Centre dedocumentation
scientifique

The potential of combining satellite and airborne remote sensing data for habitat classification and monitoring in forest landscapes / Anna Iglseder in International journal of applied Earth observation and geoinformation, vol 117 (March 2023)  

Public [article]  inInternational journal of applied Earth observation and geoinformation > vol 117 (March 2023) . - n° 103131 Titre : The potential of combining satellite and airborne remote sensing data for habitat classification and monitoring in forest landscapes Type de document : Article/Communication Auteurs : Anna Iglseder, Auteur ; Markus Immitzer, Auteur ; Alena Dostalova, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : n° 103131 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] carte thématique [Termes IGN] cartographie écologique [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] données Copernicus [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] forêt [Termes IGN] habitat (nature) [Termes IGN] habitat forestier [Termes IGN] image radar moirée [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] modèle numérique de surface [Termes IGN] protection de la biodiversité [Termes IGN] site Natura 2000 [Termes IGN] Vienne (capitale Autriche) Résumé : (auteur) Mapping and monitoring of habitats are requirements for protecting biodiversity. In this study, we investigated the benefit of combining airborne (laser scanning, image-based point clouds) and satellite-based (Sentinel 1 and 2) data for habitat classification. We used a two level random forest 10-fold leave-location-out cross-validation workflow to model Natura 2000 forest and grassland habitat types on a 10 m pixel scale at two study sites in Vienna, Austria. We showed that models using combined airborne and satellite-based remote sensing data perform significantly better for forests than airborne or satellite-based data alone. For frequently occurring classes, we reached class accuracies with F1-scores from 0.60 to 0.87. We identified clear difficulties of correctly assigning rare classes with model-based classification. Finally, we demonstrated the potential of the workflow to identify errors in reference data and point to the opportunities for integration in habitat mapping and monitoring. Numéro de notice : A2023-128 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.jag.2022.103131 Date de publication en ligne : 12/01/2023 En ligne : https://doi.org/10.1016/j.jag.2022.103131 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102512 [article]

Machine learning remote sensing using the random forest classifier to detect the building damage caused by the Anak Krakatau Volcano tsunami / Riantini Virtriana in Geomatics, Natural Hazards and Risk, vol 14 n° 1 (2023)  

Public [article]  inGeomatics, Natural Hazards and Risk > vol 14 n° 1 (2023) . - pp 28 - 51 Titre : Machine learning remote sensing using the random forest classifier to detect the building damage caused by the Anak Krakatau Volcano tsunami Type de document : Article/Communication Auteurs : Riantini Virtriana, Auteur ; Agung Budi Harto, Auteur ; Fiza Wira Atmaja, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 28 - 51 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage automatique [Termes IGN] base de données d'images [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] dommage matériel [Termes IGN] données Copernicus [Termes IGN] image Sentinel-MSI [Termes IGN] image Worldview [Termes IGN] Indonésie [Termes IGN] modèle numérique de surface [Termes IGN] segmentation d'image [Termes IGN] tsunami Résumé : (auteur) In Indonesia, tsunamis are frequent events. In 2000–2016, there were 44 tsunami events in Indonesia, with financial losses reaching 43.38 trillion. In 2018, a tsunami occurred in the Sunda Strait due to the eruption of the Anak Krakatau Volcano, which caused many fatalities and much building damage. This study aimed to detect the building damage in the Labuan District, Banten Province. Machine learning methods were used to detect building damage using random forest with object-based techniques. No previous research has combined selected predictors into scenarios; hence, the novelty of this study is combining various random forest predictors to identify the extent of building damage using 14 predictor scenarios. In addition, field surveys were conducted two years and nine months after the tsunami to observe the changes and efforts made. The results of the random forest classification were validated and compared with three datasets, namely xBD, Copernicus, and field survey data. The results of this study can help classify the level of building damage using satellite imagery to improve mitigation in tsunami-prone areas. Numéro de notice : A2023-037 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/19475705.2022.2147455 Date de publication en ligne : 07/12/2022 En ligne : https://doi.org/10.1080/19475705.2022.2147455 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102307 [article]

Sea surface temperature prediction model for the Black Sea by employing time-series satellite data: a machine learning approach / Hakan Oktay Aydınlı in Applied geomatics, vol 14 n° 4 (December 2022)  

Public [article]  inApplied geomatics > vol 14 n° 4 (December 2022) . - pp 669 - 678 Titre : Sea surface temperature prediction model for the Black Sea by employing time-series satellite data: a machine learning approach Type de document : Article/Communication Auteurs : Hakan Oktay Aydınlı, Auteur ; Ali Ekincek, Auteur ; Mervegül Aykanat-Atay, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 669 - 678 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse diachronique [Termes IGN] apprentissage automatique [Termes IGN] classification par réseau neuronal récurrent [Termes IGN] détection de changement [Termes IGN] données Copernicus [Termes IGN] image Aqua-MODIS [Termes IGN] méthode des moindres carrés [Termes IGN] modèle de simulation [Termes IGN] Noire, mer [Termes IGN] optimisation (mathématiques) [Termes IGN] série temporelle [Termes IGN] température de surface de la mer Résumé : (auteur) High temporal resolution remote sensing images provide continuous data about the marine environment, which is critical for gaining extensive knowledge about the aquatic environment and marine species. Sea surface temperature (SST) is one of the basic parameters that can be obtained with the help of remote sensing. Long-term alterations in the SST can affect the aquatic environment and marine species, such as the life expectancy of anchovies in the Black Sea. Forecasting the dynamics of SSTs is crucial for detecting and eliminating the SST-oriented impacts. The goal of the current study is to construct a predictive model to estimate the daily SST value for the mid-Black Sea using a machine learning approach by employing time-series satellite data from 2008 to 2021. Turkey’s mid-Black Sea coastal line, comprising Ordu, Samsun, and Sinop stations, was chosen as the study area. The SST predictive model was represented by applying the recurrent neural network (RNN) long- and short-term memory (LSTM). Adam stochastic optimization was used for validation, and the mean square error (MSE) for each location was found to be 0.914, 0.815, and 0.802, respectively. The findings indicate that our model is significantly promising for accurate and effective short- and midterm daily SST prediction. Numéro de notice : A2022-894 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1007/s12518-022-00462-y Date de publication en ligne : 23/08/2022 En ligne : https://doi.org/10.1007/s12518-022-00462-y Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102242 [article]

Testing, analysis and improvement of FGI-NLS Sentinel-2 data processing chain for land use applications / Emile Blettery (2018) 

Public Titre : Testing, analysis and improvement of FGI-NLS Sentinel-2 data processing chain for land use applications Type de document : Mémoire Auteurs : Emile Blettery , Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 49 p. Format : 21 x 30 cm Note générale : bibliographie Rapport de projet pluridisciplinaire, cycle Ingénieur 2e année Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] chaîne de traitement [Termes IGN] correction radiométrique [Termes IGN] détection des nuages [Termes IGN] données Copernicus [Termes IGN] image RVB [Termes IGN] image Sentinel-MSI [Termes IGN] masque [Termes IGN] nébulosité [Termes IGN] portabilité [Termes IGN] Python (langage de programmation) [Termes IGN] semis de points [Termes IGN] valorisation des données Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) L’établissement de cartes d’occupation du sol détaillées et mises à jour de manière efficace est devenu un enjeu essentiel dans le cadre des réflexions sur un développement et une production durables. C’est pour répondre à ce besoin que l’Institut de Recherche Géospatiale de Finlande a pris part au projet ”Integration of large multisource point cloud and image datasets for adaptive map updating” mis en oeuvre par l’Académie de Finlande. Dans le cadre de ce projet, une méthode de traitement automatique à grande échelle des données Copernicus (données satellites de l’ESA) a été mise en place. C’est dans le cadre du développement de cette méthode de traitement que s’inscrit mon travail. Il m’a été demandé de participer de différentes manières au processus pour les données Sentinel-2 : — tester le processus de manière poussée, s’assurer de sa portabilité multi-plateforme et proposer des solutions pour améliorer sa parallélisation, — évaluer le masque nuagique utilisé pour le moment (Sen2Cor) et proposer un paramétrage plus efficace, — tester une autre méthode de masquage (FMask) comme potentielle alternative à la méthode existante déjà intégrée au processus global, — développer des méthodes de mise en valeur des résultats en sortie du processus. Ces travaux ont donc été l’occasion de développer mes compétences en télédétection par images satellites, en masques nuagiques, en python et bash. Note de contenu : Introduction 1- Work context 2- Code improvement and systematic testing 3- Sen2Cor cloud mask analysis 4- Fmask cloud mask: a better option? 5- Results highlighting Conclusion Numéro de notice : 21828 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : National Land Survey - Finnish Geospatial Research Institute (Finlande) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91342

Documents numériques

peut être téléchargé Testing, analysis and improvement ... - pdf auteur Adobe Acrobat PDF

Pregnant with potential / Geoff Sawyer in GEO: Geoconnexion international, vol 16 n° 10 (October 2017)

Public [article]  inGEO: Geoconnexion international > vol 16 n° 10 (October 2017) . - pp 26 Titre : Pregnant with potential Type de document : Article/Communication Auteurs : Geoff Sawyer, Auteur Année de publication : 2017 Article en page(s) : pp 26 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] accès aux données [Termes IGN] données Copernicus [Termes IGN] image Sentinel-MSI Résumé : (éditeur) SENTINEL 2 was only launched a few months ago, but businesses are already looking for ways to use its data. Geoff Sawyer reports on the results of the latest Earsc industry survey Numéro de notice : A2017-686 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=87388 [article]

La nécessaire cohérence entre Copernicus et les infrastructures nationales INSPIRE [diaporama] / François Chirie (2017) 

Permalink

Synthèse [de la] journée d’information et d’échanges « Copernicus » / Anonyme (2017) 

Permalink

n° 2 - octobre 2016 - Atlas régional de l'occupation des sols en France (Bulletin de Datalab) / Service de l'observation et des statistiques  

Permalink