Descripteur
Termes IGN > 1- Outils - instruments et méthodes
1- Outils - instruments et méthodes |
Documents disponibles dans cette catégorie (10816)
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
Titre : Deep learning based vehicle detection in aerial imagery Type de document : Monographie Auteurs : Lars Wilko Sommer, Éditeur scientifique Editeur : Karlsruhe [Allemagne] : KIT Scientific Publishing Année de publication : 2022 Importance : 276 p. Format : 15 x 21 cm ISBN/ISSN/EAN : 978-3-7315-1113-7 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] ancre
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'objet
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] filtre
[Termes IGN] image aérienne
[Termes IGN] véhiculeRésumé : (éditeur) This book proposes a novel deep learning based detection method, focusing on vehicle detection in aerial imagery recorded in top view. The base detection framework is extended by two novel components to improve the detection accuracy by enhancing the contextual and semantical content of the employed feature representation. To reduce the inference time, a lightweight CNN architecture is proposed as base architecture and a novel module that restricts the search area is introduced. Note de contenu : 1- Introduction
2- Related work
3- Concept
4- Experimental setup
5- Base framework
6- Integration of contextual knowledge
7- Runtime optimization
8- Evaluation
9- Conclusions and outlookNuméro de notice : 28685 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.5445/KSP/1000135415 En ligne : https://doi.org/10.5445/KSP/1000135415 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100015
Titre : Deep learning for radar data exploitation of autonomous vehicle Type de document : Thèse/HDR Auteurs : Arthur Ouaknine, Auteur ; Florence Tupin, Directeur de thèse ; Patrick Pérez, Directeur de thèse ; Alasdair Newson, Directeur de thèse Editeur : Paris : Institut Polytechnique de Paris Année de publication : 2022 Importance : 195 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l’Institut Polytechnique de Paris, Spécialité Signal, Images, Automatique et robotiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données radar
[Termes IGN] fusion de données multisource
[Termes IGN] réseau neuronal convolutif
[Termes IGN] scène urbaine
[Termes IGN] segmentation sémantique
[Termes IGN] semis de points
[Termes IGN] véhicule sans piloteIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La conduite autonome exige une compréhension détaillée de scènes de conduite complexes. La redondance et la complémentarité des capteurs du véhicule permettent une compréhension précise et robuste de l'environnement, augmentant ainsi le niveau de performance et de sécurité. Cette thèse se concentre sur le RADAR automobile, qui est un capteur actif à faible coût mesurant les propriétés des objets environnants, y compris leur vitesse relative, et qui a l'avantage de ne pas être affecté par des conditions météorologiques défavorables.Avec les progrès rapides de l'apprentissage profond et la disponibilité d'ensembles de données publiques sur la conduite, la capacité de perception des systèmes de conduite basés sur la vision (par exemple, la détection d'objets ou la prédiction de trajectoire) s'est considérablement améliorée. Le capteur RADAR est rarement utilisé pour la compréhension de scène en raison de sa faible résolution angulaire, de la taille, du bruit et de la complexité des données brutes RADAR ainsi que du manque d'ensembles de données disponibles. Cette thèse propose une étude approfondie de la compréhension de scènes RADAR, de la construction d'un jeu de données annotées à la conception d'architectures d'apprentissage profond adaptées.Tout d'abord, cette thèse détaille des approches permettant de remédier au manque de données. Une simulation simple ainsi que des méthodes génératives pour créer des données annotées seront présentées. Elle décrit également le jeu de données CARRADA, composé de données synchronisées de caméra et de RADAR avec une méthode semi-automatique générant des annotations sur les représentations RADAR.%Aujourd'hui, le jeu de données CARRADA est le seul jeu de données fournissant des données RADAR brutes annotées pour des tâches de détection d'objets et de segmentation sémantique.Cette thèse présente ensuite un ensemble d'architectures d'apprentissage profond avec leurs fonctions de perte associées pour la segmentation sémantique RADAR.Elle décrit également une méthode permettant d'ouvrir la recherche sur la fusion des capteurs LiDAR et RADAR pour la compréhension de scènes.Enfin, cette thèse expose une contribution collaborative, le jeu de données RADIal avec RADAR haute définition (HD), LiDAR et caméra synchronisés. Une architecture d'apprentissage profond est également proposée pour estimer le pipeline de traitement du signal RADAR tout en effectuant simultanément un apprentissage multitâche pour la détection d'objets et la segmentation de l'espace libre de conduite. Note de contenu : 1. Introduction
1.1 Context
1.2 Motivations
1.3 Contributions and outlines
2. Background
2.1 RADAR theory
2.2 Recordings and signal processing
2.3 Artificial neural networks
2.4 Convolutional neural network
2.5 Recurrent neural network
2.6 Deep learning
3. Related work
3.1 Diverse applications
3.2 Automotive RADAR datasets
3.3 RADAR object detection
3.4 RADAR semantic segmentation
3.5 Sensor fusion
3.6 Conclusions
4. Proposed automotive RADAR datasets
4.1 RADAR simulation
4.2 RADAR data generation
4.3 CARRADA dataset
4.4 Conclusions
5. RADAR scene understanding
5.1 Multi-view RADAR semantic segmentation
5.2 Sensor fusion
5.3 Conclusions
6. High-definition RADAR
6.1 Motivations
6.2 RADIal dataset
6.3 Proposed method
6.4 Experiments and Results
6.5 Conclusions and discussions
7 Conclusion 125
7.1 Contributions
7.2 Future workNuméro de notice : 26803 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : Signal, Images, Automatique et robotique : Palaiseau : 2022 Organisme de stage : Télécom Paris nature-HAL : Thèse DOI : sans Date de publication en ligne : 11/03/2022 En ligne : https://tel.hal.science/tel-03606384 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100125
Titre : Détection des micro et macroplastiques à partir de mesures spectrales Type de document : Mémoire Auteurs : Martin Cubaud, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 82 p. Format : 21 x 30 cm Note générale : Bibliographie
Mémoire de fin d'études, cycle des ingénieurs ENSG 3ème annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse comparative
[Termes IGN] analyse de données
[Termes IGN] apprentissage automatique
[Termes IGN] bande infrarouge
[Termes IGN] déchet
[Termes IGN] dégradation de l'environnement
[Termes IGN] détection d'anomalie
[Termes IGN] détection de cible
[Termes IGN] image captée par drone
[Termes IGN] image hyperspectrale
[Termes IGN] matière plastique
[Termes IGN] plateau continental
[Termes IGN] pollution
[Termes IGN] spectrométrieIndex. décimale : MPT Mémoires de fin d'études du Master Méthodes physiques en télédétection Résumé : (Auteur) La pollution plastique pose d’importants problèmes pour les organismes vivants, et nécessite donc d’être surveillée de manière fiable et efficace. Le présent rapport de stage compare différentes méthodes pour détecter et identifier la nature de déchets plastiques à partir d’images hyperspectrales dans l’infrarouge court (SWIR, entre 1 et 2,5 µm) prises par drone au-dessus de surfaces continentales : détection d’anomalies, indices spectraux, détection de cibles et apprentissage automatique. Il s’intéresse également à la quantification de l’abondance sub-pixellique des plastiques, et notamment des microplastiques d’une taille inférieure à 5 mm. Note de contenu : Introduction
1. Analyse des données
1.1 Présentation des données
1.2 Analyse et comparaison de spectres
2. Méthodologie 19
2.1 Réduction de dimension
2.2 Détection des plastiques
2.3 Démélange spectral
2.4 Métriques d’évaluation
3. Résultats
3.1 Détection des plastiques
3.2 Quantification de l’abondance sub-pixellique de plastique
4. Discussion
4.1 Détection et identification
4.2 Identification des polymères
4.3 Quantification de l’abondance sub-pixellique de plastique
ConclusionNuméro de notice : 26936 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Office National d’Etudes et de Recherches Aérospatiales ONERA Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102060 Documents numériques
en open access
Détection des micro et macroplastiques à partir de mesures spectrales - pdf auteurAdobe Acrobat PDF Developing the potential of airborne lidar systems for the sustainable management of forests / Karun Dayal (2022)
Titre : Developing the potential of airborne lidar systems for the sustainable management of forests : accounting for and managing the impacts of lidar scan angle on ABA model predictions of forest attributes Type de document : Thèse/HDR Auteurs : Karun Dayal, Auteur ; Sylvie Durrieu, Directeur de thèse ; Marc Bouvier, Directeur de thèse Editeur : Paris, Nancy, ... : AgroParisTech (2007 -) Année de publication : 2022 Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l’Institut national des sciences et industries du vivant et de l'environnement - AgroParisTech, Spécialité GéomatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s)
[Termes IGN] analyse comparative
[Termes IGN] angle de visée
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] forêt alpestre
[Termes IGN] forêt ripicole
[Termes IGN] gestion durable
[Termes IGN] inventaire forestier national (données France)
[Termes IGN] jeu de données localisées
[Termes IGN] ligne de visée
[Termes IGN] modèle numérique de surface de la canopée
[Termes IGN] peuplement forestier
[Termes IGN] précision géométrique (imagerie)
[Termes IGN] prédiction
[Termes IGN] réseau neuronal artificiel
[Termes IGN] télémètre laser à balayage
[Termes IGN] télémètre laser aéroportéIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) L’information mesurée par Lidar aéroporté dépend de la végétation observée et de la géométrie de l'acquisition lidar, elle-même fonction des paramètres d'acquisition et des propriétés du terrain. Cette thèse vise à comprendre la relation entre la géométrie d'acquisition du lidar et les prédictions d'attributs forestiers en se focalisant sur l'évaluation et la gestion des impacts de l'angle de balayage du lidar sur les métriques lidar et les modèles construits à l’échelle du peuplement (i.e. approches surfaciques ou ABA). Quatre types de forêts différents ont été étudiés, dont trois types de forêts (feuillus, conifères et mixtes) en terrain montagneux et un type de forêt (ripisylve) en terrain relativement plat . La thèse est divisée en trois parties. La première partie évalue l'effet de l'angle de balayage du lidar sur les mesures lidar couramment utilisées dans les prédictions de type ABA. On a ainsi montré que les différentes métriques lidar ne sont pas impactées de la même façon par des changements d'angle de balayage. La deuxième partie de l'étude s’intéresse aux conséquences sur la qualité des modèles de l’introduction dans ces modèles de métriques lidar présentant des sensibilités différentes à l'angle de balayage. Un modèle basé sur un jeu de métriques Lidar prédéfinies, plus ou moins sensibles aux angles de balayage, est utilisé.Les jeux de données lidar existants sont ré-échantillonnés selon les lignes de vol pour 1) simuler des acquisitions lidar avec différentes configurations de balayage, 2) construire des modèles pour une série de configurations de balayage différentes, et 3) comparer la qualité des estimations qui résultent de chaque configuration d’acquisition. Ces comparaisons montrent que l’introduction de métriques sensibles à l’angle de balayage diminue la robustesse des modèles. De plus, la variation de la précision des modèles ABA s’est révélée être plus élevée pour les jeux de données composés de nuages de points acquis depuis une seule ligne de vol que pour ceux composés de nuages de points obtenus en combinant les mesures de plusieurs lignes de vol.Nous avons aussi tenté de normaliser les métriques lidar en utilisant des méthodes de voxellisation pour limiter les impacts des changements d’angles de balayage. Les métriques issues des données voxellisées contribuent à augmenter la précision des prédictions ou à augmenter leur justesse, ou, dans certains cas, les deux en même temps. Dans la dernière partie de l'étude, les propriétés du terrain (topographie) et les paramètres d'acquisition sont explicitement pris en compte dans les modèles. Comme les interactions entre les paramètres d'acquisition lidar, le terrain et les propriétés de la végétation peuvent être complexes, un réseau de neurone (perceptron multicouche) est utilisé pour modéliser les relations entre les attributs forestiers et les métriques lidar en tenant compte de ces interactions entre métriques lidar et géométrie d'acquisition. Cela a permis d'améliorer significativement les prédictions ABA. Note de contenu : Chapter 1: Introduction
1.1 Sustainable Forest Management
1.2 The role of remote sensing in enhancing forest inventory
1.3 Enhanced forest inventory with lidar
1.4 Understanding the role of lidar scan angle in forestry applications
1.5 Research questions and objectives
1.6 Overview of the thesis
Chapter 2: Scan angle impact on lidar-derived metrics used in ABA models for prediction of forest
stand characteristics: a grid based analysis
2.1 Introduction
2.2 Materials
2.3 Methods
2.4 Results
2.5 Discussion
2.6 Conclusions
2.7 Acknowledgement
Chapter 3: An investigation into lidar scan angle impacts on stand attribute predictions in different
forest environments
3.1 Introduction
3.2 Materials and methods
3.3 Results
3.5 Conclusion
3.6 Acknowledgements
Chapter 4: Improving ABA models for forest attribute prediction using neural networks by considering effects of terrain and scan angles on 3D lidar point clouds
4.1 Introduction
4.2 Materials and methods
4.3 Results
4.4 Discussion
4.5 Conclusion
Chapter 5: Conclusion
5.1 Synthesis of the thesis
5.2 Limitations and PerspectivesNuméro de notice : 26957 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géomatique : Université Paris-Saclay : 2022 Organisme de stage : UMR TETIS - Territoires, Environnement, Télédétection et Information Spatiale nature-HAL : Thèse DOI : sans Date de publication en ligne : 24/01/2023 En ligne : https://hal.science/tel-03954492 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102527 Editing maps of landscape elements according to their potential influence on animals by combining multi-source data: a case study about red foxes in urban environment / Laurence Jolivet (2022)
Titre : Editing maps of landscape elements according to their potential influence on animals by combining multi-source data: a case study about red foxes in urban environment Type de document : Article/Communication Auteurs : Laurence Jolivet , Auteur ; Emmanuelle Robardet, Auteur ; Marianne Cohen, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Conférence : IGC 2022, International geographic congress, Congrès du centenaire de l’Union Géographique Internationale UGI 18/07/2022 22/07/2022 Paris France OA Abstracts only Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] carte thématique
[Termes IGN] données multisources
[Termes IGN] milieu urbainRésumé : (auteur) Wildlife present in urban environments uses the space as shaped by human infrastructures and activities (Jokimäki et al., 2011). Landscape planning has to take into account animals’ space use so that to enable good ecological functioning and to identify places of interface between wildlife and human, particularly relevant in the management of zoonosis (Plumer et al., 2014). Meeting this need remains a challenge due to the scarcity of animals’ data and their dependency on specific collect contexts (the observed animal, its personality, the area, recording parameters). Our study case deals with red fox (Vulpes vulpes) in the city of Nancy in eastern France. Our aim is to propose a map of landscape elements that would be selected according to their potential influence on the species’ space use (Burel et al., 1999). This influence may be attractiveness for the presence of animals, or avoidance. It may also correspond to corridors or obstacles to movements. The edition of such map implied integrating multi-theme and multi-source geographical data, about physical landscape description, human activities, animals’ locations, and from institutional databases, crowd-sourcing, local expert studies and ad-hoc data collections (Zhang et al., 2019). The targeted integration result was a set of geometrical parcels characterized into two distinct classifications on land cover types and human land uses. Labels in the classifications were defined relying on the analysis of red foxes’ GPS locations (Robardet, 2007) which highlighted specific landscape elements to consider (vegetation patches, railways, property boundaries which might be fences, walls) and temporalities related to daytime and night time and to individual rhythms. Validation is based on a comparison between the resulted map and reference data based on field survey and visual interpretation of images. The map stands as a display of the space interpreted with a landscape planning objective and requiring regular updating. Numéro de notice : C2022-047 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : BIODIVERSITE/GEOMATIQUE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans En ligne : https://hal.science/hal-03820118v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102437 Empirical comparison between stochastic and deterministic modifiers over the French Auvergne geoid computation test-bed / Ropesh Goyal in Survey review, vol 54 n° 382 (January 2022)PermalinkPermalinkPermalinkÉvolution rétrospective et prospective d’un massif dunaire par imagerie multispectrale et LiDAR / Iris Jeuffrard (2022)PermalinkExamining the integration of Landsat operational land imager with Sentinel-1 and vegetation indices in mapping southern yellow pines (Loblolly, Shortleaf, and Virginia pines) / Clement E. Akumu in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 1 (January 2022)PermalinkFusion de données hyperspectrales et panchromatiques dans le domaine réflectif / Yohann Constans (2022)PermalinkGenerating geographical location descriptions with spatial templates: a salient toponym driven approach / Mark M. Hall in International journal of geographical information science IJGIS, vol 36 n° 1 (January 2022)PermalinkGenerating GPS decoupled clock products for precise point positioning with ambiguity resolution / Shuai Liu in Journal of geodesy, vol 96 n° 1 (January 2022)PermalinkGénération d’un jeu de données d’entraînement et mise en oeuvre d’une architecture de détection par deep learning des numéros de parcelles sur les plans du cadastre Napoléonien / Tiecoumba Ibrahim Tamela (2022)PermalinkA GIS-based landslide susceptibility mapping and variable importance analysis using artificial intelligent training-based methods / Pengxiang Zhao in Remote sensing, vol 14 n° 1 (January-1 2022)PermalinkGlobal canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles / Nico Lang in Remote sensing of environment, vol 268 (January 2022)PermalinkGuidelines for standardizing the design of tactile maps: A review of research and best practice / Jakub Wabiński in Cartographic journal (the), vol 59 n° 3 (August 2022)PermalinkHarmonisation de la production cartographique dans le cadre des Programmes d’Actions de Prévention des Inondations / Nils Deslandes (2022)PermalinkHigh-resolution canopy height map in the Landes forest (France) based on GEDI, Sentinel-1, and Sentinel-2 data with a deep learning approach / Martin Schwartz (2022)PermalinkHistograms of oriented mosaic gradients for snapshot spectral image description / Lulu Chen in ISPRS Journal of photogrammetry and remote sensing, vol 183 (January 2022)PermalinkHistorical shoreline analysis and field monitoring at Ennore coastal stretch along the Southeast coast of India / M. Dhananjayan in Marine geodesy, vol 45 n° 1 (January 2022)PermalinkHistorical Vltava River valley–various historical sources within web mapping environment / Jiří Krejčí in ISPRS International journal of geo-information, vol 11 n° 1 (January 2022)PermalinkPermalinkImproving urban land cover mapping with the fusion of optical and SAR data based on feature selection strategy / Qing Ding in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 1 (January 2022)PermalinkInteractive HGIS platform union of Lublin (1569): A geomatic solution for discovering the Jagiellonian heritage of the city / Jakub Kuna in Journal of Cultural Heritage, vol 53 (January–February 2022)PermalinkLandslide evolution pattern revealed by multi-temporal DSMs obtained from historical aerial images / Michele Santangelo (2022)PermalinkLarge-scale dimensional metrology for geodesy: First results from the European GeoMetre project / Florian Pollinger (2022)PermalinkLearning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)PermalinkMapping burned areas and land-uses in Kangaroo Island using an object-based image classification framework and Landsat 8 Imagery from Google Earth Engine / Jiyu Liu in Geomatics, Natural Hazards and Risk, vol 13 (2022)PermalinkPermalinkPermalinkModalités et rythmes d'évolution des falaises des Vaches Noires (Normandie, France) : caractérisation et quantification des dynamiques hydrogravitaires par approches multi-scalaires / Thomas Roulland (2022)PermalinkModélisation du lien entre éruptions et glissements de flancs au Piton de la Fournaise / Quentin Dumont (2022)PermalinkMonitoring and analysis of crop irrigation dynamics in Central Italy through the use of MODIS NDVI data / Marta Chiesi in European journal of remote sensing, vol 55 n° 1 (2022)PermalinkMonitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon / Le Bienfaiteur Sagang Takougoum (2022)PermalinkMonitoring grassland dynamics by exploiting multi-modal satellite image time series / Anatol Garioud (2022)PermalinkMulti-criteria geographic analysis for automated cartographic generalization / Guillaume Touya in Cartographic journal (the), vol 59 n° 1 (February 2022)PermalinkMulti-frequency quadrifilar helix antennas for cm-accurate GNSS positioning / Lambert Wanninger in Journal of applied geodesy, vol 16 n° 1 (January 2022)PermalinkPermalinkA multipath and thermal noise joint error characterization and exploitation for low-cost GNSS PVT estimators in urban environment / Eustachio Roberto Matera (2022)PermalinkNew Fuzzy-AHP Matlab based graphical user interface (GUI) for a broad range of users: Sample applications in the environmental field / Meryem Tahri in Computers & geosciences, vol 158 (January 2022)PermalinkNon-linear GNSS signal processing applied to land observation with high-rate airborne reflectometry / Hamza Issa (2022)PermalinkA novel unmixing-based hypersharpening method via convolutional neural network / Xiaochen Lu in IEEE Transactions on geoscience and remote sensing, vol 60 n° 1 (January 2022)PermalinkNumérique versus symbolique : dialogue ontologique entre deux approches / Hélène Mathian in Revue internationale de géomatique, vol 31 n° 1-2 (janvier - juin 2022)PermalinkOn-orbit BDS signals and transmit antenna gain analysis for a geostationary satellite / Meng Wang in Advances in space research, vol 69 n° 7 (April 2022)PermalinkPlanning coastal Mediterranean stone pine (Pinus pinea L.) reforestations as a green infrastructure: combining GIS techniques and statistical analysis to identify management options / Luigi Portoghesi in Annals of forest research, vol 65 n° 1 (January - June 2022)PermalinkPredicting AIS reception using tropospheric propagation forecast and machine learning / Zackary Vanche (2022)PermalinkRecursive Gauss-Helmert model with equality constraints applied to the efficient system calibration of a 3D laser scanner / Sören Vogel in Journal of applied geodesy, vol 16 n° 1 (January 2022)PermalinkPermalinkRemise en forme des données géographiques des biotopes en milieu ouvert du Luxembourg / Alexandre Nghien (2022)Permalink