Descripteur
Termes IGN > télédétection > télédétection électromagnétique
télédétection électromagnétique |
Documents disponibles dans cette catégorie (915)
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
Using automated vegetation cover estimation from close-range photogrammetric point clouds to compare vegetation location properties in mountain terrain / R. Niederheiser in GIScience and remote sensing, vol 58 n° 1 (February 2021)
[article]
Titre : Using automated vegetation cover estimation from close-range photogrammetric point clouds to compare vegetation location properties in mountain terrain Type de document : Article/Communication Auteurs : R. Niederheiser, Auteur ; M. Winkler, Auteur ; V. Di Cecco, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 120 - 137 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie terrestre
[Termes IGN] Alpes
[Termes IGN] caméra numérique
[Termes IGN] carte de la végétation
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification semi-dirigée
[Termes IGN] couvert végétal
[Termes IGN] distribution de Poisson
[Termes IGN] données topographiques
[Termes IGN] indice de végétation
[Termes IGN] module linéaire
[Termes IGN] montagne
[Termes IGN] occupation du sol
[Termes IGN] photogrammétrie métrologique
[Termes IGN] semis de pointsRésumé : (auteur) In this paper we present a low-cost approach to mapping vegetation cover by means of high-resolution close-range terrestrial photogrammetry. A total of 249 clusters of nine 1 m2 plots each, arranged in a 3 × 3 grid, were set up on 18 summits in Mediterranean mountain regions and in the Alps to capture images for photogrammetric processing and in-situ vegetation cover estimates. This was done with a hand-held pole-mounted digital single-lens reflex (DSLR) camera. Low-growing vegetation was automatically segmented using high-resolution point clouds. For classifying vegetation we used a two-step semi-supervised Random Forest approach. First, we applied an expert-based rule set using the Excess Green index (ExG) to predefine non-vegetation and vegetation points. Second, we applied a Random Forest classifier to further enhance the classification of vegetation points using selected topographic parameters (elevation, slope, aspect, roughness, potential solar irradiation) and additional vegetation indices (Excess Green Minus Excess Red (ExGR) and the vegetation index VEG). For ground cover estimation the photogrammetric point clouds were meshed using Screened Poisson Reconstruction. The relative influence of the topographic parameters on the vegetation cover was determined with linear mixed-effects models (LMMs). Analysis of the LMMs revealed a high impact of elevation, aspect, solar irradiation, and standard deviation of slope. The presented approach goes beyond vegetation cover values based on conventional orthoimages and in-situ vegetation cover estimates from field surveys in that it is able to differentiate complete 3D surface areas, including overhangs, and can distinguish between vegetation-covered and other surfaces in an automated manner. The results of the Random Forest classification confirmed it as suitable for vegetation classification, but the relative feature importance values indicate that the classifier did not leverage the potential of the included topographic parameters. In contrast, our application of LMMs utilized the topographic parameters and was able to reveal dependencies in the two biomes, such as elevation and aspect, which were able to explain between 87% and 92.5% of variance. Numéro de notice : A2021-258 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/15481603.2020.1859264 Date de publication en ligne : 13/01/2021 En ligne : https://doi.org/10.1080/15481603.2020.1859264 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97295
in GIScience and remote sensing > vol 58 n° 1 (February 2021) . - pp 120 - 137[article]Mapping seasonal agricultural land use types using deep learning on Sentinel-2 image time series / Misganu Debella-Gilo in Remote sensing, Vol 13 n° 2 (January-2 2021)
[article]
Titre : Mapping seasonal agricultural land use types using deep learning on Sentinel-2 image time series Type de document : Article/Communication Auteurs : Misganu Debella-Gilo, Auteur ; Arnt Kristian Gjertsen, Auteur Année de publication : 2021 Article en page(s) : n° 289 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] carte agricole
[Termes IGN] carte d'utilisation du sol
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] image Sentinel-MSI
[Termes IGN] Norvège
[Termes IGN] série temporelle
[Termes IGN] Soil Adjusted Vegetation Index
[Termes IGN] surface cultivée
[Termes IGN] utilisation du sol
[Termes IGN] variation saisonnièreRésumé : (auteur) The size and location of agricultural fields that are in active use and the type of use during the growing season are among the vital information that is needed for the careful planning and forecasting of agricultural production at national and regional scales. In areas where such data are not readily available, an independent seasonal monitoring method is needed. Remote sensing is a widely used tool to map land use types, although there are some limitations that can partly be circumvented by using, among others, multiple observations, careful feature selection and appropriate analysis methods. Here, we used Sentinel-2 satellite image time series (SITS) over the land area of Norway to map three agricultural land use classes: cereal crops, fodder crops (grass) and unused areas. The Multilayer Perceptron (MLP) and two variants of the Convolutional Neural Network (CNN), are implemented on SITS data of four different temporal resolutions. These enabled us to compare twelve model-dataset combinations to identify the model-dataset combination that results in the most accurate predictions. The CNN is implemented in the spectral and temporal dimensions instead of the conventional spatial dimension. Rather than using existing deep learning architectures, an autotuning procedure is implemented so that the model hyperparameters are empirically optimized during the training. The results obtained on held-out test data show that up to 94% overall accuracy and 90% Cohen’s Kappa can be obtained when the 2D CNN is applied on the SITS data with a temporal resolution of 7 days. This is closely followed by the 1D CNN on the same dataset. However, the latter performs better than the former in predicting data outside the training set. It is further observed that cereal is predicted with the highest accuracy, followed by grass. Predicting the unused areas has been found to be difficult as there is no distinct surface condition that is common for all unused areas. Numéro de notice : A2021-198 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/rs13020289 Date de publication en ligne : 15/01/2021 En ligne : https://doi.org/10.3390/rs13020289 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97149
in Remote sensing > Vol 13 n° 2 (January-2 2021) . - n° 289[article]Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond / Yawogan Gbodjo (2021)
Titre : Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond Type de document : Thèse/HDR Auteurs : Yawogan Gbodjo, Auteur ; Dino Lenco, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Importance : 165 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse soutenue pour obtenir le grade de Docteur en Informatique de l'Université de MontpellierLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] classification dirigée
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] image PlanetScope
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] indice de végétation
[Termes IGN] occupation du sol
[Termes IGN] production agricole
[Termes IGN] rendement agricole
[Termes IGN] série temporelle
[Termes IGN] surface cultivéeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les systèmes de suivi des cultures jouent un rôle essentiel dans l'évaluation de la production agricole dans le monde. De nos jours, la disponibilité de plusieurs sources d'information satellitaire à large échelle, à haute résolution spatiale et à forte répétitivité temporelle, conjointe à l'essor des techniques d'apprentissage profond, offrent de nouvelles perspectives aux systèmes de suivi des cultures pour l'évaluation de la production agricole. Dans cette thèse, nous explorons des pistes méthodologiques pour améliorer le suivi de la production agricole à partir de la télédétection multi-source et des techniques d'apprentissage profond. Nous proposons deux méthodes pour caractériser l'occupation du sol et identifier les surfaces cultivées. La première approche est basée sur des réseaux de neurones récurrents équipés de mécanismes d'attention, employant des séries temporelles multi-sources radar et optique ainsi que des connaissances spécifiques de domaine. La seconde approche repose sur des réseaux de neurones convolutifs et explore davantage la combinaison multi-source et surtout multi-échelle grâce à l'intégration d'une source optique à très haute résolution spatiale. Nous évaluons ces méthodes à des échelles territoriale et locale en ayant systématiquement un regard croisé sur des sites d'études contrastés en agriculture conventionnelle et petite agriculture familiale. Nous menons également un travail d'investigation sur l'estimation et la prévision des rendements des surfaces cultivées, à l'échelle locale de la petite agriculture familiale en employant des séries temporelles multi-sources radar et optique. Dans ce contexte en outre limité par la disponibilité de données de référence, nous évaluons le potentiel de méthodes d'apprentissage profond par rapport à des approches traditionnellement utilisées. Globalement, l'évaluation des approches proposées pour identifier les surfaces cultivées montre que les techniques d'apprentissage profond semblent mieux adaptées que les méthodes traditionnelles d'apprentissage automatique pour tirer parti de la complémentarité des données multi-sources, multi-temporelles et multi-échelles à mesure qu'il y ait une quantité suffisante de données pour leur entraînement supervisé. Le travail d'investigation réalisé pour l'estimation et la prévision des rendements n'a par contre pas révélé de plus-value manifeste dans l'emploi de ces méthodes. Dans ce dernier cas, le contexte limité en données d'entraînement semble en être la principale explication. Note de contenu : Introduction
1- Télédétection et apprentissage automatique
2- Sites d’étude et données utilisées
3- Caractérisation de l’occupation du sol
4- Suivi des rendements en petite agriculture familiale
Conclusion et PerspectivesNuméro de notice : 15240 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Montpellier : 2021 Organisme de stage : TETIS DOI : sans En ligne : https://tel.hal.science/tel-03589421/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100474 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 Apport de la photogrammétrie satellite pour la modélisation du manteau neigeux / César Deschamps-Berger (2021)
Titre : Apport de la photogrammétrie satellite pour la modélisation du manteau neigeux Type de document : Thèse/HDR Auteurs : César Deschamps-Berger, Auteur ; Marie Dumont, Directeur de thèse ; Simon Gascoin, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2021 Importance : 266 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] Photogrammétrie spatiale
[Termes IGN] avalanche
[Termes IGN] bassin hydrographique
[Termes IGN] Californie (Etats-Unis)
[Termes IGN] carte d'occupation du sol
[Termes IGN] image Pléiades
[Termes IGN] manteau neigeux
[Termes IGN] modèle numérique de surface
[Termes IGN] modèle stéréoscopique
[Termes IGN] neige
[Termes IGN] Pyrénées (montagne)
[Termes IGN] télédétection électromagnétiqueIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Le manteau neigeux en montagne est une ressource importante pour les écosystèmes et les activités humaines comme l'irrigation, l'approvisionnement en eau des populations, la production hydroélectrique et l'économie touristique. Il représente aussi un risque dans les zones exposées aux avalanches. L'étude et le suivi du manteau neigeux en montagne s'appuie souvent sur des réseaux de mesure, des observations par télédétection et de la modélisation. Les avancées récentes en photogrammétrie satellite offrent de nouvelles perspectives pour compléter les réseaux de mesures qui sont souvent insuffisants vis-à-vis de la forte variabilité spatiale du manteau neigeux. Une méthode de cartographie de la hauteur de neige à partir d'images stéréoscopiques Pléiades est présentée et appliquée sur plusieurs sites. La comparaison avec une carte de référence par lidar aéroporté fournit une estimation de l'erreur des produits de photogrammétrie satellite sur un bassin versant de Californie (États-Unis). A l'échelle d'un pixel de 3 m, l'erreur standard est de 0,7 m. L'erreur décroît à ~0,3 m lorsque les mesures sont moyennées sur des surfaces supérieures à 103 m². Avec cette précision, les cartes de hauteur de neige par photogrammétrie satellite permettent d'observer les processus modelant le manteau neigeux en montagne (transport par le vent, avalanche), de mesurer le volume de neige sur des zones de plus 100 km² et de décrire la variabilité spatiale du manteau. Une série de cartes de hauteur de neige est assimilée dans la chaine de modélisation SAFRAN-Crocus afin d'évaluer le potentiel de ces données pour améliorer la représentation spatiale des propriétés physiques du manteau neigeux. Un filtre particulaire est utilisé pour assimiler une carte de hauteur de neige par hiver pendant cinq hivers sur un bassin versant des Pyrénées. L'assimilation corrige des biais dans les précipitations initialement sous-estimées à haute altitude et introduit une variabilité spatiale autrement absente des forçages et des processus modélisés. Cette combinaison innovante de produits de télédétection satellite et d'un modèle complexe spatialisé offre de nouvelles perspectives pour l'estimation de la ressource en eau en montagne et du risque avalanche. Note de contenu : Introduction générale
1- Utilisation de la photogrammétrie satellite pour mesurer les changements de topographie à la surface de la Terre
2- Cartographie de la hauteur de neige avec des images Pléiades
3- Cartographie pluriannuelle de la hauteur de neige dans les Pyrénées
4- Assimilation de cartes de hauteur de neige dans un modèle spatialisé du manteau neigeux
ConclusionNuméro de notice : 28324 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://hal.science/tel-03334086v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98362 Apport de la télédétection pour la simulation spatialisée des composantes du bilan carbone des cultures et des effets d'atténuation biogéochimiques et biogéophysiques des cultures intermédiaires / Gaétan Pique (2021)PermalinkApports des méthodes d'apprentissage profond pour la reconnaissance automatique des modes d'occupation des sols et d'objets par télédétection en milieu tropical / Guillaume Rousset (2021)PermalinkPermalinkAutomated 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)PermalinkDétection d’ouvertures par segmentation sémantique de nuages de points 3D : apport de l’apprentissage profond / Camille Lhenry (2021)PermalinkPermalinkÉvaluation de l'évapotranspiration des zones irriguées en piémont du Haut Atlas, Maroc / Jamal Elfarkh (2021)PermalinkEvaluation du stock de carbone aérien dans la végétation à partir de multiples observations satellites micro-ondes / Martin Cubaud (2021)PermalinkExamining the effectiveness of Sentinel-1 and 2 imagery for commercial forest species mapping / Mthembeni Mngadi in Geocarto international, vol 36 n° 1 ([01/01/2021])PermalinkPermalink