Descripteur
Termes IGN > mathématiques > statistique mathématique > régression
régressionSynonyme(s)analyse de régressionVoir aussi |
Documents disponibles dans cette catégorie (822)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Titre : Etude de la propagation de l’onde de crue du bassin versant de la Save Type de document : Mémoire Auteurs : Emma Bonzom, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 44 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de stage de Master 1 GéomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] analyse de données
[Termes IGN] bassin hydrographique
[Termes IGN] cartographie thématique
[Termes IGN] crue
[Termes IGN] inondation
[Termes IGN] modèle de régression
[Termes IGN] QGIS
[Termes IGN] R (langage)
[Termes IGN] régression linéaire
[Termes IGN] rivièreIndex. décimale : M1GEO Mémoires de Master 1 Géomatique Résumé : (auteur) Mon stage de fin de première année du cycle du Master Géomatique à l’ENSG s’est déroulé au sein du syndicat de gestion de la Save et de ses affluents. C’est un organisme public qui protège et aménage les masses d’eau du bassin versant de la Save grâce à leur compétence GEMAPI (Gestion des Milieux Aquatiques et de Prévention des Inondations). J’ai été accueillie par une technicienne de rivière référente prévention des inondations. Le syndicat cherchait un stagiaire capable de réaliser une étude sur la propagation de l’onde de crue du bassin versant de la Save afin de renforcer leurs connaissances de l’aléa inondation sur leur territoire. Il faut estimer le temps de propagation de l’onde entre chaque station hydrométrique du bassin versant. Ce rapport retrace comment à partir de tableaux au format CSV de données hydrométriques, cette étude a été réalisée en deux grands axes : la visualisation et l’analyse statistique des données. Je me suis servie pour cette étude sur l’onde de crue de QGIS, PostgreSQL, Python et R. Cette mission au sein du syndicat de rivière m’a donnée la possibilité de mettre en application concrète mes connaissances acquises à l’école au service de la gestion de l’environnement, plus précisément la gestion des milieux aquatiques. Note de contenu : Introduction
1- Visualisation des données des stations hydrométriques
2- Analyse statistique des données géographiques
3- Travail annexe pour le syndicat de gestion de la rivière Save
ConclusionNuméro de notice : 24029 Affiliation des auteurs : non IGN Nature : Mémoire masters divers Organisme de stage : Syndicat de gestion de la Save et de ses affluents Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101833 Documents numériques
en open access
Etude de la propagation de l’onde de crue du bassin versant de la Save - pdf auteurAdobe Acrobat PDF Évolution rétrospective et prospective d’un massif dunaire par imagerie multispectrale et LiDAR / Iris Jeuffrard (2022)
Titre : Évolution rétrospective et prospective d’un massif dunaire par imagerie multispectrale et LiDAR : Anse du Guesclin, 1948 - 2100 Type de document : Mémoire Auteurs : Iris Jeuffrard, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Note générale : bibliographie
Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème année, Spécialité PPMDLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] aménagement durable
[Termes IGN] analyse diachronique
[Termes IGN] changement climatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données lidar
[Termes IGN] données multisources
[Termes IGN] dune
[Termes IGN] érosion côtière
[Termes IGN] Ille-et-Vilaine (35)
[Termes IGN] image aérienne
[Termes IGN] image captée par drone
[Termes IGN] littoral
[Termes IGN] modèle numérique de terrain
[Termes IGN] régression linéaire
[Termes IGN] série temporelle
[Termes IGN] trait de côteIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Le Centre de Géo-Écologie Littorale (CGEL), autrefois Laboratoire de Géomorphologie dépend de l’École Pratique des Hautes Études (EPHE) depuis 1936 et s’est toujours consacré à l’observation des écosystèmes littoraux à partir d’images de très haute résolution. Il répond à différentes missions d’expertise sur le littoral, dans le but d’aider les gestionnaires à évaluer les risques et mettre en place des stratégies d’aménagement durables. Tout naturellement, le Service Patrimoine Naturel du Département d’Ille-et-Vilaine a fait appel au CGEL pour cartographier l’évolution d’un espace naturel sensible (ENS) sous leur protection, l’anse du Guesclin. Il abrite un complexe dunaire, écosystème précieux pour tous les services écosystémiques qu’il rend (richesse d’habitat et de biodiversité, barrière naturelle contre les aléas météo-marins, tourisme, etc.). Fragilisé par le passé par des événements météo-marins et des pressions anthropiques, il est aujourd’hui menacé par l’érosion. Le Département a donc engagé depuis 2010 un plan de réhabilitation. L’objectif est de fournir une cartographie fine de l’évolution pluri-décennale passée et future du massif dunaire de l’anse du Guesclin. Dans un premier temps l’évolution de la dune est étudiée à partir d’images aériennes historiques depuis 1948. Des marqueurs évolutifs (trait de côte, surface de végétation dunaire) permettent de retracer l’historique du massif. En complément, les variations géomorphologiques depuis 2010 sont quantifiées à partir d’acquisitions drone LiDAR réalisées par l’IGN, le SHOM et le CGEL. Les séries temporelles du recul du trait de côte et de la surface de végétation sont expliquées par un modèle de régression linéaire et de régression par Random Forest en fonction de paramètres météo-marins historiques (température, vent, précipitations, niveau moyen de la mer). Les modèles sont ensuite appliqués avec les prévisions du GIEC selon différents scénarios pour prédire l’évolution des marqueurs. Le modèle retenu (R2=0.84, RMSE=3.07m) prévoit ainsi un recul du trait de côte de 14 à 31 m à moyen terme selon les scénarios. Les résultats confirment les tendances d’érosion observées jusqu’à présent, et ce dès le court terme. La végétation serait favorisée par l’augmentation des gaz à effet de serre mais dépend de l’état de conservation du massif, qui est lui très vulnérable aux événements météorologiques extrêmes. Note de contenu : Introduction
1. Analyse rétrospective
1.1 Démarche
1.2 Site d’étude et données
1.3 Prétraitement
1.4 Étude du trait de côte
1.5 Étude de la surface de la végétation dunaire
1.6 Étude du volume du massif dunaire
1.7 Conclusion
2. Analyse prospective
2.1 Méthode
2.2 Données
2.3 Résultats
2.4 Limites et conclusions
ConclusionNuméro de notice : 24050 Affiliation des auteurs : IGN (2020- ) Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Service Patrimoine Naturel du Département d’Ille-et-Vilaine Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101923 Documents numériques
en open access
Évolution rétrospective... - pdf auteur -Adobe Acrobat PDF A GIS-based landslide susceptibility mapping and variable importance analysis using artificial intelligent training-based methods / Pengxiang Zhao in Remote sensing, vol 14 n° 1 (January-1 2022)
[article]
Titre : A GIS-based landslide susceptibility mapping and variable importance analysis using artificial intelligent training-based methods Type de document : Article/Communication Auteurs : Pengxiang Zhao, Auteur ; Zohreh Masoumi, Auteur ; Maryam Kalantari, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 211 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG
[Termes IGN] aléa
[Termes IGN] analyse comparative
[Termes IGN] apprentissage profond
[Termes IGN] cartographie des risques
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] effondrement de terrain
[Termes IGN] Iran
[Termes IGN] modèle numérique de surface
[Termes IGN] régression logistique
[Termes IGN] réseau neuronal artificiel
[Termes IGN] risque naturel
[Termes IGN] système d'information géographiqueRésumé : (auteur) Landslides often cause significant casualties and economic losses, and therefore landslide susceptibility mapping (LSM) has become increasingly urgent and important. The potential of deep learning (DL) like convolutional neural networks (CNN) based on landslide causative factors has not been fully explored yet. The main target of this study is the investigation of a GIS-based LSM in Zanjan, Iran and to explore the most important causative factor of landslides in the case study area. Different machine learning (ML) methods have been employed and compared to select the best results in the case study area. The CNN is compared with four ML algorithms, including random forest (RF), artificial neural network (ANN), support vector machine (SVM), and logistic regression (LR). To do so, sixteen landslide causative factors have been extracted and their related spatial layers have been prepared. Then, the algorithms were trained with related landslide and non-landslide points. The results illustrate that the five ML algorithms performed suitably (precision = 82.43–85.6%, AUC = 0.934–0.967). The RF algorithm achieves the best result, while the CNN, SVM, the ANN, and the LR have the best results after RF, respectively, in this case study. Moreover, variable importance analysis results indicate that slope and topographic curvature contribute more to the prediction. The results would be beneficial to planning strategies for landslide risk management. Numéro de notice : A2022-056 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.3390/rs14010211 Date de publication en ligne : 04/01/2022 En ligne : https://doi.org/10.3390/rs14010211 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99459
in Remote sensing > vol 14 n° 1 (January-1 2022) . - n° 211[article]Historical shoreline analysis and field monitoring at Ennore coastal stretch along the Southeast coast of India / M. Dhananjayan in Marine geodesy, vol 45 n° 1 (January 2022)
[article]
Titre : Historical shoreline analysis and field monitoring at Ennore coastal stretch along the Southeast coast of India Type de document : Article/Communication Auteurs : M. Dhananjayan, Auteur ; S. Vasanthakumar, Auteur ; S.A. Sannasiraj, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 47 - 74 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse diachronique
[Termes IGN] détection de changement
[Termes IGN] érosion côtière
[Termes IGN] image Landsat
[Termes IGN] Inde
[Termes IGN] modèle de régression
[Termes IGN] modèle de simulation
[Termes IGN] régression linéaire
[Termes IGN] surveillance du littoral
[Termes IGN] trait de côteRésumé : (auteur) A shoreline change analysis has been carried out for the coastal stretch from Ennore creek to Karungali village located along the southeast coast of India. This 15 km-long coastal stretch had undergone significant changes such as erosion and accretion concerning infrastructure developments and leading to large impact on the livelihood of the community. To assess the shoreline changes, the analysis of multi-temporal satellite images has been carried out. A historical trend is established for the study period from 1991 to 2019. The analysis has been made in three timelines considering various developing activities. There was no significant coastal infrastructure development during 1991 to 1999; however, between 1999 and 2009, a major port, pier, and a groyne field were constructed. Additionally, a port was established between 2009 and 2019. Erosion was observed on the coast from Kattupalli to Karungali at a rate of −16.85 m/yr since 2009, while the coast on the south of Ennore port is accreting at the rate of +12.43 m/yr during the same period. The near-future projection using a linear regression model shows further erosion in the coast under similar conditions. The results of this study provide a baseline data for future anthropogenic activities along this coast. Numéro de notice : A2022-037 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/01490419.2021.1992546 Date de publication en ligne : 08/11/2021 En ligne : https://doi.org/10.1080/01490419.2021.1992546 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99370
in Marine geodesy > vol 45 n° 1 (January 2022) . - pp 47 - 74[article]Improving LSMA for impervious surface estimation in an urban area / Jin Wang in European journal of remote sensing, vol 55 n° 1 (2022)
[article]
Titre : Improving LSMA for impervious surface estimation in an urban area Type de document : Article/Communication Auteurs : Jin Wang, Auteur ; Yaolong Zhao, Auteur ; Yingchun Fu, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 37 - 51 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] classification et arbre de régression
[Termes IGN] image Landsat-OLI
[Termes IGN] régression
[Termes IGN] signature spectrale
[Termes IGN] surface imperméable
[Termes IGN] Yunnan (Chine)
[Termes IGN] zone urbaineRésumé : (auteur) Linear spectral mixture analysis (LSMA) and regression analysis are the two most conventionally used methods to estimate impervious surfaces at the subpixel scale in an urban area. However, LSMA lacks the sensitivity to pixel brightness, which leads to inter variability of endmembers and affects the ability to distinguish features with a similar spectral signature. This research aims to develop LSMA aided by a regression analysis model to estimate impervious surfaces with higher accuracy. A spectral angle mapping (SAM) based regression analysis model is introduced to reduce errors. Based on high-resolution images and field survey data, the SAM-based regression analysis can estimate non-impervious surface and high-impervious surface densities with high accuracy, while less accurate in impervious surfaces with low/medium density. In contrast, LSMA is able to estimate low/medium-density impervious surfaces with higher accuracy. We propose an improved approach by integrating the two methods, regression analysis aided LSMA, for impervious surface estimation. The proposed method increases the overall accuracy of the impervious surface estimation to 85.24%, which is significantly greater than that of the conventional methods. Numéro de notice : A2022-098 Affiliation des auteurs : non IGN Thématique : IMAGERIE/URBANISME Nature : Article DOI : 10.1080/22797254.2021.2018666 Date de publication en ligne : 05/01/2022 En ligne : https://doi.org/10.1080/22797254.2021.2018666 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99548
in European journal of remote sensing > vol 55 n° 1 (2022) . - pp 37 - 51[article]Incorporation of spatial anisotropy in urban expansion modelling with cellular automata / Jinqu Zhang in International journal of geographical information science IJGIS, vol 36 n° 1 (January 2022)PermalinkPermalinkMonitoring grassland dynamics by exploiting multi-modal satellite image time series / Anatol Garioud (2022)PermalinkProceedings of the 1st Conference of the European Association on Quality Control of Bridges and Structures : EUROSTRUCT 2021. An automated machine learning-based approach for structural novelty detection based on SHM / Nicolas Manzini (2022)PermalinkA rapid assessment method for earthquake-induced landslide casualties based on GIS and logistic regression model / Yuqian Dai in Geomatics, Natural Hazards and Risk, vol 13 (2022)PermalinkRobust approach for urban road surface extraction using mobile laser scanning 3D point clouds / Abdul Nurunnabi (2022)PermalinkSenRVM: A multi-modal deep learning regression methodology for continuous vegetation monitoring with dense temporal NDVI time series / Anatol Garioud (2022)PermalinkUnderstory plant community responses to widespread spruce mortality in a subalpine forest / Trevor A. Carter in Journal of vegetation science, vol 33 n° 1 (January 2022)PermalinkPermalinkComparative analysis for methods of building digital elevation models from topographic maps using geoinformation technologies / Vadim Belenok in Geodesy and cartography, vol 47 n° 4 (December 2021)PermalinkEstimation of individual tree stem biomass in an uneven-aged structured coniferous forest using multispectral LiDAR data / Nikos Georgopoulos in Remote sensing, vol 13 n° 23 (December-1 2021)PermalinkMulti-model estimation of forest canopy closure by using red edge bands based on Sentinel-2 images / Yiying Hua in Forests, vol 12 n° 12 (December 2021)PermalinkGeoid determination through the combined least-squares adjustment of GNSS/levelling/gravity networks – a case study in Linyi, China / Dongmei Guo in Survey review, Vol 53 n° 381 (November 2021)PermalinkGIS-based study on the environmental sensitivity to pollution and susceptibility to eutrophication in Burullus Lake, Egypt / Muhammad A. El-Alfy in Marine geodesy, vol 44 n° 6 (November 2021)PermalinkMulti-sensor aboveground biomass estimation in the broadleaved hyrcanian forest of Iran / Ghasem Ronoud in Canadian journal of remote sensing, vol 47 n° 6 ([01/11/2021])PermalinkLinear regression and lines intersecting as a method of extracting punctual entities in a lidar point cloud / Marlo Antonio Ribeiro Martins in Boletim de Ciências Geodésicas, vol 27 n° 3 ([01/10/2021])PermalinkPredicting total electron content in ionosphere using vector autoregression model during geomagnetic storm / Sumitra Iyer in Journal of applied geodesy, vol 15 n° 4 (October 2021)PermalinkRecurrent-based regression of Sentinel time series for continuous vegetation monitoring / Anatol Garioud in Remote sensing of environment, vol 263 (15 September 2021)Permalink3D map creation using crowdsourced GNSS data / Terence Lines in Computers, Environment and Urban Systems, vol 89 (September 2021)PermalinkA constrained extended Kalman filter based on LS-VCE formulated by condition equations with prediction of cross-covariances / Vahid Mahboub in Survey review, Vol 53 n° 380 (September 2021)Permalink