Descripteur
Documents disponibles dans cette catégorie (4535)
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
Application of deep learning with stratified K-fold for vegetation species discrimation in a protected mountainous region using Sentinel-2 image / Efosa Gbenga Adagbasa in Geocarto international, vol 37 n° 1 ([01/01/2022])
[article]
Titre : Application of deep learning with stratified K-fold for vegetation species discrimation in a protected mountainous region using Sentinel-2 image Type de document : Article/Communication Auteurs : Efosa Gbenga Adagbasa, Auteur ; Samuel Adelabu, Auteur ; Tom W. Okello, Auteur Année de publication : 2022 Article en page(s) : pp 142 - 162 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] distribution spatiale
[Termes IGN] espèce végétale
[Termes IGN] image Sentinel-MSI
[Termes IGN] indice de végétation
[Termes IGN] MNS ASTER
[Termes IGN] montagne
[Termes IGN] PoaceaeRésumé : (auteur) Understanding the spatial distribution of vegetation species is essential to gain knowledge on the recovery process of an ecosystem. Few studies have used deep learning and machine learning models for image processing focusing on forest/crop classification. This study, therefore, makes use of a multi-layer perceptron (MLP) deep neural network to discriminate grass species in a mountainous region using Sentinel-2 images. Vegetation indices, Sentinel-1 and ASTER DEM were combined with Sentinel-2 images to improve classification accuracy. Stratified K-fold was used to ensure balanced training and test data. The results, when compared with other commonly used machine learning models, outperformed them all. It produced a better discriminate of the grass species when ASTER DEM was combined with Sentinel-2 images, with overall F1 score of 92%. The results of the species discrimination show a general increase in increaser II species such as Eragrostis curvula and a decrease in decreaser species like Phragmites australis. Numéro de notice : A2022-301 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1080/10106049.2019.1704070 En ligne : https://doi.org/10.1080/10106049.2019.1704070 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100378
in Geocarto international > vol 37 n° 1 [01/01/2022] . - pp 142 - 162[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 059-2022011 RAB Revue Centre de documentation En réserve L003 Disponible
Titre : Applications of multi-image remote sensing Type de document : Thèse/HDR Auteurs : Roger Mari Molas, Auteur ; Gabriele Facciolo, Directeur de thèse ; Enric Meinhardt-Llopis, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 191 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de Doctorat de l’Université Paris-Saclay, spécialité Mathématiques AppliquéesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] compensation par faisceaux
[Termes IGN] image satellite
[Termes IGN] image Worldview
[Termes IGN] modèle numérique de surface
[Termes IGN] modèle par fonctions rationnelles
[Termes IGN] modèle stéréoscopique
[Termes IGN] Python (langage de programmation)
[Termes IGN] reconstruction 3DIndex. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis studies the problem of 3D reconstruction from a collection of high-resolution satellite images. Satellite multi-view 3D reconstruction requires a very fine control of the acquisition geometry, in order to guarantee the consistency of altitude estimates obtained from different views. The first part of the thesis is therefore devoted to the optimization of the mathematical representation of the acquisition geometry, which usually takes the form of RPC camera models. We propose a bundle adjustment methodology that maximizes the geometric consistency between a set of satellite views and the associated RPC cameras. This methodology incorporates an RPC estimation algorithm that allows the direct composition of the original unrefined models with corrective transformations, without using approximate intermediate representations. The second part of the thesis presents different practical applications of multi-image remote sensing, most of which benefit from the consistency control of the acquisition geometry. The different methods concern the following topics: the detection of volume changes on the Earth's surface across different dates; the geometrically consistent generation of large-scale mosaics built from smaller satellite images; a neural rendering network (NeRF) capable of learning the geometry of a satellite scene in a self-supervised manner and also of synthesizing new realistic views, with the ability to distinguish shadows and transient objects from permanent structures; and a comparison between classic algorithms and supervised deep learning networks for dense stereo matching. As a result, this thesis describes a variety of cutting-edge ideas on the exploitation of optical satellite images that have the potential to improve activities related to large-scale land surface knowledge, such as surveillance, urban planning or natural resource management. The presented methods are evaluated with high-resolution images from the WorldView-3 and SkySat constellations. The implementation of most methods is also released as open-source Python code. Note de contenu : 1- Introduction
2- Introduction (en français)
Part I. Geometric modeling of multi-view satellite imagery
3- Geolocation correction methods for satellite multi-view stereo
4- Bundle adjustment of RPC camera models
5- Robust RPC camera modeling
Part II. Applications of multi-view satellite imagery
6- Automatic stockpile volume monitoring
7- Perfect sensor localization for push-frame image stitching
8- Satellite NeRF
9- Disparity estimation network
10- ConclusionNuméro de notice : 24100 Affiliation des auteurs : non IGN Thématique : IMAGERIE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques Appliquées : Saclay : 2022 Organisme de stage : Centre Borelli (Saclay) DOI : sans En ligne : https://www.theses.fr/2022UPASM045 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102575 Apport de la télédétection et des variables auxiliaires dans l'étude de l'évolution des périodes de sécheresse / Nesrine Farhani (2022)
Titre : Apport de la télédétection et des variables auxiliaires dans l'étude de l'évolution des périodes de sécheresse Type de document : Thèse/HDR Auteurs : Nesrine Farhani, Auteur ; Gilles Boulet, Directeur de thèse ; Zohra Lili-Chabaane, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2022 Importance : 194 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université Toulouse délivré par l'Université Toulouse 3 - Paul Sabatier, spécialité Surfaces et Interfaces Continentales, HydrologieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] albedo
[Termes IGN] capteur actif
[Termes IGN] capteur passif
[Termes IGN] données météorologiques
[Termes IGN] évapotranspiration
[Termes IGN] gestion de l'eau
[Termes IGN] image Landsat-ETM+
[Termes IGN] image Landsat-TM
[Termes IGN] image Terra-MODIS
[Termes IGN] image thermique
[Termes IGN] indice de stress
[Termes IGN] Leaf Area Index
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] sécheresse
[Termes IGN] stress hydrique
[Termes IGN] température de surface
[Termes IGN] Tunisie
[Termes IGN] zone arideIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La surveillance des sécheresses dans les régions arides et semi-arides est cruciale car ses conséquences pour l'agriculture peuvent être dramatiques. Afin d'aider les décideurs à établir de bonnes pratiques de gestion de la ressource en eau et d'atténuation du risque des sécheresses, nous nous intéressons à l'analyse des indices de stress hydriques. À cette fin, un modèle de bilan d'énergie à double source permet, en combinant de l'information satellitaire (température de surface, NDVI, albédo et LAI) et de l'information météorologique (température de l'air, humidité relative de l'air, vitesse du vent et rayonnement global), de simuler l'évapotranspiration ainsi que le stress hydrique. Ces deux variables doivent être fournies d'une façon continue et sur une longue période temporelle pour une analyse adéquate des périodes de sécheresses. Or, les réseaux d'observations météorologiques sont parfois insuffisants (faible densité des sites instrumentés et périodes d'observation courtes et souvent non-concomitantes). Notre premier objectif est alors de simuler des scénarios de différentes variables climatiques afin de les prolonger. Nous avons adapté un générateur de conditions météorologiques "MetGen" qui permet de combler les lacunes présentes sur une période d'observation et de projeter des scénarios sur une période distincte de la période d'observation. MetGen exploite parmi ses co-variables, les données de réanalyses qui fournissent des variables à faible résolution spatiale (environ 31 km), comme source d'information importante. Nous comparons cette méthode avec des méthodes de correction de biais (univariée et multivariée) qui exploitent également les données de réanalyses. Cette approche statistique est validée selon deux volets : l'évaluation de la capacité (1) à bien reproduire les variables météorologiques et (2) à bien restituer les variables de bilan d'énergie. Les analyses, menées avec les données des stations météorologiques du système d'observations, ont permis de valider MetGen sur une période de validation (2011-2016). Nous avons utilisé alors cette méthode afin de simuler des données climatiques sur toute la période d'étude (2000-2019). Cette série ainsi que celle provenant des réanalyses brutes sont utilisées comme forçages climatiques du modèle d'énergie à double source SPARSE, afin de simuler deux indices de stress thermiques SI(SWG) et SI(ERA5) issus du générateur et des réanalyses ERA5 respectivement, à une échelle kilométrique. Ces deux indices sensibles aux anomalies de température de surface, sont comparés avec d'autres indices standardisés issus de différentes longueurs d'onde : le NDVI issu du visible/proche infrarouge, SWI du micro-onde et un indice standardisé de précipitations UPI qui est utilisé comme une référence pour notre analyse. Cette analyse est effectuée en termes de pertinence, de cohérence et de précocité pour la détection d'une sécheresse agronomique. Les deux indices thermiques ont montré des bonnes performances pour la détection du stress, notamment SI(SWG) qui a montré plus de précision et de capacité à détecter le stress hydrique d'une façon précoce. Ces analyses et tous ces approches statistiques sont effectuées au niveau du bassin versant de Merguellil situé au centre de la Tunisie et qui présente un modèle typique des régions semi-arides. Note de contenu : 1- Introduction
2- Partie A
2.1 Etat de l'art
2.2 Matériel et méthodes
2.3 Conclusion partielle et synthèse
3- Partie B
3.1 Introduction
3.2 Développement de la méthode statistique
3.3 Résultats complémentaires
3.4 Conclusion partielle et synthèse
4- Partie C
4.1 Introduction
4.2 Interpolation journalière de l’évapotranspiration
4.3 Indice de sécheresse
4.4 Utilisation de l’indice thermique pour le stress de la végétation
4.5 Comparaison SI et ESI
4.6 Conclusion partielle et synthèse
Conclusion et perspectivesNuméro de notice : 28880 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surfaces et Interfaces Continentales, Hydrologie : Toulouse 3 : 2022 Organisme de stage : CESBIO DOI : sans En ligne : http://www.theses.fr/2022TOU30022 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101529 Cartographie dynamique de la topographie de l'océan de surface par assimilation de données altimétriques / Florian Le Guillou (2022)
Titre : Cartographie dynamique de la topographie de l'océan de surface par assimilation de données altimétriques Type de document : Thèse/HDR Auteurs : Florian Le Guillou, Auteur ; Emmanuel Cosme, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2022 Importance : 217 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Grenoble Alpes, Spécialité : Océan, Atmosphère, HydrologieLangues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] altimétrie satellitaire par radar
[Termes IGN] assimilation des données
[Termes IGN] cartographie dynamique
[Termes IGN] cartographie hydrographique
[Termes IGN] données altimétriques
[Termes IGN] image SWOT
[Termes IGN] modèle dynamique
[Termes IGN] niveau de la mer
[Termes IGN] océanographie dynamique
[Termes IGN] océanographie spatiale
[Termes IGN] relief de la surface de la merIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Depuis plus de 20 ans, l’altimétrie satellitaire nadir a révolutionné notre compréhension de la dynamique océanique de mésoéchelle en produisant des mesures très précises du niveau de la mer (SSH; pour Sea Surface Heigh). Pour un grand nombre d’applications, les données 1D de SSH doivent être interpolées sur des cartes 2D régulières en temps et en espace. Aujourd’hui, ces cartes sont générées quotidiennement à une résolution de 1/4° par un algorithme d’interpolation optimale implémenté de manière opérationnelle au sein du système DUACS. Cependant, la résolution spatiale de ces cartes, principalement limitée par l’échantillonnage de l’altimétrie nadir, ne permet pas d’observer convenablement les structures de sous-mésoéchelle, que l’ont sait essentielles pour la compréhension, la modélisation et la prévision du système climatique. La nouvelle mission altimétrique à large fauchée SWOT (pour Surface Water Ocean Topography) sera lancée à la fin de l’année 2022. SWOT permettra l’observation de processus à des échelles de 15-30 km. Cependant, l’algorithme d’interpolation linéaire actuellement implémenté dans la chaîne DUACS doit être amélioré pour tenir compte de la dynamique non-linéaire des structures rapides de sous-mésoéchelle. De plus, il faudra distinguer les mouvements autour de l’équilibre géostrophique de ceux des ondes de marée interne pour étudier convenablement les dynamiques associées. Dans cette thèse, nous avons exploré la capacité de la mission SWOT à répondre à ses objectifs scientifiques en développant des outils innovants pour cartographier la SSH à haute résolution tout en séparant les dynamiques équilibrée et ondulatoire. Pour cela, la stratégie a été d’inclure la dynamique de l’océan dans les outils de cartographie de SSH sous forme d’assimilation de données avec des modèles physiques simples et adaptés à chaque dynamique. La première étape de notre travail a été d’appliquer la méthode du Back-and-Forth-Nudging (BFN) appliqué à un modèle Quasi-Géostrophique à une couche et demie (méthode dite du BFN-QG) pour cartographier la dynamique équilibrée de la SSH. Cette technique est testée avec des observations simulées et réelles. Les résultats montrent que le BFN-QG permet de réduire substantiellement les erreurs de cartographie comparé au système DUACS et que cette réduction est amplifiée lorsque SWOT est ajouté à la constellation d’altimètres nadirs. Par contre, les données nadirs se révèlent nécessaires pour contraindre les grandes échelles spatiales lorsque les données SWOT sont polluées par des erreurs spatialement corrélées. De plus, les performances sont réduites lorsque la dynamique équilibrée est faiblement énergétique. Dans un second temps, nous avons traité la problématique de séparation des dynamiques équilibrée et ondulatoire. Pour cela, nous avons développé un 4Dvar assimilant les observations de SSH dans un modèle Shallow-Water linéaire pour estimer la dynamique de marée interne (méthode dite du 4Dvar-SW). Un atout essentiel du 4Dvar-SW est sa capacité à estimer la marée interne non-stationnaire. Deux stratégies de séparation sont présentées. La première implémente un algorithme de minimisation alternée qui combine itérativement le BFN-QG et le 4Dvar-SW. Bien que testée dans un contexte idéalisé, cette technique semble prometteuse pour cartographier et séparer les contributions des deux dynamiques. Les résultats montrent que l’échantillonnage temporel des observations est déterminant pour estimer correctement la dynamique de marée interne, et par extension la dynamique équilibrée. La seconde stratégie repose sur l’implémentation d’un 4Dvar global en bases réduites et une contribution additive des deux modèles réduits. Cette technique est testée dans le cadre réaliste de la phase de calibration et validation au large de la Californie et les performances sont une nouvelles fois prometteuses, en particulier pour estimer la composante non-stationnaire de la marée interne. Note de contenu : 1- Introduction
2- Approche méthodologique et outils numériques
3- Cartographie altimétrique haute résolution de la dynamique équilibrée dans le contexte de la mission SWOT
4- Article 2 : Regional mapping of energetic short mesoscale ocean dynamics from altimetry : performances from real observations
5- Article 3 : Joint Estimation of Balanced Motions and Internal Tides From Future Wide-Swath Altimetry
6- Vers la cartographie simultanée des dynamiques équilibrée et de marée interne à partir des données SWOT
7- ConclusionNuméro de notice : 29013 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Océan, Atmosphère, Hydrologie : Grenoble : 2022 Organisme de stage : Institut des Géosciences de l’Environnement DOI : sans En ligne : https://hal.science/tel-03775828v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101740
Titre : Deep learning architectures for onboard satellite image analysis Type de document : Thèse/HDR Auteurs : Gaétan Bahl, Auteur ; Florent Lafarge, Directeur de thèse Editeur : Nice : Université Côte d'Azur Année de publication : 2022 Importance : 120 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de Doctorat de l'Université Côte d’Azur, Spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] analyse d'image orientée objet
[Termes IGN] apprentissage profond
[Termes IGN] contour
[Termes IGN] détection d'objet
[Termes IGN] extraction du réseau routier
[Termes IGN] forêt
[Termes IGN] image satellite
[Termes IGN] nuage
[Termes IGN] régression
[Termes IGN] réseau neuronal convolutif
[Termes IGN] réseau neuronal de graphes
[Termes IGN] réseau neuronal récurrent
[Termes IGN] segmentation sémantiqueIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Les progrès des satellites d'observation de la Terre à haute résolution et la réduction des temps de revisite introduite par la création de constellations de satellites ont conduit à la création quotidienne de grandes quantités d'images (des centaines de Teraoctets par jour). Simultanément, la popularisation des techniques de Deep Learning a permis le développement d'architectures capables d'extraire le contenu sémantique des images. Bien que ces algorithmes nécessitent généralement l'utilisation de matériel puissant, des accélérateurs d'inférence IA de faible puissance ont récemment été développés et ont le potentiel d'être utilisés dans les prochaines générations de satellites, ouvrant ainsi la possibilité d'une analyse embarquée des images satellite. En extrayant les informations intéressantes des images satellite directement à bord, il est possible de réduire considérablement l'utilisation de la bande passante, du stockage et de la mémoire. Les applications actuelles et futures, telles que la réponse aux catastrophes, l'agriculture de précision et la surveillance du climat, bénéficieraient d'une latence de traitement plus faible, voire d'alertes en temps réel. Dans cette thèse, notre objectif est double : D'une part, nous concevons des architectures de Deep Learning efficaces, capables de fonctionner sur des périphériques de faible puissance, tels que des satellites ou des drones, tout en conservant une précision suffisante. D'autre part, nous concevons nos algorithmes en gardant à l'esprit l'importance d'avoir une sortie compacte qui peut être efficacement calculée, stockée, transmise au sol ou à d'autres satellites dans une constellation. Tout d'abord, en utilisant des convolutions séparables en profondeur et des réseaux neuronaux récurrents convolutionnels, nous concevons des réseaux neuronaux de segmentation sémantique efficaces avec un faible nombre de paramètres et une faible utilisation de la mémoire. Nous appliquons ces architectures à la segmentation des nuages et des forêts dans les images satellites. Nous concevons également une architecture spécifique pour la segmentation des nuages sur le FPGA d'OPS-SAT, un satellite lancé par l'ESA en 2019, et réalisons des expériences à bord à distance. Deuxièmement, nous développons une architecture de segmentation d'instance pour la régression de contours lisses basée sur une représentation à coefficients de Fourier, qui permet de stocker et de transmettre efficacement les formes des objets détectés. Nous évaluons la performance de notre méthode sur une variété de dispositifs informatiques à faible puissance. Enfin, nous proposons une architecture d'extraction de graphes routiers basée sur une combinaison de Fully Convolutional Networks et de Graph Neural Networks. Nous montrons que notre méthode est nettement plus rapide que les méthodes concurrentes, tout en conservant une bonne précision. Note de contenu : 1. Introduction
1.1 Context and motivation
1.2 Methods and Challenges
1.3 Contributions and outline
2. On-board image segmentation with compact networks
2.1 Introduction
2.2 Related works
2.3 Proposed architectures
2.4 Experiments on cloud segmentation
2.5 Experiments on forest segmentation
2.6 Conclusion
3. Recurrent convolutional networks for semantic segmentation
3.1 Introduction
3.2 Method
3.3 Experiments
3.4 Conclusion and future works
4. Regression of compact object contours
4.1 Introduction
4.2 Related Work
4.3 Method
4.4 Experiments
4.5 Conclusion
5. Road graph extraction
5.1 Introduction
5.2 Related Works
5.3 Method
5.4 Experiments
5.5 Limitations
5.6 Other uses of our method
5.7 Conclusion
6. Conclusion and Perspectives
6.1 Summary
6.2 Limitations and perspectives
6.3 Publications
6.4 Carbon Impact StatementNuméro de notice : 26912 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Côte d'Azur : 2022 Organisme de stage : Inria Sophia-Antipolis Méditerranée nature-HAL : Thèse DOI : sans Date de publication en ligne : 27/09/2022 En ligne : https://tel.hal.science/tel-03789667v2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101955 Détection des prairies de fauche et estimation des périodes de fauche par télédétection / Emma Seneschal (2022)PermalinkDevelopment of object detectors for satellite images by deep learning / Alissa Kouraeva (2022)PermalinkEstimating aboveground biomass in dense Hyrcanian forests by the use of Sentinel-2 data / Fardin Moradi in Forests, vol 13 n° 1 (January 2022)PermalinkExamining the integration of Landsat operational land imager with Sentinel-1 and vegetation indices in mapping southern yellow pines (Loblolly, Shortleaf, and Virginia pines) / Clement E. Akumu in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 1 (January 2022)PermalinkGlobal and climate challenges, graph-based data analysis for multisource information extraction / Morgane Batelier (2022)PermalinkHigh-resolution canopy height map in the Landes forest (France) based on GEDI, Sentinel-1, and Sentinel-2 data with a deep learning approach / Martin Schwartz (2022)PermalinkHistorical 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)PermalinkImplementation of the log-transformed band ratio algorithm on images of WorldView-3 and Sentinel-2 for bathymetry mapping of a pocket beach of Malta / Antoine Cornu (2022)PermalinkImproving LSMA for impervious surface estimation in an urban area / Jin Wang in European journal of remote sensing, vol 55 n° 1 (2022)PermalinkPermalinkInvestigating the role of wind disturbance in tropical forests through a forest dynamics model and satellite observations / E-Ping Rau (2022)PermalinkLatent heat flux variability and response to drought stress of black poplar: A multi-platform multi-sensor remote and proximal sensing approach to relieve the data scarcity bottleneck / Flavia Tauro in Remote sensing of environment, vol 268 (January 2022)PermalinkLearning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)PermalinkMapping burned areas and land-uses in Kangaroo Island using an object-based image classification framework and Landsat 8 Imagery from Google Earth Engine / Jiyu Liu in Geomatics, Natural Hazards and Risk, vol 13 (2022)PermalinkModélisations des écoulements fluviaux adaptées aux observations spatiales et assimilations de données altimétriques / Thibault Malou (2022)PermalinkMonitoring and analysis of crop irrigation dynamics in Central Italy through the use of MODIS NDVI data / Marta Chiesi in European journal of remote sensing, vol 55 n° 1 (2022)PermalinkMonitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon / Le Bienfaiteur Sagang Takougoum (2022)PermalinkMonitoring grassland dynamics by exploiting multi-modal satellite image time series / Anatol Garioud (2022)PermalinkPreparation of the VENµS satellite data over Israel for the input into the GRASP data treatment algorithm / Maeve Blarel (2022)PermalinkPermalinkPermalinkPermalinkPermalinkSemantic segmentation of high-resolution remote sensing images based on a class feature attention mechanism fused with Deeplabv3+ / Zhimin Wang in Computers & geosciences, vol 158 (January 2022)PermalinkSenRVM: A multi-modal deep learning regression methodology for continuous vegetation monitoring with dense temporal NDVI time series / Anatol Garioud (2022)PermalinkPermalinkSimulation of the meltwater under different climate change scenarios in a poorly gauged snow and glacier-fed Chitral River catchment (Hindukush region) / Huma Hayat in Geocarto international, vol 37 n° 1 ([01/01/2022])PermalinkStudying informativeness of satellite image texture for sea ice state retrieval using deep learning methods / Clément Fougerouse (2022)PermalinkPermalinkPermalinkUse of multi-temporal and multi-sensor data for continental water body extraction in the context of the SWOT mission / Nicolas Gasnier (2022)PermalinkPermalinkAdaptive feature weighted fusion nested U-Net with discrete wavelet transform for change detection of high-resolution remote sensing images / Congcong Wang in Remote sensing, vol 13 n° 24 (December-2 2021)PermalinkEfficient occluded road extraction from high-resolution remote sensing imagery / Dejun Feng in Remote sensing, vol 13 n° 24 (December-2 2021)PermalinkMapping temperate forest tree species using dense Sentinel-2 time series / Jan Hemmerling in Remote sensing of environment, vol 267 (December-15 2021)PermalinkDiResNet: Direction-aware residual network for road extraction in VHR remote sensing images / Lei Ding in IEEE Transactions on geoscience and remote sensing, vol 59 n° 12 (December 2021)PermalinkLa modélisation des eaux / Michel Kasser in Géomètre, n° 2197 (décembre 2021)PermalinkMSegnet, a practical network for building detection from high spatial resolution images / Bo Yu in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 12 (December 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)PermalinkNational scale mapping of larch plantations for Wales using the Sentinel-2 data archive / Suvarna M. Punalekar in Forest ecology and management, vol 501 (December-1 2021)PermalinkParticle swarm optimization based water index (PSOWI) for mapping the water extents from satellite images / Mohammad Hossein Gamshadzaei in Geocarto international, vol 36 n° 20 ([01/12/2021])PermalinkRelevés d’obstacles à la navigation aérienne au service de l’information aéronautique / Olivier de Joinville in XYZ, n° 169 (décembre 2021)PermalinkSnow cover change assessment in the upper Bhagirathi basin using an enhanced cloud removal algorithm / Mritunjay Kumar Singh in Geocarto international, vol 36 n° 20 ([01/12/2021])PermalinkCrop rotation modeling for deep learning-based parcel classification from satellite time series / Félix Quinton in Remote sensing, vol 13 n° 22 (November-2 2021)PermalinkSpatial variability of suspended sediments in San Francisco Bay, California / Niky C. Taylor in Remote sensing, vol 13 n° 22 (November-2 2021)Permalink