Descripteur
Documents disponibles dans cette catégorie (116)
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
La cartographie du relief : Une gageure technique et des solutions / Laurent Polidori in Géomètre, n° 2212 (avril 2023)
[article]
Titre : La cartographie du relief : Une gageure technique et des solutions Type de document : Article/Communication Auteurs : Laurent Polidori, Auteur Année de publication : 2023 Article en page(s) : pp 38 - 48 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] canopée
[Termes IGN] crue
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] inondation
[Termes IGN] modèle numérique de terrain
[Termes IGN] nuage
[Termes IGN] photogrammétrie aérienne
[Termes IGN] photogrammétrie terrestre
[Termes IGN] précision des données
[Termes IGN] qualité du modèle
[Termes IGN] représentation du relief
[Termes IGN] semis de points
[Termes IGN] télémétrie laserRésumé : (Editeur) La reconstruction d’éléments tridimensionnels a fait l’objet de nombreux développements, avec des applications dans des domaines aussi variés que l’architecture, la géologie et l’anatomie, mais c’est au relief terrestre que l’on s’inté?resse dans ce dossier. Ainsi, une grande variété de techniques de mesure (photogrammétrie, radar, lidar), mises en œuvre depuis des satellites, des avions, des drones ou à même le sol, adaptées aux différentes échelles et aux différents paysages, permettent de cartographier le relief terrestre sous la forme de nuages de points. Ceux-ci servent à construire des modèles numériques de terrain (sol) ou de surface (canopée forestière, toits), utilisés dans de nombreux domaines, pourvus qu’ils respectent des exigences de qualité comme la précision des altitudes ou la cohérence de l’hydrographie. L’évolution des instruments d’observation et des algorithmes de traitement étend les possibilités de production de modèles de relief et leur usage pour la gestion des territoires. Dans ce contexte, la formation technique constitue le nouvel enjeu pour améliorer le dialogue entre les producteurs et les consommateurs. Numéro de notice : A2023-174 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/04/2023 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102977
in Géomètre > n° 2212 (avril 2023) . - pp 38 - 48[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 063-2023041 RAB Revue Centre de documentation En réserve L003 Disponible Cross-supervised learning for cloud detection / Kang Wu in GIScience and remote sensing, vol 60 n° 1 (2023)
[article]
Titre : Cross-supervised learning for cloud detection Type de document : Article/Communication Auteurs : Kang Wu, Auteur ; Zunxiao Xu, Auteur ; Xinrong Lyu, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : n° 2147298 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage dirigé
[Termes IGN] apprentissage profond
[Termes IGN] attention (apprentissage automatique)
[Termes IGN] détection d'objet
[Termes IGN] données étiquetées d'entrainement
[Termes IGN] nuageRésumé : (auteur) We present a new learning paradigm, that is, cross-supervised learning, and explore its use for cloud detection. The cross-supervised learning paradigm is characterized by both supervised training and mutually supervised training, and is performed by two base networks. In addition to the individual supervised training for labeled data, the two base networks perform the mutually supervised training using prediction results provided by each other for unlabeled data. Specifically, we develop In-extensive Nets for implementing the base networks. The In-extensive Nets consist of two Intensive Nets and are trained using the cross-supervised learning paradigm. The Intensive Net leverages information from the labeled cloudy images using a focal attention guidance module (FAGM) and a regression block. The cross-supervised learning paradigm empowers the In-extensive Nets to learn from both labeled and unlabeled cloudy images, substantially reducing the number of labeled cloudy images (that tend to cost expensive manual effort) required for training. Experimental results verify that In-extensive Nets perform well and have an obvious advantage in the situations where there are only a few labeled cloudy images available for training. The implementation code for the proposed paradigm is available at https://gitee.com/kang_wu/in-extensive-nets. Numéro de notice : A2023-190 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/15481603.2022.2147298 Date de publication en ligne : 03/01/2023 En ligne : https://doi.org/10.1080/15481603.2022.2147298 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102969
in GIScience and remote sensing > vol 60 n° 1 (2023) . - n° 2147298[article]Combination of Sentinel-1 and Sentinel-2 data for tree species classification in a Central European biosphere reserve / Michael Lechner in Remote sensing, vol 14 n° 11 (June-1 2022)
[article]
Titre : Combination of Sentinel-1 and Sentinel-2 data for tree species classification in a Central European biosphere reserve Type de document : Article/Communication Auteurs : Michael Lechner, Auteur ; Alena Dostalova, Auteur ; Markus Hollaus, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 2687 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] analyse comparative
[Termes IGN] analyse harmonique
[Termes IGN] Autriche
[Termes IGN] biosphère
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] espèce végétale
[Termes IGN] feuillu
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] nébulosité
[Termes IGN] phénologie
[Termes IGN] Pinophyta
[Termes IGN] rapport signal sur bruit
[Termes IGN] réserve forestièreRésumé : (auteur) Microwave and optical imaging methods react differently to different land surface parameters and, thus, provide highly complementary information. However, the contribution of individual features from these two domains of the electromagnetic spectrum for tree species classification is still unclear. For large-scale forest assessments, it is moreover important to better understand the domain-specific limitations of the two sensor families, such as the impact of cloudiness and low signal-to-noise-ratio, respectively. In this study, seven deciduous and five coniferous tree species of the Austrian Biosphere Reserve Wienerwald (105,000 ha) were classified using Breiman’s random forest classifier, labeled with help of forest enterprise data. In nine test cases, variations of Sentinel-1 and Sentinel-2 imagery were passed to the classifier to evaluate their respective contributions. By solely using a high number of Sentinel-2 scenes well spread over the growing season, an overall accuracy of 83.2% was achieved. With ample Sentinel-2 scenes available, the additional use of Sentinel-1 data improved the results by 0.5 percentage points. This changed when only a single Sentinel-2 scene was supposedly available. In this case, the full set of Sentinel-1-derived features increased the overall accuracy on average by 4.7 percentage points. The same level of accuracy could be obtained using three Sentinel-2 scenes spread over the vegetation period. On the other hand, the sole use of Sentinel-1 including phenological indicators and additional features derived from the time series did not yield satisfactory overall classification accuracies (55.7%), as only coniferous species were well separated. Numéro de notice : A2022-540 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs14112687 Date de publication en ligne : 03/06/2022 En ligne : https://doi.org/10.3390/rs14112687 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101103
in Remote sensing > vol 14 n° 11 (June-1 2022) . - n° 2687[article]Framework for automatic coral reef extraction using Sentinel-2 image time series / Qizhi Zhang in Marine geodesy, vol 45 n° 3 (May 2022)
[article]
Titre : Framework for automatic coral reef extraction using Sentinel-2 image time series Type de document : Article/Communication Auteurs : Qizhi Zhang, Auteur ; Jian Zhang, Auteur ; Liang Cheng, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 195 - 231 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] Chine
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] filtrage de points
[Termes IGN] filtrage spatiotemporel
[Termes IGN] image Sentinel-MSI
[Termes IGN] mesure de similitude
[Termes IGN] nébulosité
[Termes IGN] récif corallien
[Termes IGN] série temporelleRésumé : (auteur) Using supervised and unsupervised classification on a single image to extract coral reef extent results in missing data and wrong extraction results. To improve the accuracy of coral reef extraction, this study proposes a novel technical framework for automatic coral reef extraction based on an image filtering strategy and spatiotemporal similarity measurements of pixel-level Sentinel-2 image time series. This method was applied to the Anda Reef, Daxian Reef, and Nanhua Reef, China, using 1464 Sentinel-2 images obtained from 2015–2020. Sentinel-2 images were automatically selected considering space, time, cloud cover, and image entropy after atmospheric correction. With the binary classification measurement standard using the digitization coral reef results of the Sentinel-2 images as the true value, the time series established by the modified normalized difference water index demonstrated high robustness and accuracy. Analyzing the time series curves of the coral reef and deep water verified that the spatiotemporal similarity measurement of this framework can stably extract the boundaries of the coral reef. Numéro de notice : A2022-353 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1080/01490419.2022.2051648 Date de publication en ligne : 28/03/2022 En ligne : https://doi.org/10.1080/01490419.2022.2051648 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100550
in Marine geodesy > vol 45 n° 3 (May 2022) . - pp 195 - 231[article]
Titre : Deep learning architectures for onboard satellite image analysis Type de document : Thèse/HDR Auteurs : Gaétan Bahl, Auteur ; Florent Lafarge, Directeur de thèse Editeur : Nice : Université Côte d'Azur Année de publication : 2022 Importance : 120 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de Doctorat de l'Université Côte d’Azur, Spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] analyse d'image orientée objet
[Termes IGN] apprentissage profond
[Termes IGN] contour
[Termes IGN] détection d'objet
[Termes IGN] extraction du réseau routier
[Termes IGN] forêt
[Termes IGN] image satellite
[Termes IGN] nuage
[Termes IGN] régression
[Termes IGN] réseau neuronal convolutif
[Termes IGN] réseau neuronal de graphes
[Termes IGN] réseau neuronal récurrent
[Termes IGN] segmentation sémantiqueIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Les progrès des satellites d'observation de la Terre à haute résolution et la réduction des temps de revisite introduite par la création de constellations de satellites ont conduit à la création quotidienne de grandes quantités d'images (des centaines de Teraoctets par jour). Simultanément, la popularisation des techniques de Deep Learning a permis le développement d'architectures capables d'extraire le contenu sémantique des images. Bien que ces algorithmes nécessitent généralement l'utilisation de matériel puissant, des accélérateurs d'inférence IA de faible puissance ont récemment été développés et ont le potentiel d'être utilisés dans les prochaines générations de satellites, ouvrant ainsi la possibilité d'une analyse embarquée des images satellite. En extrayant les informations intéressantes des images satellite directement à bord, il est possible de réduire considérablement l'utilisation de la bande passante, du stockage et de la mémoire. Les applications actuelles et futures, telles que la réponse aux catastrophes, l'agriculture de précision et la surveillance du climat, bénéficieraient d'une latence de traitement plus faible, voire d'alertes en temps réel. Dans cette thèse, notre objectif est double : D'une part, nous concevons des architectures de Deep Learning efficaces, capables de fonctionner sur des périphériques de faible puissance, tels que des satellites ou des drones, tout en conservant une précision suffisante. D'autre part, nous concevons nos algorithmes en gardant à l'esprit l'importance d'avoir une sortie compacte qui peut être efficacement calculée, stockée, transmise au sol ou à d'autres satellites dans une constellation. Tout d'abord, en utilisant des convolutions séparables en profondeur et des réseaux neuronaux récurrents convolutionnels, nous concevons des réseaux neuronaux de segmentation sémantique efficaces avec un faible nombre de paramètres et une faible utilisation de la mémoire. Nous appliquons ces architectures à la segmentation des nuages et des forêts dans les images satellites. Nous concevons également une architecture spécifique pour la segmentation des nuages sur le FPGA d'OPS-SAT, un satellite lancé par l'ESA en 2019, et réalisons des expériences à bord à distance. Deuxièmement, nous développons une architecture de segmentation d'instance pour la régression de contours lisses basée sur une représentation à coefficients de Fourier, qui permet de stocker et de transmettre efficacement les formes des objets détectés. Nous évaluons la performance de notre méthode sur une variété de dispositifs informatiques à faible puissance. Enfin, nous proposons une architecture d'extraction de graphes routiers basée sur une combinaison de Fully Convolutional Networks et de Graph Neural Networks. Nous montrons que notre méthode est nettement plus rapide que les méthodes concurrentes, tout en conservant une bonne précision. Note de contenu : 1. Introduction
1.1 Context and motivation
1.2 Methods and Challenges
1.3 Contributions and outline
2. On-board image segmentation with compact networks
2.1 Introduction
2.2 Related works
2.3 Proposed architectures
2.4 Experiments on cloud segmentation
2.5 Experiments on forest segmentation
2.6 Conclusion
3. Recurrent convolutional networks for semantic segmentation
3.1 Introduction
3.2 Method
3.3 Experiments
3.4 Conclusion and future works
4. Regression of compact object contours
4.1 Introduction
4.2 Related Work
4.3 Method
4.4 Experiments
4.5 Conclusion
5. Road graph extraction
5.1 Introduction
5.2 Related Works
5.3 Method
5.4 Experiments
5.5 Limitations
5.6 Other uses of our method
5.7 Conclusion
6. Conclusion and Perspectives
6.1 Summary
6.2 Limitations and perspectives
6.3 Publications
6.4 Carbon Impact StatementNuméro de notice : 26912 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Côte d'Azur : 2022 Organisme de stage : Inria Sophia-Antipolis Méditerranée nature-HAL : Thèse DOI : sans Date de publication en ligne : 27/09/2022 En ligne : https://tel.hal.science/tel-03789667v2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101955 PermalinkSnow cover change assessment in the upper Bhagirathi basin using an enhanced cloud removal algorithm / Mritunjay Kumar Singh in Geocarto international, vol 36 n° 20 ([01/12/2021])PermalinkA parameterization of the cloud scattering polarization signal derived from GPM observations for microwave fast radative transfer models / Victoria Sol Galligani in IEEE Transactions on geoscience and remote sensing, vol 59 n° 11 (November 2021)PermalinkImproving the accuracy of spring phenology detection by optimally smoothing satellite vegetation index time series based on local cloud frequency / Jiaqi Tian in ISPRS Journal of photogrammetry and remote sensing, vol 180 (October 2021)PermalinkStochastic super-resolution for downscaling time-evolving atmospheric fields with a generative adversarial network / Jussi Leinonen in IEEE Transactions on geoscience and remote sensing, Vol 59 n° 9 (September 2021)PermalinkPermalinkMultisensor data fusion for cloud removal in global and all-season Sentinel-2 imagery / Patrick Ebel in IEEE Transactions on geoscience and remote sensing, Vol 59 n° 7 (July 2021)PermalinkG-band radar for humidity and cloud remote sensing / Ken B. Cooper in IEEE Transactions on geoscience and remote sensing, vol 59 n° 2 (February 2021)PermalinkImproving the accuracy of land cover classification in cloud persistent areas using optical and radar satellite image time series / Maylis Lopes in Methods in ecology and evolution, vol 11 n° 4 (April 2020)PermalinkDeep learning for multi-modal classification of cloud, shadow and land cover scenes in PlanetScope and Sentinel-2 imagery / Yuri Shendryk in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)PermalinkUnmanned aerial system multispectral mapping for low and variable solar irradiance conditions: Potential of tensor decomposition / Sheng Wang in ISPRS Journal of photogrammetry and remote sensing, vol 155 (September 2019)PermalinkImproved algorithms for the measurement of total precipitable water and cloud liquid water from SARAL microwave radiometer observations / Rajput Neha Mangalsinh in Marine geodesy, vol 42 n° 4 (July 2019)PermalinkChallenges in grassland mowing event detection with multimodal Sentinel images / Anatol Garioud (2019)PermalinkEvaluation of time-series SAR and optical images for the study of winter land-use / Julien Denize (2019)PermalinkComparison of total water vapour content in the Arctic derived from GNSS, AIRS, MODIS and SCIAMACHY / Dunya Alraddawi in Atmospheric measurement techniques, vol 11 n° 5 (May 2018)PermalinkTesting, analysis and improvement of FGI-NLS Sentinel-2 data processing chain for land use applications / Emile Blettery (2018)PermalinkPulse compression waveform and filter optimization for spaceborne cloud and precipitation radar / Robert M. Beauchamp in IEEE Transactions on geoscience and remote sensing, vol 55 n° 2 (February 2017)PermalinkThe MODIS cloud optical and microphysical products : collection 6 updates and examples from Terra and Aqua / Steven Platnick in IEEE Transactions on geoscience and remote sensing, vol 55 n° 1 (January 2017)PermalinkThin cloud removal based on signal transmission principles and spectral mixture analysis / Meng Xu in IEEE Transactions on geoscience and remote sensing, vol 54 n° 3 (March 2016)PermalinkRemoval of thin clouds using cirrus and QA bands of Landsat-8 / Yang Shen in Photogrammetric Engineering & Remote Sensing, PERS, vol 81 n° 9 (September 2015)PermalinkCloud removal for remotely sensed images by similar pixel replacement guided with a spatio-temporal MRF model / Qing Cheng in ISPRS Journal of photogrammetry and remote sensing, vol 92 (June 2014)PermalinkOutils méthodologiques pour l'analyse d'images MSG : estimation du mouvement, suivi des masses nuageuses et détection de fronts / Thomas Corpetti in Revue Française de Photogrammétrie et de Télédétection, n° 205 (Janvier 2014)PermalinkIllustrating the temporal progress of environmental change / Joann W. Harvey in Photogrammetric Engineering & Remote Sensing, PERS, vol 79 n° 12 (December 2013)PermalinkLes drones, un vrai potentiel pour les géomètres / Michel Kasser in Géomètre, n° 2107 (octobre 2013)PermalinkMissing-area reconstruction in multispectral images under a compressive sensing perspective / Luca Lorenzi in IEEE Transactions on geoscience and remote sensing, vol 51 n° 7 Tome 1 (July 2013)PermalinkEvaluation of different methods to retrieve the hemispherical downwelling irradiance in the thermal infrared region for field measurements / Vicente Garcia-Santos in IEEE Transactions on geoscience and remote sensing, vol 51 n° 4 Tome 2 (April 2013)PermalinkA new technique using infrared satellite measurements to improve the accuracy of the CALIPSO cloud-aerosol discrimination method / A. Naeger in IEEE Transactions on geoscience and remote sensing, vol 51 n° 1 Tome 2 (January 2013)PermalinkSpatio-temporal MODIS EVI gap filling under cloud cover: An example in Scotland / L. Poggio in ISPRS Journal of photogrammetry and remote sensing, vol 72 (August 2012)PermalinkShooting between the clouds / Alistair Maclenan in GEO: Geoconnexion international, vol 11 n° 5 (may 2012)PermalinkExtracting precise and affordable DEMs despite of the clouds. Ajax: the joining of radar and optical strengths / Laurent Cunin (2012)PermalinkUse Markov random fields for automatic cloud-shadow detection on high resolution / Sylvie Le Hégarat-Mascle in ISPRS Journal of photogrammetry and remote sensing, vol 64 n° 4 (July - August 2009)PermalinkImpact des nuages de haute altitude sur le bilan radiatif à la surface de la terre : quantification expérimentale et analyse / Jean-Charles Dupont (2008)PermalinkDetection and substitution of clouds/hazes and their cast shadows on Ikonos images / Dong Lu in International Journal of Remote Sensing IJRS, vol 28 n°17-18 (September 2007)PermalinkA new model for cloud tracking and analysis on satellite images / E. Guilbert in Geoinformatica, vol 11 n° 3 (September - November 2007)PermalinkSatellite-derived cloud top pressure product validation using aircraft-based cloud physics Lidar from the ATReC field campaign / S.T. Bedka in International Journal of Remote Sensing IJRS, vol 28 n° 10 (May 2007)PermalinkCloud mapping with ground-based photogrammetric cameras / G. Seiz in International Journal of Remote Sensing IJRS, vol 28 n° 9 (May 2007)PermalinkCloud-top pressure retrieval using the oxygen a-band in the IRS-3 MOS instrument / R. Preusker in International Journal of Remote Sensing IJRS, vol 28 n° 9 (May 2007)PermalinkStereo cloud-top heights and cloud fraction retrieval from ATSR-2 / J.P. Muller in International Journal of Remote Sensing IJRS, vol 28 n° 9 (May 2007)PermalinkThe EU-Cloudmap project: cirrus and contrail cloud-top maps from satellites for weather forecasting climate change analysis / J.P. Muller in International Journal of Remote Sensing IJRS, vol 28 n° 9 (May 2007)PermalinkA data-mining approach to associating MISR smoke plume heights with MODIS fire measurements / D. Mazzoni in Remote sensing of environment, vol 107 n° 1-2 (15 March 2007)PermalinkLandsat-7 long-term acquisition plan radiometry: evolution over the time / B. Markham in Photogrammetric Engineering & Remote Sensing, PERS, vol 72 n° 10 (October 2006)PermalinkInter-comparison of NOAA-AVHRR and IRS-P4 (MSMR) derived sea surface temperatures / B. Jena in International Journal of Remote Sensing IJRS, vol 27 n°15-16 (August 2006)PermalinkCloud base heights retrieved during night-time conditions with MODIS data / K. Hutchinson in International Journal of Remote Sensing IJRS, vol 27 n°12-13-14 (July 2006)PermalinkContextual reconstruction of cloud-contaminated multitemporal multispectral image / F. Melgani in IEEE Transactions on geoscience and remote sensing, vol 44 n° 2 (February 2006)PermalinkReconstruction of cloud geometry from multi-view satellite images / G. Seiz in Remote sensing of environment, vol 100 n° 2 (30 January 2006)PermalinkApplication of three satellite techniques in support of precipitation forecasts of a NWP [numerical weather prediction] model / H. Feidas in International Journal of Remote Sensing IJRS, vol 26 n° 24 (December 2005)PermalinkL'étude et l'observation de la terre en France en 2005 / G. Begni in Revue Française de Photogrammétrie et de Télédétection, n° 179 (Décembre 2005)PermalinkSnow cover monitoring in Alpine regions using ENVISAT optical data / M. Pepe in International Journal of Remote Sensing IJRS, vol 26 n° 21 (November 2005)PermalinkCloud-free satellite image mosaics with regression trees and histogram matching / E.H. Helmert in Photogrammetric Engineering & Remote Sensing, PERS, vol 71 n° 9 (September 2005)PermalinkApplication of an automated cloud-tracking algorithm on satellite imagery for tracking and monitoring small mesoscale convective cloud systems / H. Feidas in International Journal of Remote Sensing IJRS, vol 26 n° 8 (April 2005)PermalinkRapid response for cloud monitoring through Meteosat VIS-IR and NOAA-A/TOVS image fusion: civil application. A first approach to MSG-SEVIRI / C. Casanova in International Journal of Remote Sensing IJRS, vol 26 n° 8 (April 2005)PermalinkSPOT-4 Vegetation multi-temporal compositing for land cover change studies over tropical regions / João M.B. Carreiras in International Journal of Remote Sensing IJRS, vol 26 n° 7 (April 2005)PermalinkA land cover distribution composite image from coarse spatial resolution images using an unmixing method / T.M. Uenishi in International Journal of Remote Sensing IJRS, vol 26 n° 5 (March 2005)PermalinkRegional simulation of ecosystem CO2 and water vapor exchange for agricultural land using NOAA AVHRR and Terra MODIS satellite data: Application to Zealand, Denmark / Rasmus M. Houborg in Remote sensing of environment, vol 93 n° 1 (30/10/2004)PermalinkNighttime polar cloud detection with MODIS / Y. Liu in Remote sensing of environment, vol 92 n° 2 (15/08/2004)PermalinkDerivation of a threshold function for the advanced very high resolution radiometer 3, 75um channel and its application in automatic cloud discrimination over snow/ice surfaces / X. Xiong in International Journal of Remote Sensing IJRS, vol 25 n° 15 (August 2004)PermalinkRethinking satellite-based solar irradiance modelling the SOLIS clear-sky module / R.W. Mueller in Remote sensing of environment, vol 91 n° 2 (30/05/2004)PermalinkThe determination of the atmospheric optical thickness over western Europe using SeaWiFS imagery / A.A. Kokhanovsky in IEEE Transactions on geoscience and remote sensing, vol 42 n° 4 (April 2004)PermalinkCloud screening in IRS-P4 OCM satellite data: potential of spatial coherence method in the absence of thermal channel information / S.K. Nair in Remote sensing of environment, vol 90 n° 2 (30/03/2004)PermalinkA very quick neural network algorithm for cloud detection / K.R. Al-Rawi in Geocarto international, vol 18 n° 1 (March - May 2003)PermalinkCloud and aerosol properties, precipitable water, and profiles of temperature and water vapor from MODIS / M.D. King in IEEE Transactions on geoscience and remote sensing, vol 41 n° 2 (February 2003)PermalinkA comparison of fuzzy vs. augmented-ISODATA classification algorithms for cloud-shadow discrimination from Landsat images / A.M. Melesse in Photogrammetric Engineering & Remote Sensing, PERS, vol 68 n° 9 (September 2002)PermalinkAn experimental study on content-based image classication for image databases / R.D. Holowczak in IEEE Transactions on geoscience and remote sensing, vol 40 n° 6 (June 2002)PermalinkCloud tracking by scale space classification / D.P. Mukherjee in IEEE Transactions on geoscience and remote sensing, vol 40 n° 2 (February 2002)PermalinkFundamentals of physics and chemistry of the atmosphere / G. Visconti (2001)PermalinkMeteorology for scientists and engineers / R.B. Stull (2000)PermalinkThermodynamics of atmospheres and oceans / J.A. Curry (1999)PermalinkThe ASTER polar cloud mask / A.M. Logar in IEEE Transactions on geoscience and remote sensing, vol 36 n° 4 (July 1998)PermalinkModèle de nuage pour la restitution de paramètres microphysiques à partir de données satellitaires micro-ondes / Nathalie Dejour (1997)PermalinkFundamentals of atmospheric physics / M.L. Salby (1995)PermalinkEstimation de l'intensité de la pluie par radar dans les lignes de grains soudano-sahéliennes par intégrales spatio-temporelles / S. Ramos Buarque (1994)PermalinkLes influences maritimes sur le climat du Maroc atlantique central : une analyse par télédétection spatiale, Volume 1. Texte / A. Atillah (1993)PermalinkLes influences maritimes sur le climat du Maroc atlantique central : une analyse par télédétection spatiale, Volume 2. Annexes / A. Atillah (1993)PermalinkPermalinkTechnical note. Analysis of cloud imagery using box counting / A. Detwiler in International Journal of Remote Sensing IJRS, vol 11 n° 5 (May 1990)PermalinkAre cloud amounts estimated from satellite sensor and conventional surface-based observations related? / A. Henderson-Sellers in International Journal of Remote Sensing IJRS, vol 11 n° 3 (March 1990)PermalinkDeriving cirrus information using the visible and near-ir channels of the future NOAA-AVHRR radiometer / K. Masuda in Remote sensing of environment, vol 31 n° 1 (01/01/1990)PermalinkCloud classification from satellite data using a fuzzy sets algorithm: a polar example / J.R. Key in International Journal of Remote Sensing IJRS, vol 10 n° 12 (December 1989)PermalinkMerging AVHRR and SMMR data for remote sensing of ice and cloud in polar regions / J.A. Maslanik in International Journal of Remote Sensing IJRS, vol 10 n° 10 (October 1989)PermalinkFactors affecting the spectral response of forest canopies : a review / Gérard Guyot in Geocarto international, vol 4 n° 3 (September - November 1989)PermalinkPhotopolarimetric observations of aerosols and clouds from balloon / J.L. Deuze in Remote sensing of environment, vol 29 n° 2 (01/08/1989)PermalinkRegional analysis of 3D (three-dimensional) nephanalysis total cloud amounts for July 1983 / K. Mcguffie in International Journal of Remote Sensing IJRS, vol 10 n° 8 (August 1989)PermalinkObservation of the adjacency effect in Thematic Mapper imagery / W.H. Carnahan in Geocarto international, vol 4 n° 2 (June - August 1989)PermalinkAn algorithm for snow and ice detection using AVHRR data : an extension to the Apollo software package / G. Gesell in International Journal of Remote Sensing IJRS, vol 10 n°4-5 (May 1989)PermalinkCloud liquid water path derived from AVHRR data using Apollo / K.T. Kriebel in International Journal of Remote Sensing IJRS, vol 10 n°4-5 (May 1989)PermalinkCloud reflectance variations in channel-3 / R.S. Scorer in International Journal of Remote Sensing IJRS, vol 10 n°4-5 (May 1989)PermalinkCloud track winds in the polar regions from sequences of AVHRR images / J. Turner in International Journal of Remote Sensing IJRS, vol 10 n°4-5 (May 1989)PermalinkDevelopment of an operational cloud classification model / K.-G. Karlsson in International Journal of Remote Sensing IJRS, vol 10 n°4-5 (May 1989)PermalinkGlobal sea surface temperatures and cloud clearing for aerosol optical depth estimates / E.P. Mcclain in International Journal of Remote Sensing IJRS, vol 10 n°4-5 (May 1989)PermalinkMulti-spectral classification of snow using NOAA AVHRR imagery / A.R. Harrison in International Journal of Remote Sensing IJRS, vol 10 n°4-5 (May 1989)PermalinkMarine stratocumulus structure / R.F. Cahalan in Remote sensing of environment, vol 28 n° 1 (April - June 1989)PermalinkUne évaluation du potentiel cartographique et thématique de Spot en Indonésie / Jean-Philippe Gastellu-Etchegorry (1989)PermalinkMise à jour d'une carte d'occupation du sol : problèmes méthodologiques / M. Pouyllau (1989)PermalinkCloud cover distribution in Indonesia / Jean-Philippe Gastellu-Etchegorry in International Journal of Remote Sensing IJRS, vol 9 n° 7 (July 1988)PermalinkPredictive models for remotely-sensed data acquisition in Indonesia / Jean-Philippe Gastellu-Etchegorry in International Journal of Remote Sensing IJRS, vol 9 n° 7 (July 1988)PermalinkA cloudy-sky radiative transfer model suitable for calibration of satellite sensors / M.V. Paris in Remote sensing of environment, vol 24 n° 2 (March 1988)PermalinkIntercomparison of satellite-derived cloud analyses for the arctic ocean in spring and summer / K. Mcguffie in International Journal of Remote Sensing IJRS, vol 9 n° 3 (May 1988)PermalinkAn improved method for detecting clear sky and cloudy radiances from AVHRR data / R.W. Saunders in International Journal of Remote Sensing IJRS, vol 9 n° 1 (January 1988)PermalinkMeteorology, 2. Sous-volume B, Physical and chemical properties of the air [Group 5, volume 4] / K.H. Hellwege (1988)PermalinkThe acquisition of Spot-1 HRV imagery over southern Britain and northern France, may 1986 - may 1987 / J. Cushnie in International Journal of Remote Sensing IJRS, vol 9 n° 1 (January 1988)PermalinkSatellite observations of surface temperatures and flow patterns, sea of Japan and east China sea, late march 1979 / O.K. Huh in Remote sensing of environment, vol 22 n° 3 (01/08/1987)PermalinkStudy of pre-storm environment by using rawinsonde and satellite observations / R.J. Hung in International Journal of Remote Sensing IJRS, vol 8 n° 8 (August 1987)PermalinkThe derivation of vegetation indices from AVHRR data / G. Gutman in International Journal of Remote Sensing IJRS, vol 8 n° 8 (August 1987)PermalinkCloud screening for determination of land surface characteristics in a reduced resolution satellite data set / G. Gutman in International Journal of Remote Sensing IJRS, vol 8 n° 6 (June 1987)PermalinkSize distributions of clouds in real time from satellite imagery / D.M. O'Brien in International Journal of Remote Sensing IJRS, vol 8 n° 6 (June 1987)PermalinkStochastic nature of Landsat MSS data / M.L. Labovitz in Remote sensing of environment, vol 21 n° 3 (01/04/1987)PermalinkDetermining rainfall intensity and type from goes imagery in the midlatitudes / A.A. Tsonis in Remote sensing of environment, vol 21 n° 1 (01/02/1987)PermalinkContribution à l'étude du gisement solaire en Afrique de l'ouest à l'aide de Météosat / A. Werem (1984)PermalinkRadarmétéorologie / H. Sauvageot (1982)PermalinkSystematic investigations of geodetic networks in space / K. Rinner (1967)PermalinkLa nature alpine / R. Godefroy (1940)Permalink