Centre dedocumentation
scientifique

Application of various strategies and methodologies for landslide susceptibility maps on a basin scale: the case study of Val Tartano, Italy / Vasil Yordanov in Applied geomatics, vol 12 n° 4 (December 2020)  

Public [article]  inApplied geomatics > vol 12 n° 4 (December 2020) . - 23 p. Titre : Application of various strategies and methodologies for landslide susceptibility maps on a basin scale: the case study of Val Tartano, Italy Type de document : Article/Communication Auteurs : Vasil Yordanov, Auteur ; Maria Antonia Brovelli, Auteur Année de publication : 2020 Article en page(s) : 23 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse de sensibilité [Termes descripteurs IGN] cartographie des risques [Termes descripteurs IGN] cartographie géomorphologique [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] effondrement de terrain [Termes descripteurs IGN] figuré linéaire [Termes descripteurs IGN] indice de risque [Termes descripteurs IGN] inventaire [Termes descripteurs IGN] Lombardie [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] modèle numérique de terrain [Termes descripteurs IGN] modèle statistique [Termes descripteurs IGN] régression logistique Résumé : (auteur) Landslide susceptibility mapping is a crucial initial step in risk mitigation strategies. Landslide hazards are widely spread all over the world and, as such, mapping the relevant susceptibility levels is in constant research and development. As a result, numerous modelling techniques and approaches have been adopted by scholars, implementing these models at different scales and with different terrains, in search of the best-performing strategy. Nevertheless, a direct comparison is not possible unless the strategies are implemented under the same environmental conditions and scenarios. The aim of this work is to implement three statistical-based models (Statistical Index, Logistic Regression, and Random Forest) at the basin scale, using various scenarios for the input datasets (terrain variables), training samples and ratios, and validation metrics. A reassessment of the original input data was carried out to improve the model performance. In total, 79 maps were obtained using different combinations with some highly satisfactory outcomes and others that are barely acceptable. Random Forest achieved the highest scores in most of the cases, proving to be a reliable modelling approach. While Statistical Index passes the evaluation tests, most of the resulting maps were considered unreliable. This research highlighted the importance of a complete and up-to-date landslide inventory, the knowledge of local conditions, as well as the pre- and post-analysis evaluation of the input and output combinations. Numéro de notice : A2020-695 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article DOI : 10.1007/s12518-020-00344-1 date de publication en ligne : 09/11/2020 En ligne : https://doi.org/10.1007/s12518-020-00344-1 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96244 [article]

Landslide susceptibility mapping using maximum entropy and support vector machine models along the highway corridor, Garhwal Himalaya / Vijendra Kumar Pandey in Geocarto international, vol 35 n° 2 ([01/02/2020])  

Public [article]  inGeocarto international > vol 35 n° 2 [01/02/2020] . - pp 168 - 187 Titre : Landslide susceptibility mapping using maximum entropy and support vector machine models along the highway corridor, Garhwal Himalaya Type de document : Article/Communication Auteurs : Vijendra Kumar Pandey, Auteur ; Hamid Reza Pourghasemi, Auteur ; Milap Chand Sharma, Auteur Année de publication : 2020 Article en page(s) : pp 168 - 187 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] autoroute [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] effondrement de terrain [Termes descripteurs IGN] entropie maximale [Termes descripteurs IGN] Himalaya [Termes descripteurs IGN] image IRS-LISS [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] Linear Imaging Self-Scanning System [Termes descripteurs IGN] modèle statistique [Termes descripteurs IGN] mousson [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] séparateur à vaste marge [Termes descripteurs IGN] test statistique Résumé : (Auteur) The main objective of this study to produce landslide susceptibility zones using maximum entropy (MaxEnt) and support vector machine (SVM) data-driven models along the Tipari to Ghuttu highway corridors in the Garhwal Himalaya. A landslide inventory has been prepared through field surveys and LISS-IV and Landsat 8 satellite images. The datasets of 85 landslides were categorised into training and test sets. In this study 11 landslide conditioning variables were used that are; altitude, slope angle, aspect, plan curvature, topographic wetness index, normalised difference vegetation index (NDVI), land use, soil texture, distance to rivers, distance to faults, and distance to the road. The result produced using MaxEnt and SVM model were subsequently validated using receiver operating characteristics curve (ROC) with test sets of landslide dataset. Both the models have good prediction capabilities. MaxEnt has ROC value of 0.78 while SVM has the highest prediction rate of 0.85. Numéro de notice : A2020-036 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1510038 date de publication en ligne : 20/09/2018 En ligne : https://doi.org/10.1080/10106049.2018.1510038 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94519 [article]

Detecting arbitrarily shaped clusters in origin-destination flows using ant colony optimization / Si Song in International journal of geographical information science IJGIS, Vol 33 n° 1-2 (January - February 2019)  

Public [article]  inInternational journal of geographical information science IJGIS > Vol 33 n° 1-2 (January - February 2019) . - pp 134 - 154 Titre : Detecting arbitrarily shaped clusters in origin-destination flows using ant colony optimization Type de document : Article/Communication Auteurs : Si Song, Auteur ; Tao Pei, Auteur ; Ting Ma, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 134 - 154 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] migration pendulaire [Termes descripteurs IGN] modèle statistique [Termes descripteurs IGN] optimisation par colonie de fourmis [Termes descripteurs IGN] origine - destination Mots-clés libres : logarithme du rapport de vraisemblance  log likelihood ratio (LLR) Résumé : (auteur) An origin-destination (OD) flow can be defined as the movement of objects between two locations. These movements must be determined for a range of purposes, and strong interactions can be visually represented via clustering of OD flows. Identification of such clusters may be useful in urban planning, traffic planning and logistics management research. However, few methods can identify arbitrarily shaped flow clusters. Here, we present a spatial scan statistical approach based on ant colony optimization (ACO) for detecting arbitrarily shaped clusters of OD flows (AntScan_flow). In this study, an OD flow cluster is defined as a regional pair with significant log likelihood ratio (LLR), and the ACO is employed to detect the clusters with maximum LLRs in the search space. Simulation experiments based on AntScan_flow and SaTScan_flow show that AntScan_flow yields better performance based on accuracy but requires a large computational demand. Finally, a case study of the morning commuting flows of Beijing residents was conducted. The AntScan_flow results show that the regions associated with moderate- and long-distance commuting OD flow clusters are highly consistent with subway lines and highways in the city. Additionally, the regions of short-distance commuting OD flow clusters are more likely to exhibit ‘residential-area to work-area’ patterns. Numéro de notice : A2019-019 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1516287 date de publication en ligne : 10/09/2018 En ligne : https://doi.org/10.1080/13658816.2018.1516287 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91684 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2019011	SL	Livre	Centre de documentation	Revues en salle	Disponible

Nouvelle méthode en cascade pour la classification hiérarchique multi-temporelle ou multi-capteur d'images satellitaires haute résolution / Ihsen Hedhli in Revue Française de Photogrammétrie et de Télédétection, n° 216 (février 2018)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 216 (février 2018) . - pp 3 - 17 Titre : Nouvelle méthode en cascade pour la classification hiérarchique multi-temporelle ou multi-capteur d'images satellitaires haute résolution Type de document : Article/Communication Auteurs : Ihsen Hedhli, Auteur ; Gabriele Moser, Auteur ; Josiane Zerubia, Auteur Année de publication : 2018 Article en page(s) : pp 3 - 17 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] arbre (mathématique) [Termes descripteurs IGN] chaîne de Markov [Termes descripteurs IGN] classification bayesienne [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] corrélation d'images [Termes descripteurs IGN] image Cosmo-Skymed [Termes descripteurs IGN] image Pléiades-HR [Termes descripteurs IGN] modèle statistique [Termes descripteurs IGN] résolution multiple [Termes descripteurs IGN] série temporelle Résumé : (Auteur) Ce papier présente un modèle de classification multi-résolution, multi-date et éventuellement multi-capteur fondé sur une modélisation statistique explicite au travers d'un modèle hiérarchique de champs de Markov construit sur une structure quad-arbre. L'approche proposée consiste en un classifieur bayésien supervisé qui combine un modèle statistique conditionnel par classe et un champ de Markov hiérarchique fusionnant l'information spatio-temporelle et multi-résolution. La méthode proposée intègre des informations pixel par pixel à la même résolution. Cela en se basant sur le critère des Modes Marginales a Posteriori (MPM en anglais), qui vise à affecter à chaque pixel l'étiquette optimale en maximisant récursivement la probabilité marginale a posteriori, étant donné l'ensemble des observations multi-temporelles ou multi-capteur. Une des originalités de l'approche proposée est l'utilisation en cascade de plusieurs quad-arbres, chacun étant associé à une nouvelle image disponible, en vue de caractériser les corrélations associées à des images distinctes. Numéro de notice : A2018-091 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89500 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2018011	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2018012	SL	Revue	Centre de documentation	Revues en salle	Disponible

Learning aggregated features and optimizing model for semantic labeling / Jianhua Wang in The Visual Computer, vol 33 n° 12 (December 2017)  

Public [article]  inThe Visual Computer > vol 33 n° 12 (December 2017) . - pp 1587 - 1600 Titre : Learning aggregated features and optimizing model for semantic labeling Type de document : Article/Communication Auteurs : Jianhua Wang, Auteur ; Chuanxia Zheng, Auteur ; Weihai Chen, Auteur ; Xingming Wu, Auteur Année de publication : 2017 Article en page(s) : pp 1587 - 1600 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] attribut [Termes descripteurs IGN] champ aléatoire conditionnel [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] modèle statistique [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] segmentation d'image Résumé : (Auteur) Semantic labeling for indoor scenes has been extensively developed with the wide availability of affordable RGB-D sensors. However, it is still a challenging task for multi-class recognition, especially for “small” objects. In this paper, a novel semantic labeling model based on aggregated features and contextual information is proposed. Given an RGB-D image, the proposed model first creates a hierarchical segmentation using an adapted gPb/UCM algorithm. Then, a support vector machine is trained to predict initial labels using aggregated features, which fuse small-scale appearance features, mid-scale geometric features, and large-scale scene features. Finally, a joint multi-label Conditional random field model that exploits both spatial and attributive contextual relations is constructed to optimize the initial semantic and attributive predicted results. The experimental results on the public NYU v2 dataset demonstrate the proposed model outperforms the existing state-of-the-art methods on the challenging 40 dominant classes task, and the model also achieves a good performance on a recent SUN RGB-D dataset. Especially, the prediction accuracy of “small” classes has been improved significantly. Numéro de notice : A2017-714 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1007/s00371-016-1302-4 En ligne : https://doi.org/10.1007/s00371-016-1302-4 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88098 [article]

Fusing tree‐ring and forest inventory data to infer influences on tree growth / Margaret E.K. Evans in Ecosphere, vol 8 n° 7 (July 2017)  

Permalink

Silvicultural climatic turning point for European beech and sessile oak in Western Europe derived from national forest inventories / Klara Dolos in Forest ecology and management, vol 373 (1 August 2016)  

Permalink

Multifractal analysis for multivariate data with application to remote sensing / Sébastien Combrexelle (2016)  

Permalink

Prediction of traffic counts using statistical and neural network models / Abul Kalam Azad in Geomatica [en ligne], vol 69 n° 3 (september 2015)  

Permalink

Extraction de fragments forestiers et caractérisation de leurs évolutions spatio-temporelles pour évaluer l'effet de l'histoire sur la biodiversité : une approche multi-sources / Pierre-Alexis Herrault (2015)  

Permalink

Performance assessment of a recent change detection method for homogeneous and heterogeneous images / Jorge Prendes in Revue Française de Photogrammétrie et de Télédétection, n° 209 (Janvier 2015)

Permalink

Estimation harmonisée du volume de tige à différentes découpes / Christine Deleuze in Rendez-vous techniques, n° 44 (printemps 2014) 

Permalink

Estimer le volume total d’un arbre, quelles que soient l’essence, la taille, la sylviculture, la station / Christine Deleuze in Rendez-vous techniques, n° 44 (printemps 2014) 

Permalink

Mining boundary effects in areally referenced spatial data using the Bayesian information criterion / Sudipto Banerjee in Geoinformatica, vol 15 n° 3 (July 2011)  

Permalink

Anomalous diameter distribution shifts estimated from FIA inventories through time / Francis A. Roesch in Forestry, an international journal of forest research, vol 83 n° 3 (July 2010)

Permalink