Descripteur
Termes IGN > télédétection > télédétection électromagnétique > indice de végétation > Normalized Difference Vegetation Index
Normalized Difference Vegetation IndexSynonyme(s)NDVI |
Documents disponibles dans cette catégorie (162)
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
Crop identification by massive processing of multiannual satellite imagery for EU common agriculture policy subsidy control / Adolfo Lozano-Tello in European journal of remote sensing, vol 54 n° 1 (2021)
[article]
Titre : Crop identification by massive processing of multiannual satellite imagery for EU common agriculture policy subsidy control Type de document : Article/Communication Auteurs : Adolfo Lozano-Tello, Auteur ; Marcos Fernández-Sellers, Auteur ; Elia Quirós, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 1 - 12 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse diachronique
[Termes IGN] apprentissage automatique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification pixellaire
[Termes IGN] Estrémadure (Espagne)
[Termes IGN] image Sentinel-MSI
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] politique agricole commune
[Termes IGN] réseau neuronal artificiel
[Termes IGN] surface cultivée
[Termes IGN] surveillance agricoleRésumé : (auteur) The early and automatic identification of crops declared by farmers is essential for streamlining European Union Common Agricultural Policy (CAP) payment processes. Currently, field inspections are partial, expensive and entail a considerable delay in the process. Chronological satellite images of cultivated plots can be used so that neural networks can form the model of the declared crop. Once the patterns of a crop are obtained, the correspondence of the declaration with the model of the neural network can be systematically predicted, and can be used for monitoring the CAP. In this article, we propose a learning model with neural networks, using as examples of training the pixels of the cultivated plots from the satellite images over a period of time. We also propose using several years in the training model to generalise the patterns without linking them to the climatic characteristics of a specific year. The article also describes the use of the model in learning the multi-year pattern of tobacco cultivation with very good results. Numéro de notice : A2021-138 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/22797254.2020.1858723 Date de publication en ligne : 30/12/2020 En ligne : https://doi.org/10.1080/22797254.2020.1858723 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97012
in European journal of remote sensing > vol 54 n° 1 (2021) . - pp 1 - 12[article]Geo-spatially modelling dengue epidemics in urban cities: a case study of Lahore, Pakistan / Muhammad Imran in Geocarto international, vol 36 n° 2 ([01/02/2021])
[article]
Titre : Geo-spatially modelling dengue epidemics in urban cities: a case study of Lahore, Pakistan Type de document : Article/Communication Auteurs : Muhammad Imran, Auteur ; Yasra Hamid, Auteur ; Abeer Mazher, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 197 - 211 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] cartographie des risques
[Termes IGN] diptère
[Termes IGN] image Landsat
[Termes IGN] maladie tropicale
[Termes IGN] modélisation spatiale
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] Pakistan
[Termes IGN] régression géographiquement pondérée
[Termes IGN] régression logistique
[Termes IGN] risque sanitaire
[Termes IGN] série temporelle
[Termes IGN] zone intertropicale
[Termes IGN] zone urbaineRésumé : (auteur) The study objective is to predict the epidemiological impact of dengue fever arbovirosis in urban tropical areas of Pakistan. To do so, we used the GPS-based data of the Aedes larvae collected during 2014–2015 in Lahore. We developed a Geographically Weighted Logistic Regression (GWLR) model for Geospatially predicting larvae presence or absence in Lahore. Data on rainfall, temperature are included along with time series of the normalized difference vegetation index (NDVI) derived from Landsat imagery. We observed a high spatial variability of the GWLR parameter estimates of these variables in the study area. The GWLR model significantly (R2a = 0.78) explained the presence or absence of Aedes larvae with temperature, rainfall and NDVI variables in South and Southeast of the study area. In the North and North-West, however, GWLR relationships were observed weak in highly populated areas. Interpolating GWLR coefficients generate more accurate maps of Aedes larvae presence or absence. Numéro de notice : A2021-474 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1614100 Date de publication en ligne : 10/06/2020 En ligne : https://doi.org/10.1080/10106049.2019.1614100 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96932
in Geocarto international > vol 36 n° 2 [01/02/2021] . - pp 197 - 211[article]GTP-PNet: A residual learning network based on gradient transformation prior for pansharpening / Hao Zhang in ISPRS Journal of photogrammetry and remote sensing, vol 172 (February 2021)
[article]
Titre : GTP-PNet: A residual learning network based on gradient transformation prior for pansharpening Type de document : Article/Communication Auteurs : Hao Zhang, Auteur ; Jiayi Ma, Auteur Année de publication : 2021 Article en page(s) : pp 223 - 239 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification dirigée
[Termes IGN] fusion d'images
[Termes IGN] gradient
[Termes IGN] image multibande
[Termes IGN] image panchromatique
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] pansharpening (fusion d'images)
[Termes IGN] régressionRésumé : (auteur) Pansharpening aims to fuse low-resolution multi-spectral image and high-resolution panchromatic (PAN) image to produce a high-resolution multi-spectral (HRMS) image. In this paper, a new residual learning network based on gradient transformation prior, termed as GTP-PNet, is proposed to generate the high-quality HRMS image with accurate spectral distribution as well as reasonable spatial structure. Different from previous deep models that only rely on supervision of the HRMS reference image, we introduce the gradient transformation prior to the deep model, so as to improve the solution accuracy. Our model consists of two networks, namely gradient transformation network (TNet) and pansharpening network (PNet). TNet is committed to seeking the nonlinear mapping between gradients of PAN and HRMS images, which is essentially a spatial relationship regression of imaging bands in different ranges. PNet is the residual learning network used to generate the HRMS image, which is not only supervised by the HRMS reference image, but also constrained by the trained TNet. As a result, the HRMS image generated by PNet not only approximates the HRMS reference image in the spectral distribution, but also conforms to the gradient transformation prior in the spatial structure. Experimental results demonstrate the significant superiority of our method over the current state-of-the-arts in terms of both subjective visual effect and quantitative metrics. We also apply our method to produce the HR normalized difference vegetation index in remote sensing, which can achieve the best performance. Moreover, our method is much competitive compared with the state-of-the-art alternatives in running efficiency. Numéro de notice : A2021-089 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.12.014 Date de publication en ligne : 11/01/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.12.014 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96859
in ISPRS Journal of photogrammetry and remote sensing > vol 172 (February 2021) . - pp 223 - 239[article]Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 081-2021021 SL Revue Centre de documentation Revues en salle Disponible 081-2021022 DEP-RECF Revue Nancy Bibliothèque Nancy IFN Exclu du prêt Apport des données satellitaires Sentinel-1 et Sentinel-2 pour la détection des surfaces irriguées et l'estimation des besoins et des consommations en eau des cultures d'été dans les zones tempérées / Yann Pageot (2021)
Titre : Apport des données satellitaires Sentinel-1 et Sentinel-2 pour la détection des surfaces irriguées et l'estimation des besoins et des consommations en eau des cultures d'été dans les zones tempérées Type de document : Thèse/HDR Auteurs : Yann Pageot, Auteur ; Valérie Demarez, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2021 Importance : 158 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, spécialité Surfaces et interfaces continentales, HydrologieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] Adour (bassin)
[Termes IGN] bassin hydrographique
[Termes IGN] bilan hydrique
[Termes IGN] carte thématique
[Termes IGN] cultures irriguées
[Termes IGN] évapotranspiration
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] irrigation
[Termes IGN] maïs (céréale)
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] pédologie
[Termes IGN] ressources en eauIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’eau est une ressource naturelle, qui depuis des millions d’années participe au cycle de la vie. Mais depuis peu, le changement climatique et les activités humaines remettent en cause l’équilibre du cycle de l’eau, alors même que les besoins en eau ne cessent d’augmenter. En effet, les besoins en eau de l’agriculture représentent 70% de l’utilisation de l’eau douce et ces besoins vont croître avec une population mondiale grandissante. Pour préserver cette ressource, il est nécessaire d’améliorer la connaissance sur les surfaces irriguées ainsi que les besoins et consommations en eau des cultures sur de grandes surfaces, mais elle n’est pas simple à appréhender à cause de la forte variabilité spatiale des sols, du climat et des pratiques agricoles. La télédétection a un rôle fondamental à jouer et plus particulièrement les données Sentinel-1 et Sentinel-2. Dans ce contexte, ces travaux de thèse ont vocation à fournir des outils de diagnostics pour assurer une gestion optimale de la ressource en eau à l’échelle des bassins versants. Pour cela une approche cartographie des surfaces irriguées en zones tempérées à partir d’images satellites Sentinel-1 & 2 a été développée. Cette approche basée sur le couplage de données satellitaires (optique et radar) et un algorithme de classification supervisée (Random Forest) a permis de cartographier à l’échelle parcellaire les pratiques d’irrigation (présence / absence) des cultures d’été sur deux territoires du bassin versant de l’Adour - Garonne (Adour amont et Tarn aval). La méthodologie a pu être validée grâce aux données collectées par les partenaires, soit la CACG, et les chambres d’Agriculture Hautes-Pyrénéens et du Tarn. En parallèle, la méthode a été développée dans un but opérationnel, en prenant en compte les contraintes techniques que les gestionnaires de la ressource en eau peuvent rencontrer face à la quantité importante de données que représentent les images satellitaires. Pour cela, l’approche développée se base sur les cumuls mensuels d’indices de végétation et des polarisations radars. L’utilisation de ces cumuls permet de réduire l’utilisation de la ressource informatique, pour générer une carte, tout en conservant les performances de l’approche. Pour la modélisation des besoins et des consommations en eau du maïs irrigué, le modèle SAMIR a été utilisé. Ce modèle utilise des images satellites d’indice de végétation (NDVI et FCover) pour simuler le bilan hydrique de culture. Il a été appliqué à différentes échelles spatiales et sur différents jeux de données de validation. Le modèle a été calibré et validé sur la parcelle expérimentale de Lamothe pour laquelle nous disposons, depuis 2008, de mesures d’évapotranspiration réelle (ETR) acquises par la méthode d’Eddy-Covariance. Cette phase de calibration/validation a permis d’apporter des modifications sur l’estimation de l’évaporation du sol et sur le suivi du développement de la végétation. Les estimations des besoins en eau ont ensuite été validés sur un ensemble de parcelles ainsi que sur quatre périmètres irrigués (ASA) et deux périmètres élémentaires (BV Adour amont et Neste). Les résultats montrent que le modèle est capable de reproduire de façon satisfaisante les besoins en eau d’irrigation des parcelles des partenaires lorsque la réserve utile du sol (RU) est estimée à partir de données GlobalSoilMap et de la profondeur d’enracinement maximale estimée par le Référentiel Régional Pédologique. A l’échelle des ASA et des BV, le modèle a tendance à sous-estimer les volumes saisonniers. Les résultats illustrent la nécessité d’une bonne estimation de la RU, à une échelle compatible avec une approche de modélisation du bilan hydrique, c’est à dire à la parcelle pour pouvoir estimer correctement les irrigations saisonnières et les volumes. Ces conclusions sont toutefois dépendantes du jeu de données disponible, du modèle et de la méthode de calibration choisie et ce travail nécessiterait un jeu de données plus conséquent et probablement une analyse plus poussée. Note de contenu : 1- Introduction
2- Présentation des données
3- Détection des surfaces irriguées
4- Estimation des besoins et cosommation en eau du maïs irrigué
5- Conclusion et perspectivesNuméro de notice : 24068 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surfaces et interfaces continentales, Hydrologie : Toulouse 3 : 2021 Organisme de stage : CESBIO DOI : sans En ligne : https://www.theses.fr/2021TOU30281 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102105 Automated detection of individual Juniper tree location and forest cover changes using Google Earth Engine / Sudeera Wickramarathna in Annals of forest research, vol 64 n° 1 (2021)
[article]
Titre : Automated detection of individual Juniper tree location and forest cover changes using Google Earth Engine Type de document : Article/Communication Auteurs : Sudeera Wickramarathna, Auteur ; Jamon Van Den Hoek, Auteur ; Bogdan Mihai Strimbu, Auteur Année de publication : 2021 Article en page(s) : pp 61 - 72 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] canopée
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] couvert forestier
[Termes IGN] croissance des arbres
[Termes IGN] détection d'arbres
[Termes IGN] détection de changement
[Termes IGN] extraction de la végétation
[Termes IGN] Google Earth Engine
[Termes IGN] image à très haute résolution
[Termes IGN] image multibande
[Termes IGN] juniperus (genre)
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] Normalized Difference Water Index
[Termes IGN] Oregon (Etats-Unis)
[Termes IGN] réflectanceRésumé : (auteur) Tree detection is the first step in the appraisal of a forest, especially when the focus is monitoring the growth of tree canopy. The acquisition of annual very high-resolution aerial images by the National Agriculture Imagery Program (NAIP) and their accessibility through Google Earth Engine (GEE) supports the delineation of tree canopies and change over time in a cost and time-effective manner. The objectives of this study are to develop an automated method to detect the crowns of individual western Juniper (Juniperus occidentalis) trees and to assess the change of forest cover from multispectral 1-meter resolution NAIP images collected from 2009 to 2016, in Oregon, USA. The Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI), and Ratio Vegetation Index (RVI), were calculated from the NAIP images, in addition to the red-green-blue-near infrared bands. To identify the most suitable approach for individual tree crown identification, we created two training datasets: one considering yearly images separately and one merging all images, irrespective of the year. We segmented individual tree crowns using a random forest algorithm implemented in GEE and seven rasters, namely the reflectance of four spectral bands as recorded by the NAIP images (i.e., the red-green-blue-near infrared) and three calculated indices (i.e., NDVI, NDWI, and RVI). We compared the estimated location of the trees, computed as the centroid of the crown, with the visually identified treetops, which were considered as validation locations. We found that tree location errors were smaller when years were analyzed individually than by merging the years. Measurements of completeness (74%), correctness (94%), and mean accuracy detection (82 %) show promising performance of the random forest algorithm in crown delineation, considering that only four original input bands were used for crown segmentation. The change in the calculated crown area for western juniper follows a sinusoidal curve, with a decrease from 2011 to 2012 and an increase from 2012 to 2014. The proposed approach has the potential to estimate individual tree locations and forest cover area dynamics at broad spatial scales using regularly collected airborne imagery with easy-to-implement methods. Numéro de notice : A2021-779 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.15287/afr.2020.2145 Date de publication en ligne : 28/06/2021 En ligne : https://doi.org/10.15287/afr.2020.2145 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98846
in Annals of forest research > vol 64 n° 1 (2021) . - pp 61 - 72[article]PermalinkÉvaluation de l'évapotranspiration des zones irriguées en piémont du Haut Atlas, Maroc / Jamal Elfarkh (2021)PermalinkIntegrating multilayer perceptron neural nets with hybrid ensemble classifiers for deforestation probability assessment in Eastern India / Sunil Saha in Geomatics, Natural Hazards and Risk, vol 12 n° 1 (2021)PermalinkRetrieving surface soil water content using a soil texture adjusted vegetation index and unmanned aerial system images / Haibin Gu in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkPermalinkThe use of deep machine learning for the automated selection of remote sensing data for the determination of areas of arable land degradation processes distribution / Dimitri I. Rukhovitch in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkA framework for unsupervised wildfire damage assessment using VHR satellite images with PlanetScope data / Minkyung Chung in Remote sensing, vol 12 n° 22 (December-1 2020)PermalinkA novel intelligent classification method for urban green space based on high-resolution remote sensing images / Zhiyu Xu in Remote sensing, vol 12 n° 22 (December-1 2020)PermalinkCombination of Landsat 8 OLI and Sentinel-1 SAR time-series data for mapping paddy fields in parts of West and Central Java provinces, Indonesia / Sanjiwana Arjasakusuma in ISPRS International journal of geo-information, vol 9 n° 11 (November 2020)PermalinkMapping tree species deciduousness of tropical dry forests combining reflectance, spectral unmixing, and texture data from high-resolution imagery / Astrid Helena Huechacona-Ruiz in Forests, vol 11 n°11 (November 2020)PermalinkSoil erosion assessment using RUSLE model and its validation by FR probability model / Amiya Gayen in Geocarto international, vol 35 n° 15 ([01/11/2020])PermalinkSpatio-temporal evolution, future trend and phenology regularity of net primary productivity of forests in Northeast China / Chunli Wang in Remote sensing, vol 12 n° 21 (November 2020)PermalinkDrought stress detection in juvenile oilseed rape using hyperspectral imaging with a focus on spectra variability / Wiktor R. Żelazny in Remote sensing, vol 12 n° 20 (October-2 2020)PermalinkMapping wetland using the object-based stacked generalization method based on multi-temporal optical and SAR data / Yaotong Cai in International journal of applied Earth observation and geoinformation, vol 92 (October 2020)PermalinkA spatially explicit surface urban heat island database for the United States: Characterization, uncertainties, and possible applications / T. Chakraborty in ISPRS Journal of photogrammetry and remote sensing, vol 168 (October 2020)PermalinkSpatio-temporal relationship between land cover and land surface temperature in urban areas: A case study in Geneva and Paris / Xu Ge in ISPRS International journal of geo-information, vol 9 n° 10 (October 2020)PermalinkMapping croplands of Europe, Middle East, Russia, and Central Asia using Landsat, Random Forest, and Google Earth Engine / Aparna R. Phalke in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)PermalinkPansharpening: context-based generalized Laplacian pyramids by robust regression / Gemine Vivone in IEEE Transactions on geoscience and remote sensing, vol 58 n° 9 (September 2020)PermalinkDetecting abandoned farmland using harmonic analysis and machine learning / Heeyeun Yoon in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)PermalinkExtraction of urban built-up areas from nighttime lights using artificial neural network / Tingting Xu in Geocarto international, vol 35 n° 10 ([01/08/2020])Permalink