Descripteur
Documents disponibles dans cette catégorie (248)
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
Intra-annual phenology for detecting understory plant invasion in urban forests / Kunwar K. Singh in ISPRS Journal of photogrammetry and remote sensing, vol 142 (August 2018)
[article]
Titre : Intra-annual phenology for detecting understory plant invasion in urban forests Type de document : Article/Communication Auteurs : Kunwar K. Singh, Auteur ; Yin-Hsuen Chen, Auteur ; Lindsey Smart, Auteur ; Josh Gray, Auteur ; Ross K. Meentemeyer, Auteur Année de publication : 2018 Article en page(s) : pp 151 - 161 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] Caroline du Nord (Etats-Unis)
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] densité de la végétation
[Termes IGN] détection d'anomalie
[Termes IGN] espèce exotique envahissante
[Termes IGN] flore urbaine
[Termes IGN] forêt tempérée
[Termes IGN] image Landsat-TM
[Termes IGN] indice de végétation
[Termes IGN] Ligustrum sinense
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] phénologie
[Termes IGN] protection de la biodiversité
[Termes IGN] surveillance forestièreRésumé : (Auteur) Accurate and repeatable mapping of biological plant invasions is essential to develop successful management strategies for conserving native biodiversity. While overstory invasive plants have been successfully detected and mapped using multiple methods, understory invasive detection remains a challenge, particularly in dense forested environments. Very few studies have utilized an approach that identifies and aligns the acquisition timing of remote sensing imagery with peak phenological differences between understory and overstory vegetation types. We investigated this opportunity by analyzing a monthly time-series of 2011 Landsat TM data to identify acquisition periods with the highest phenological differences between understory and overstory vegetation for detecting the spatial distribution of the exotic understory plant Ligustrum sinense Lour., a rapidly spreading invader in urbanizing regions of the southeastern United States. We used vegetation indices (VI) to establish intra-annual phenological trends for L. sinense, evergreen forest, and deciduous forest located in Mecklenburg County, North Carolina, USA. We developed Random Forest (RF) models to detect L. sinense from those time steps exhibiting the highest phenological differences. We assessed the relative contribution of VI and topographic indices (TI) to the detection of L. sinense. We compared the top performing models and used the best overall model to produce a map of L. sinense for the study area. RF models that included VI, TI, and Landsat TM bands for March 13 and 29, 2011 (the periods with highest detected phenological differences), produced the highest overall accuracy and Kappa estimates, outperforming the combination of VI and TI by 8.5% in accuracy and 20.5% in Kappa. The top performing model from the RF produced a Kappa of 0.75. Our findings suggest that selecting remote sensing data for a period when phenological differences between L. sinense and forest types are at their peak can improve the detection and mapping of L. sinense. Numéro de notice : A2018-293 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.05.023 Date de publication en ligne : 15/06/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.05.023 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90411
in ISPRS Journal of photogrammetry and remote sensing > vol 142 (August 2018) . - pp 151 - 161[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2018081 RAB Revue Centre de documentation En réserve L003 Disponible 081-2018083 DEP-EXM Revue LASTIG Dépôt en unité Exclu du prêt 081-2018082 DEP-EAF Revue Nancy Dépôt en unité Exclu du prêt Assessment of Sentinel-1A data for rice crop classification using random forests and support vector machines / Nguyen-Thanh Son in Geocarto international, vol 33 n° 6 (June 2018)
[article]
Titre : Assessment of Sentinel-1A data for rice crop classification using random forests and support vector machines Type de document : Article/Communication Auteurs : Nguyen-Thanh Son, Auteur ; Chi-Farn Chen, Auteur ; Cheng-Ru Chen ; et al., Auteur Année de publication : 2018 Article en page(s) : pp 587 - 601 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] image Sentinel-SAR
[Termes IGN] Oryza (genre)
[Termes IGN] polarimétrie radar
[Termes IGN] production agricole végétale
[Termes IGN] Viet NamRésumé : (Auteur) This study developed an approach to map rice-cropping systems in An Giang and Dong Thap provinces, South Vietnam using multi-temporal Sentinel-1A (S1A) data. The data were processed through four steps: (1) data pre-processing, (2) constructing smooth time series VH backscatter data, (3) rice crop classification using random forests (RF) and support vector machines (SVM) and (4) accuracy assessment. The results indicated that the smooth VH backscatter profiles reflected the temporal characteristics of rice-cropping patterns in the study region. The comparisons between the classification results and the ground reference data indicated that the overall accuracy and Kappa coefficient achieved from RF were 86.1% and 0.72, respectively, which were slightly more accurate than SVM (overall accuracy of 83.4% and Kappa coefficient of 0.67). These results were reaffirmed by the government’s rice area statistics with the relative error in area (REA) values of 0.2 and 2.2% for RF and SVM, respectively. Numéro de notice : A2018-142 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2017.1289555 Date de publication en ligne : 13/02/2017 En ligne : https://doi.org/10.1080/10106049.2017.1289555 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89700
in Geocarto international > vol 33 n° 6 (June 2018) . - pp 587 - 601[article]Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl in Revue Française de Photogrammétrie et de Télédétection, n° 217-218 (juin - septembre 2018)
[article]
Titre : Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine Type de document : Article/Communication Auteurs : Cyril Wendl, Auteur ; Arnaud Le Bris , Auteur ; Nesrine Chehata , Auteur ; Anne Puissant, Auteur ; Tristan Postadjian , Auteur Année de publication : 2018 Projets : GeoSud / Article en page(s) : pp 87 - 97 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification pixellaire
[Termes IGN] contraste local
[Termes IGN] détection du bâti
[Termes IGN] fusion d'images
[Termes IGN] image multibande
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] régularisation
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation d'image
[Termes IGN] surface imperméableRésumé : (auteur) La fusion d'images multispectrales à très haute résolution spatiale (THR) avec des séries temporelles d'images moins résolues spatialement mais comportant plus de bandes spectrales permet d'améliorer la classification de l'occupation du sol. Elle permet en effet de tirer le meilleur parti des points forts, respectivement, géométriques et sémantiques de ces deux sources. Le travail proposé ici s'intéresse à un processus d'extraction automatique de la tache urbaine fondé sur la fusion tardive de classifications obtenues respectivement à partir d'images satellitaires Sentinel-2 et SPOT 6/7. Ces deux sources sont d'abord analysées indépendamment selon 5 classes, respectivement par Forêt Aléatoire et réseaux de neurones convolutifs. Les résultats sont alors fusionnés afin d'extraire les bâtiments le plus finement possible. Cette étape de fusion inclut une fusion au niveau pixellaire, suivie d'une étape de régularisation spatiale intégrant un terme lié au contraste de l'image. Le résultat obtenu connaît ensuite une seconde fusion afin d'en déduire la-tache urbaine en elle-même : une mesure a priori de zone urbaine est calculée à partir des objets bâtiments détectés au préalable, puis fusionnée avec une classification binaire dérivée de la classification originale des données Sentinel-2. Les résultats montrent bien la complémentarité des deux sources de données ainsi que la pertinence de l'adoption d'une stratégie de fusion tardive. Numéro de notice : A2018-512 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2018.415 En ligne : https://doi.org/10.52638/rfpt.2018.415 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91266
in Revue Française de Photogrammétrie et de Télédétection > n° 217-218 (juin - septembre 2018) . - pp 87 - 97[article]Modeling diameter distributions in radiata pine plantations in Spain with existing countrywide LiDAR data / Manuel Arias-Rodil in Annals of Forest Science, vol 75 n° 2 (June 2018)
[article]
Titre : Modeling diameter distributions in radiata pine plantations in Spain with existing countrywide LiDAR data Type de document : Article/Communication Auteurs : Manuel Arias-Rodil, Auteur ; Ulises Diéguez-Aranda, Auteur ; Juan Gabriel Álvarez-González, Auteur ; César Pérez-Cruzado, Auteur ; et al., Auteur Année de publication : 2018 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] diamètre des arbres
[Termes IGN] distance de Kolmogorov-Smirnov
[Termes IGN] données altimétriques
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] Espagne
[Termes IGN] inventaire forestier (techniques et méthodes)
[Termes IGN] Pinus radiata
[Vedettes matières IGN] Inventaire forestierRésumé : (Auteur) Key message: We evaluated the use of low-density airborne laser scanning data to estimate diameter distributions in radiata pine plantations. The moment-based parameter recovery method was used to estimate the diameter distributions, considering LiDAR metrics as explanatory variables. The fitted models explained more than 77% of the observed variability. This approach can be replicated every 6 years (temporal cover planned for countrywide LiDAR flights in Spain).
Context:The estimation of stand diameter distribution is informative for forest managers in terms of stand structure, forest growth model inputs, and economic timber value. In this sense, airborne LiDAR may represent an adequate source of information.
Aims: The objective was to evaluate the use of low-density Spanish countrywide LiDAR data for estimating diameter distributions in Pinus radiata D. Don stands in NW Spain.
Methods: The empirical distributions were obtained from 25 sample plots. We applied the moment-based parameter recovery method in combination with the Weibull function to estimate the diameter distributions, considering LiDAR metrics as explanatory variables. We evaluated the results by using the Kolmogorov–Smirnov (KS) test and a classification tree and random forest (RF) to relate the KS test result for each plot to stand-level variables.
Results: The models used to estimate average (dm) and quadratic (dg) mean diameters from LiDAR metrics, required for recovery of the Weibull parameters, explained a high percentage of the observed variance (77 and 80%, respectively), with RMSE values of 3.626 and 3.422 cm for the same variables. However, the proportion of plots accepted by the KS was low. This poor performance may be due to the strictness of the KS test and/or by the characteristics of the LiDAR flight.
Conclusion: The results justify the assessment of this approach over different species and forest types in regional or countrywide surveys.Numéro de notice : A2018-327 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s13595-018-0712-z Date de publication en ligne : 16/03/2018 En ligne : https://doi.org/10.1007/s13595-018-0712-z Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90470
in Annals of Forest Science > vol 75 n° 2 (June 2018)[article]An object-based approach for mapping forest structural types based on low-density LiDAR and multispectral imagery / Luis Angel Ruiz in Geocarto international, vol 33 n° 5 (May 2018)
[article]
Titre : An object-based approach for mapping forest structural types based on low-density LiDAR and multispectral imagery Type de document : Article/Communication Auteurs : Luis Angel Ruiz, Auteur ; Jorge Abel Recio, Auteur ; Pablo Crespo-Peremarch, Auteur ; Marta Sapena Moll, Auteur Année de publication : 2018 Article en page(s) : pp 443 - 457 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] arbre de décision
[Termes IGN] biomasse (combustible)
[Termes IGN] carte forestière
[Termes IGN] classification barycentrique
[Termes IGN] classification orientée objet
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] forêt méditerranéenne
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Worldview
[Termes IGN] modèle de simulation
[Termes IGN] structure d'un peuplement forestierRésumé : (Auteur) Mapping forest structure variables provides important information for the estimation of forest biomass, carbon stocks, pasture suitability or for wildfire risk prevention and control. The optimization of the prediction models of these variables requires an adequate stratification of the forest landscape in order to create specific models for each structural type or strata. This paper aims to propose and validate the use of an object-oriented classification methodology based on low-density LiDAR data (0.5 m−2) available at national level, WorldView-2 and Sentinel-2 multispectral imagery to categorize Mediterranean forests in generic structural types. After preprocessing the data sets, the area was segmented using a multiresolution algorithm, features describing 3D vertical structure were extracted from LiDAR data and spectral and texture features from satellite images. Objects were classified after feature selection in the following structural classes: grasslands, shrubs, forest (without shrubs), mixed forest (trees and shrubs) and dense young forest. Four classification algorithms (C4.5 decision trees, random forest, k-nearest neighbour and support vector machine) were evaluated using cross-validation techniques. The results show that the integration of low-density LiDAR and multispectral imagery provide a set of complementary features that improve the results (90.75% overall accuracy), and the object-oriented classification techniques are efficient for stratification of Mediterranean forest areas in structural- and fuel-related categories. Further work will be focused on the creation and validation of a different prediction model adapted to the various strata. Numéro de notice : A2018-140 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2016.1265595 Date de publication en ligne : 28/11/2016 En ligne : https://doi.org/10.1080/10106049.2016.1265595 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89690
in Geocarto international > vol 33 n° 5 (May 2018) . - pp 443 - 457[article]Deep convolutional neural network training enrichment using multi-view object-based analysis of Unmanned Aerial systems imagery for wetlands classification / Tao Liu in ISPRS Journal of photogrammetry and remote sensing, vol 139 (May 2018)PermalinkCartographie des défoliations du massif forestier du Pays des étangs en Lorraine : Apports potentiels de la télédétection / Thierry Bélouard in Revue forestière française, vol 70 n° 5 (2018)PermalinkMapping spatial variability of foliar nitrogen in coffee (Coffea arabica L.) plantations with multispectral Sentinel-2 MSI data / Abel Chemura in ISPRS Journal of photogrammetry and remote sensing, vol 138 (April 2018)PermalinkReal-time accurate 3D head tracking and pose estimation with consumer RGB-D cameras / David Joseph Tan in International journal of computer vision, vol 126 n° 2-4 (April 2018)PermalinkEuropean Forest Types: toward an automated classification / Francesca Giannetti in Annals of Forest Science, vol 75 n° 1 (March 2018)PermalinkHarmonic regression of Landsat time series for modeling attributes from national forest inventory data / Barry T. Wilson in ISPRS Journal of photogrammetry and remote sensing, vol 137 (March 2018)PermalinkImportant LiDAR metrics for discriminating forest tree species in Central Europe / Yifang Shi in ISPRS Journal of photogrammetry and remote sensing, vol 137 (March 2018)PermalinkAnalyse de l'incertitude et de la précision thématique de classifications GEOBIA d'une image WorldView-2 / François Messner in Revue Française de Photogrammétrie et de Télédétection, n° 216 (février 2018)PermalinkComparing the performance of flat and hierarchical Habitat/Land-Cover classification models in a NATURA 2000 site / Yoni Gavish in ISPRS Journal of photogrammetry and remote sensing, vol 136 (February 2018)PermalinkInterpreting the fuzzy semantics of natural-language spatial relation terms with the fuzzy random forest algorithm / Xiaonan Wang in ISPRS International journal of geo-information, vol 7 n° 2 (February 2018)Permalink