Centre dedocumentation
scientifique

Automated inventory of broadleaf tree plantations with UAS imagery / Aishwarya Chandrasekaran in Remote sensing, vol 14 n° 8 (April-2 2022)  

Public [article]  inRemote sensing > vol 14 n° 8 (April-2 2022) . - n° 1931 Titre : Automated inventory of broadleaf tree plantations with UAS imagery Type de document : Article/Communication Auteurs : Aishwarya Chandrasekaran, Auteur ; Guofan Shao, Auteur ; Songlin Fei, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 1931 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] feuillu [Termes IGN] hauteur à la base du houppier [Termes IGN] hauteur des arbres [Termes IGN] image captée par drone [Termes IGN] Indiana (Etats-Unis) [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] modèle numérique de surface de la canopée [Termes IGN] orthophotoplan numérique [Termes IGN] plantation forestière [Termes IGN] R (langage) [Termes IGN] semis de points [Termes IGN] structure-from-motion Résumé : (auteur) With the increased availability of unmanned aerial systems (UAS) imagery, digitalized forest inventory has gained prominence in recent years. This paper presents a methodology for automated measurement of tree height and crown area in two broadleaf tree plantations of different species and ages using two different UAS platforms. Using structure from motion (SfM), we generated canopy height models (CHMs) for each broadleaf plantation in Indiana, USA. From the CHMs, we calculated individual tree parameters automatically through an open-source web tool developed using the Shiny R package and assessed the accuracy against field measurements. Our analysis shows higher tree measurement accuracy with the datasets derived from multi-rotor platform (M600) than with the fixed wing platform (Bramor). The results show that our automated method could identify individual trees (F-score > 90%) and tree biometrics (root mean square error Numéro de notice : A2022-351 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs14081931 Date de publication en ligne : 16/04/2022 En ligne : https://doi.org/10.3390/rs14081931 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100539 [article]

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

Public Titre : Introduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale Type de document : Guide/Manuel Auteurs : François Sémécurbe, Auteur ; Elise Coudin, Auteur Editeur : Paris : Institut National de la Statistique et des Etudes Economiques INSEE Année de publication : 2022 Collection : Documents de travail num. 2022-01 Importance : 66 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] carte interactive [Termes IGN] cartographie dynamique [Termes IGN] cartographie thématique [Termes IGN] données spatiotemporelles [Termes IGN] données vectorielles [Termes IGN] GeoServer [Termes IGN] géostatistique [Termes IGN] PostGIS [Termes IGN] Python (langage de programmation) [Termes IGN] R (langage) [Termes IGN] stockage de données [Termes IGN] système d'information géographique [Termes IGN] traitement de données localisées Résumé : (éditeur) Ce document vise une présentation simple à l’attention des statisticiens des outils géomatiques récents qui permettent de stocker, traiter et diffuser l’information spatiale. Les logiciels comme R ou Python intègrent désormais les caractéristiques géographiques rendant plus accessibles leur traitement. Pour autant, le foisonnement des technologies, les possibilités offertes par le web, les technologies web, sont autant d’obstacles à dépasser pour celles et ceux souhaitant réaliser des cartographies thématiques percutantes. Ce document propose une présentation unifiée des concepts géomatiques, avec des extraits de code en R, Python et PostGIS. Il se concentre sur les données vectorielles et décrit les traitements et manipulations classiques à connaître pour construire une statistique spatiale. Il aborde aussi les outils et les flux permettant une diffusion dynamique (cartes interactives) de l’information spatiale. Il discute enfin le rôle de la spatialisation dans la représentation des données statistiques. Note de contenu : Introduction 1- Les données spatiales 2- Traitement des données spatiales 3- Diffusion dynamique de l'information spatiale Discussion : le territoire des statisticiens Numéro de notice : 28651 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Guide DOI : sans En ligne : https://www.insee.fr/fr/statistiques/6049652 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99778

Digitizing and visualizing sketch map data: A semi-structured approach to qualitative GIS / Christopher Prener in Cartographica, vol 56 n° 4 (winter 2021)  

Public [article]  inCartographica > vol 56 n° 4 (winter 2021) . - pp 267 - 283 Titre : Digitizing and visualizing sketch map data: A semi-structured approach to qualitative GIS Type de document : Article/Communication Auteurs : Christopher Prener, Auteur Année de publication : 2021 Article en page(s) : pp 267 - 283 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie [Termes IGN] collecte de données [Termes IGN] croquis topographique [Termes IGN] numérisation [Termes IGN] perception [Termes IGN] R (langage) [Termes IGN] SIG qualitatif [Termes IGN] visualisation [Termes IGN] zone urbaine Résumé : (auteur) Sketch mapping provides an intuitive means for collecting respondents’ impressions about space and place alongside qualitative data collection approaches. However, the data collected are often challenging to work with, particularly by digitization and visualization. After reviewing these challenges, this article introduces a “semi-structured” approach to sketch map data collection, digitization, and analysis and an open-source software package, “qualmap,” that implements tools for digitizing these data in the programming language R. This approach retains the cartographically accurate base maps used in other sketch map research. However, it superimposes an areal unit of the researchers’ choice to aid in digitization and analysis. The use of a standard areal unit creates additional cartographic and analytic possibilities. The applicability of this approach is illustrated with a sample project that analyzes perceptions of space collected from a convenience sample of college students. The resulting maps’ clustering identifies a “bubble” around their campus that captures much of the travel activity students engage in every week. These data are paired with crime data, which illustrates possible mixed methods extensions of this “semi-structured” approach to sketch mapping. Numéro de notice : A2021-682 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3138/cart-2020-0030 Date de publication en ligne : 02/12/2021 En ligne : https://doi.org/10.3138/cart-2020-0030 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99225 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
031-2021041	SL	Revue	Centre de documentation	Revues en salle	Disponible
031-2021042	SL	Revue	Centre de documentation	Revues en salle	Disponible

Identifying home locations in human mobility data: an open-source R package for comparison and reproducibility / Qingqing Chen in International journal of geographical information science IJGIS, vol 35 n° 7 (July 2021)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 35 n° 7 (July 2021) . - pp 1425 - 1448 Titre : Identifying home locations in human mobility data: an open-source R package for comparison and reproducibility Type de document : Article/Communication Auteurs : Qingqing Chen, Auteur ; Ate Poorthuis, Auteur Année de publication : 2021 Article en page(s) : pp 1425 - 1448 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] contenu généré par les utilisateurs [Termes IGN] données issues des réseaux sociaux [Termes IGN] géopositionnement [Termes IGN] logement [Termes IGN] mobilité urbaine [Termes IGN] R (langage) [Termes IGN] service fondé sur la position [Termes IGN] Singapour Résumé : (auteur) Identifying meaningful locations, such as home or work, from human mobility data has become an increasingly common prerequisite for geographic research. Although location-based services (LBS) and other mobile technology have rapidly grown in recent years, it can be challenging to infer meaningful places from such data, which – compared to conventional datasets – can be devoid of context. Existing approaches are often developed ad-hoc and can lack transparency and reproducibility. To address this, we introduce an R package for inferring home locations from LBS data. The package implements pre-existing algorithms and provides building blocks to make writing algorithmic ‘recipes’ more convenient. We evaluate this approach by analyzing a de-identified LBS dataset from Singapore that aims to balance ethics and privacy with the research goal of identifying meaningful locations. We show that ensemble approaches, combining multiple algorithms, can be especially valuable in this regard as the resulting patterns of inferred home locations closely correlate with the distribution of residential population. We hope this package, and others like it, will contribute to an increase in use and sharing of comparable algorithms, research code and data. This will increase transparency and reproducibility in mobility analyses and further the ongoing discourse around ethical big data research. Numéro de notice : A2021-449 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2021.1887489 Date de publication en ligne : 10/03/2021 En ligne : https://doi.org/10.1080/13658816.2021.1887489 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97861 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2021071	SL	Revue	Centre de documentation	Revues en salle	Disponible

Aboveground biomass estimates of tropical mangrove forest using Sentinel-1 SAR coherence data : The superiority of deep learning over a semi-empirical model / S.M. Ghosh in Computers & geosciences, vol 150 (May 2021)  

Public [article]  inComputers & geosciences > vol 150 (May 2021) . - n° 104737 Titre : Aboveground biomass estimates of tropical mangrove forest using Sentinel-1 SAR coherence data : The superiority of deep learning over a semi-empirical model Type de document : Article/Communication Auteurs : S.M. Ghosh, Auteur ; M.D. Behera, Auteur Année de publication : 2021 Article en page(s) : n° 104737 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] bande C [Termes IGN] biomasse aérienne [Termes IGN] classification par réseau neuronal [Termes IGN] forêt tropicale [Termes IGN] image Sentinel-SAR [Termes IGN] Inde [Termes IGN] mangrove [Termes IGN] R (langage) Résumé : (auteur) The availability of advanced Machine Learning algorithms has made the estimation process of biophysical parameters more efficient. However, the efficiency of those methods seldom compared with the efficiency of already established semi-empirical procedures. Aboveground biomass (AGB) of mangrove forests is a crucial biophysical parameter as it is positively correlated to the carbon stocks and fluxes. The free availability of Sentinel-1 C-band SAR data and machine learning algorithms hold promises in estimating AGB of tropical mangrove forests. We reported high AGB (70 t/ha to 666 t/ha) using 185 field quadrats of 0.04ha each from Bhitarkanika Wildlife Sanctuary, located on the eastern Indian coast that could be attributed to species composition. The AGB maps generated using Interferometric Water Cloud Model (IWCM) and Deep Learning models were different from each other as they rely on different variables. IWCM was more dependent, especially on ground and vegetation components of coherence, while canopy height acted as the most crucial variable in the Deep Learning model. However, the negligible variations in Deep Learning-based AGB maps can be attributed to interpreting the importance of coherence and VH backscatter. Due to low canopy penetration power of C-band SAR, high temporal decorrelation resulting from longer time gap between interferometric image pairs, and high spatial heterogeneity of mangrove forests, IWCM found as an unsuitable method for AGB estimation. Interestingly, a Deep Learning algorithm could translate the exact relationship between predictor variables and mangrove AGB in Bhitarkanika Wildlife Sanctuary. The AGB estimation studies in mangrove forests using Sentinel data should focus more on using machine learning algorithms like Deep Learning rather than semi-empirical models. Numéro de notice : A2021-941 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.cageo.2021.104737 En ligne : https://doi.org/10.1016/j.cageo.2021.104737 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99751 [article]

Spatial analysis of subway passenger traffic in Saint-Petersburg / Tatiana Baltyzhakova in Geodesy and cartography, vol 47 n° 1 (January 2021)  

Permalink

FOSTER - An R package for forest structure extrapolation / Martin Queinnec in Plos one, vol 16 n° 1 (January 2021)  

Permalink

Imports massifs de données dans OpenStreetMap : un phénomène en plein essor / Mamadou Bailo Balde (2021) 

Permalink

Mapping of land cover with open-source software and ultra-high-resolution imagery acquired with unmanned aerial vehicles / Ned Horning in Remote sensing in ecology and conservation, vol 6 n° 4 (December 2020)  

Permalink

fusionImage: An R package for pan‐sharpening images in open source software / Fulgencio Cánovas‐García in Transactions in GIS, Vol 24 n° 5 (October 2020)  

Permalink

Development of new homogenisation methods for GNSS atmospheric data. Application to the analysis of climate trends and variability / Annarosa Quarello (2020)  

Permalink

A factor model approach for the joint segmentation with between‐series correlation / Xavier Collilieux in Scandinavian Journal of Statistics, vol 46 n° 3 (September 2019)  

Permalink

PpC: a new method to reduce the density of lidar data. Does it affect the DEM accuracy? / Sandra Bujan in Photogrammetric record, vol 34 n° 167 (September 2019)  

Permalink

Leaf area density from airborne LiDAR: Comparing sensors and resolutions in a temperate broadleaf forest ecosystem / Aaron G. Kamoske in Forest ecology and management, vol 433 (15 February 2019)  

Permalink

Réaliser les cartes d’une revue grand public, de la conception à l’animation / Fanny Privat (2019) 

Permalink