Descripteur
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesEtendre la recherche sur niveau(x) vers le bas
How do species and data characteristics affect species distribution models and when to use environmental filtering? / Lukáš Gábor in International journal of geographical information science IJGIS, vol 34 n° 8 (August 2020)
Titre : How do species and data characteristics affect species distribution models and when to use environmental filtering? Type de document : Article/Communication Auteurs : Lukáš Gábor, Auteur ; Vítězslav Moudrý, Auteur ; Vojtěch Barták, Auteur ; Vincent Lecours, Auteur Année de publication : 2020 Article en page(s) : pp 1567 - 1584 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes descripteurs IGN] distribution spatiale
[Termes descripteurs IGN] données environnementales
[Termes descripteurs IGN] données localisées
[Termes descripteurs IGN] échantillonnage (statistique)
[Termes descripteurs IGN] entropie maximale
[Termes descripteurs IGN] erreur d'échantillon
[Termes descripteurs IGN] filtrage d'information
[Termes descripteurs IGN] interaction spatialeRésumé : (auteur) Species distribution models (SDMs) are widely used in ecology and conservation. However, their performance is known to be affected by a variety of factors related to species occurrence characteristics. In this study, we used a virtual species approach to overcome the difficulties associated with testing of combined effects of those factors on performance of presence-only SDMs when using real data. We focused on the individual and combined roles of factors related to response variable (i.e. sample size, sampling bias, environmental filtering, species prevalence, and species response to environmental gradients). Results suggest that environmental filtering is not necessarily helpful and should not be performed blindly, without evidence of bias in species occurrences. The more gradual the species response to environmental gradients is, the greater is the model sensitivity to an inappropriate use of environmental filtering, although this sensitivity decreases with higher species prevalence. Results show that SDMs are affected to the greatest degree by the species response to environmental gradients, species prevalence, and sample size. Models’ accuracy decreased with sample size below 300 presences. Furthermore, a high level of interactions among individual factors was observed. Ignoring the combined effects of factors may lead to misleading outcomes and conclusions. Numéro de notice : A2020-414 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2019.1615070 date de publication en ligne : 14/05/2019 En ligne : https://doi.org/10.1080/13658816.2019.1615070 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95465
in International journal of geographical information science IJGIS > vol 34 n° 8 (August 2020) . - pp 1567 - 1584[article]
Titre : Learning evolving user’s behaviors on location-based social networks Type de document : Article/Communication Auteurs : Ruizhi Wu, Auteur ; Guangchun Luo, Auteur ; Qi jin, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 713 – 743 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes descripteurs IGN] comportement
[Termes descripteurs IGN] données localisées des bénévoles
[Termes descripteurs IGN] filtrage d'information
[Termes descripteurs IGN] géopositionnement
[Termes descripteurs IGN] interaction homme-milieu
[Termes descripteurs IGN] modèle dynamique
[Termes descripteurs IGN] réseau social géodépendant
[Termes descripteurs IGN] utilisateurRésumé : (auteur) With the popularity of smart phones, users’ activities on location-based social networks (LBSNs) evolve faster than traditional social networks. Existing models focus on modeling users’ long-term preferences, leveraging social collaborative filtering to enhance prediction performance. However, the dynamic mobility mechanism of user’s check-in behaviors on LBSNs is seldom considered. In this paper, we propose a new dynamic model that considers both geo-aware user preferences and the social interaction excitation arising from social connections to learn the dynamic mobility mechanism of user’s behaviors on LBSNs. Geo-aware location features, such as semantic features, latent features and dynamic features, are utilized to characterize the location information and reveal the evolution of the geographical impact of location. These geo-aware location features enable us to exploit user’s personal preferences. Meanwhile, we integrate a user’s social connections and friends’ preferences for modeling social interaction excitations. Finally, we jointly incorporate geo-aware user preference learning and social interaction excitation modeling to create a conditional intensity function for temporal point processes with which to explore the dynamic mobility mechanism of evolving user’s check-in behaviors on LBSNs. Extensive experiments on several real-world check-in datasets confirm that our proposed algorithm performs better than existing state-of-the-art methods. Numéro de notice : A2020-372 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10707-020-00400-3 date de publication en ligne : 16/03/2020 En ligne : https://doi.org/10.1007/s10707-020-00400-3 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95267
in Geoinformatica [en ligne] > vol 24 n° 3 (July 2020) . - pp 713 – 743[article]
Titre : A Single Model CNN for Hyperspectral Image Denoising Type de document : Article/Communication Auteurs : Alessandro Maffei, Auteur ; Juan Mario Haut, Auteur ; Mercedes Eugenia Paoletti, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 2516 - 2529 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes descripteurs IGN] apprentissage profond
[Termes descripteurs IGN] bande spectrale
[Termes descripteurs IGN] classification par réseau neuronal convolutif
[Termes descripteurs IGN] filtrage d'information
[Termes descripteurs IGN] filtrage du bruit
[Termes descripteurs IGN] image hyperspectrale
[Termes descripteurs IGN] information géographique
[Termes descripteurs IGN] signature spectraleRésumé : (auteur) Denoising is a common preprocessing step prior to the analysis and interpretation of hyperspectral images (HSIs). However, the vast majority of methods typically adopted for HSI denoising exploit architectures originally developed for grayscale or RGB images, exhibiting limitations when processing high-dimensional HSI data cubes. In particular, traditional methods do not take into account the high spectral correlation between adjacent bands in HSIs, which leads to unsatisfactory denoising performance as the rich spectral information present in HSIs is not fully exploited. To overcome this limitation, this article considers deep learning models—such as convolutional neural networks (CNNs)—to perform spectral–spatial HSI denoising. The proposed model, called HSI single denoising CNN (HSI-SDeCNN), efficiently takes into consideration both the spatial and spectral information contained in HSIs. Experimental results on both synthetic and real data demonstrate that the proposed HSI-SDeCNN outperforms other state-of-the-art HSI denoising methods. Source code: https://github.com/mhaut/HSI-SDeCNN Numéro de notice : A2020-199 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2952062 date de publication en ligne : 26/11/2020 En ligne : https://doi.org/10.1109/TGRS.2019.2952062 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94869
in IEEE Transactions on geoscience and remote sensing > vol 58 n° 4 (April 2020) . - pp 2516 - 2529[article]
Titre : Using real polar ground gravimetry data to solve the GOCE polar gap problem in satellite-only gravity field recovery Type de document : Article/Communication Auteurs : Biao Lu, Auteur ; Christoph Förste, Auteur ; Franz Barthelmes, Auteur ; et al., Auteur Année de publication : 2020 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie physique
[Termes descripteurs IGN] anomalie de pesanteur
[Termes descripteurs IGN] Antarctique
[Termes descripteurs IGN] Arctique
[Termes descripteurs IGN] champ de gravitation
[Termes descripteurs IGN] données GOCE
[Termes descripteurs IGN] données GRACE
[Termes descripteurs IGN] Earth Gravity Model 2008
[Termes descripteurs IGN] filtrage d'information
[Termes descripteurs IGN] levé gravimétrique
[Termes descripteurs IGN] modèle de géopotentiel
[Termes descripteurs IGN] zone polaireRésumé : (auteur) With the successful completion of European Space Agency (ESA)’s PolarGAP campaign, ground gravity data are now available for both polar regions. Therefore, it is now possible to solve the GOCE polar gap problem in satellite-only gravity field recovery by using additional polar ground gravity data instead of some regularization methods. However, ground gravimetry data need to be filtered to remove the short-wavelength information beyond a certain harmonic degree to avoid spectral leakage when inferring satellite-only gravity field models. For the Arctic, the ArcGP data set was successfully applied when inferring the high-resolution gravity field model EGM2008 which could be used for this filtering there. For Antarctica, a combination of latest airborne gravimetry data from ESA’s PolarGap campaign and some previous gravity data was recently published which was irregularly distributed in space and still had some small gaps within the GOCE south polar gap. Therefore, we proposed a point mass modeling method for this filtering which was similar to the way using EGM2008 for such filtering to the ground gravity data in the Arctic. Furthermore, a variance component estimation was applied to combine the normal equations from the different sources to build a global gravity field model called IGGT_R1C. Then, this model’s accuracy was evaluated by comparison with other gravity field models in terms of difference degree amplitudes, gravity anomaly differences as well as external checking by obit adjustment and gravity data in the GOCE polar gap areas. This gravity field model performed well globally according to these checking results; especially, the RMS of the residuals between the filtered gravity data and that calculated from IGGT_R1C was the smallest (2.6 mGal in the Arctic and 5.4 mGal in Antarctica) compared with that of the relevant satellite-only gravity field models, e.g., GOCO05s. Therefore, the disturbing impact of the GOCE polar data gap problem could be solved by adding the polar ground gravity data. Numéro de notice : A2020-155 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s00190-020-01361-z date de publication en ligne : 25/02/2020 En ligne : https://doi.org/10.1007/s00190-020-01361-z Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94805
in Journal of geodesy > Vol 94 n°3 (March 2020)[article]
Titre : Développement d’outils web de data visualization : valorisation de données d’îlots de chaleur urbain Type de document : Mémoire Auteurs : Edson Olivares Medina, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 43 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes descripteurs IGN] aide à la décision
[Termes descripteurs IGN] analyse des besoins
[Termes descripteurs IGN] ArcGIS
[Termes descripteurs IGN] climat urbain
[Termes descripteurs IGN] filtrage d'information
[Termes descripteurs IGN] ilot thermique urbain
[Termes descripteurs IGN] interface de programmation
[Termes descripteurs IGN] Javascript (langage de script)
[Termes descripteurs IGN] Python (langage de programmation)
[Termes descripteurs IGN] valorisation des données
[Termes descripteurs IGN] visualisation cartographique
[Termes descripteurs IGN] visualisation de donnéesIndex. décimale : PROJET Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Le Cerema Sud-Ouest a un besoin fort en valorisation des données. En effet, il produit des cartographies dans plusieurs domaines, particulièrement dans celui du climat urbain (îlot de chaleur urbain). Cependant, l’établissement aimerait avoir à disposition des outils informatiques leur permettant de pouvoir mettre en valeur, de manière simple, leurs données produites afin de mieux les exploiter. L’objectif de mon stage est d’explorer une solution de Dataviz. Cette notion représente la vulgarisation de la donnée grâce à des diagrammes et de la cartographie web, elle est d’une grande aide à la prise de décision. Tout d’abord, j’ai mené une analyse du besoin pour mieux identifier les attentes du Cerema. Ensuite, après avoir réalisé une étude technique afin de choisir les technologies les plus adaptées, j’ai été amené à mettre l’outil en ligne et à disposition de l’équipe du Cerema. J’ai ainsi réalisé deux applications : la première qui est interne au Cerema et qui sera utilisée par des chargés d’étude dans le but de comparer des algorithmes de classification en LCZ, la deuxième qui permet de visualiser les données de l’algorithme qui sera retenu par les personnes ayant comparé les résultats. Tout cela en mettant en valeur, de façon synthétique, les informations devant être communiquées. Note de contenu : Introduction
1 Au Cerema, un besoin fort de la valorisation des données
1.1 La Data Visualization et l’objectif du stage
1.2 Analyse du besoin
2 Étude technique
2.1 Choix du framework Python : Dash - Bokeh
2.2 API Cartographique
2.3 Architecture de l’application
3 Résultats et mise en ligne
3.1 Données de travail
3.2 Limites de l’outil et résultats intermédiaires
3.3 Mise en ligne de l’application
4 Gestion du stage et retour d’expérience
4.1 Conditions particulières et organisation du travail
4.2 Bilan personnel du stage
ConclusionNuméro de notice : 26353 Thématique : GEOMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Cerema Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95784 Documents numériques
peut être téléchargé
Développement d’outils web de data visualization... - pdf auteurAdobe Acrobat PDF
