Centre dedocumentation
scientifique

Discriminant analysis for lodging severity classification in wheat using RADARSAT-2 and Sentinel-1 data / Sugandh Chauhan in ISPRS Journal of photogrammetry and remote sensing, vol 164 (June 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 164 (June 2020) . - pp 138 - 151 Titre : Discriminant analysis for lodging severity classification in wheat using RADARSAT-2 and Sentinel-1 data Type de document : Article/Communication Auteurs : Sugandh Chauhan, Auteur ; Roshanak Darvishzadeh, Auteur ; Mirco Boschetti, Auteur ; Andrew Nelson, Auteur Année de publication : 2020 Article en page(s) : pp 138 - 151 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] agrégation [Termes descripteurs IGN] analyse diachronique [Termes descripteurs IGN] analyse discriminante [Termes descripteurs IGN] blé (céréale) [Termes descripteurs IGN] courbure [Termes descripteurs IGN] gestion prévisionnelle [Termes descripteurs IGN] image Radarsat [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] Italie [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] méthode des moindres carrés [Termes descripteurs IGN] rendement agricole [Termes descripteurs IGN] surveillance agricole Résumé : (auteur) Crop lodging - the bending of crop stems from their upright position or the failure of root-soil anchorage systems - is a major yield-reducing factor in wheat and causes deterioration of grain quality. The severity of lodging can be measured by a lodging score (LS)- an index calculated from the crop angle of inclination (CAI) and crop lodged area (LA). LS is difficult and time consuming to measure manually meaning that information on lodging occurrence and severity is limited and sparse. Remote sensing-based estimates of LS can provide more timely, synoptic and reliable information on crop lodging across vast areas. This information could improve estimates of crop yield losses, inform insurance loss adjusters and influence management decisions for subsequent seasons. This research - conducted in the 600 ha wheat sown area in the Bonifiche Ferraresi farm, located in Jolanda di Savoia, Ferrara, Italy - evaluated the performance of RADARSAT-2 and Sentinel-1 data to discriminate and classify lodging severity based on field measured LS. We measured temporal crop status characteristics related to lodging (e.g. lodged area, CAI, crop height) and collected relevant meteorological data (wind speed and rainfall) throughout May-June 2018. These field measurements were used to distinguish healthy (He) wheat from lodged wheat with different degrees of lodging severity (moderate, severe and very severe). We acquired multi-incidence angle (FQ8-27° and FQ21-41°) RADARSAT-2 and Sentinel-1 (40°) images and derived multiple metrics from them to discriminate and classify lodging severity. As a part of our data exploration, we performed a correlation analysis between the image-based metrics and LS. Next, a multi-temporal discriminant analysis approach, including a partial least squares (PLS-DA) method, was developed to classify lodging severities. We used the area under the curve-receiver operating characteristics (AUC-ROC) and confusion matrices to evaluate the accuracy of the PLS-DA classification models. Results show that (1) volume scattering components were highly correlated with LS at low incidence angles while double and surface scattering was more prevalent at high incidence angles; (2) lodging severity was best classified using low incidence angle R-FQ8 data (overall accuracy 72%) and (3) the Sentinel-1 data-based classification model was able to correctly identify 60% of the lodging severity cases in the study site. The results from this first study on classifying lodging severity using satellite-based SAR platforms suggests that SAR-based metrics can capture a substantial proportion of the observed variation in lodging severity, which is important in the context of operational crop lodging assessment in particular, and sustainable agriculture in general. Numéro de notice : A2020-276 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.04.012 date de publication en ligne : 29/04/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.04.012 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95087 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020061	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020063	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020062	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Street-Frontage-Net: urban image classification using deep convolutional neural networks / Stephen Law in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 681- 707 Titre : Street-Frontage-Net: urban image classification using deep convolutional neural networks Type de document : Article/Communication Auteurs : Stephen Law, Auteur ; Chanuki Illushka Seresinhe, Auteur ; Yao Shen, Auteur Année de publication : 2020 Article en page(s) : pp 681- 707 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] espace public [Termes descripteurs IGN] évaluation foncière [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] façade [Termes descripteurs IGN] habitat urbain [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] immobilier (secteur) [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] Londres [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] Paris (75) [Termes descripteurs IGN] paysage urbain [Termes descripteurs IGN] urbanisme [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) Quantifying aspects of urban design on a massive scale is crucial to help develop a deeper understanding of urban designs elements that contribute to the success of a public space. In this study, we further develop the Street-Frontage-Net (SFN), a convolutional neural network (CNN) that can successfully evaluate the quality of street frontage as either being active (frontage containing windows and doors) or blank (frontage containing walls, fences and garages). Small-scale studies have indicated that the more active the frontage, the livelier and safer a street feels. However, collecting the city-level data necessary to evaluate street frontage quality is costly. The SFN model uses a deep CNN to classify the frontage of a street. This study expands on the previous research via five experiments. We find robust results in classifying frontage quality for an out-of-sample test set that achieves an accuracy of up to 92.0%. We also find active frontages in a neighbourhood has a significant link with increased house prices. Lastly, we find that active frontage is associated with more scenicness compared to blank frontage. While further research is needed, the results indicate the great potential for using deep learning methods in geographic information extraction and urban design. Numéro de notice : A2020-110 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1555832 date de publication en ligne : 26/12/2018 En ligne : https://doi.org/10.1080/13658816.2018.1555832 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94712 [article]

Cartographie des défoliations du massif forestier du Pays des étangs en Lorraine : Apports potentiels de la télédétection / Thierry Bélouard in Revue forestière française [en ligne], vol 70 n° 5 (2018)  

Public [article]  inRevue forestière française [en ligne] > vol 70 n° 5 (2018) . - pp 473 - 486 Titre : Cartographie des défoliations du massif forestier du Pays des étangs en Lorraine : Apports potentiels de la télédétection Type de document : Article/Communication Auteurs : Thierry Bélouard, Auteur ; Hubert Schmuck, Auteur ; Louis-Michel Nageleisen, Auteur ; Dominique Guyon, Auteur Année de publication : 2019 Article en page(s) : pp 473 - 486 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse diachronique [Termes descripteurs IGN] BD forêt [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] chênaie [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] défoliation [Termes descripteurs IGN] image Landsat [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Terra-MODIS [Termes descripteurs IGN] Lorraine [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] Moselle (57) [Termes descripteurs IGN] quercus pedunculata [Termes descripteurs IGN] santé des forêts [Termes descripteurs IGN] Sarrebourg Résumé : (auteur) Depuis le début des années 2000, les chênaies du massif forestier du Pays des étangs en Lorraine, massif essentiellement feuillu, subissent des dépérissements importants, aux causes multiples (insectes défoliateurs, sécheresse et canicule de 2003). La chenille processionnaire du chêne y joue un rôle essentiel en provoquant de nombreuses et importantes défoliations depuis les années 1990. Cette étude exploratoire montre qu’en s’appuyant sur des observations de terrain comme données de référence, une cartographie des défoliations des années 2010 peut être réalisée à partir d’images satellitaires. La méthode s’appuie sur des images à moyenne (MODIS) et haute (Landsat) résolutions spatiales, acquises à plusieurs dates dans l’année, d’une part, et sur une méthode de classification supervisée basée sur les forêts aléatoires d’arbres de décision, d’autre part. Une extrapolation permet d’avoir des indications sur le niveau des défoliations localement. Des améliorations de la méthode sur plusieurs points (meilleure adéquation entre les observations de terrain et les images, utilisation des images satellitaires Sentinel-2, choix des prédicteurs issus des images) sont envisagées afin de l’utiliser pour d’autres forêts subissant également d’importantes défoliations. Numéro de notice : A2018-650 Thématique : FORET Nature : Article DOI : 10.4267/2042/70132 date de publication en ligne : 25/04/2019 En ligne : https://doi.org/10.4267/2042/70132 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93429 [article]

Evaluating EO1-Hyperion capability for mapping conifer and broadleaved forests / Nicola Puletti in European journal of remote sensing, vol 49 (2016)  

Public [article]  inEuropean journal of remote sensing > vol 49 (2016) . - pp 157 - 169 Titre : Evaluating EO1-Hyperion capability for mapping conifer and broadleaved forests Type de document : Article/Communication Auteurs : Nicola Puletti, Auteur ; Nicola Camarretta, Auteur ; Piermaria Corona, Auteur Année de publication : 2016 Article en page(s) : pp 157 - 169 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] feuillu [Termes descripteurs IGN] forêt [Termes descripteurs IGN] image EO1-Hyperion [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] pinophyta [Termes descripteurs IGN] régression multivariée par spline adaptative Résumé : (auteur) The objective of the present study is the comparison of the combined use of Earth Observation-1 (EO-1) Hyperion Hyperspectral images with the Random Forest (RF), Support Vector Machines (SVM) and Multivariate Adaptive Regression Splines (MARS) classifiers for discriminating forest cover groups, namely broadleaved and coniferous forests. Statistics derived from classification confusion matrix were used to assess the accuracy of the derived thematic maps. We demonstrated that Hyperion data can be effectively used to obtain rapid and accurate large-scale mapping of main forest types (conifers-broadleaved). We also verified higher capability of Hyperion imagery with respect to Landsat data to such an end. Results demonstrate the ability of the three tested classification methods, with small improvements given by SVM in terms of overall accuracy and kappa statistic. Numéro de notice : A2016-832 Thématique : FORET/IMAGERIE Nature : Article En ligne : http://dx.doi.org/10.5721/EuJRS20164909 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=82716 [article]

µ-shapes: Delineating urban neighborhoods using volunteered geographic information / Matt Aadland in Journal of Spatial Information Science (JoSIS), n° 12 (March 2016)  

Public [article]  inJournal of Spatial Information Science (JoSIS) > n° 12 (March 2016) . - pp 29 - 43 Titre : µ-shapes: Delineating urban neighborhoods using volunteered geographic information Type de document : Article/Communication Auteurs : Matt Aadland, Auteur ; Christopher Farah, Auteur ; Kevin Magee, Auteur Année de publication : 2016 Article en page(s) : pp 29 - 43 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes descripteurs IGN] analyse de variance [Termes descripteurs IGN] centroïde [Termes descripteurs IGN] délimitation [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] répertoire toponymique [Termes descripteurs IGN] sous ensemble flou [Termes descripteurs IGN] traitement de données localisées [Termes descripteurs IGN] voisinage (topologie) [Termes descripteurs IGN] zone urbaine Résumé : (auteur) Urban neighborhoods are a unique form of geography in that their boundaries rely on a social definition rather than a well-defined physical or administrative boundary. Currently, geographic gazetteers capture little more than then the centroid of a neighborhood, limiting potential applications of the data. In this paper, we present µ-shapes, an algorithm that employs fuzzy-set theory to model neighborhood boundaries suitable for populating gazetteers using volunteered geographic information (VGI). The algorithm is evaluated using a reference dataset and VGI from the Map Kibera Project. A confusion matrix comparison between the reference dataset and µ-shape's output demonstrated high sensitivity and accuracy. Analysis of variance indicated that the algorithm was able to distinguish between boundary and interior blocks. This suggests that, given the existing state of GIS technology, the µ-shapes algorithm can enable neighborhood-related queries that incorporate spatial uncertainty, e.g., find all restaurants within the core of a neighborhood. Numéro de notice : A2016-954 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : http://dx.doi.org/10.5311/JOSIS.2016.12.240 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83466 [article]

Assessment of the cover changes and the soil loss potential in European forestland: First approach to derive indicators to capture the ecological impacts on soil-related forest ecosystems / P. Borrelli in Ecological indicators, vol 60 (January 2016)  

Permalink

Développement d'outils et de méthodes pour l'estimation de la qualité des résultats de classification / Zhour Najoui (2013)

Permalink

Estimation de la qualité des résultats [d'une] classification sous ENVI / Nidal Aburajab (2013)

Permalink

Fusion de données lidar et multispectrales / Ophélie Sinagra (2013) 

Permalink

Study of land cover datasets / Jean Portemer (2013) 

Permalink

Traitements numériques des images de télédétection, Vol. 3. Traitements appliqués à la photo-interprétation / Olivier de Joinville (2012)

Permalink

Classification orientée-objet supervisée d'une forêt avec une sélection guidée d'attributs personnalisés / Olivier de Joinville in Revue Française de Photogrammétrie et de Télédétection, n° 195 (Novembre 2011)

Permalink

Consistency of accuracy assessment indices for soft classification: simulation analysis / J. Chen in ISPRS Journal of photogrammetry and remote sensing, vol 65 n° 2 (March - April 2010)

Permalink

Forest object-oriented classification with customized and automatic attribute selection / Olivier de Joinville (2010)    

Permalink

Determination of robust spectral features for identification of urban surface materials in hyperspectral remote sensing data / U. Heiden in Remote sensing of environment, vol 111 n° 4 (28/12/2007)

Permalink