Centre dedocumentation
scientifique

Comparison between convolutional neural networks and random forest for local climate zone classification in mega urban areas using Landsat images / Cheolhee Yoo in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 157 (November 2019) . - pp 155 - 170 Titre : Comparison between convolutional neural networks and random forest for local climate zone classification in mega urban areas using Landsat images Type de document : Article/Communication Auteurs : Cheolhee Yoo, Auteur ; Daehyeon Han, Auteur ; Jungho Im, Auteur ; Benjamin Bechtel, Auteur Année de publication : 2019 Article en page(s) : pp 155 - 170 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] Chicago (Illinois) [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] climat urbain [Termes descripteurs IGN] Hong-Kong [Termes descripteurs IGN] ilot thermique urbain [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] Madrid (Espagne) [Termes descripteurs IGN] Rome [Termes descripteurs IGN] World Urban Database and Access Portal Tools [Termes descripteurs IGN] zone urbaine dense Résumé : (Auteur) The Local Climate Zone (LCZ) scheme is a classification system providing a standardization framework to present the characteristics of urban forms and functions, especially for urban heat island (UHI) research. Landsat-based 100 m resolution LCZ maps have been classified by the World Urban Database and Portal Tool (WUDAPT) method using a random forest (RF) machine learning classifier. Some studies have proposed modified RF and convolutional neural network (CNN) approaches. This study aims to compare CNN with an RF classifier for LCZ mapping in great detail. We designed five schemes (three RF-based schemes (S1–S3) and two CNN-based ones (S4–S5)), which consist of various combinations of input features from bitemporal Landsat 8 data over four global mega cities: Rome, Hong Kong, Madrid, and Chicago. Among the five schemes, the CNN-based one with the incorporation of a larger neighborhood information showed the best classification performance. When compared to the WUDAPT workflow, the overall accuracies for entire land cover classes (OA) and for urban LCZ types (i.e., LCZ1-10; OAurb) increased by about 6–8% and 10–13%, respectively, for the four cities. The transferability of LCZ models for the four cities were evaluated, showing that CNN consistently resulted in higher accuracy (increased by about 7–18% and 18–29% for OA and OAurb, respectively) than RF. This study revealed that the CNN classifier classified particularly well for the specific LCZ classes in which buildings were mixed with trees or buildings or plants were sparsely distributed. The research findings can provide a basis for guidance of future LCZ classification using deep learning. Numéro de notice : A2019-495 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.009 date de publication en ligne : 19/09/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.009 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93728 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019111	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019113	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019112	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Potential of Landsat-8 and Sentinel-2A composite for land use land cover analysis / Divyesh Varade in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 14 [30/10/2019] . - pp 1552 - 1567 Titre : Potential of Landsat-8 and Sentinel-2A composite for land use land cover analysis Type de document : Article/Communication Auteurs : Divyesh Varade, Auteur ; Anudeep Sure, Auteur ; Onkar Dikshit, Auteur Année de publication : 2019 Article en page(s) : pp 1552 - 1567 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] Hyperion Imaging Spectrometer [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] Inde [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] réflectance spectrale [Termes descripteurs IGN] utilisation du sol Résumé : (auteur) This study proposes the development of a multi-sensor, multi-spectral composite from Landsat-8 and Sentinel-2A imagery referred to as ‘LSC’ for land use land cover (LULC) characterisation and compared with respect to the hyperspectral imagery of the EO1: Hyperion sensor. A three-stage evaluation was implemented based on the similarity observed in the spectral response, supervised classification results and endmember abundance information obtained using linear spectral unmixing. The study was conducted for two areas located around Dhundi and Rohtak in Himachal Pradesh and Haryana, respectively. According to the analysis of the spectral reflectance curves, the spectral response of the LSC is capable of identifying major LULC classes. The kappa accuracy of 0.85 and 0.66 was observed for the classification results from LSC and Hyperion data for Dhundi and Rohtak datasets, respectively. The coefficient of determination was found to be above 0.9 for the LULC classes in both the datasets as compared to Hyperion, indicating a good agreement. Thus, these three-stage results indicated the significant potential of a composite derived from freely available multi-sensor multi-spectral imagery as an alternative to hyperspectral imagery for LULC studies. Numéro de notice : A2019-527 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1497096 date de publication en ligne : 07/09/2018 En ligne : https://doi.org/10.1080/10106049.2018.1497096 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94101 [article]

Residences information extraction from Landsat imagery using the multi-parameter decision tree method / Yujie Yang in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 14 [30/10/2019] . - pp 1621 - 1633 Titre : Residences information extraction from Landsat imagery using the multi-parameter decision tree method Type de document : Article/Communication Auteurs : Yujie Yang, Auteur ; Shijie Wang, Auteur ; Xiaoyong Bai, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 1621 - 1633 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] albedo [Termes descripteurs IGN] analyse spectrale [Termes descripteurs IGN] classification par arbre de décision [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] eau [Termes descripteurs IGN] extraction [Termes descripteurs IGN] image Landsat-OLI [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] ombre [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] urbanisme Résumé : (auteur) The rapid and accurate grasp of changes in residences is crucial for urban planning and urbanisation. However, the traditional methods for extracting residences exists several problems, which lead to inaccurate extraction results. In this study, the Landsat image is used to establish a new method for extracting the residences quickly and accurately. The specific steps are as follows: (1) We calculate surface albedo to exclude the interference of waters and shadows; (2) Using single-band threshold method, we eliminate the interference of shadows; (3) Normalized Difference Vegetation Index is calculated to exclude the effects of vegetation; (4) Roads are removed by calculating the shape index. Verification shows that the accuracy of this extraction method is 92.81%, which is more accurate than the traditional methods and solves the problems existed in the traditional methods. This novel method is a new reference for other land cover research on the technical aspect. Numéro de notice : A2019-528 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1494760 date de publication en ligne : 07/09/2018 En ligne : https://doi.org/10.1080/10106049.2018.1494760 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94106 [article]

Evolution of sand encroachment using supervised classification of Landsat data during the period 1987–2011 in a part of Laâyoune-Tarfaya basin of Morocco / Ali Aydda in Geocarto international, vol 34 n° 13 ([15/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 13 [15/10/2019] . - pp 1514 - 1529 Titre : Evolution of sand encroachment using supervised classification of Landsat data during the period 1987–2011 in a part of Laâyoune-Tarfaya basin of Morocco Type de document : Article/Communication Auteurs : Ali Aydda, Auteur ; Omar F. Althuwaynee, Auteur ; Ahmed Algouti, Auteur ; Abdellah Algouti, Auteur Année de publication : 2019 Article en page(s) : pp 1514 - 1529 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] carte géomorphologique [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] classification par maximum de vraisemblance [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] dune [Termes descripteurs IGN] image Landsat [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] littoral [Termes descripteurs IGN] Maroc [Termes descripteurs IGN] sable [Termes descripteurs IGN] vent de sable Résumé : (auteur) Numéro de notice : A2019-511 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1493154 date de publication en ligne : 07/09/2018 En ligne : https://doi.org/10.1080/10106049.2018.1493154 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93820 [article]

Landsats 1–5 multispectral scanner system sensors radiometric calibration update / Cibele Teixeira-Pinto in IEEE Transactions on geoscience and remote sensing, Vol 57 n° 10 (October 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > Vol 57 n° 10 (October 2019) . - pp 7378 - 7394 Titre : Landsats 1–5 multispectral scanner system sensors radiometric calibration update Type de document : Article/Communication Auteurs : Cibele Teixeira-Pinto, Auteur ; Obaidul Haque, Auteur ; Esad Micijevic, Auteur ; Dennis L. Helder, Auteur Année de publication : 2019 Article en page(s) : pp 7378 - 7394 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s) [Termes descripteurs IGN] Arizona (Etats-Unis) [Termes descripteurs IGN] Californie (Etats-Unis) [Termes descripteurs IGN] coefficient d'étalonnage [Termes descripteurs IGN] étalonnage croisé [Termes descripteurs IGN] étalonnage de capteur (imagerie) [Termes descripteurs IGN] étalonnage radiométrique [Termes descripteurs IGN] image Landsat-MSS [Termes descripteurs IGN] Mexique [Termes descripteurs IGN] réflectance spectrale [Termes descripteurs IGN] télédétection spatiale Numéro de notice : A2019-537 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2913106 date de publication en ligne : 17/05/2019 En ligne : http://doi.org/10.1109/TGRS.2019.2913106 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94158 [article]

Multitemporal Landsat-MODIS fusion for cropland drought monitoring in El Salvador / Nguyen-Thanh Son in Geocarto international, vol 34 n° 12 ([15/09/2019])  

Permalink

Change detection work-flow for mapping changes from arable lands to permanent grasslands with advanced boosting methods / Jiří Šandera in Geodetski vestnik, vol 63 n° 3 (September - November 2019)  

Permalink

Exploring the synergy between Landsat and ASAR towards improving thematic mapping accuracy of optical EO data / Alexander Cass in Applied geomatics, vol 11 n° 3 (September 2019)  

Permalink

Implementing Moran eigenvector spatial filtering for massively large georeferenced datasets / Daniel A. Griffith in International journal of geographical information science IJGIS, vol 33 n° 9 (September 2019)  

Permalink

Quantifying the impact of trees on land surface temperature: a downscaling algorithm at city-scale / Elena Barbierato in European journal of remote sensing, sans n° (2019)  

Permalink

Land-cover change in the Wulagai grassland, Inner Mongolia of China between 1986 and 2014 analysed using multi-temporal Landsat images / Temulun Tangud in Geocarto international, vol 34 n° 11 ([15/08/2019])  

Permalink

Calculating potential evapotranspiration and single crop coefficient based on energy balance equation using Landsat 8 and Sentinel-2 / Ali Mokhtari in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Permalink

Estimating leaf area index and aboveground biomass of grazing pastures using Sentinel-1, Sentinel-2 and Landsat images / Jie Wang in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Permalink

A generalized space-time OBIA classification scheme to map sugarcane areas at regional scale, using Landsat images time-series and the random forest algorithm / Ana Claudia Dos Santos Luciano in International journal of applied Earth observation and geoinformation, vol 80 (August 2019)  

Permalink

Increasing precision for French forest inventory estimates using the k-NN technique with optical and photogrammetric data and model-assisted estimators / Dinesh Babu Irulappa Pillai Vijayakumar in Remote sensing, vol 11 n° 8 (August 2019)  

Permalink