle. Les données 3D produites et accessibles via un portail web permettent de dessiner les infrastructures existantes en réduisant le plus possible l’intervention humaine. Numéro de notice : A2021-847 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99171 [article]

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2021041	SL	Revue	Centre de documentation	Revues en salle	En circulation Exclu du prêt

Spatial structure system of land use along urban rail transit based on GIS spatial clustering / Yu Gao in European journal of remote sensing, vol 54 sup 2 (2021)  

Public [article]  inEuropean journal of remote sensing > vol 54 sup 2 (2021) . - pp 438 - 445 Titre : Spatial structure system of land use along urban rail transit based on GIS spatial clustering Type de document : Article/Communication Auteurs : Yu Gao, Auteur ; Ying Zhang, Auteur ; Haidjar Alsulaiman, Auteur Année de publication : 2021 Article en page(s) : pp 438 - 445 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG [Termes IGN] aménagement du territoire [Termes IGN] analyse de groupement [Termes IGN] Chine [Termes IGN] exploration de données géographiques [Termes IGN] modélisation spatiale [Termes IGN] optimisation (mathématiques) [Termes IGN] planification urbaine [Termes IGN] réseau ferroviaire [Termes IGN] système d'information géographique [Termes IGN] utilisation du sol [Termes IGN] zone urbaine Résumé : (auteur) During the past 30 years of reform and opening up, the level of urbanization in our country has made considerable progress, and more cities have had development conditions of the rail transit. In order to solve various problems caused by urbanization and optimize the allocation of urban resources, in this paper, the significance of spatial planning in big cities was analyzed from the perspective of land space utilization along with the rail transit. Based on GIS spatial clustering mining technology and combined with the basic characteristics of geographic information system, a GIS spatial mining search model that can solve the spatial land use was proposed. Then, by combining the clustering algorithm of some association rules, the land planning and utilization along the urban rail transit were calculated. The actual case was taken to establish the grid elements along with the rail transit, and the GIS spatial clustering algorithm was used to verify the model. The results show that GIS spatial clustering algorithm can effectively verify and calculate urban rail transit land planning programs. Numéro de notice : A2021-820 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/22797254.2020.1801356 Date de publication en ligne : 14/11/2020 En ligne : https://doi.org/10.1080/22797254.2020.1801356 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98925 [article]

A quantitative comparison of regionalization methods / Orhun Aydun in International journal of geographical information science IJGIS, vol 35 n° 11 (November 2021)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 35 n° 11 (November 2021) . - pp 2287 - 2315 Titre : A quantitative comparison of regionalization methods Type de document : Article/Communication Auteurs : Orhun Aydun, Auteur ; Mark V. Janikas, Auteur ; Renato Martins Assuncao, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 2287 - 2315 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse de groupement [Termes IGN] données localisées [Termes IGN] écorégion [Termes IGN] exploration de données [Termes IGN] partition d'image [Termes IGN] partitionnement [Termes IGN] régionalisation (segmentation) [Termes IGN] segmentation en régions Résumé : (auteur) Regionalization is the task of partitioning a set of contiguous areas into spatial clusters or regions. The theoretical and empirical literature focusing on regionalization is extensive, yet few quantitative comparisons have been conducted. We present a simulation study and explore the quality of frequently used and state-of-the-art regionalization algorithms, namely AZP, AZP-SA, AZPTabu, ARISEL, REDCAP, and SKATER, where the number of regions is an exogenous variable. The simulated benchmark data set consists of model realizations that represent various complexities in spatial data. Model families are defined with respect to regions’ shapes, value-mixing between regions, and the number of underlying spatial clusters. We evaluate the performance of different regionalization methods for realizations families using internal and external measures of regionalization quality. A large number of regionalization quality metrics expose a detailed profile of the analyzed methods’ strengths and weaknesses. We investigate the computational efficiency of every method as a function of the number of spatial units studied. We summarize results for different region families and discuss circumstances that make a certain method more desirable. We illustrate different regionalization algorithms’ implications on defining ecological regions for the conterminous US and compare them against expert-defined ecoregions. Numéro de notice : A2021-760 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2021.1905819 Date de publication en ligne : 05/04/2021 En ligne : https://doi.org/10.1080/13658816.2021.1905819 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98789 [article]

Spatially–encouraged spectral clustering: a technique for blending map typologies and regionalization / Levi John Wolf in International journal of geographical information science IJGIS, vol 35 n° 11 (November 2021)  

Permalink

Stop-and-move sequence expressions over semantic trajectories / Yenier Torres Izquierdo in International journal of geographical information science IJGIS, vol 35 n° 4 (April 2021)  

Permalink

Automating and utilising equal-distribution data classification / Gennady Andrienko in International journal of cartography, vol 7 n° 1 (March 2021)  

Permalink

A points of interest matching method using a multivariate weighting function with gradient descent optimization / Zhou Yang in Transactions in GIS, Vol 25 n° 1 (February 2021)  

Permalink

Connecting images through time and sources: Introducing low-data, heterogeneous instance retrieval / Dimitri Gominski (2021)  

Permalink

COVID-19 geoviz for spatio-temporal structures detection / Jacques Gautier (2021)  

Permalink

Data mining / Derya Birant (2021)  

Permalink

Intelligent sensors for positioning, tracking, monitoring, navigation and smart sensing in smart cities / Li Tiancheng (2021)  

Permalink

Mining the semantic Web for OWL axioms / Thu Huong Nguyen (2021)  

Permalink

Social Media and Machine Learning / Alberto Cano (2021)    

Permalink