Descripteur
Documents disponibles dans cette catégorie (716)
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
Latent 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)
[article]
Titre : Latent 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 Type de document : Article/Communication Auteurs : Flavia Tauro, Auteur ; Antonino Maltese, Auteur ; Roberto Giannini, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 112771 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bioénergie
[Termes IGN] évapotranspiration
[Termes IGN] gestion de l'eau
[Termes IGN] image captée par drone
[Termes IGN] image satellite
[Termes IGN] irrigation
[Termes IGN] Piémont (Italie)
[Termes IGN] Populus nigra
[Termes IGN] sécheresse
[Termes IGN] stress hydriqueRésumé : (auteur) High-throughput mapping of latent heat flux (λET) is critical to efforts to optimize water resources management and to accelerate forest tree breeding for improved drought tolerance. Ideally, investigation of the energy response at the tree level may promote tailored irrigation strategies and, thus, maximize crop biomass productivity. However, data availability is limited and planning experimental campaigns in the field can be highly operationally complex. To this end, a multi-platform multi-sensor observational approach is herein developed to dissect the λET signature of a black poplar (Populus nigra) breeding population (“POP6”) at the canopy level. POP6 comprised more than 4600 trees representing 503 replicated genotypes, whose parents were derived from contrasting environmental conditions. Trees were trialed in two adjacent plots where different irrigation treatments (moderate drought [mDr] and well-watered [WW]) were applied. Data collected from satellite and unmanned aerial vehicles (UAVs) remote sensing as well as from ground-based proximal sensors were integrated at consistent spatial aggregation and combined to compute the surface energy balance of the trees through a modified Priestley-Taylor method. Here, we demonstrated that λET response was significantly different between WW and mDr trees, whereby genotypes in mDr conditions exhibited larger standard deviations. Importantly, genotypes classified as drought tolerant based on the stress susceptibility index (SSI) presented λET values significantly higher than the rest of the population. This study confirmed that water limitation in mDr settings led to reduced soil moisture in the tree root zone and, thus, to lower λET. These results pave the way to breeding poplar and other bioenergy crops with this underexploited trait for higher λET. Most notably, the illustrated work demonstrates a multi-platform multi-sensor data fusion approach to tackle the global challenge of monitoring landscape-scale ecosystem processes at fine resolution. Numéro de notice : A2022-087 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.rse.2021.112771 Date de publication en ligne : 05/11/2021 En ligne : https://doi.org/10.1016/j.rse.2021.112771 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99496
in Remote sensing of environment > vol 268 (January 2022) . - n° 112771[article]Multi-view urban scene classification with a complementary-information learning model / Wanxuan Geng in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 1 (January 2022)
[article]
Titre : Multi-view urban scene classification with a complementary-information learning model Type de document : Article/Communication Auteurs : Wanxuan Geng, Auteur ; Weixun Zhou, Auteur ; Shuanggen Jin, Auteur Année de publication : 2022 Article en page(s) : pp 65 - 72 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données de terrain
[Termes IGN] données multisources
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] fusion de données multisource
[Termes IGN] image aérienne
[Termes IGN] niveau du sol
[Termes IGN] précision de la classification
[Termes IGN] scène urbaineRésumé : (Auteur) Traditional urban scene-classification approaches focus on images taken either by satellite or in aerial view. Although single-view images are able to achieve satisfactory results for scene classification in most situations, the complementary information provided by other image views is needed to further improve performance. Therefore, we present a complementary information-learning model (CILM) to perform multi-view scene classification of aerial and ground-level images. Specifically, the proposed CILM takes aerial and ground-level image pairs as input to learn view-specific features for later fusion to integrate the complementary information. To train CILM, a unified loss consisting of cross entropy and contrastive losses is exploited to force the network to be more robust. Once CILM is trained, the features of each view are extracted via the two proposed feature-extraction scenarios and then fused to train the support vector machine classifier for classification. The experimental results on two publicly available benchmark data sets demonstrate that CILM achieves remarkable performance, indicating that it is an effective model for learning complementary information and thus improving urban scene classification. Numéro de notice : A2022-063 Affiliation des auteurs : non IGN Thématique : IMAGERIE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.21-00062R2 Date de publication en ligne : 01/01/2022 En ligne : https://doi.org/10.14358/PERS.21-00062R2 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99708
in Photogrammetric Engineering & Remote Sensing, PERS > vol 88 n° 1 (January 2022) . - pp 65 - 72[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2022011 SL Revue Centre de documentation Revues en salle Disponible Studying informativeness of satellite image texture for sea ice state retrieval using deep learning methods / Clément Fougerouse (2022)
Titre : Studying informativeness of satellite image texture for sea ice state retrieval using deep learning methods Type de document : Mémoire Auteurs : Clément Fougerouse, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 47 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] glace de mer
[Termes IGN] image Aqua-AMSR
[Termes IGN] image C-SAR
[Termes IGN] image radar moirée
[Termes IGN] inférence
[Termes IGN] optimisation (mathématiques)
[Termes IGN] réseau neuronal convolutif
[Termes IGN] restauration d'imageIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) De nos jours, la détermination des glaces de mers se fait manuellement et est réalisée par des experts, les cartes obtenues ne sont donc pas bien précises et peuvent comporter des erreurs. L’objectif de l’étude est de pouvoir automatiser la classification des différents types de glaces de mer à partir d’images satellitaires SAR et AMSR2, en utilisant des réseaux de neurones convolutifs et d’améliorer la précision des réseaux déjà existants. Pour cela, nous partons des réseaux existants et nous rajoutons de nouvelles données d’apprentissages et nous modifions la structure du réseau de neurones convolutif. Puis nous étudions la texture des images pour pouvoir prendre en compte les formes des glaces et ainsi de créer plusieurs classes pour les glaces de mers. Que ce soit avec l’ajout de nouvelles données ou la modification de la structure du réseau, la précision des prédictions du réseau de neurones a grandement été amélioré. Nous passons d’une précision de 74% en moyenne sur les quatre classes utilisées à une moyenne de 95% après toutes les améliorations réalisées. Notons également, que la détection de la présence ou non de glace est très précise 98%. Quant à l’ajout des nouvelles classes et à la prise en compte de la texture des images satellitaires, nous obtenons des résultats très intéressants : le classificateur permet de distinguer certaines combinaisons, mais a du mal pour d’autres, notamment pour les glaces qui ont des petites formes. Ainsi, cette étude a permis d’améliorer considérablement la précision des réseaux existants pour classer la glace dans les quatre types habituels bien qu'ils restent moins performants pour classer en prenant en compte la forme des glaces. L’étude du caractère informatif a permis de connaitre les combinaisons détectées par la texture des images SAR. Note de contenu : 1. Introduction
2. Data used for training the CNN
2.1 NetCDF files
2.2 SAR data
2.3 AMSR2 data
2.4 Ice Chart
3. Processing
3.1 Overview
3.2 Statistical analysis
3.3 Preprocessing
3.3 Training
3.4 Inference
3.4 Baseline binary CNN
3.5 Baseline continuous CNN
3.6 Adding the larger area SAR data
3.7 Adding the AMSR2 data
3.8 Optimization
3.9 Experiments with informativeness
4. Results
4.1 Statistics
4.2 Baseline Binary
4.3 Hugo continuous
4.4 Extended SAR sub-image
4.5 AMSR2
4.6 Optimization
4.7 Informativeness tests
5. Conclusion and discussionNuméro de notice : 26868 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Nansen Environmental and Remote Sensing Center NERSC Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101688 Documents numériques
en open access
Studying informativeness of satellite image texture for sea ice state retrieval using deep learning methods - pdf auteurAdobe Acrobat PDF
Titre : the EUROSDR time benchmark for historical aerial images Type de document : Article/Communication Auteurs : E.M. Farella, Auteur ; L. Morelli, Auteur ; Fabio Remondino, Auteur ; Jon P. Mills, Auteur ; Norbert Haala, Auteur ; Joep Crompvoets, Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2022 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B2 Conférence : ISPRS 2022, Commission 2, 24th ISPRS international congress, Imaging today, foreseeing tomorrow 06/06/2022 11/06/2022 Nice France OA ISPRS Archives Importance : pp 1175 - 1182 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] aérotriangulation
[Termes IGN] image aérienne
[Termes IGN] image ancienne
[Termes IGN] image multitemporelle
[Termes IGN] modèle numérique de surface
[Termes IGN] modèle numérique de terrain
[Termes IGN] orthophotographieMots-clés libres : benchmark Résumé : (auteur) Automatic photogrammetric processing of historical (or archival) aerial photos is still a challenging task, particularly in cases of missing ancillary information, low radiometric and image quality, limited stereo coverage or large temporal span. However, with recent advances in photogrammetry and Artificial Intelligence (AI) algorithms for image processing and interpretation, an increasing number of applications are now feasible. The article presents the TIME (hisTorical aerIal iMagEs) benchmark (https://time.fbk.eu/), promoted by EuroSDR to explore the potential of historical aerial images. Realized in collaboration with various European NMCAs, the benchmark has garnered aerial image blocks and time series imagery captured since the 1950s. To support the photogrammetric processing of the digitized photos, ancillary data are supplied with available information about flight missions, taking cameras, and ground control points (GCPs). Several diverse investigations have been undertaken with the benchmark datasets, all captured over historical urban areas or landscapes. The paper describes the benchmark datasets and some potential research topics, presenting several tests and analyses realized with the collated and shared data. Numéro de notice : C2022-021 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B2-2022-1175-2022 Date de publication en ligne : 30/05/2022 En ligne : http://dx.doi.org/10.5194/isprs-archives-XLIII-B2-2022-1175-2022 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100847
Titre : UAVs for the environmental sciences : Methods and applications Type de document : Monographie Auteurs : Annette Eltner, Éditeur scientifique ; Dirk Hoffmeister, Éditeur scientifique ; Andreas Kaiser, Éditeur scientifique ; et al., Auteur Editeur : Darmstadt : Wissenschaftliche Buchgesellschaft Année de publication : 2022 Importance : 492 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-534-40590-9 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s)
[Termes IGN] analyse comparative
[Termes IGN] droit
[Termes IGN] droit européen
[Termes IGN] étalonnage de capteur (imagerie)
[Termes IGN] géoréférencement
[Termes IGN] image captée par drone
[Termes IGN] matériel
[Termes IGN] navigation inertielle
[Termes IGN] photogrammétrie aérienne
[Termes IGN] plan de vol
[Termes IGN] récepteur GNSS
[Termes IGN] semis de pointsRésumé : (éditeur) This book gives an overview of the usage of UAVs in environmental sciences covering technical basics, data acquisition with different sensors, data processing schemes and illustrating various examples of application. Note de contenu : 1- Basics
2- Data acquisition
3- Data analysis
4- ApplicationsNuméro de notice : 24097 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.53186/1028514 En ligne : https://doi.org/10.53186/1028514 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102571 PermalinkBuilding detection with convolutional networks trained with transfer learning / Simon Šanca in Geodetski vestnik, vol 65 n° 4 (December 2021 - February 2022)PermalinkOBIA-based extraction of artificial terrace damages in the Loess plateau of China from UAV photogrammetry / Xuan Fang in ISPRS International journal of geo-information, vol 10 n° 12 (December 2021)PermalinkRelevés d’obstacles à la navigation aérienne au service de l’information aéronautique / Olivier de Joinville in XYZ, n° 169 (décembre 2021)PermalinkFeature matching for multi-epoch historical aerial images: A new pipeline feature detection pipeline in open-source MicMac / Lulin Zhang in Blog de la RFPT, sans n° ([17/11/2021])PermalinkAccuracy assessment of RTK-GNSS equipped UAV conducted as-built surveys for construction site modelling / Sander Varbla in Survey review, Vol 53 n° 381 (November 2021)PermalinkAccurate mapping method for UAV photogrammetry without ground control points in the map projection frame / Jianchen Liu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 11 (November 2021)PermalinkRobust registration of aerial images and LiDAR data using spatial constraints and Gabor structural features / Bai Zhu in ISPRS Journal of photogrammetry and remote sensing, Vol 181 (November 2021)PermalinkAdaptive edge preserving maps in Markov random fields for hyperspectral image classification / Chao Pan in IEEE Transactions on geoscience and remote sensing, vol 59 n° 10 (October 2021)PermalinkAutomatic detection of planted trees and their heights using photogrammetric rpa point clouds / Kênia Samara Mourão Santos in Boletim de Ciências Geodésicas, vol 27 n° 3 ([01/10/2021])Permalink