Centre dedocumentation
scientifique

Understanding demographic and socioeconomic biases of geotagged Twitter users at the county level / Jiang Juqin in Cartography and Geographic Information Science, vol 46 n° 3 (May 2019)  

Public [article]  inCartography and Geographic Information Science > vol 46 n° 3 (May 2019) . - pp 228 - 242 Titre : Understanding demographic and socioeconomic biases of geotagged Twitter users at the county level Type de document : Article/Communication Auteurs : Jiang Juqin, Auteur ; Li Zhenlong, Auteur ; Xinyue Ye, Auteur Année de publication : 2019 Article en page(s) : pp 228 - 242 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] agrégation spatiale [Termes descripteurs IGN] contenu généré par les utilisateurs [Termes descripteurs IGN] données démographiques [Termes descripteurs IGN] données massives [Termes descripteurs IGN] données socio-économiques [Termes descripteurs IGN] erreur systématique [Termes descripteurs IGN] Etats-Unis [Termes descripteurs IGN] géoétiquetage [Termes descripteurs IGN] régression géographiquement pondérée [Termes descripteurs IGN] Twitter Résumé : (Auteur) Massive social media data produced from microblog platforms provide a new data source for studying human dynamics at an unprecedented scale. Meanwhile, population bias in geotagged Twitter users is widely recognized. Understanding the demographic and socioeconomic biases of Twitter users is critical for making reliable inferences on the attitudes and behaviors of the population. However, the existing global models cannot capture the regional variations of the demographic and socioeconomic biases. To bridge the gap, we modeled the relationships between different demographic/socioeconomic factors and geotagged Twitter users for the whole contiguous United States, aiming to understand how the demographic and socioeconomic factors relate to the number of Twitter users at county level. To effectively identify the local Twitter users for each county of the United States, we integrate three commonly used methods and develop a query approach in a high-performance computing environment. The results demonstrate that we can not only identify how the demographic and socioeconomic factors relate to the number of Twitter users, but can also measure and map how the influence of these factors vary across counties. Numéro de notice : A2019-093 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2018.1434834 date de publication en ligne : 09/02/2018 En ligne : https://doi.org/10.1080/15230406.2018.1434834 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92338 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
032-2019031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Temporal and spatial high-resolution climate data from 1961 to 2100 for the German National Forest Inventory (NFI) / Helge Dietrich in Annals of Forest Science [en ligne], vol 76 n° 1 (March 2019)  

Public [article]  inAnnals of Forest Science [en ligne] > vol 76 n° 1 (March 2019) Titre : Temporal and spatial high-resolution climate data from 1961 to 2100 for the German National Forest Inventory (NFI) Type de document : Article/Communication Auteurs : Helge Dietrich, Auteur ; Thilo Wolf, Auteur ; Tobias Kawohl, Auteur ; Jan Wehberg, Auteur ; Gerald Kändler, Auteur ; Tobias Mette, Auteur ; Arno Röder, Auteur ; ürgen Böhner, Auteur Année de publication : 2019 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] Allemagne [Termes descripteurs IGN] changement climatique [Termes descripteurs IGN] données environnementales [Termes descripteurs IGN] données météorologiques [Termes descripteurs IGN] historique des données [Termes descripteurs IGN] inventaire forestier étranger (données) [Termes descripteurs IGN] largeur de bande [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] productivité [Termes descripteurs IGN] rayonnement solaire [Termes descripteurs IGN] régression géographiquement pondérée [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] station météorologique [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) The “NFI 2012 environmental data base climate” is part of the environmental database of the German National Forest Inventory. It contains climate information for 26,450 inventory points generated from gridded daily climate data for 1961–2100 at a spatial resolution of 250 m. Grids are based on DWD-Observations and REMO EURO-CORDEX climate projections. Access to the databases is provided via the URL: https://doi.org/10.3220/DATA/20180823-102429. Associated metadata are available at https://agroenvgeo.data.inra.fr/geonetwork/srv/fre/catalog.search#/metadata/d0789030-c94e-4883-8d38-2a7332c98673. Numéro de notice : A2019-043 Thématique : FORET Nature : Article DOI : 10.1007/s13595-018-0788-5 date de publication en ligne : 23/01/2019 En ligne : https://doi.org/10.1007/s13595-018-0788-5 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92049 [article]

Estimation of forest above-ground biomass by geographically weighted regression and machine learning with Sentinel imagery / Lin Chen in Forests, vol 9 n° 10 (October 2018)  

Public [article]  inForests > vol 9 n° 10 (October 2018) Titre : Estimation of forest above-ground biomass by geographically weighted regression and machine learning with Sentinel imagery Type de document : Article/Communication Auteurs : Lin Chen, Auteur ; Chunying Ren, Auteur ; Bai Zhang, Auteur ; Zongming Wang, Auteur ; Yanbiao Xi, Auteur Année de publication : 2018 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] arbre caducifolié [Termes descripteurs IGN] biomasse aérienne [Termes descripteurs IGN] Changbai, massif du [Termes descripteurs IGN] Chine [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] modèle de simulation [Termes descripteurs IGN] montagne [Termes descripteurs IGN] régression géographiquement pondérée [Termes descripteurs IGN] surveillance forestière [Termes descripteurs IGN] texture d'image [Termes descripteurs IGN] variable biophysique (végétation) Résumé : (Auteur) Accurate forest above-ground biomass (AGB) is crucial for sustaining forest management and mitigating climate change to support REDD+ (reducing emissions from deforestation and forest degradation, plus the sustainable management of forests, and the conservation and enhancement of forest carbon stocks) processes. Recently launched Sentinel imagery offers a new opportunity for forest AGB mapping and monitoring. In this study, texture characteristics and backscatter coefficients of Sentinel-1, in addition to multispectral bands, vegetation indices, and biophysical variables of Sentinal-2, based on 56 measured AGB samples in the center of the Changbai Mountains, China, were used to develop biomass prediction models through geographically weighted regression (GWR) and machine learning (ML) algorithms, such as the artificial neural network (ANN), support vector machine for regression (SVR), and random forest (RF). The results showed that texture characteristics and vegetation biophysical variables were the most important predictors. SVR was the best method for predicting and mapping the patterns of AGB in the study site with limited samples, whose mean error, mean absolute error, root mean square error, and correlation coefficient were 4 × 10−3, 0.07, 0.08 Mg·ha−1, and 1, respectively. Predicted values of AGB from four models ranged from 11.80 to 324.12 Mg·ha−1, and those for broadleaved deciduous forests were the most accurate, while those for AGB above 160 Mg·ha−1 were the least accurate. The study demonstrated encouraging results in forest AGB mapping of the normal vegetated area using the freely accessible and high-resolution Sentinel imagery, based on ML techniques. Numéro de notice : A2018-478 Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/f9100582 date de publication en ligne : 20/09/2018 En ligne : https://doi.org/10.3390/f9100582 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91180 [article]

A two-stage estimation method with bootstrap inference for semi-parametric geographically weighted generalized linear models / Dengkui Li in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 32 n° 9-10 (September - October 2018) . - pp 1860 - 1883 Titre : A two-stage estimation method with bootstrap inference for semi-parametric geographically weighted generalized linear models Type de document : Article/Communication Auteurs : Dengkui Li, Auteur ; Chang-Lin Mei, Auteur Année de publication : 2018 Article en page(s) : pp 1860 - 1883 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] estimation statistique [Termes descripteurs IGN] inférence statistique [Termes descripteurs IGN] méthode du maximum de vraisemblance (estimation) [Termes descripteurs IGN] modèle linéaire [Termes descripteurs IGN] population urbaine [Termes descripteurs IGN] régression géographiquement pondérée [Termes descripteurs IGN] simulation [Termes descripteurs IGN] Tokyo (Japon) Résumé : (Auteur) Semi-parametric geographically weighted generalized linear models (S-GWGLMs) are a useful tool in modeling a regression relationship where the impact of certain explanatory variables on a non-Gaussian distributed response variable is global while that of others is spatially varying. In this article, we propose for S-GWGLMs a new estimation method, called two-stage geographically weighted maximum likelihood estimation, and further develop a likelihood ratio statistic-based bootstrap test to determine constant coefficients in the models. The performance of the estimation and test methods is then evaluated by simulations. The results show that the proposed estimation method performs as well as the existing method in estimating both constant and spatially varying coefficients but it is more efficient in terms of computation time; the bootstrap test is of accurate size under the null hypothesis and satisfactory power in identifying spatially varying coefficients. A real-world data set is finally analyzed to demonstrate the application of the proposed estimation and test methods. Numéro de notice : A2018-306 Thématique : MATHEMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1463443 date de publication en ligne : 03/05/2018 En ligne : https://doi.org/10.1080/13658816.2018.1463443 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90449 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2018051	SL	Revue	Centre de documentation	Revues en salle	Disponible

Manuel d'analyse spatiale / Vincent Loonis (2018)    

Public Titre : Manuel d'analyse spatiale : théorie et mise en oeuvre pratique avec R Type de document : Guide/Manuel Auteurs : Vincent Loonis, Editeur scientifique ; Marie-Pierre de Bellefon, Editeur scientifique Editeur : Paris : Institut National de la Statistique et des Etudes Economiques INSEE Année de publication : 2018 Autre Editeur : Luxembourg : Eurostat Collection : Insee Méthodes, ISSN 1142-3080 num. 131 Importance : 406 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-2-11-139684-5 Note générale : Bibliographie Projet en partie financé par le programme statistique européen 2013-2017 dans le cadre de l’action ESS "Intégration de l’information statistique et géospatiale" par la subvention numéro 08143.2015.001-2015.714 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] Arbre-R [Termes descripteurs IGN] autocorrélation spatiale [Termes descripteurs IGN] corrélation automatique de points homologues [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] échantillonnage de données [Termes descripteurs IGN] économétrie [Termes descripteurs IGN] géostatistique [Termes descripteurs IGN] R (langage) [Termes descripteurs IGN] régression géographiquement pondérée Index. décimale : 37.20 Analyse spatiale et ses outils Résumé : (Editeur) [Editorial Insee] [...] L’objectif du manuel d’analyse spatiale est de répondre aux questions concrètes des chargés d’étude des instituts statistiques : que faire avec ces nouvelles sources de données géolocalisées ? Dans quels cas doit-on prendre en compte leur dimension spatiale ? Comment appliquer les méthodes de statistique et d’économétrie spatiale ? Contrairement aux manuels existants, la pédagogie est pensée spécifiquement en fonction des enjeux propres aux instituts statistiques : les exemples d’application utilisent des données collectées par la statistique publique et l’accent est mis sur la pratique et l’importance du choix des paramètres. Les fondements théoriques sont suffisamment approfondis pour permettre de comprendre les subtilités dans la mise en oeuvre pratique des méthodes, tout en renvoyant aux ouvrages spécialisés les lecteurs désireux de connaître les extensions d’un niveau technique plus élevé. La majorité des chapitres présente des méthodes bien documentées et fréquemment utilisées, mais quelques-uns s’appuient sur des travaux innovants diffusés récemment. Parmi les thèmes abordés, le manuel Insee-Eurostat s’intéresse aux questions de sondage et de respect de la confidentialité ; autant de points importants pour les INS et très peu approfondis dans les ouvrages existants. Quelques chapitres ouvrent sur des notions peu utilisées actuellement à l’Insee comme la géostatistique. [...] Note de contenu : Partie 1 - DECRIRE LES DONNEES GEOLOCALISEES 1. Analyse spatiale descriptive 2. Codifier la structure de voisinage Partie 2 - MESURER L’IMPORTANCE DES EFFETS SPATIAUX 3. Indices d’autocorrélation spatiale 4. Les configurations de points 5. Géostatistique Partie 3 - PRENDRE EN COMPTE LES EFFETS SPATIAUX 6. Économétrie spatiale : modèles courants 7. Économétrie spatiale sur données de panel 8. Lissage spatial 9. Régression géographiquement pondérée 10. Échantillonnage spatial 11. Économétrie spatiale sur données d’enquête 12. Estimation sur petits domaines et corrélation spatiale Partie 4 - PROLONGEMENTS 13. Partitionnement et analyse de graphes 14. Confidentialité des données spatiales Numéro de notice : 22948 Thématique : GEOMATIQUE/MATHEMATIQUE Nature : Manuel date de publication en ligne : 29/10/2018 En ligne : https://www.insee.fr/fr/information/3635442 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91040

Documents numériques

en open access Manuel d'analyse spatiale : théorie et mise en oeuvre pratique avec R Adobe Acrobat PDF

Geographically weighted regression with parameter-specific distance metrics / Binbin Lu in International journal of geographical information science IJGIS, vol 31 n° 5-6 (May-June 2017)  

Permalink

A bootstrap test for constant coefficients in geographically weighted regression models / Chang-Lin Mei in International journal of geographical information science IJGIS, vol 30 n° 7- 8 (July - August 2016)  

Permalink

Geographically weighted evidence combination approaches for combining discordant and inconsistent volunteered geographical information / Alexis Comber in Geoinformatica [en ligne], vol 20 n° 3 (July - September 2016)  

Permalink

The Minkowski approach for choosing the distance metric in geographically weighted regression / B. Lu in International journal of geographical information science IJGIS, vol 30 n° 1-2 (January - February 2016)  

Permalink

3D model construction in an urban environment from sparse LiDAR points and aerial photos : a statistical approach / Xuebin Wei in Geomatica [en ligne], vol 69 n° 3 (september 2015)  

Permalink

Building a hybrid land cover map with crowdsourcing and geographically weighted regression / Linda M. See in ISPRS Journal of photogrammetry and remote sensing, vol 103 (May 2015)  

Permalink

Using geographically weighted regression kriging for crop yield mapping in West Africa / Muhammad Imran in International journal of geographical information science IJGIS, vol 29 n° 2 (February 2015)  

Permalink

Geostatistical methods for predicting soil moisture continuously in a subalpine basin / Non-répertorié in Photogrammetric Engineering & Remote Sensing, PERS, vol 80 n° 4 (April 2014)  

Permalink

Spatial patterns of historical growth changes in Norway spruce across western European mountains and the key effect of climate warming / Marie Charru in Trees, vol 28 n° 1 (February 2014)  

Permalink

Visualizing robust geographically weighted parameter estimates / Robert G. Cromley in Cartography and Geographic Information Science, vol 41 n° 1 (January 2014)  

Permalink