Centre dedocumentation
scientifique

Analyse de la déforestation dans la périphérie Ouest de la réserve de biosphère du DJA au Cameroun, à partir d'une série multi-annuelle d'images Landsat / Eric Wilson TEGNO NGUEKAM in Revue Française de Photogrammétrie et de Télédétection, n° 222 (novembre 2020)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 222 (novembre 2020) . - pp 29 - 39 Titre : Analyse de la déforestation dans la périphérie Ouest de la réserve de biosphère du DJA au Cameroun, à partir d'une série multi-annuelle d'images Landsat Type de document : Article/Communication Auteurs : Eric Wilson TEGNO NGUEKAM, Auteur ; Salomon C. Nguembe Fils, Auteur ; Joachim Etouna, Auteur ; Simon Njeudeng Tenku, Auteur Année de publication : 2020 Article en page(s) : pp 29 - 39 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] biosphère [Termes descripteurs IGN] Cameroun [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] données spatiotemporelles [Termes descripteurs IGN] image Landsat-ETM+ [Termes descripteurs IGN] image Landsat-OLI Résumé : (Auteur) Dans cet article, il est question d’évaluer la déforestation dans la périphérie Ouest de la réserve de Biosphère du Dja à travers les techniques de Télédétection et de Système d’Information Géographique. Pour cela, 08 images Landsat de date différentes (2011 à 2018) ont été utilisées pour produire les cartes d’occupation du sol, à travers la méthode de classification supervisée et l’algorithme « maximum likelihood ». Les classes d’occupation de sol retenues pour cette classification sont : forêt dense, forêt dégradée, zone de culture, zone marécageuse, zone d’habitation, sol nu et eau. L’analyse des changements a été faite avec la technique de « change detection ». Les résultats de cette étude ont montré que la déforestation a été importante pendant la période d’étude (2011 – 2018). Les surfaces forestières se sont principalement transformées en zone de culture, marécage, forêt dégradée, sol nu. Le taux de déforestation observé est de 6,8% et dénote une importante baisse du couvert forestier dense. L’étude a montré des tendances de déforestation dans cette périphérie. Elle a permis d’observer que les zones tendancieuses sont concentrées principalement autour de certaines activités anthropiques présentes dans cette zone (la plantation agricole SUDCAM, le barrage de Mekin, les lieux habité). Numéro de notice : A2020-761 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans date de publication en ligne : 25/11/2020 En ligne : http://www.sfpt.fr/rfpt/index.php/RFPT/article/view/434/247 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96402 [article]

Forêt d'arbres aléatoires et classification d'images satellites : relation entre la précision du modèle d'entraînement et la précision globale de la classification / Aurélien N.G. Matsaguim in Revue Française de Photogrammétrie et de Télédétection, n° 222 (novembre 2020)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 222 (novembre 2020) . - pp 3 - 14 Titre : Forêt d'arbres aléatoires et classification d'images satellites : relation entre la précision du modèle d'entraînement et la précision globale de la classification Type de document : Article/Communication Auteurs : Aurélien N.G. Matsaguim, Auteur ; Emmanuel D. Tiomo, Auteur Année de publication : 2020 Article en page(s) : pp 3 - 14 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] arbre aléatoire [Termes descripteurs IGN] arbre de décision [Termes descripteurs IGN] Cameroun [Termes descripteurs IGN] corrélation d'images [Termes descripteurs IGN] image Landsat-OLI [Termes descripteurs IGN] précision de la classification [Termes descripteurs IGN] qualité d'image Résumé : (Auteur) En télédétection, il existe un grand nombre d'algorithmes permettant de classifier une image satellite. Parmi ces algorithmes de classification, la Forêt d'Arbres Aléatoires apparait comme particulièrement performant. Cette étude a pour objectifs d'évaluer (1) l'importance de la sélection des images pour le niveau de précision du modèle d'entrainement et (2) la nature de la relation qui existe entre le niveau de précision du modèle et celui de la précision globale de la carte thématique résultant de la classification de l'image satellite avec cet algorithme de classification. A partir d'une image Landsat 8 OLI prise au-dessus d'une zone de montagne tropicale : la région de l'Ouest Cameroun, 35 modèles ont été construits et testés. Les résultats montrent que le niveau de la précision globale des résultats de la Forêts d'Arbres Aléatoires est étroitement dépendant d'une part de la précision du modèle d'entrainement utilisé pour classifier l'image satellite, et d'autre part du choix des images utilisées pour entrainer ce modèle. De plus, la sélection de ces images est elle-même dépendante de la qualité des zones d'entrainement qui servirontà la construction du modèle. Il est donc important de mettre en accent particulier sur la qualité des données d'entrée afin de garantir des résultats satisfaisants avec cet algorithme. Mots clés : Forêt d’Arbres Aléatoires ; précision ; modèle d’entrainement ; télédétection ; Cameroun Numéro de notice : A2020-760 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans date de publication en ligne : 25/11/2020 En ligne : http://www.sfpt.fr/rfpt/index.php/RFPT/article/view/477/251 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96400 [article]

Combination of Landsat 8 OLI and Sentinel-1 SAR time-series data for mapping paddy fields in parts of West and Central Java provinces, Indonesia / Sanjiwana Arjasakusuma in ISPRS International journal of geo-information, vol 9 n° 11 (November 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 11 (November 2020) . - n° 663 Titre : Combination of Landsat 8 OLI and Sentinel-1 SAR time-series data for mapping paddy fields in parts of West and Central Java provinces, Indonesia Type de document : Article/Communication Auteurs : Sanjiwana Arjasakusuma, Auteur ; Sandiaga Swahyu Kusuma, Auteur ; Raihan Rafif, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : n° 663 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] bande C [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] image Landsat-OLI [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] Java (île de) [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] Normalized Difference Built-up Index [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] Normalized Difference Water Index [Termes descripteurs IGN] polarisation [Termes descripteurs IGN] régression [Termes descripteurs IGN] rizière [Termes descripteurs IGN] série temporelle Résumé : (auteur) The rise of Google Earth Engine, a cloud computing platform for spatial data, has unlocked seamless integration for multi-sensor and multi-temporal analysis, which is useful for the identification of land-cover classes based on their temporal characteristics. Our study aims to employ temporal patterns from monthly-median Sentinel-1 (S1) C-band synthetic aperture radar data and cloud-filled monthly spectral indices, i.e., Normalized Difference Vegetation Index (NDVI), Modified Normalized Difference Water Index (MNDWI), and Normalized Difference Built-up Index (NDBI), from Landsat 8 (L8) OLI for mapping rice cropland areas in the northern part of Central Java Province, Indonesia. The harmonic function was used to fill the cloud and cloud-masked values in the spectral indices from Landsat 8 data, and smile Random Forests (RF) and Classification And Regression Trees (CART) algorithms were used to map rice cropland areas using a combination of monthly S1 and monthly harmonic L8 spectral indices. An additional terrain variable, Terrain Roughness Index (TRI) from the SRTM dataset, was also included in the analysis. Our results demonstrated that RF models with 50 (RF50) and 80 (RF80) trees yielded better accuracy for mapping the extent of paddy fields, with user accuracies of 85.65% (RF50) and 85.75% (RF80), and producer accuracies of 91.63% (RF80) and 93.48% (RF50) (overall accuracies of 92.10% (RF80) and 92.47% (RF50)), respectively, while CART yielded a user accuracy of only 84.83% and a producer accuracy of 80.86%. The model variable importance in both RF50 and RF80 models showed that vertical transmit and horizontal receive (VH) polarization and harmonic-fitted NDVI were identified as the top five important variables, and the variables representing February, April, June, and December contributed more to the RF model. The detection of VH and NDVI as the top variables which contributed up to 51% of the Random Forest model indicated the importance of the multi-sensor combination for the identification of paddy fields. Numéro de notice : A2020-733 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9110663 date de publication en ligne : 04/11/2020 En ligne : https://doi.org/10.3390/ijgi9110663 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96346 [article]

Comparative analysis of index and chemometric techniques-based assessment of leaf area index (LAI) in wheat through field spectroradiometer, Landsat-8, Sentinel-2 and Hyperion bands / Bappa Das in Geocarto international, vol 35 n° 13 ([01/10/2020])  

Public [article]  inGeocarto international > vol 35 n° 13 [01/10/2020] . - pp 1415 - 1432 Titre : Comparative analysis of index and chemometric techniques-based assessment of leaf area index (LAI) in wheat through field spectroradiometer, Landsat-8, Sentinel-2 and Hyperion bands Type de document : Article/Communication Auteurs : Bappa Das, Auteur ; Rabi N. Sahoo, Auteur ; Sourabh Pargal, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 1415 - 1432 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] blé (céréale) [Termes descripteurs IGN] canopée [Termes descripteurs IGN] image EO1-Hyperion [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] indice de végétation [Termes descripteurs IGN] Leaf Area Index [Termes descripteurs IGN] modèle de régression [Termes descripteurs IGN] réflectance spectrale [Termes descripteurs IGN] régression des moindres carrés partiels [Termes descripteurs IGN] séparateur à vaste marge [Termes descripteurs IGN] spectroradiomètre Résumé : (auteur) Successful retrieval of leaf area index (LAI) from hyperspectral remote sensing relies on the proper selection of indices or multivariate models. The objectives of the research work were to identify best vegetation index and multivariate model based on canopy reflectance and LAI measured at different growth stages of wheat. Comparison of existing indices revealed optimized soil-adjusted vegetation index (OSAVI) as the best index based on R2 of calibration, validation and root mean square error of validation. Proposed ratio index (RI; R670, R845) and normalized difference index (NDI; R670, R845) provided comparable performance with the existing vegetation indices (R2 = 0.65 and 0.62 for RI and NDI, respectively, during validation). Among the multivariate models, partial least squares regression (PLSR) model with Hyperion band configuration performed the best during validation (R2 = 0.80 and RMSE = 0.58 m2 m−2). Our results manifested the opportunities for developing biophysical products based on satellite sensors. Numéro de notice : A2020-607 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1581271 date de publication en ligne : 28/03/2019 En ligne : https://doi.org/10.1080/10106049.2019.1581271 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95967 [article]

Spatio-temporal relationship between land cover and land surface temperature in urban areas: A case study in Geneva and Paris / Xu Ge in ISPRS International journal of geo-information, vol 9 n° 10 (October 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 10 (October 2020) . - 24 p. Titre : Spatio-temporal relationship between land cover and land surface temperature in urban areas: A case study in Geneva and Paris Type de document : Article/Communication Auteurs : Xu Ge, Auteur ; Dasaraden Mauree, Auteur ; Roberto Castello, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : 24 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse spatio-temporelle [Termes descripteurs IGN] espace vert [Termes descripteurs IGN] Genève [Termes descripteurs IGN] ilot thermique urbain [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] Normalized Difference Built-up Index [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] Paris (75) [Termes descripteurs IGN] surface imperméable [Termes descripteurs IGN] température au sol [Termes descripteurs IGN] variation saisonnière [Termes descripteurs IGN] zone urbaine Résumé : (auteur) Currently, more than half of the world’s population lives in cities, which leads to major changes in land use and land surface temperature (LST). The associated urban heat island (UHI) effects have multiple impacts on energy consumption and human health. A better understanding of how different land covers affect LST is necessary for mitigating adverse impacts, and supporting urban planning and public health management. This study explores a distance-based, a grid-based and a point-based analysis to investigate the influence of impervious surfaces, green area and waterbodies on LST, from large (distance and grid based analysis with 400 m grids) to smaller (point based analysis with 30 m grids) scale in the two mid-latitude cities of Paris and Geneva. The results at large scale confirm that the highest LST was observed in the city centers. A significantly positive correlation was observed between LST and impervious surface density. An anticorrelation between LST and green area density was observed in Paris. The spatial lag model was used to explore the spatial correlation among LST, NDBI, NDVI and MNDWI on a smaller scale. Inverse correlations between LST and NDVI and MNDWI, respectively, were observed. We conclude that waterbodies display the greatest mitigation on LST and UHI effects both on the large and smaller scale. Green areas play an important role in cooling effects on the smaller scale. An increase of evenly distributed green area and waterbodies in urban areas is suggested to lower LST and mitigate UHI effects. Numéro de notice : A2020-666 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9100593 date de publication en ligne : 10/10/2020 En ligne : https://doi.org/10.3390/ijgi9100593 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96143 [article]

Comparison of tree-based classification algorithms in mapping burned forest areas / Dilek Kucuk Matci in Geodetski vestnik, vol 64 n° 3 (September - November 2020)  

Permalink

Monitoring narrow mangrove stands in Baja California Sur, Mexico using linear spectral unmixing / Jonathan B. Thayn in Marine geodesy, Vol 43 n° 5 (September 2020)  

Permalink

Accuracies of support vector machine and random forest in rice mapping with Sentinel-1A, Landsat-8 and Sentinel-2A datasets / Lamin R. Mansaray in Geocarto international, vol 35 n° 10 ([01/08/2020])  

Permalink

Development and application of a new mangrove vegetation index (MVI) for rapid and accurate mangrove mapping / Alvin B. Baloloy in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)  

Permalink

Extraction of built-up areas from Landsat-8 OLI data based on spectral-textural information and feature selection using support vector machine method / Vijendra Singh Bramhe in Geocarto international, vol 35 n° 10 ([01/08/2020])  

Permalink

Landuse and land cover identification and disaggregating socio-economic data with convolutional neural network / Jingtao Yao in Geocarto international, vol 35 n° 10 ([01/08/2020])  

Permalink

Improved optical image matching time series inversion approach for monitoring dune migration in North Sinai Sand Sea: Algorithm procedure, application, and validation / Eslam Ali in ISPRS Journal of photogrammetry and remote sensing, vol 164 (June 2020)  

Permalink

A water identification method basing on grayscale Landsat 8 OLI images / Zhitian Deng in Geocarto international, vol 35 n° 7 ([15/05/2020])  

Permalink

Assessment of winter season land surface temperature in the Himalayan regions around the Kullu area in India using Landsat-8 data / Divyesh Varade in Geocarto international, vol 35 n° 6 ([01/05/2020])  

Permalink

An original method for tree species classification using multitemporal multispectral and hyperspectral satellite data / Olga Grigorieva in Silva fennica, vol 54 n° 2 (2020)  

Permalink