Centre dedocumentation
scientifique

Geographical random forests: a spatial extension of the random forest algorithm to address spatial heterogeneity in remote sensing and population modelling / Stefanos Georganos in Geocarto international, vol 36 n° 2 ([01/02/2021])  

Public [article]  inGeocarto international > vol 36 n° 2 [01/02/2021] . - pp 121 -1 36 Titre : Geographical random forests: a spatial extension of the random forest algorithm to address spatial heterogeneity in remote sensing and population modelling Type de document : Article/Communication Auteurs : Stefanos Georganos, Auteur ; Tais Grippa, Auteur ; Assane Niang Gadiaga, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 121 -1 36 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] apprentissage automatique [Termes IGN] autocorrélation spatiale [Termes IGN] classification par forêts aléatoires [Termes IGN] Dakar [Termes IGN] densité de population [Termes IGN] distribution spatiale [Termes IGN] hétérogénéité spatiale [Termes IGN] modèle dynamique [Termes IGN] population [Termes IGN] utilisation du sol Résumé : (auteur) Machine learning algorithms such as Random Forest (RF) are being increasingly applied on traditionally geographical topics such as population estimation. Even though RF is a well performing and generalizable algorithm, the vast majority of its implementations is still ‘aspatial’ and may not address spatial heterogenous processes. At the same time, remote sensing (RS) data which are commonly used to model population can be highly spatially heterogeneous. From this scope, we present a novel geographical implementation of RF, named Geographical Random Forest (GRF) as both a predictive and exploratory tool to model population as a function of RS covariates. GRF is a disaggregation of RF into geographical space in the form of local sub-models. From the first empirical results, we conclude that GRF can be more predictive when an appropriate spatial scale is selected to model the data, with reduced residual autocorrelation and lower Root Mean Squared Error (RMSE) and Mean Absolute Error (MAE) values. Finally, and of equal importance, GRF can be used as an effective exploratory tool to visualize the relationship between dependent and independent variables, highlighting interesting local variations and allowing for a better understanding of the processes that may be causing the observed spatial heterogeneity. Numéro de notice : A2021-080 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1595177 date de publication en ligne : 10/06/2019 En ligne : https://doi.org/10.1080/10106049.2019.1595177 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96822 [article]

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

Public [article]  inPlos one > vol 16 n° 1 (January 2021) . - n° 0244846 Titre : FOSTER - An R package for forest structure extrapolation Type de document : Article/Communication Auteurs : Martin Queinnec, Auteur ; Piotr Tompalski, Auteur ; Douglas K. Bolton, Auteur ; Nicholas C. Coops, Auteur Année de publication : 2021 Article en page(s) : n° 0244846 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] autocorrélation spatiale [Termes IGN] classification barycentrique [Termes IGN] Colombie-Britannique (Canada) [Termes IGN] données localisées 3D [Termes IGN] extrapolation [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] R (langage) [Termes IGN] structure d'un peuplement forestier [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) The uptake of technologies such as airborne laser scanning (ALS) and more recently digital aerial photogrammetry (DAP) enable the characterization of 3-dimensional (3D) forest structure. These forest structural attributes are widely applied in the development of modern enhanced forest inventories. As an alternative to extensive ALS or DAP based forest inventories, regional forest attribute maps can be built from relationships between ALS or DAP and wall-to-wall satellite data products. To date, a number of different approaches exist, with varying code implementations using different programming environments and tailored to specific needs. With the motivation for open, simple and modern software, we present FOSTER (Forest Structure Extrapolation in R), a versatile and computationally efficient framework for modeling and imputation of 3D forest attributes. FOSTER derives spectral trends in remote sensing time series, implements a structurally guided sampling approach to sample these often spatially auto correlated datasets, to then allow a modelling approach (currently k-NN imputation) to extrapolate these 3D forest structure measures. The k-NN imputation approach that FOSTER implements has a number of benefits over conventional regression based approaches including lower bias and reduced over fitting. This paper provides an overview of the general framework followed by a demonstration of the performance and outputs of FOSTER. Two ALS-derived variables, the 95th percentile of first returns height (elev_p95) and canopy cover above mean height (cover), were imputed over a research forest in British Columbia, Canada with relative RMSE of 18.5% and 11.4% and relative bias of -0.6% and 1.4% respectively. The processing sequence developed within FOSTER represents an innovative and versatile framework that should be useful to researchers and managers alike looking to make forest management decisions over entire forest estates. Numéro de notice : A2021-306 Affiliation des auteurs : non IGN Thématique : FORET/INFORMATIQUE/MATHEMATIQUE Nature : Article DOI : 10.1371/journal.pone.0244846 date de publication en ligne : 28/01/2021 En ligne : https://doi.org/10.1371/journal.pone.0244846 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97656 [article]

Streets of London: Using Flickr and OpenStreetMap to build an interactive image of the city / Azam Raha Bahrehdar in Computers, Environment and Urban Systems, vol 84 (November 2020)  

Public [article]  inComputers, Environment and Urban Systems > vol 84 (November 2020) . - n° 101524 Titre : Streets of London: Using Flickr and OpenStreetMap to build an interactive image of the city Type de document : Article/Communication Auteurs : Azam Raha Bahrehdar, Auteur ; Benjamin Adams, Auteur ; Ross S. Purves, Auteur Année de publication : 2020 Article en page(s) : n° 101524 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] autocorrélation spatiale [Termes IGN] collecte de données [Termes IGN] contenu généré par les utilisateurs [Termes IGN] données localisées des bénévoles [Termes IGN] exploration de données [Termes IGN] image Flickr [Termes IGN] Londres [Termes IGN] mesure de similitude [Termes IGN] métadonnées [Termes IGN] OpenStreetMap [Termes IGN] orthoimage géoréférencée [Termes IGN] perception [Termes IGN] segmentation sémantique Résumé : (auteur) In his classic book “The Image of the City” Kevin Lynch used empirical work to show how different elements of the city were perceived: such as paths, landmarks, districts, edges, and nodes. Streets, by providing paths from which cities can be experienced, were argued to be one of the key elements of cities. Despite this long standing empirical basis, and the importance of Lynch's model in policy associated areas such as planning, work with user generated content has largely ignored these ideas. In this paper, we address this gap, using streets to aggregate filtered user generated content related to more than 1 million images and 60,000 individuals and explore similarity between more than 3000 streets in London across three dimensions: user behaviour, time and semantics. To perform our study we used two different sources of user generated content: (1) a collection of metadata attached to Flickr images and (2) street network of London from OpenStreetMap. We first explore global patterns in the distinctiveness and spatial autocorrelation of similarity using our three dimensions, establishing that the semantic and user dimensions in particular allow us to explore the city in different ways. We then used a Processing tool to interactively explore individual patterns of similarity across these four dimensions simultaneously, presenting results here for four selected and contrasting locations in London. Before drilling into the data to interpret in more detail, the identified patterns demonstrate that streets are natural units capturing perception of cities not only as paths but also through the emergence of other elements of the city proposed by Lynch including districts, landmarks and edges. Our approach also demonstrates how user generated content can be captured, allowing bottom-up perception from citizens to flow into a representation. Numéro de notice : A2020-710 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1016/j.compenvurbsys.2020.101524 date de publication en ligne : 05/08/2020 En ligne : https://doi.org/10.1016/j.compenvurbsys.2020.101524 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96255 [article]

Camera orientation, calibration and inverse perspective with uncertainties: a Bayesian method applied to area estimation from diverse photographs / Grégoire Guillet in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 159 (January 2020) . - pp 237 - 255 Titre : Camera orientation, calibration and inverse perspective with uncertainties: a Bayesian method applied to area estimation from diverse photographs Type de document : Article/Communication Auteurs : Grégoire Guillet, Auteur ; Thomas Guillet, Auteur ; Ludovic Ravanel, Auteur Année de publication : 2020 Article en page(s) : pp 237 - 255 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] ajustement de paramètres [Termes IGN] appariement d'images [Termes IGN] autocorrélation spatiale [Termes IGN] distorsion d'image [Termes IGN] estimation bayesienne [Termes IGN] étalonnage de chambre métrique [Termes IGN] figuration de la densité [Termes IGN] fonction inverse [Termes IGN] image 2D [Termes IGN] image aérienne [Termes IGN] incertitude géométrique [Termes IGN] longueur focale [Termes IGN] méthode de Monte-Carlo par chaînes de Markov [Termes IGN] modèle numérique de surface [Termes IGN] orientation externe [Termes IGN] photographie numérique [Termes IGN] vue 3D [Termes IGN] vue perspective Résumé : (Auteur) Large collections of images have become readily available through modern digital catalogs, from sources as diverse as historical photographs, aerial surveys, or user-contributed pictures. Exploiting the quantitative information present in such wide-ranging collections can greatly benefit studies that follow the evolution of landscape features over decades, such as measuring areas of glaciers to study their shrinking under climate change. However, many available images were taken with low-quality lenses and unknown camera parameters. Useful quantitative data may still be extracted, but it becomes important to both account for imperfect optics, and estimate the uncertainty of the derived quantities. In this paper, we present a method to address both these goals, and apply it to the estimation of the area of a landscape feature traced as a polygon on the image of interest. The technique is based on a Bayesian formulation of the camera calibration problem. First, the probability density function (PDF) of the unknown camera parameters is determined for the image, based on matches between 2D (image) and 3D (world) points together with any available prior information. In a second step, the posterior distribution of the feature area of interest is derived from the PDF of camera parameters. In this step, we also model systematic errors arising in the polygon tracing process, as well as uncertainties in the digital elevation model. The resulting area PDF therefore accounts for most sources of uncertainty. We present validation experiments, and show that the model produces accurate and consistent results. We also demonstrate that in some cases, accounting for optical lens distortions is crucial for accurate area determination with consumer-grade lenses. The technique can be applied to many other types of quantitative features to be extracted from photographs when careful error estimation is important. Numéro de notice : A2020-015 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.11.013 date de publication en ligne : 02/12/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.11.013 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94404 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020011	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020013	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2020012	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Cartographie des essences forestières à partir de séries temporelles d’images satellitaires à hautes résolutions : stabilité des prédictions, autocorrélation spatiale et cohérence avec la phénologie observée in situ / Nicolas Karasiak (2020)  

Public Titre : Cartographie des essences forestières à partir de séries temporelles d’images satellitaires à hautes résolutions : stabilité des prédictions, autocorrélation spatiale et cohérence avec la phénologie observée in situ Type de document : Thèse/HDR Auteurs : Nicolas Karasiak, Auteur ; Claude Monteil, Directeur de thèse ; Jean-Français Dejoux, Directeur de thèse ; David Sheeren , Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2020 Importance : 240 p. Format : 21 x 30 cm Note générale : bibliographie Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, délivré par l'Institut National Polytechnique de Toulouse, spécialité : Agrosystèmes, Écosystèmes et Environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage automatique [Termes IGN] autocorrélation spatiale [Termes IGN] bibliothèque logicielle [Termes IGN] carte forestière [Termes IGN] essence d'arbre [Termes IGN] image à haute résolution [Termes IGN] image Formosat [Termes IGN] image Landsat-8 [Termes IGN] image Sentinel-MSI [Termes IGN] phénologie [Termes IGN] série temporelle Index. décimale : THESE Thèses et HDR Résumé : (auteur) La forêt a un rôle essentiel sur terre, que ce soit pour stocker le carbone et ainsi lutter contre le réchauffement climatique ou encore fournir un habitat à de nombreuses espèces. Or, la composition de la forêt (la localisation des essences ou leur diversité) a une influence sur les services écologiques rendus. Dans ce contexte, il est important de cartographier les forêts et les essences qui la composent. La télédétection, en particulier à partir d’images satellitaires, apparait comme le moyen le plus adéquat pour caractériser un vaste territoire. Avec l’arrivée de constellations satellitaires comme Sentinel-2 ou Landsat-8 et leur gratuité d’acquisition pour l’utilisateur, il devient possible d’envisager l’usage de séries temporelles d’images satellites à haute résolution spatiale, spectrale et temporelle à l’aide d’algorithmes d’apprentissage automatique. Si de nombreux travaux ont étudié le potentiel des images satellitaires pour identifier les essences, rares sont ceux qui utilisent des séries temporelles (plusieurs images par an) avec une haute résolution spatiale et en tenant compte de l’autocorrélation spatiale des références, i.e. la ressemblance des échantillons spatialement proches les uns des autres. Or, en ne prenant pas en compte ce phénomène, des biais d’évaluation peuvent survenir et ainsi surestimer la qualité des modèles d’apprentissage. Il s’agit aussi de mieux cerner les verrous méthodologiques afin de comprendre pourquoi il peut être facile ou compliqué pour un algorithme d’identifier une essence d’une autre. L’objectif général de la thèse vise à étudier le potentiel et les verrous concernant la reconnaissance des essences forestières à partir des séries temporelles d’images satellite à haute résolution spatiale, spectrale et temporelle. Le premier objectif consiste à étudier la stabilité temporelle des prédictions à partir d’une archive de neuf ans du satellite Formosat-2. Plus particulièrement, les travaux portent sur la mise en place d’une méthode de validation qui soit le plus fidèle à la qualité observée des cartographies. Le second objectif s’intéresse au lien entre les évènements phénologiques in situ (pousse des feuilles en début de saison, ou perte et coloration des feuilles en fin de saison) et ce qui est observable par télédétection. Outre la capacité de détecter ces évènements, il sera étudié si ce qui permet aux algorithmes de différencier les essences les unes des autres est lié à des comportements spécifiques par espèce. Note de contenu : 1- Introduction 2- Etude de la stabilité spatiale et statistique des prédictions 3- Etude de l’impact de l’autocorrélation spatiale 4- Etude et apport de la phénologie 5- Partage des outils et des données : assurer une reproductibilité des travaux 6- Conclusion générale Numéro de notice : 28326 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Agrosystèmes, Écosystèmes et Environnement : Toulouse : 2020 Organisme de stage : DYNAFOR DOI : sans En ligne : http://www.theses.fr/2020INPT0115 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98378

Implementing Moran eigenvector spatial filtering for massively large georeferenced datasets / Daniel A. Griffith in International journal of geographical information science IJGIS, vol 33 n° 9 (September 2019)  

Permalink

Uncertainty in the effects of the modifiable areal unit problem under different levels of spatial autocorrelation : a simulation study / Sang-Il Lee in International journal of geographical information science IJGIS, Vol 33 n° 5-6 (May - June 2019)  

Permalink

Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)  

Permalink

Uncertainty modeling and analysis of surface area calculation based on a regular grid digital elevation model (DEM) / Chang Li in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)  

Permalink

Manuel d'analyse spatiale / Vincent Loonis (2018)    

Permalink

An evaluation of sampling and full enumeration strategies for Fisher Jenks classification in big data settings / Sergio J. Rey in Transactions in GIS, vol 21 n° 4 (August 2017)  

Permalink

How does spatial scale affect species richness modelling? A test using remote sensing data and geostatistics / M. Marcantonio in Annali di Botanica, vol 7 (2017)  

Permalink

GNSS interferometric radio occultation / Manuel Martín-Neira in IEEE Transactions on geoscience and remote sensing, vol 54 n° 9 (September 2016)  

Permalink

R et espace : Traitement de l’information géographique / Groupe Element R (2014)    

Permalink

Spatial patterns and demographic indicators of effective social media content during the Horsethief Canyon fire of 2012 / Joshua Kent in Cartography and Geographic Information Science, vol 40 n° 2 (March 2013)  

Permalink