Détail de l'éditeur
Documents disponibles chez cet éditeur (297)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Titre : Is map generalisation a computational cartography problem? Type de document : Article/Communication Auteurs : Guillaume Touya , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Projets : LostInZoom / Touya, Guillaume Conférence : CompCarto 2022, 1st workshop on Computational Cartography 19/05/2022 20/05/2022 Bonn Allemagne programme Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage profond
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] géomètrie algorithmique
[Vedettes matières IGN] GénéralisationRésumé : (auteur) Map generalisation is one of the processes of map design, when the spatial data used to make the map is too detailed for the scale of the map. Map generalisation seeks to abstract and simplify this detailed spatial information to represent it on the map with a good legibility. Map generalisation involves different types of transformations: selection, simplification, displacement, aggregation, collapse, etc. Historically, computational geometry researchers greatly contributed to the automation of map generalisation by proposing algorithms to achieve some of these atomic transformations. But the research questions addressed by researchers on map generalisation have changed over the years, with the progress on the automation, and the changes in the way people use maps (apparition of multi-scale zoomable web maps). Is map generalisation still a computational cartography problem? To discuss this rhetorical question, this presentation illustrates the current issues of map generalisation, with past contribution of computational cartography and possible computational cartography problems. For instance, there are still needs for new specific algorithms, either because maps are much more diverse, or because the larger scale range calls for new transformations. As maps tend to mix elements of topographic maps and elements of schematized maps, computational cartography is also relevant to solve this task. Finally, as the current trend in map generalisation is the use of deep learning models, the presentation discusses the relevance of computational cartography techniques in this context. Numéro de notice : C2022-028 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Conférence invitée nature-HAL : Conf-Invitée DOI : sans En ligne : https://hal.science/hal-03677309v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100959 Jonctions entre les réseaux de nivellement français et suisse effectués en 2021 / Thierry Poncet (2022)
Titre : Jonctions entre les réseaux de nivellement français et suisse effectués en 2021 Type de document : Rapport Auteurs : Thierry Poncet, Auteur Mention d'édition : version 1 Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Collection : Documents techniques du SGM num. 600 82 8695 Importance : 12 p. Note générale : DT • 600 828695 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes de référence et réseaux
[Termes IGN] France (administrative)
[Termes IGN] réseau de nivellement
[Termes IGN] SuisseRésumé : (auteur) Ce document a permis de mettre à jour les écarts du nivellement suisse avec le nivellement de référence français de 2021 dans la partie nord de la frontière. Il confirme également la progressivité de cet écart du nord au sud. Note de contenu : 1 Contexte
2 Résultats obtenus
3 Bilan et conclusionsNuméro de notice : 17738 Affiliation des auteurs : IGN (2020- ) Thématique : POSITIONNEMENT Nature : Rapport d'étude technique DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102583 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 17738-01 7D Livre SGM K001 Disponible Documents numériques
peut être téléchargé
Jonctions entre les réseaux de nivellement français et suisse ... - pdf auteurAdobe Acrobat PDF Le mémento inventaire forestier, édition 2021 / Institut national de l'information géographique et forestière (2012 -) (2022)
Titre : Le mémento inventaire forestier, édition 2021 Type de document : Rapport Auteurs : Institut national de l'information géographique et forestière (2012 -), Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Importance : 40 p. Format : 11 x 25 cm Langues : Français (fre) Descripteur : [Termes IGN] bois mort
[Termes IGN] bois sur pied
[Termes IGN] écosystème forestier
[Termes IGN] France (administrative)
[Termes IGN] France d'outre-mer
[Termes IGN] inventaire forestier national (données France)
[Termes IGN] ressources forestières
[Vedettes matières IGN] Inventaire forestierIndex. décimale : 48.20 Inventaire forestier Résumé : (Editeur) Le mémento de l’inventaire forestier – édition 2021 – rassemble dans 40 pages les principaux chiffres, cartes et informations sur la forêt française issus des campagnes d’inventaire 2016 à 2020 de l’IGN. Note de contenu : SURFACES FORESTIERES
La forêt en Outre-Mer
La forêt en France métropolitaine
L'augmentation de la surface forestière
Le taux de boisement
À qui la forêt appartient-elle ?
ECOSYSTEMES FORESTIERS
La santé des forêts
La diversité des peuplements
La composition des peuplements
Le bois mort sur pied
Le bois mort au sol
La répartition de quelques plantes
RESSOURCES FORESTIERES
Le bois vivant sur pied
L'augmentation de la ressource
Informations sur les principales essences
La production biologique annuelle
Les prélèvements de bois
Quelques données régionalesNuméro de notice : 17695 Affiliation des auteurs : IGN (2020- ) Thématique : FORET Nature : Rapport statistique nature-HAL : Rapport DOI : sans En ligne : https://inventaire-forestier.ign.fr/spip.php?article583= Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99508 Voir aussi
- Le mémento inventaire forestier, édition 2018 / Institut national de l'information géographique et forestière (2012 -) (2018)
- Le mémento inventaire forestier, édition 2017 / Institut national de l'information géographique et forestière (2012 -) (2017)
- Le mémento inventaire forestier, édition 2019 / Institut national de l'information géographique et forestière (2012 -) (2019)
Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 17695-01 48.20 Livre Centre de documentation Végétation - Forêt Disponible 17695-02 48.20 Livre Centre de documentation Végétation - Forêt Disponible Documents numériques
peut être téléchargé
mémento inventaire forestier, édition 2021Adobe Acrobat PDF SenRVM: A multi-modal deep learning regression methodology for continuous vegetation monitoring with dense temporal NDVI time series / Anatol Garioud (2022)
Titre : SenRVM: A multi-modal deep learning regression methodology for continuous vegetation monitoring with dense temporal NDVI time series Type de document : Article/Communication Auteurs : Anatol Garioud , Auteur ; Silvia Valero, Auteur ; Clément Mallet , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Conférence : LPS 2022, ESA Living Planet Symposium 22/05/2022 27/05/2022 Bonn Allemagne programme sans actes Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image orientée objet
[Termes IGN] dynamique de la végétation
[Termes IGN] image Sentinel-MSI
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] phénologie
[Termes IGN] régression
[Termes IGN] série temporelle
[Termes IGN] surveillance de la végétationRésumé : (auteur) The Earth's biosphere and the phenology of vegetation are at the heart of climatic, economic and social concerns. Human activities have led to a significant degradation of ecosystem services (e.g. carbon sequestration, biodiversity, water quality, flood, and erosion regulation) provided by various extensive ecosystems such as forests, grasslands or crops.
A key parameter for relevant climate modeling, public policy implementations or commercial applications is the temporal resolution at which vegetation is observed. As a tool providing synoptic and regular coverage of Earth’s surfaces, satellite Earth Observation has been increasingly adopted, among others, for estimating biomass, yields, modeling different fluxes or detecting changes. Optical images have been historically used for vegetation monitoring, considering their efficient discrimination of phenomena related to photosynthetic activity.
To deal with missing data due to clouds, many interpolation strategies integrating one or more optical sensors have been developed. Most of these strategies are based on trend modelling that does not reflect the real evolution of the vegetation cover in many cases (sudden climatic impact, man-made effects). As a result, data that may be weeks or months apart are often interpolated on areas suffering from high cloud cover.
Copernicus Sentinels provide new opportunities and unprecedented observations for the monitoring of vegetation’s dynamics. In particular, concordant optical and SAR data sets provided by the Sentinel-1 and 2 satellites open the door to new multi-sensor methodologies aiming at the reconstruction of missing information.
Taking into account the still numerous non-cloudy observations provided by the Sentinel-2 satellites, a deep learning regression methodology, namely the Sentinels Regression for Vegetation Monitoring (SenRVM), has been developed. Its goal is the translation of SAR features acquired regardless of the climatic conditions into NDVI. The developed architecture integrates several deep learning architectures such as Multilayer Perceptron and Recurrent Neural Networks. The SenRVM regression strategy proposes the integration of auxiliary data such as climatic and topographic features. This allows accurate NDVI time series to be predicted by minimizing effects exogenous to the vegetation’s phenology through SAR acquisitions contextualization.
Object-oriented analysis of the results is carried out on large scale areas for various vegetation types with distinct phenologies (grasslands, crops and forests). The results are analyzed by taking into account spatial and temporal aspects or with an ablation study of the Network’s inputs. The proposed approach is further compared with traditional interpolation methods exploiting monomodal (Whittaker smoothing, linear weighted interpolation) or multimodal (Random Forest, Gaussian Regression Processes, single Multilayer Perceptron) features.
The potential of high-temporal NDVI time series obtained by the SenRVM method for several vegetation-related applications is subsequently illustrated. In particular, the interest of the obtained time series to observe the phenology and its associated parameters of the three main vegetation classes is presented.Numéro de notice : C2022-011 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Poster nature-HAL : Poster-avec-CL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100786 Documents numériques
peut être téléchargé
SenRVM - posterAdobe Acrobat PDF Etat et évolution des forêts françaises métropolitaines : indicateurs de gestion durable 2020 / Benjamin Piton (3/08/2021)
Titre : Etat et évolution des forêts françaises métropolitaines : indicateurs de gestion durable 2020 Type de document : Rapport Auteurs : Benjamin Piton , Éditeur scientifique Mention d'édition : 6e édition Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 3/08/2021 Importance : 306 p. Langues : Français (fre) Descripteur : [Termes IGN] biodiversité
[Termes IGN] France métropolitaine
[Termes IGN] gestion forestière durable
[Termes IGN] indicateur de gestion forestière durable
[Termes IGN] protection des forêts
[Vedettes matières IGN] Ecologie forestièreNote de contenu : Préface
Fournisseurs de données et partenaires
Pour bien comprendre les indicateurs
Critère 1. Ressources forestières en bois et carbone
1.1. Surface des forêts
1.1.1. Flux de surface des forêts
1.1.2. Répartition géographique des forêts : surfaces et taux de boisement
1.1.3. Surface des forêts par structure forestière
1.1.4. Surface des forêts par essence principale
1.2. Volume de bois sur pied
1.2.1. Volume de bois sur pied par structure forestière
1.2.2. Volume de bois sur pied par essence
1.2.3. Surface terrière des peuplements
1.3. Ressource forestière par classe de maturité
1.3.1. Ressource forestière par classe de maturité et essence
1.4. Contribution de la forêt à l'atténuation de l'effet de serre (bilan carbone)
Critère 2. Santé et vitalité des forêts
2.1. Dépôts atmosphériques en forêt
2.2. Propriétés chimiques des sols forestiers
2.3. Déficit foliaire des principales essences forestières
2.4. Dommages aux peuplements forestiers
2.4.1 Exposition des forêts au risque incendie et dommages liés
2.4.2. Populations d'ongulés sauvages dans les forêts
2.4.3 Expansion de la chenille processionnaire du pin
2.4.4 Surface forestière affectée par la sécheresse
Critère 3. Fonctions de production des forêts
3.1. Production et prélèvements de bois
3.1.1. Exploitabilité des forêts
3.2. Volume et valeur des bois récoltés
3.3. Quantité et valeur des produits forestiers commercialisés autres que le bois
3.4. Valeur des services marchands
3.5. Documents de gestion durable
Critère 4. Diversité biologique des forêts
4.1. Richesse locale en essences forestières
4.1.1. Part en surface terrière de l'essence principale
4.2. Caractère naturel des forêts
4.3. Peuplements à gros bois
4.4. Indigénat des essences forestières
4.5. Bois morts
4.6. Diversité génétique des arbres
4.7. Fragmentation des massifs forestiers
4.8. Espèces menacées
4.9. Forêts protégées pour la biodiversité
4.10 Populations d'oiseaux communs forestiers
Critère 5. Fonctions de protection des forêts
5.1. Forêts de protection
Critère 6. Fonctions socio-économiques des forêts
6.1. Structure de la propriété forestière
6.1.1. Formations dans le secteur forêt-bois
6.1.2. Démarches volontaires de certification de la gestion durable
6.2. Formation de la valeur ajoutée du secteur forêt-bois-papier-ameublement
6.3. Répartition de la valeur ajoutée du secteur forêt-bois-papier-ameublement
6.4. Dépenses publiques en faveur des forêts
6.5. Emplois dans la filière forêt-bois
6.6. Santé et sécurité au travail dans le secteur forêt-bois
6.7. Consommation de bois
6.7.1. Recyclage et récupération
6.8. Importations et exportations
6.9. Energie bois
6.10. Accès du public aux forêts
6.11. Forêts à valeur culturelle ou spirituelle
Annexes
GlossaireNuméro de notice : 17687 Affiliation des auteurs : IGN+Ext (2020- ) Thématique : BIODIVERSITE/FORET Nature : Rapport statistique nature-HAL : Rapport DOI : sans En ligne : https://foret.ign.fr/api/upload/IGD-2020-c255.pdf Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98364 Documents numériques
peut être téléchargé
indicateurs de gestion durable 2020 - pdf auteurAdobe Acrobat PDF 30èmes Journées de la Recherche de l'IGN - ENSG dématérialisées du 25 au 28 mai 2021 / Journées Recherche de l'IGN 2021, 30èmes journées (25 - 28 mai 2021; France) (2021)PermalinkAnalysing 18th century hydrographic data: a campaign in the Bay of Biscay, 1750-1751 / Helen Mair Rawsthorne (2021)PermalinkBilan des jonctions entre les réseaux de nivellement français et italien / Alain Coulomb (2021)PermalinkPermalinkConstruction d’une mémoire des sites pollués : Fusion de bases de données et extraction d’événements / Chuanming Dong (2021)PermalinkCréation de bases de connaissances topographiques à partir de sources hétérogènes / Helen Mair Rawsthorne (2021)PermalinkDeep learning pour les données 3D en télédétection / Loïc Landrieu (2021)PermalinkDescriptif technique du quasi-géoïde gravimétrique QGF16 et de la surface de conversion altimétrique RAF18b / François L'écu (2021)PermalinkDescription technique de la surface de conversion altimétrique RAF20 / François L'écu (2021)PermalinkPermalink