Centre dedocumentation
scientifique

Un été brûlant sous l’oeil des satellites / Laurent Polidori in Géomètre, n° 2173 (octobre 2019)

Public [article]  inGéomètre > n° 2173 (octobre 2019) . - pp 48 - 50 Titre : Un été brûlant sous l’oeil des satellites Type de document : Article/Communication Auteurs : Laurent Polidori, Auteur Année de publication : 2019 Article en page(s) : pp 48 - 50 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] Amazonie [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] détection d'anomalie [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] image optique [Termes descripteurs IGN] image proche infrarouge [Termes descripteurs IGN] image radar [Termes descripteurs IGN] image satellite [Termes descripteurs IGN] image Sentinel [Termes descripteurs IGN] incendie de forêt Résumé : (auteur) La variété des capteurs (optique, thermique ou radar) embarqués sur des satellites interdit désormais la dissimulation des évolutions naturelles ou artificielles qui engendrent des transformations des territoires. Le Brésil l'a constaté cet été... Numéro de notice : A2019-488 Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93686 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
063-2019091	SL	Revue	Centre de documentation	Revues en salle	Disponible

Sea level prediction in the Yellow Sea from satellite altimetry with a combined least squares-neural network approach / Jian Zhao in Marine geodesy, vol 42 n° 4 (July 2019)  

Public [article]  inMarine geodesy > vol 42 n° 4 (July 2019) . - pp 344 - 366 Titre : Sea level prediction in the Yellow Sea from satellite altimetry with a combined least squares-neural network approach Type de document : Article/Communication Auteurs : Jian Zhao, Auteur ; Yanguo Fan, Auteur ; Yuxiang Mu, Auteur Année de publication : 2019 Article en page(s) : pp 344 - 366 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie physique [Termes descripteurs IGN] changement du niveau de la mer [Termes descripteurs IGN] détection d'anomalie [Termes descripteurs IGN] données altimétriques [Termes descripteurs IGN] données Jason [Termes descripteurs IGN] données Topex-Poseidon [Termes descripteurs IGN] image ERS-SAR [Termes descripteurs IGN] méthode des moindres carrés [Termes descripteurs IGN] Pacifique nord [Termes descripteurs IGN] prévision [Termes descripteurs IGN] réseau neuronal artificiel [Termes descripteurs IGN] série temporelle Résumé : (auteur) Accessible high-quality observation datasets and proper modeling process are critically required to accurately predict sea level rise in coastal areas. This study focuses on developing and validating a combined least squares-neural network approach applicable to the short-term prediction of sea level variations in the Yellow Sea, where the periodic terms and linear trend of sea level change are fitted and extrapolated using the least squares model, while the prediction of the residual terms is performed by several different types of artificial neural networks. The input and output data used are the sea level anomalies (SLA) time series in the Yellow Sea from 1993 to 2016 derived from ERS-1/2, Topex/Poseidon, Jason-1/2, and Envisat satellite altimetry missions. Tests of different neural network architectures and learning algorithms are performed to assess their applicability for predicting the residuals of SLA time series. Different neural networks satisfactorily provide reliable results and the root mean square errors of the predictions from the proposed combined approach are less than 2 cm and correlation coefficients between the observed and predicted SLA are up to 0.87. Results prove the reliability of the combined least squares-neural network approach on the short-term prediction of sea level variability close to the coast. Numéro de notice : A2019-281 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/01490419.2019.1626306 date de publication en ligne : 12/06/2019 En ligne : https://doi.org/10.1080/01490419.2019.1626306 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93115 [article]

The necessary yet complex evaluation of 3D city models: a semantic approach / Oussama Ennafii (2019)    

Public contenu dans JURSE 2019, Joint Urban Remote Sensing Event / T. Corpetti (2019)   Titre : The necessary yet complex evaluation of 3D city models: a semantic approach Type de document : Article/Communication Auteurs : Oussama Ennafii , Auteur ; Clément Mallet , Auteur ; Arnaud Le Bris , Auteur ; Florent Lafarge, Auteur Congrès : JURSE 2019, Joint Urban Remote Sensing Event (22 - 24 mai 2019; Vannes, France) , Commanditaire Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2019 Autre Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Projets : 1-Pas de projet / Importance : 4 p. Format : 21 x 30 cm Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] compréhension de l'image [Termes descripteurs IGN] détection d'anomalie [Termes descripteurs IGN] image à très haute résolution [Termes descripteurs IGN] modèle 3D de l'espace urbain [Termes descripteurs IGN] précision sémantique [Termes descripteurs IGN] taxinomie Résumé : (Auteur) The automatic modeling of urban scenes in 3D from geospatial data has been studied for more than thirty years.However, the output models still have to undergo a tedious task of correction at city scale. In this work, we propose an approach for automatically evaluating the quality of 3D building models.A taxonomy of potential errors is first proposed. Handcrafted features are computed, based on the geometric properties of buildings and, when available, Very High Resolution images and depth data. They are fed into a Random Forest classifier for the prediction of the quality of the models. We tested our framework on three distinct urban areas in France. We can satisfactorily detect, on average 96% of the most frequent errors. Numéro de notice : C2019-001 Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/JURSE.2019.8809002 date de publication en ligne : 22/08/2019 En ligne : https://doi.org/10.1109/JURSE.2019.8809002 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92103

Documents numériques

en open access The necessary yet complex evaluation of 3D city models - pdf auteur Adobe Acrobat PDF

Le vandalisme dans l’information géographique volontaire, détection de l’IG volontaire vandalisée : du concept à la détection non supervisée d’anomalie / Quy Thy Truong in Revue internationale de géomatique, vol 29 n° 1 (janvier - mars 2019)  

Public [article]  inRevue internationale de géomatique > vol 29 n° 1 (janvier - mars 2019) . - pp 31 - 56 Titre : Le vandalisme dans l’information géographique volontaire, détection de l’IG volontaire vandalisée : du concept à la détection non supervisée d’anomalie Type de document : Article/Communication Auteurs : Quy Thy Truong , Auteur ; Guillaume Touya , Auteur ; Cyril de Runz, Auteur Année de publication : 2019 Article en page(s) : pp 31 - 56 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Information géographique [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] détection d'anomalie [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] OpenStreetMap Résumé : (Auteur) Dans un contexte où le vandalisme de l’information géographique volontaire constitue une réelle menace pour la qualité des données, cet article propose une technique permettant de le détecter. Tout d’abord, nous examinons les différentes définitions du vandalisme, mettant en avant la complexité de cette notion. Une étude des cas déjà avérés de vandalisme dans OpenStreetMap (OSM) est présentée. Puis, nous expérimentons la détection du vandalisme des données OSM en utilisant une méthode de détection d’anomalie par classification non supervisée. L’analyse de nos résultats initiaux conduit alors à une discussion sur la pertinence de construire un corpus de vandalisme des données OSM utilisable dans un contexte de classification supervisée. Numéro de notice : A2019-570 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3166/rig.2019.00073 date de publication en ligne : 23/12/2019 En ligne : https://doi.org/10.3166/rig.2019.00073 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94441 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
047-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible

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)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 142 (August 2018) . - pp 151 - 161 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 descripteurs IGN] Caroline du Nord (Etats-Unis) [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] densité de la végétation [Termes descripteurs IGN] détection d'anomalie [Termes descripteurs IGN] espèce exotique envahissante [Termes descripteurs IGN] flore urbaine [Termes descripteurs IGN] forêt tempérée [Termes descripteurs IGN] image Landsat-TM [Termes descripteurs IGN] indice de végétation [Termes descripteurs IGN] Ligustrum sinense [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] phénologie [Termes descripteurs IGN] protection de la biodiversité [Termes descripteurs IGN] surveillance forestière Résumé : (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 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 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2018081	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2018083	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2018082	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Towards vandalism detection in OpenStreetMap through a data driven approach [short paper] / Quy Thy Truong (2018)    

Permalink

Band subset selection for anomaly detection in hyperspectral imagery / Lin Wang in IEEE Transactions on geoscience and remote sensing, vol 55 n° 9 (September 2017)  

Permalink

Detection of inconsistencies in geospatial data with geostatistics / Adriana Maria Rocha Trancoso Santos in Boletim de Ciências Geodésicas, vol 23 n° 2 (abr - jun 2017)  

Permalink

A spatial anomaly points and regions detection method using multi-constrained graphs and local density / Yan Shi in Transactions in GIS, vol 21 n° 2 (April 2017)  

Permalink

New iterative learning strategy to improve classification systems by using outlier detection techniques / Charlotte Pelletier (2017)  

Permalink

A robust background regression based score estimation algorithm for hyperspectral anomaly detection / Zhao Rui in ISPRS Journal of photogrammetry and remote sensing, vol 122 (December 2016)  

Permalink

A tensor decomposition-based anomaly detection algorithm for hyperspectral image / Xing Zhang in IEEE Transactions on geoscience and remote sensing, vol 54 n° 10 (October 2016)  

Permalink

Real-time cycle-slip detection and repair for BeiDou triple-frequency undifferenced observations / Y.-F. Yao in Survey review, vol 48 n° 350 (September 2016)  

Permalink

Geometrical consistency voting strategy for outlier detection in image matching / Luping Lu in Photogrammetric Engineering & Remote Sensing, PERS, vol 82 n° 7 (juillet 2016)  

Permalink

Personal mobility pattern mining and anomaly detection in the GPS era / Dong-He Shih in Cartography and Geographic Information Science, Vol 43 n° 1 (January 2016)  

Permalink