Centre de documentation
scientifique

Leveraging deep learning and remote sensing to predict ecosystem types in the NiN framework / Matteo Crespin-Jouan (2024)

Public Titre : Leveraging deep learning and remote sensing to predict ecosystem types in the NiN framework Type de document : Mémoire Auteurs : Matteo Crespin-Jouan, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2024 Importance : 41 p. Format : 21 x 30 cm Note générale : bibliographie Mémoire d'ingénieur 2e année Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage profond [Termes IGN] cartographie [Termes IGN] couverture (données géographiques) [Termes IGN] gradient [Termes IGN] occupation du sol [Termes IGN] Sentinel-2 [Termes IGN] télédétection [Termes IGN] végétation Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Ce rapport présente les résultats d’un stage effectué au sein du Geo-Ecology Research Group (GEco) du Muséum d’Histoire Naturelle d’Oslo. Le projet a porté sur l’application de techniques d’apprentissage profond pour classifier les écosystèmes norvégiens en se basant sur les données du système de classification Natur i Norge (NiN). Différentes sources de données ont été utilisées notamment des images aériennes de drones, des photos prises au sol et des données satellitaires Sentinel, afin de prédire les types d’écosystèmes et des gradients environnementaux clés, tels que la richesse en calcaire. L’étude a exploré différentes approches, notamment les réseaux neuronaux convolutifs (CNN) et les perceptrons multicouches (MLP), en mettant l’accent sur l’exploitation des informations spectrales plutôt que des caractéristiques spatiales. Les résultats ont mis en évidence les défis liés au travail avec des données limitées et incohérentes, en particulier dans le contexte de classifications très détaillée comme NiN. Bien que les modèles aient montré un certain succès, notamment avec l’utilisation de données hyperspectrales, les résultats ont été limités par la qualité et la cohérence des labels disponibles. Note de contenu : Introduction 1. About the Data, the labels, and the distribution of the labels in the datasets 2. CNNs and vision transformers to leverage shape and texture features 3. A more successful endeavour : a mere mutliplayer perceptron on hyper-spectral satellite images Conclusion Numéro de notice : 24266 Affiliation des auteurs : IGN (2020- ) Thématique : BIODIVERSITE/GEOMATIQUE/INFORMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Geo-Ecology Research Group (GEco), at Oslo’s Natural History Museum (NHM) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103901

Combination of Terrestrial Laser Scanning and Unmanned Aerial Vehicle Photogrammetry for Heritage Building Information Modeling: A Case Study of Tarsus St. Paul Church / Şafak Fidan in Photogrammetric Engineering & Remote Sensing, PERS, vol 89 n° 12 (December 2023)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 89 n° 12 (December 2023) . - pp 753 - 760 Titre : Combination of Terrestrial Laser Scanning and Unmanned Aerial Vehicle Photogrammetry for Heritage Building Information Modeling: A Case Study of Tarsus St. Paul Church Type de document : Article/Communication Auteurs : Şafak Fidan, Auteur ; Ulvi Ali, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 753 - 760 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] église [Termes IGN] image captée par drone [Termes IGN] modèle numérique [Termes IGN] patrimoine archéologique [Termes IGN] patrimoine immobilier Résumé : (auteur) Cultural heritage building information modeling (HBIM) is an emerging process allowing us to reconstruct built heritage virtually. The data of a digitally documented cultural heritage building offers significant advantages as it is accessible and modifiable by all professionals involved in the same or different projects. The most important factor affecting the accuracy and precision of the HBIM model is the ability to collect complete and accurate information about the physical structure. Combining terrestrial laser scanning (TLS) and unmanned aerial vehicle (UAV) photogrammetry point clouds is one of the most efficient ways to capture accurate digital data on the building. This study provides the foundation for creating an HBIM model for cultural heritage the coupling of spatial data with TLS and UAV. This paper aims to generate synergy between TLS and UAV point cloud data and ensure that the spatial database contains sufficient data to model historical objects with HBIM tendencies. Numéro de notice : A2023-238 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.23-00031R2 En ligne : https://doi.org/10.14358/PERS.23-00031R2 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103599 [article]

Detailed cultural heritage recording produced with traditional methods and laser scanning / Ljubo Lah in Geodetski vestnik, vol 67 n° 4 (December 2023)  

Public [article]  inGeodetski vestnik > vol 67 n° 4 (December 2023) . - pp 442 - 458 Titre : Detailed cultural heritage recording produced with traditional methods and laser scanning Type de document : Article/Communication Auteurs : Ljubo Lah, Auteur ; Alain Guerreau, Auteur ; Mojca K. Fras, Auteur ; Tilen Urbančič, Auteur Année de publication : 2023 Article en page(s) : pp 442 - 458 Note générale : bibliographie Langues : Anglais (eng) Slovène (slv) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] analyse de données [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] église [Termes IGN] matrice orthogonale [Termes IGN] patrimoine culturel [Termes IGN] topométrie de précision Résumé : (auteur) Traditional measurement methods are still widely used for recording cultural heritage objects. On the other hand, geodetic surveying and modern technologies such as 3D laser scanning can provide more accurate, geometrically consistent and extremely detailed data that can be used as a basis for detailed vector maps or 3D models. The main aim of our research was to investigate the complementary approach, using both traditional and modern methods, in order to produce detailed vector maps of the Romanesque church of St. Martin in Chapaize, France, which are essential for further unveiling its historic development. Geometrically, this church is rather extensive and has many irregularities in its shape. Our approach to the documentation process is presented and evaluated in this paper. We applied the Procrustes analysis for the ground floor map, which gave us an objective accuracy assessment. Point clouds of the bell tower acquired by two different laser instruments have also been compared. Numéro de notice : A2023-240 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE/POSITIONNEMENT Nature : Article DOI : 10.15292/geodetski-vestnik.2023.04.442-458 Date de publication en ligne : 01/12/2023 En ligne : https://dx.doi.org/10.15292/geodetski-vestnik.2023.04.442-458 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103603 [article]

Automated extraction and validation of Stone Pine (Pinus pinea L.) trees from UAV-based digital surface models / Asli Ozdarici-Ok in Geo-spatial Information Science, vol 26 n° inconnu ([01/08/2023])  

Public [article]  inGeo-spatial Information Science > vol 26 n° inconnu [01/08/2023] Titre : Automated extraction and validation of Stone Pine (Pinus pinea L.) trees from UAV-based digital surface models Type de document : Article/Communication Auteurs : Asli Ozdarici-Ok, Auteur ; Ali Ozgun Ok, Auteur ; et al., Auteur Année de publication : 2023 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image captée par drone [Termes IGN] modèle numérique de surface [Termes IGN] Pinus pinea [Termes IGN] semis de points [Termes IGN] Turquie Résumé : (auteur) Stone Pine (Pinus pinea L.) is currently the pine species with the highest commercial value with edible seeds. In this respect, this study introduces a new methodology for extracting Stone Pine trees from Digital Surface Models (DSMs) generated through an Unmanned Aerial Vehicle (UAV) mission. We developed a novel enhanced probability map of local maxima that facilitates the computation of the orientation symmetry by means of new probabilistic local minima information. Four test sites are used to evaluate our automated framework within one of the most important Stone Pine forest areas in Antalya, Turkey. A Hand-held Mobile Laser Scanner (HMLS) was utilized to collect the reference point cloud dataset. Our findings confirm that the proposed methodology, which uses a single DSM as an input, secures overall pixel-based and object-based F1-scores of 88.3% and 97.7%, respectively. The overall median Euclidean distance revealed between the automatically extracted stem locations and the manually extracted ones is computed to be 36 cm (less than 4 pixels), demonstrating the effectiveness and robustness of the proposed methodology. Finally, the comparison with the state-of-the-art reveals that the outcomes of the proposed methodology outperform the results of six previous studies in this context. Numéro de notice : A2022-620 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10095020.2022.2090864 Date de publication en ligne : 21/07/2022 En ligne : https://doi.org/10.1080/10095020.2022.2090864 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101364 [article]

Integrating topographic knowledge into point cloud simplification for terrain modelling / Jun Chen in International journal of geographical information science IJGIS, vol 37 n° 5 (May 2023)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 37 n° 5 (May 2023) . - pp 988 - 1008 Titre : Integrating topographic knowledge into point cloud simplification for terrain modelling Type de document : Article/Communication Auteurs : Jun Chen, Auteur ; Liyang Xiong, Auteur ; Bowen Yin, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 988 - 1008 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données topographiques [Termes IGN] lissage de données [Termes IGN] modèle numérique de surface [Termes IGN] semis de points [Termes IGN] Triangulated Irregular Network Résumé : (auteur) Terrain models are widely used to depict the shape of the Earth’s surface. With the development of photogrammetric methods, point cloud data have become one of the most popular data sources for terrain modelling. However, the obtained point clouds are of high density, which often increases redundancy rather than improving accuracy. Therefore, point cloud simplification should be a core component of terrain modelling. This paper proposes a point cloud simplification method by integrating topographic knowledge into terrain modelling (TKPCS). The method contains two steps: (1) topographic knowledge recognition and construction and (2) point cloud simplification using this topographic knowledge for terrain modelling. The proposed approach is benchmarked against improved versions of existing methods to validate its capability and accuracy in digital elevation model construction and terrain derivative extraction. The results show that the simplified points of the TKPCS method can generate finer resolution terrain models with higher accuracy and greater information entropy. The good performance of the TKPCS method is also stable at different scales. This work endeavours to transform perceptive topographic knowledge into a process of point cloud simplification and can benefit future research related to terrain modelling. Numéro de notice : A2023-204 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/13658816.2023.2180801 Date de publication en ligne : 28/02/2023 En ligne : https://doi.org/10.1080/13658816.2023.2180801 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103138 [article]

La cartographie du relief : Une gageure technique et des solutions / Laurent Polidori in Géomètre, n° 2212 (avril 2023)

Permalink

Impacts of forest management on stand and landscape-level microclimate heterogeneity of European beech forests / Joscha H. Menge in Landscape ecology, vol 38 n° 4 (April 2023)  

Permalink

Point cloud registration for LiDAR and photogrammetric data: A critical synthesis and performance analysis on classic and deep learning algorithms / Ningli Xu in ISPRS Open Journal of Photogrammetry and Remote Sensing, vol 8 (April 2023)  

Permalink

Analyse des performances de levers LiDAR via l’iPad Pro en vue de la réalisation de plans d’intérieurs et de maquettes numériques de bâtiments / Pauline Chardon in XYZ, n° 174 (mars 2023)

Permalink

Multi-sensor airborne lidar requires intercalibration for consistent estimation of light attenuation and plant area density / Grégoire Vincent in Remote sensing of environment, vol 286 (March 2023)  

Permalink

Point cloud data processing optimization in spectral and spatial dimensions based on multispectral Lidar for urban single-wood extraction / Shuo Shi in ISPRS International journal of geo-information, vol 12 n° 3 (March 2023)  

Permalink

Programme LiDAR HD : vers une nouvelle cartographie 3D du territoire / Terry Moreau in XYZ, n° 174 (mars 2023)

Permalink

Siamese KPConv: 3D multiple change detection from raw point clouds using deep learning / Iris de Gelis in ISPRS Journal of photogrammetry and remote sensing, vol 197 (March 2023)  

Permalink

The potential of combining satellite and airborne remote sensing data for habitat classification and monitoring in forest landscapes / Anna Iglseder in International journal of applied Earth observation and geoinformation, vol 117 (March 2023)  

Permalink

Improving quantitative structure models with an Huxley protocol based filter / Jan Hackenberg in Applied geomatics, vol 15 n° inconnu (2023)

Permalink