Centre dedocumentation
scientifique

Graph-based leaf–wood separation method for individual trees using terrestrial lidar point clouds / Zhilin Tian in IEEE Transactions on geoscience and remote sensing, vol 60 n° 11 (November 2022)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 60 n° 11 (November 2022) . - n° 5705111 Titre : Graph-based leaf–wood separation method for individual trees using terrestrial lidar point clouds Type de document : Article/Communication Auteurs : Zhilin Tian, Auteur ; Shihua Li, Auteur Année de publication : 2022 Article en page(s) : n° 5705111 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] bois [Termes IGN] branche (arbre) [Termes IGN] chemin le plus court, algorithme du [Termes IGN] données lidar [Termes IGN] échantillonnage de données [Termes IGN] extraction de traits caractéristiques [Termes IGN] feuille (végétation) [Termes IGN] graphe [Termes IGN] Python (langage de programmation) [Termes IGN] segmentation [Termes IGN] semis de points Résumé : (auteur) Terrestrial light detection and ranging (lidar) is capable of resolving trees at the branch/leaf level with accurate and dense point clouds. The separation of leaf and wood components is a prerequisite for the estimation of branch/leaf-scale biophysical properties and realistic tree model reconstruction. Most existing methods have been tested on trees with similar structures; their robustness for trees of different species and sizes remains relatively unexplored. This study proposed a new graph-based leaf–wood separation (GBS) method for individual trees purely using the xyz -information of the point cloud. The GBS method fully utilized the shortest path-based features, as the shortest path can effectively reflect the structures for trees of different species and sizes. Ten types of tree data—covering tropical, temperate, and boreal species—with heights ranging from 5.4 to 43.7 m, were used to test the method performance. The mean accuracy and kappa coefficient at the point level were 94% and 0.78, respectively, and our method outperformed two other state-of-the-art methods. Through further analysis and testing, the GBS method exhibited a strong ability for detecting small and leaf-surrounded branches, and was also sufficiently robust in terms of data subsampling. Our research further demonstrated the potential of the shortest path-based features in leaf–wood separation. The entire framework was provided for use as an open-source Python package, along with our labeled validation data. Numéro de notice : A2022-853 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2022.3218603 Date de publication en ligne : 01/11/2022 En ligne : https://doi.org/10.1109/TGRS.2022.3218603 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102099 [article]

Pyeo: A Python package for near-real-time forest cover change detection from Earth observation using machine learning / J.F. Roberts in Computers & geosciences, vol 167 (October 2022)  

Public [article]  inComputers & geosciences > vol 167 (October 2022) . - n° 105192 Titre : Pyeo: A Python package for near-real-time forest cover change detection from Earth observation using machine learning Type de document : Article/Communication Auteurs : J.F. Roberts, Auteur ; R. Mwangi, Auteur ; F. Mukabi, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 105192 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage automatique [Termes IGN] carte thématique [Termes IGN] déboisement [Termes IGN] détection de changement [Termes IGN] image Sentinel-MSI [Termes IGN] informatique en nuage [Termes IGN] Kenya [Termes IGN] langage de programmation [Termes IGN] observation de la Terre [Termes IGN] Python (langage de programmation) [Termes IGN] surveillance forestière Résumé : (auteur) Monitoring forest cover change from Earth observation data streams in near-real-time presents a challenge for automated change detection by way of a continuously updated big dataset. Even though deforestation is a significant global problem, forest cover changes in pairs of subsequent images happen relatively infrequently. Detecting a change can require the download and processing of tens, hundreds or even thousands of images. In geoscientific applications of Earth observation, machine learning algorithms are increasingly used. Once trained, a machine learning model can be applied to new images automatically. This paper introduces the open-access Python 3 package Pyeo - “Python for Earth Observation”. Pyeo provides a set of portable, extensible and modular Python functions for the automation of machine learning applications from Earth observation data streams, including automated search and download functionality, pre-processing and atmospheric correction, re-projection, creation of thematic base layers and machine learning classification or regression. Pyeo enables users to train their own machine learning models and then apply the models to newly downloaded imagery over their area of interest. This paper describes in detail how Pyeo works, its requirements, benefits, and a description of the libraries used. An application to the automated forest cover change detection in a region in Kenya is given. Pyeo can be used on cloud computing architectures such as Amazon Web Services, Microsoft Azure and Google Colab to provide scalable applications and processing solutions for the geosciences. Numéro de notice : A2022-706 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.cageo.2022.105192 Date de publication en ligne : 09/07/2022 En ligne : https://doi.org/10.1016/j.cageo.2022.105192 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101575 [article]

A geospatial workflow for the assessment of public transit system performance using near real-time data / Anastassios Dardas in Transactions in GIS, vol 26 n° 4 (June 2022)  

Public [article]  inTransactions in GIS > vol 26 n° 4 (June 2022) . - pp 1642 - 1664 Titre : A geospatial workflow for the assessment of public transit system performance using near real-time data Type de document : Article/Communication Auteurs : Anastassios Dardas, Auteur ; Brent Hall, Auteur ; Jon Salter, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 1642 - 1664 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG [Termes IGN] ArcGIS [Termes IGN] Calgary [Termes IGN] collecte de données [Termes IGN] données spatiotemporelles [Termes IGN] itinéraire [Termes IGN] planification urbaine [Termes IGN] Python (langage de programmation) [Termes IGN] stockage de données [Termes IGN] temps réel [Termes IGN] trafic routier [Termes IGN] transport public [Termes IGN] WebSIG Résumé : (auteur) This article presents the development of a Geographical Information Systems (GIS) workflow that harvests high-volume and high-frequency near real-time data from a public General Transit Feed Specification (GTFS) and calculates metrics for the assessment of on-time and route speed performance for a public transit system. The approach is applied to near real-time and static GTFS data collected over a 9-month period for the City of Calgary, Alberta, Canada. The workflow uses two Azure Virtual Machines (VMs), one to harvest the data and the other to process observations in parallel using Python and the ArcGIS API libraries. A Web GIS application is described that queries data from MongoDB to visualize the performance results in spatiotemporal form. The purpose of the workflow and Web GIS application is to provide actionable information to transit planners to improve public transportation systems. The data management and analysis workflow is transferable to similar GTFS data from other cities. Numéro de notice : A2022-531 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : sans Date de publication en ligne : 02/05/2022 En ligne : https://doi.org/10.1111/tgis.12942 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101078 [article]

Construction d’un plugin QGIS de détection d’îlots de chaleur urbains à partir d’images satellitaires de type optique / Houssayn Meriche (2022)   

Public Titre : Construction d’un plugin QGIS de détection d’îlots de chaleur urbains à partir d’images satellitaires de type optique Type de document : Mémoire Auteurs : Houssayn Meriche, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 51 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] carte thématique [Termes IGN] classification dirigée [Termes IGN] format GeoTIFF [Termes IGN] ilot thermique urbain [Termes IGN] module d'extension [Termes IGN] Montréal (Québec) [Termes IGN] Python (langage de programmation) [Termes IGN] QGIS [Termes IGN] réseau neuronal convolutif [Termes IGN] segmentation sémantique Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’Institut des Sciences de l’Environnement (ISE) est une unité multi départementale de l’Université du Québec à Montréal (UQAM) dans laquelle les sciences de l’environnement ont pour objets les problématiques environnementales découlant des interactions entre processus biologiques, physiques, sociaux et humains. Montréal étant connue dans le monde de la recherche pour sa productivité scientifique dans le domaine de l’Intelligence Artificielle, on retrouve au sein de l’UQAM bon nombre d’étudiants mêlant cette discipline à d’autres champs scientifiques dont l’environnement. C’est ainsi que je suis amené à concevoir un plugin qui, couplé à série d’algorithmes faisant intervenir de l’apprentissage profond, permettrait à une étudiante en maîtrise de Géographie de générer des cartes de prédiction d’îlots de chaleur urbains de la ville de Montréal. Cet ensemble d’algorithmes est réalisé à partir du langage de programmation Python, avec pour support du plugin le logiciel QGIS. Celui-ci est destiné à traiter des images au format exclusif GeoTIFF, et nécessite également des connaissances en fabrication de masque (image binaire constituée de 0 et de 1 renseignant sur la pertinence d’exploitation des pixels de l’image GeoTIFF). Note de contenu : Introduction 1. Contexte du projet 1.1 L’Université du Québec à Montréal (UQAM) 1.2 L’environnement de travail 2. Analyse de l’existant 2.1 Autour des îlots de chaleur en milieu urbain 2.2 L’apprentissage automatique appliqué à la Télédétection 3. Construction du plugin 3.1 Côté Plugin 3.2 Côté Classification 3.3 Résultats et discussions Conclusion Numéro de notice : 26869 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Laboratoire de télédétection et de SIG du département de Géographie (Université du Québec à Montréal) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101696

Documents numériques

peut être téléchargé Construction d’un Plugin QGIS de détection d’îlots de chaleur urbains à partir d’images satellitaires de type optique - pdf auteur Adobe Acrobat PDF

Création d’un indicateur de qualité de la desserte des transports pour des parcelles à une échelle locale / Nick Lin (2022) 

Public Titre : Création d’un indicateur de qualité de la desserte des transports pour des parcelles à une échelle locale Type de document : Mémoire Auteurs : Nick Lin, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 95 p. Format : 21 x 30 cm Note générale : bibliographie Rapport de fin d'étude, cycle Ingénieur 3e année, cycle Carthagéo Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] géomercatique [Termes IGN] grille [Termes IGN] immobilier (secteur) [Termes IGN] indicateur de qualité [Termes IGN] interopérabilité [Termes IGN] parcelle cadastrale [Termes IGN] plan de déplacement urbain [Termes IGN] Python (langage de programmation) [Termes IGN] trajet (mobilité) [Termes IGN] transport public [Termes IGN] valeur économique Index. décimale : DCAR Mémoires de l'ex DESS cartographie et du Master CARTHAGEO Résumé : (auteur) Le secteur de l’immobilier est un secteur très concurrentiel. Buildrz propose aux acteurs de ce secteur un outil d’estimation de surface de plancher constructible. Mais Buildrz voudrait aussi que son outil puisse aider les promoteurs immobiliers à fixer le prix du mètre carré. Pour ce faire, le prix hypothétique sera fixé en fonction du prix de biens similaires qui ont déjà été vendus. Il faut maintenant trouver comment caractériser des biens semblables. Pour les trouver, il faut caractériser les parcelles en fonction d’indicateurs choisis. Ce rapport se concentre sur la recherche et le développement d’un indicateur de qualité de transport en commun. Note de contenu : Introduction 1. Contexte du stage 1.a Le secteur de l'immobilier 1.b Buildrz 1.c Objectifs du stage 2. L'état de l'art 2.a L'existant 2.b L'exploitation de l'état de l'art 2.c Fichiers GTFS 3. Mise en oeuvre 3.a Les indicateurs vus 3.b Préparation 3.c Développement 3.d Résultats Conclusion Numéro de notice : 24042 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire de fin d'études IT Organisme de stage : Buildrz Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101899

Introduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale / François Sémécurbe (2022)  

Permalink

Preparation of the VENµS satellite data over Israel for the input into the GRASP data treatment algorithm / Maeve Blarel (2022)   

Permalink

Python software to transform GPS SNR wave phases to volumetric water content / Angel Martín in GPS solutions, vol 26 n° 1 (January 2022)  

Permalink

Remise en forme des données géographiques des biotopes en milieu ouvert du Luxembourg / Alexandre Nghien (2022)   

Permalink

Révision de la chaîne de valorisation des données en système d’information décisionnel / Quentin Courtiade (2022)   

Permalink

Utilisations multiples de FME pour automatiser les traitements d’une collectivité / Emma Bolmin (2022) 

Permalink

Comparative 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)  

Permalink

Forest structural complexity tool: An open source, fully-automated tool for measuring forest point clouds / Sean Krisanski in Remote sensing, vol 13 n° 22 (November-2 2021)  

Permalink

JUST: MATLAB and python software for change detection and time series analysis / Ebrahim Ghaderpour in GPS solutions, vol 25 n° 3 (July 2021)  

Permalink

Using machine learning to map Western Australian landscapes for mineral exploration / Thomas Albrecht in ISPRS International journal of geo-information, vol 10 n° 7 (July 2021)  

Permalink