Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification par arbre de décision > classification par forêts d'arbres décisionnels
classification par forêts d'arbres décisionnelsSynonyme(s)Random forests classification forêts aléatoiresVoir aussi |
Documents disponibles dans cette catégorie (276)
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
Large-scale road detection in forested mountainous areas using airborne topographic lidar data / António Ferraz in ISPRS Journal of photogrammetry and remote sensing, vol 112 (February 2016)
[article]
Titre : Large-scale road detection in forested mountainous areas using airborne topographic lidar data Type de document : Article/Communication Auteurs : António Ferraz , Auteur ; Clément Mallet , Auteur ; Nesrine Chehata , Auteur Année de publication : 2016 Projets : FORESEE / Bigot-de-Morogues, Francis Article en page(s) : pp 23 - 36 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] analyse d'image orientée objet
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données lidar
[Termes IGN] extraction du réseau routier
[Termes IGN] MNS lidar
[Termes IGN] modèle numérique de surface
[Termes IGN] montagne
[Termes IGN] semis de pointsRésumé : (auteur) In forested mountainous areas, the road location and characterization are invaluable inputs for various purposes such as forest management, wood harvesting industry, wildfire protection and fighting. Airborne topographic lidar has become an established technique to characterize the Earth surface. Lidar provides 3D point clouds allowing for fine reconstruction of ground topography while preserving high frequencies of the relief: fine Digital Terrain Models (DTMs) is the key product.
This paper addresses the problem of road detection and characterization in forested environments over large scales (>1000 km2). For that purpose, an efficient pipeline is proposed, which assumes that main forest roads can be modeled as planar elongated features in the road direction with relief variation in orthogonal direction. DTMs are the only input and no complex 3D point cloud processing methods are involved. First, a restricted but carefully designed set of morphological features is defined as input for a supervised Random Forest classification of potential road patches. Then, a graph is built over these candidate regions: vertices are selected using stochastic geometry tools and edges are created in order to fill gaps in the DTM created by vegetation occlusion. The graph is pruned using morphological criteria derived from the input road model. Finally, once the road is located in 2D, its width and slope are retrieved using an object-based image analysis. We demonstrate that our road model is valid for most forest roads and that roads are correctly retrieved (>80%) with few erroneously detected pathways (10–15%) using fully automatic methods. The full pipeline takes less than 2 min per km2 and higher planimetric accuracy than 2D existing topographic databases are achieved. Compared to these databases, additional roads can be detected with the ability of lidar sensors to penetrate the understory. In case of very dense vegetation and insufficient relief in the DTM, gaps may exist in the results resulting in local incompleteness (∼15%).Numéro de notice : A2016-137 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2015.12.002 Date de publication en ligne : 29/12/2015 En ligne : https://doi.org/10.1016/j.isprsjprs.2015.12.002 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=80309
in ISPRS Journal of photogrammetry and remote sensing > vol 112 (February 2016) . - pp 23 - 36[article]An assessment of image features and random forest for land cover mapping over large areas using high resolution Satellite Image Time Series / Charlotte Pelletier (2016)
Titre : An assessment of image features and random forest for land cover mapping over large areas using high resolution Satellite Image Time Series Type de document : Article/Communication Auteurs : Charlotte Pelletier, Auteur ; Silvia Valero, Auteur ; Jordi Inglada, Auteur ; Gérard Dedieu, Auteur ; Nicolas Champion , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2016 Conférence : IGARSS 2016, International Geoscience And Remote Sensing Symposium 10/07/2016 15/07/2016 Pékin Chine Proceedings IEEE Importance : pp 3338 - 3341 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] image à haute résolution
[Termes IGN] image Landsat-8
[Termes IGN] image SPOT 4
[Termes IGN] série temporelleRésumé : (auteur) New high resolution Satellite Image Time Series (SITS) are becoming crucial to land cover mapping over large areas. Their high temporal resolution will allow to better depict scene dynamics. However, it will also increase the amount of data to process. The classification of these data involves therefore new challenges such as: (1) selecting the best feature set to use as input data, (2) dealing with data variability coming from landscape diversity, and (3) establishing the robustness of existing classifiers over large areas. This work aims at addressing these questions through three different studies. Experimental results are obtained by using SPOT-4 and Landsat-8 SITS. Numéro de notice : C2016-034 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2016.7729863 Date de publication en ligne : 03/11/2016 En ligne : https://doi.org/10.1109/IGARSS.2016.7729863 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91791 Application des techniques de photogrammétrie par drone à la caractérisation des ressources forestières / Jonathan Lisein (2016)
Titre : Application des techniques de photogrammétrie par drone à la caractérisation des ressources forestières Type de document : Thèse/HDR Auteurs : Jonathan Lisein , Auteur ; Philippe Lejeune ; Marc Pierrot-Deseilligny , Directeur de thèse ; Philippe Lejeune, Directeur de thèse Editeur : Gembloux [Belgique] : Université de Liège - Gembloux Agro-Bio Tech Année de publication : 2016 Autre Editeur : Champs/Marne : Université Paris-Est Importance : 96 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat en vue de l'obtention du grade de docteur en sciences agronomiques et ingénierie biologique, en co-tutelle Université de Liège - Gembloux Agro-Bio Tech et Université Paris-EstLangues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] Acer pseudoplatanus
[Termes IGN] Betula (genre)
[Termes IGN] caractérisation
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] drone
[Termes IGN] forêt tempérée
[Termes IGN] Fraxinus excelsior
[Termes IGN] hauteur des arbres
[Termes IGN] houppier
[Termes IGN] modèle numérique de surface de la canopée
[Termes IGN] orthophotoplan numérique
[Termes IGN] peuplement forestier
[Termes IGN] Populus (genre)
[Termes IGN] Quercus pedunculataIndex. décimale : THESE Thèses et HDR Résumé : (auteur) […] Nous explorons les possibilités d'utilisation de mini-drones pour la caractérisation quantitative et qualitative de la ressource forestière. Nous nous intéressons en particulier à l'estimation de la hauteur des arbres et à la caractérisation de la composition spécifique au sein de peuplements forestiers. La hauteur de la canopée est une variable dendrométrique de première importance : elle est un bon indicateur du stade de développement des peuplements et intervient notamment dans les estimations de biomasse ou de niveau de productivité. La composition spécifique est une information essentielle en regard des principales fonctions que remplit la forêt (conservation, production, récréation, etc.). Nous avons comparé l'estimation de la hauteur des peuplements à partir de mesures LiDAR et celle obtenue par photogrammétrie. Bien que permettant une mesure de hauteur individuelle avec une incertitude de l'ordre de 1.04 m (RMSE) en feuillus, la photogrammétrie par drone sur des zones forestières est systématiquement moins précise que les mesures par LiDAR (RMSE de 0.83 m). Ces résultats sont cependant prometteurs, étant donné que la mesure sur terrain de la hauteur totale des arbres est également sujette à une importante imprécision. De plus, la grande flexibilité que confèrent les petits drones permet d'acquérir, au moment propice du stade de végétation, et l'information de relief de la canopée, et l'information spectrale. La période de fin de feuillaison, au début du mois de juin, s'est avérée le moment le plus propice à une discrimination automatique de cinq groupes d'essences feuillues (le chêne pédonculé, les bouleaux, l'érable sycomore, le frêne commun et les peupliers). Une erreur globale de classification des houppiers de 16% est obtenue avec des acquisitions monotemporelles, alors que l'utilisation d'images acquises à différentes dates permet encore d'améliorer cette classification (erreur globale de classification de 9% pour la meilleure combinaison de 3 dates). Les contraintes de la législation régissant l'utilisation des aéronefs sans pilote à bord restreignent le champ d'action des drones civils. Ainsi, afin d'assurer une sécurité pour tous les usagers de l'espace aérien, les opérations avec un drone sont limitées sous un seuil d'altitude et à une distance maximale du télépilote, ce qui ne permet pas une utilisation optimale de cette technologie pour la couverture de grands domaines forestiers (plusieurs milliers d'hectares). De plus, d'autres outils de télédétection utilisés en foresterie, tels que le LiDAR et l'imagerie satellite et aéroportée, sont plus compétitifs que les drones dès qu'il s'agit de couvrir de grandes surfaces (plusieurs milliers d'hectare). C'est pourquoi nous pensons que les drones resterons un outil d'analyse de petites surfaces (dizaines voire centaines d'hectares), plus utiles à des fins de recherches scientifiques qu'à une utilisation en gestion forestière. Note de contenu : 1 Introduction
2 A photogrammetric workflow for the creation of a forest canopy height model from small unmanned aerial system imagery
3 Modélisation de la canopée forestière par photogrammétrie depuis des images acquises par drone
4 Discrimination of deciduous tree species from time series of unmanned aerial system imagery
5 Conclusion et perspectivesNuméro de notice : 17355 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : thèse de doctorat : sciences agronomiques et ingénierie biologique : Université Paris-Est : 2016 Organisme de stage : ENSG (IGN) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-01539627v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83787 Apport de la télédétection radar satellitaire pour la cartographie de la forêt des Landes / Yousra Hamrouni (2016)
Titre : Apport de la télédétection radar satellitaire pour la cartographie de la forêt des Landes Type de document : Mémoire Auteurs : Yousra Hamrouni, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2016 Autre Editeur : Champs/Marne : Université Paris-Est Marne-la-Vallée UPEM Importance : 60 p. Format : 21 x 30 cm Note générale : Bibliographie
Master 2ème année, domaine Science, Technologie, Santé, mention Géomatique, spécialité Information Géographique, Analyse Spatiale et TélédétectionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse texturale
[Termes IGN] bande C
[Termes IGN] bande L
[Termes IGN] bande X
[Termes IGN] carte de la végétation
[Termes IGN] carte forestière
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] forêt
[Termes IGN] image ALOS-PALSAR
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] image TerraSAR-X
[Termes IGN] Landes (40)
[Termes IGN] paramètre de Haralick
[Termes IGN] télédétection en hyperfréquenceIndex. décimale : IGAST Mémoires du Master Information Géographique, Analyse Spatiale et Télédétection Résumé : (auteur) Avoir un suivi en temps réel des forêts est crucial pour évaluer leur réponse face aux évènements environnementaux. Ce suivi est devenu possible ces dernières années à travers des données de télédétection satellitaires ou aéroportées. C'est dans ce contexte que s'inscrit ce stage qui vise à déterminer rapport de la télédétection radar satellitaire pour la cartographie de la forêt des Landes. Des données en bande X, C et L pour les respectivement les capteurs TerraSAR-X, Sentinel-1A et PALSAR-2 ont été mises à disposition afin d'explorer le potentiel des différentes bandes et les résolutions spatiale. Le potentiel de l'analyse texturale a été évalué en calculant les indicateurs de texture d'Haralick sur les données de très haute résolution spatiale (TerraSAR-X) et les coefficients de variation sur les données de haute résolution spatiale (Sentinel-1A et PALSAR-2). Deux approches méthodologiques ont été investiguées : i) une première approche consiste à travailler à la très haute résolution spatiale en calculant les indicateurs de texture d'Haralick sur les données TerraSAR-X et les coefficients de variation sur les données Sentinel-1A et PALSAR-2 et ii) une deuxième approche a été de travailler à l'échelle spatiale de Sentinel-1A et PALSAR-2.
La performance des deux méthodes a été évaluée à travers les résultats de classification Random Forest. Les résultats montrent que l'analyse de texture est sensible aux hétérogénéités intra parcellaires et permet de caractériser les parcelles à une échelle très fine qui nécessite des données de validation à cette même échelle. La série temporelle Sentinel-1A a donné les résultats les plus performants et la combinaison des trois capteurs a amélioré les résultats de classification, surtout pour la bande C et X.Note de contenu : Introduction
1 - Etat de l'art sur l'application de l'analyse de texture en télédétection
2 - Bases théoriques
3 - Matériels et méthodes
4 - Résultats
ConclusionNuméro de notice : 21552 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Mémoire masters divers Organisme de stage : MATIS (IGN) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90511 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 21552-01 IGAST Livre Centre de documentation Travaux d'élèves Disponible Estimating over- and understorey canopy density of temperate mixed stands by airborne LiDAR data / Hooman Latifi in Forestry, an international journal of forest research, vol 89 n° 1 (January 2016)
[article]
Titre : Estimating over- and understorey canopy density of temperate mixed stands by airborne LiDAR data Type de document : Article/Communication Auteurs : Hooman Latifi, Auteur ; Marco Heurich, Auteur ; Florian Hartig, Auteur ; Jorg Müller, Auteur ; et al., Auteur Année de publication : 2016 Article en page(s) : pp 61 - 81 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] Abies alba
[Termes IGN] Acer pseudoplatanus
[Termes IGN] Betula pendula
[Termes IGN] betula pubescens
[Termes IGN] canopée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] Fagus sylvatica
[Termes IGN] habitat forestier
[Termes IGN] Picea abies
[Termes IGN] régression
[Termes IGN] sorbus aucuparia
[Termes IGN] sous-boisRésumé : (auteur) Estimating forest structural attributes is one of the essential forestry-related remote sensing applications. The methods applied so far typically concentrate on the structure of the overstorey. For various conservation and management applications, however, information on lower layers is also of great interest. Detecting understorey cover by remote sensing is challenging, as passive sensors do not penetrate to the forest ground layer. An alternative to these is 3D metrics from active light detection and ranging (LiDAR). Here, we evaluate this technique for describing the vegetation density of multiple stand layers within the temperate stands of a large protected area in south-eastern Germany. We combined LiDAR metrics and information on forest habitat types with regression models to investigate LiDAR metrics that are significantly correlated with vegetation density. The top canopy and the herbal layer showed strong correlations with the applied LiDAR metrics, whereas the predictive power was lower for the intermediate stand layers. Moreover, our results suggest that the relationship between LiDAR predictors and vegetation density depends on the forest type. A comparison of the regression models with random forest predictions showed no major improvement in predictive error. In conclusion, this study highlights the value of the LiDAR metrics for characterizing the structural properties of lower forest layers, which has implications for wildlife and forest management applications, especially in protected areas. Numéro de notice : A2016--102 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1093/forestry/cpv032 En ligne : https://doi.org/10.1093/forestry/cpv032 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84668
in Forestry, an international journal of forest research > vol 89 n° 1 (January 2016) . - pp 61 - 81[article]Forêts aléatoires pour la détection des feux tricolores à partir de profils de vitesse GPS / Yann Méneroux (2016)PermalinkPermalinkDiscrimination of deciduous tree species from time series of unmanned aerial system imagery / Jonathan Lisein in Plos one, vol 10 n° 11 (November 2015)PermalinkWide-area mapping of small-scale features in agricultural landscapes using airborne remote sensing / Jerome O’Connell in ISPRS Journal of photogrammetry and remote sensing, vol 109 (November 2015)PermalinkAutomatic identification of building types based on topographic databases – a comparison of different data sources / Robert Hecht in International journal of cartography, vol 1 n° 1 (August 2015)PermalinkTesting the reliability and stability of the internal accuracy assessment of random forest for classifying tree defoliation levels using different validation methods / Samuel Adelabu in Geocarto international, vol 30 n° 7 - 8 (August - September 2015)PermalinkDétection à haute résolution spatiale de la desserte forestière en milieu montagneux / António Ferraz in Revue Française de Photogrammétrie et de Télédétection, n° 211 - 212 (juillet - décembre 2015)PermalinkEstimation de la déforestation des forêts humides à Madagascar utilisant une classification multidate d'images Landsat entre 2005, 2010 et 2013 / F.A. Rakotomala in Revue Française de Photogrammétrie et de Télédétection, n° 211 - 212 (juillet - décembre 2015)PermalinkRandom Forest and Rotation Forest for fully polarized SAR image classification using polarimetric and spatial features / Peijun Du in ISPRS Journal of photogrammetry and remote sensing, vol 105 (July 2015)PermalinkSavannah woody structure modelling and mapping using multi-frequency (X-, C- and L-band) Synthetic Aperture Radar data / Laven Naidoo in ISPRS Journal of photogrammetry and remote sensing, vol 105 (July 2015)PermalinkCharacterizing stand-level forest canopy cover and height using Landsat time series, samples of airborne LiDAR, and the Random Forest algorithm / Oumer S. Ahmed in ISPRS Journal of photogrammetry and remote sensing, vol 101 (March 2015)PermalinkEmploying ground and satellite-based QuickBird data and Random forest to discriminate five tree species in a Southern African Woodland / Samuel Adelabu in Geocarto international, vol 30 n° 3 - 4 (March - April 2015)PermalinkData-driven feature learning for high resolution urban land-cover classification / Piotr Andrzej Tokarczyk (2015)PermalinkDélimitation des parcelles agricoles par classification d'images Pléiades / Nesrine Chehata in Revue Française de Photogrammétrie et de Télédétection, n° 209 (Janvier 2015)PermalinkLand cover dynamics monitoring with Landsat data in Kunming, China: a cost-effective sampling and modelling scheme using Google Earth imagery and random forests / Ning Lu in Geocarto international, vol 30 n° 1 - 2 (January - February 2015)PermalinkA Random Forest class memberships based wrapper band selection criterion : application to hyperspectral / Arnaud Le Bris (2015)PermalinkQuantification et cartographie de la structure forestière à partir de la texture des images Pléiades / Benoit Beguet in Revue Française de Photogrammétrie et de Télédétection, n° 208 (Octobre 2014)PermalinkEstimation of the timber quality of scots pine with terrestrial laser scanning / Ville Kankare in Forests, vol 5 n° 8 (August 2014)PermalinkAgricultural field delimitation using active learning and random forests margin / Karim Ghariani (2014)PermalinkAssessing the performance of two unsupervised dimensionality reduction techniques on hyperspectral APEX data for high resolution urban land-cover mapping / Luca Demarchi in ISPRS Journal of photogrammetry and remote sensing, vol 87 (January 2014)Permalink