Centre dedocumentation
scientifique

Performance evaluation of artificial neural networks for natural terrain classification / Perpetual Hope Akwensi in Applied geomatics, vol 13 n° 1 (May 2021)  

Public [article]  inApplied geomatics > vol 13 n° 1 (May 2021) Titre : Performance evaluation of artificial neural networks for natural terrain classification Type de document : Article/Communication Auteurs : Perpetual Hope Akwensi, Auteur ; Eric Thompson Brantson, Auteur ; Johanna Ngula Niipele, Auteur ; et al., Auteur Année de publication : 2021 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] Afrique occidentale [Termes IGN] classification par nuées dynamiques [Termes IGN] échantillonnage [Termes IGN] fonction de base radiale [Termes IGN] image Landsat-OLI [Termes IGN] image multibande [Termes IGN] inventaire de la végétation [Termes IGN] réalité de terrain [Termes IGN] regroupement de données [Termes IGN] réseau neuronal artificiel [Termes IGN] segmentation d'image Résumé : (auteur) Remotely sensed image segmentation and classification form a very important part of remote sensing which involves geo-data processing and analysis. Artificial neural networks (ANNs) are powerful machine learning approaches that have been successfully implemented in numerous fields of study. There exist many kinds of neural networks and there is no single efficient approach for resolving all geospatial problems. Therefore, this research aims at investigating and evaluating the efficiency of three ANN approaches, namely, backpropagation neural network (BPNN), radial basis function neural network (RBFNN), and Elman backpropagation recurrent neural network (EBPRNN) using multi-spectral satellite images for terrain feature classification. Additionally, there has been close to no application of EBPRNN in modeling multi-spectral satellite images even though they also contain patterns. The efficiency of the three tested approaches is presented using the kappa coefficient, user’s accuracy, producer’s accuracy, overall accuracy, classification error, and computational simulation time. The study demonstrated that all the three ANN models achieved the aim of pattern identification, segmentation, and classification. This paper also discusses the observations of increasing sample sizes as inputs in the various ANN models. It was concluded that RBFNN’s computational time increases with increasing sample size and consequently increasing the number of hidden neurons; BPNN on overall attained the highest accuracy compared to the other models; EBPRNN’s accuracy increases with increasing sample size, hence a promising and perhaps an alternative choice to BPNN and RBFNN if very large datasets are involved. Based on the performance metrics used in this study, BPNN is the best model out of the three evaluated ANN models. Numéro de notice : A2021-223 Affiliation des auteurs : non IGN Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s12518-021-00360-9 date de publication en ligne : 13/02/2021 En ligne : https://doi.org/10.1007/s12518-021-00360-9 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97194 [article]

Apport des SIG dans le suivi des activités de reboisement dans la Forêt école de l’ENEF Mbalmayo / Daniele Roseline Bikie Mindang in Revue Internationale de Géomatique, Aménagement et Gestion des Ressources, RIGAGER, n° 7-8 (décembre 2020)  

Public [article]  inRevue Internationale de Géomatique, Aménagement et Gestion des Ressources, RIGAGER > n° 7-8 (décembre 2020) . - pp 127 - 142 Titre : Apport des SIG dans le suivi des activités de reboisement dans la Forêt école de l’ENEF Mbalmayo Type de document : Article/Communication Auteurs : Daniele Roseline Bikie Mindang, Auteur ; Philippes Mbevo Fendoung, Auteur Année de publication : 2020 Article en page(s) : pp 127 - 142 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications SIG [Termes IGN] ArcGIS [Termes IGN] Cameroun [Termes IGN] composition floristique [Termes IGN] couvert forestier [Termes IGN] dégradation de l'environnement [Termes IGN] parcelle forestière [Termes IGN] reboisement [Termes IGN] système d'information géographique Résumé : (auteur) L’École Nationale des Eaux et Forêts de Mbalmayo dispose d’une Forêt Ecole qui subit depuis des années une dégradation dues aux activités anthropiques. Depuis plusieurs années, des activités de reboisement sont menées pour restaurer ce couvert forestier. Cependant, peu de données sont disponibles sur la superficie déjà reboisée et aussi sur la localisation et la composition floristique des parcelles reboisées. Cette étude a pour objectif de géolocaliser à l’aide des outils SIG les parcelles reboisées entre 2015 et 2019, mais aussi de donner leur superficie et leur composition floristique. Ce travail est rendu possible grâce aux outils GPS et le logiciel ArcGIS 10.3.1®, qui ont facilité la collecte et l’analyse des données. Il en découle que, de 2015 à 2019 une superficie de 5,9 ha de forêt a été reboisée, repartie sur 43 parcelles (11 parcelles mono-spécifiques et 32 parcelles polyspéciques). 3878 plants ont été inventoriés appartenant à 19 espèces. Les SIG facilitent dont le suivi des activités de reboisement. Numéro de notice : A2020-835 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article En ligne : https://orbi.uliege.be/handle/2268/255180 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97910 [article]

A convolutional neural network approach for counting and geolocating citrus-trees in UAV multispectral imagery / Lucas Prado Osco in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 160 (February 2020) . - pp 97 - 106 Titre : A convolutional neural network approach for counting and geolocating citrus-trees in UAV multispectral imagery Type de document : Article/Communication Auteurs : Lucas Prado Osco, Auteur ; Mauro Dos Santos de Arruda, Auteur ; José Marcato Junior, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 97 - 106 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] Brésil [Termes IGN] carte de confiance [Termes IGN] Citrus (genre) [Termes IGN] détection d'arbres [Termes IGN] géolocalisation [Termes IGN] image captée par drone [Termes IGN] image multibande [Termes IGN] inventaire de la végétation [Termes IGN] réseau neuronal convolutif [Termes IGN] verger Résumé : (Auteur) Visual inspection has been a common practice to determine the number of plants in orchards, which is a labor-intensive and time-consuming task. Deep learning algorithms have demonstrated great potential for counting plants on unmanned aerial vehicle (UAV)-borne sensor imagery. This paper presents a convolutional neural network (CNN) approach to address the challenge of estimating the number of citrus trees in highly dense orchards from UAV multispectral images. The method estimates a dense map with the confidence that a plant occurs in each pixel. A flight was conducted over an orchard of Valencia-orange trees planted in linear fashion, using a multispectral camera with four bands in green, red, red-edge and near-infrared. The approach was assessed considering the individual bands and their combinations. A total of 37,353 trees were adopted in point feature to evaluate the method. A variation of σ (0.5; 1.0 and 1.5) was used to generate different ground truth confidence maps. Different stages (T) were also used to refine the confidence map predicted. To evaluate the robustness of our method, we compared it with two state-of-the-art object detection CNN methods (Faster R-CNN and RetinaNet). The results show better performance with the combination of green, red and near-infrared bands, achieving a Mean Absolute Error (MAE), Mean Square Error (MSE), R2 and Normalized Root-Mean-Squared Error (NRMSE) of 2.28, 9.82, 0.96 and 0.05, respectively. This band combination, when adopting σ = 1 and a stage (T = 8), resulted in an R2, MAE, Precision, Recall and F1 of 0.97, 2.05, 0.95, 0.96 and 0.95, respectively. Our method outperforms significantly object detection methods for counting and geolocation. It was concluded that our CNN approach developed to estimate the number and geolocation of citrus trees in high-density orchards is satisfactory and is an effective strategy to replace the traditional visual inspection method to determine the number of plants in orchards trees. Numéro de notice : A2020-045 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.12.010 date de publication en ligne : 18/12/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.12.010 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94525 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020021	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020023	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2020022	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Estimation et suivi de la ressource en bois en France métropolitaine par valorisation des séries multi-temporelles à haute résolution spatiale d'images optiques (Sentinel-2) et radar (Sentinel-1, ALOS-PALSAR) / David Morin (2020)  

Public Titre : Estimation et suivi de la ressource en bois en France métropolitaine par valorisation des séries multi-temporelles à haute résolution spatiale d'images optiques (Sentinel-2) et radar (Sentinel-1, ALOS-PALSAR) Type de document : Thèse/HDR Auteurs : David Morin, Auteur ; Gérard Dedieu, Directeur de thèse ; Milena Planells, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2020 Importance : 147 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de Doctorat de l'Université de Toulouse 3, École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse) : Surfaces et interfaces continentales, Hydrologie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] biomasse forestière [Termes IGN] carte forestière [Termes IGN] données multitemporelles [Termes IGN] France (administrative) [Termes IGN] image ALOS-PALSAR [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] inventaire de la végétation [Termes IGN] modèle de régression [Termes IGN] puits de carbone [Termes IGN] ressources forestières [Termes IGN] structure de la végétation [Termes IGN] volume en bois Résumé : (auteur) L'estimation et le suivi du carbone et de la ressource forestière sont des enjeux majeurs pour la gestion des territoires. Les forêts ont un rôle important dans les plans nationaux et internationaux pour l'atténuation du changement climatique (stockage du carbone, régulation du climat, biodiversité, énergies renouvelables). Dans les forêts tempérées, de nombreuses mesures des paramètres de structure forestière sont acquises sur des petites zones, des statistiques au niveau national ou sur de larges zones administratives sont délivrées annuellement par les organismes gouvernementaux. Les forêts tempérées sont fortement anthropisées (forte variabilité spatiale et fractionnement des peuplements), il y a actuellement un besoin fort d'une spatialisation plus fine et continue des ressources forestières dans ces régions. Les images satellitaires optiques et radar apportent des informations sur l'état de la végétation, la structure des arbres et l'organisation spatiale des forêts. Dans un contexte exceptionnel de disponibilité mondiale et gratuite, de diversité, de qualité des images à haute résolution spatiale et temporelle, le travail de thèse a pour objectif de mettre en place les bases méthodologiques et scientifiques pour une production nationale semi-automatique d'une cartographie des paramètres forestiers (biomasse, diamètre, hauteur, etc.). Nous avons évalué le potentiel des séries temporelles Sentinel-1 (radar en bande C), Sentinel-2 (optique), et des mosaïques annuelles ALOS2-PALSAR2 (radar, bande L) pour estimer les paramètres de structure forestière. Ces données satellitaires ont été combinées à l'aide d'algorithmes d'apprentissage supervisé et de mesures terrain pour construire des modèles d'estimation de la biomasse, du diamètre moyen des arbres (DBH), de la hauteur et d'autres paramètres de structure. Ces modèles peuvent ensuite être spatialisés sur l'ensemble du territoire à l'aide des images satellitaires, et fournir une information continue à la résolution spatiale des images utilisées (10 à 20 mètres). Notre approche a été conçue et testée sur quatre sites d'étude avec des essences forestières et des propriétés structurales et environnementales différentes : la zone intérieure et la zone dunaire de la forêt des Landes (pins maritimes), la forêt d'Orléans (chênes et pins sylvestres), et la forêt de Saint-Gobain (chênes, charmes et hêtres). Les principaux développements portent sur les données satellitaires à utiliser, la sélection des variables explicatives, le choix des algorithmes de régression et leur paramétrisation, la différenciation des types de forêt et la cartographie des estimations de paramètres forestiers. Les primitives issues des données satellitaires fournissent des informations sur les propriétés optiques du sol et de la végétation, l'organisation spatiale des arbres, la structure et le volume de bois vivant des houppiers et des troncs. L'utilisation d'algorithmes de régression multivariée non-linéaire permet d'obtenir des estimations des paramètres forestiers avec des performances en termes d'erreur relative de l'ordre de 15 à 35 % pour la surface terrière (~2.8 à 5.9 m2/ha) selon les types de forêt, 5 à 20 % pour la hauteur (~1.3 à 3 m), et de 5 à 25 % pour le DBH (~1.5 à 8 cm). Les résultats montrent l'apport de la combinaison de plusieurs types de données satellitaires (optique, radar multi-fréquence et indices de texture spatiale) ainsi que l'importance de différencier les types de forêt pour la construction des modèles. L'application des modèles sur les images satellitaires permet de produire des cartes à haute résolution spatiale de ces paramètres forestiers, utilisables de l'échelle locale à l'échelle régionale/nationale. Note de contenu : 1- Introduction 2- Construction de la méthode 3- Généralisation de la méthode 4- Cartographie des forêts 5- Conclusion Numéro de notice : 28533 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de l'environnement : Toulouse 3 : 2020 Organisme de stage : CESBIO nature-HAL : Thèse En ligne : https://hal.archives-ouvertes.fr/tel-03098487 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97367

Faut-il des relevés de flore exhaustifs pour caractériser et cartographier l'acidité et les propriétés nutritionnelles des sols ? / Paulina E. Pinto in Rendez-vous techniques, n° 61-62 (hiver - printemps 2019) 

Public [article]  inRendez-vous techniques > n° 61-62 (hiver - printemps 2019) . - pp 71 - 84 Titre : Faut-il des relevés de flore exhaustifs pour caractériser et cartographier l'acidité et les propriétés nutritionnelles des sols ? Type de document : Article/Communication Auteurs : Paulina E. Pinto, Auteur ; Jean-Luc Dupouey, Auteur ; Jean-Claude Gégout, Auteur ; Jean-Christophe Hervé (1961-2017) , Auteur ; Myriam Legay, Auteur ; Pierre Montpied, Auteur ; Christian Piedallu, Auteur ; Noémie Pousse, Auteur ; Stéphanie Wurpillot , Auteur Année de publication : 2019 Projets : ARBRE / AgroParisTech Article en page(s) : pp 71 - 84 Note générale : bibliographie Langues : Français (fre) Descripteur : [Termes IGN] caractérisation [Termes IGN] carte pédologique [Termes IGN] composition floristique [Termes IGN] pédologie [Termes IGN] placette d'échantillonnage [Termes IGN] sol acide [Termes IGN] teneur en azote [Vedettes matières IGN] Ecologie forestière Résumé : (auteur) Les caractéristiques nutritionnelles des sols peuvent être évaluées par des approches de bioindication souvent basées sur des inventaires floristiques complets des espèces présentes dans une placette. La durée de ces inventaires floristiques a limité l’utilisation, au-delà des catalogues de station, de la bioindication dans la gestion des forêts et d'autres milieux naturels. Dans le cadre de l’estimation et de la cartographie des propriétés des sols, nous avons cherché à déterminer s’il était possible de réduire le temps d’acquisition des données flore sur le terrain en vue d’estimer l’acidité, la disponibilité en éléments minéraux et en azote du sol par bioindication. Un dispositif de 470 relevés chronométrés, répartis à échelle nationale et dans trois forêts du nord-est de la France, a permis de mettre en évidence que 80 % de la précision maximale de prédiction est obtenue après 4-5 minutes d’inventaire floristique (6-12 espèces inventoriées) pour les trois variables étudiées. Numéro de notice : A2019-637 Affiliation des auteurs : IGN+Ext (2012-2019) Thématique : FORET Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95560 [article]

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
IFN-001-P002189	PER	Revue	Nogent-sur-Vernisson	Salle périodiques	Exclu du prêt

Documents numériques

en open access Faut-il des relevés de flore exhaustifs ... - pdf éditeur Adobe Acrobat PDF

Considering spatiotemporal processes in big data analysis: Insights from remote sensing of land cover and land use / Alexis Comber in Transactions in GIS, Vol 23 n° 5 (October 2019)  

Permalink

A general method for the classification of forest stands using species composition and vertical and horizontal structure / Miquel de Cáceres in Annals of Forest Science [en ligne], vol 76 n° 2 (June 2019)  

Permalink

Changements du stock de bois sur pied des forêts françaises : description, analyse et simulation sur des horizons temporels pluri-décennal (1975 - 2015) et séculaire à partir des données de l'inventaire forestier national et de statistiques anciennes / Anaïs Denardou-Tisserand (2019)  

Permalink

Fuzzy modelling of growth potential in forest development simulation / Damjan Strnad in Ecological Informatics, vol 48 (November 2018)  

Permalink

How to calibrate historical aerial photographs : a change analysis of naturally dynamic boreal forest landscapes / Niko Kulha in Forests, vol 9 n° 10 (October 2018)  

Permalink

Scalable individual tree delineation in 3D point clouds / Jinhu Wang in Photogrammetric record, vol 33 n° 163 (September 2018)  

Permalink

Inference on forest attributes and ecological diversity of trees outside forest by a two-phase inventory / Marco Marchetti in Annals of Forest Science [en ligne], vol 75 n° 2 (June 2018)  

Permalink

Mapping forest characteristics at fine resolution across large landscapes of the southeastern united states using NAIP imagery and FIA field plot data / John Hogland in ISPRS International journal of geo-information, vol 7 n° 4 (April 2018)  

Permalink

From Google Maps to a fine-grained catalog of street trees / Steve Branson in ISPRS Journal of photogrammetry and remote sensing, vol 135 (January 2018)  

Permalink

Les relevés floristiques : améliorations et usages [diaporama] / Manuel Nicolas (2018)  

Permalink