Fusion de données LiDAR aéroporté et SENTINEL-2... Infodoc

Accueil

Adresse

Infodoc : Réseau des bibliothèques et centres de documentation d'AgroParisTech

France

contact

Array
(
    [TITRE] => <b>Type de document : </b>
    [TITRE_CLEAN] => Type de document
    [OPAC_SHOW] => 1
    [TYPE] => list
    [AFF] => M&eacute;moire
    [ID] => 4
    [NAME] => cp_typdoc
    [DATATYPE] => integer
    [VALUES] => Array
        (
            [0] => 4
        )

)

Fusion de données LiDAR aéroporté et SENTINEL-2 par apprentissage pour la caractérisation de la ressource forestière du PNR des Bauges

Titre :	Fusion de données LiDAR aéroporté et SENTINEL-2 par apprentissage pour la caractérisation de la ressource forestière du PNR des Bauges Ajouter au panier
Auteur(s) :	Kamel Lahssini, Auteur (et co-auteur) Sylvie Durrieu, Tuteur Samuel Alleaume, Tuteur
Type de document :	Mémoire
Filière :	MS : SILAT -- Systèmes d'informations localisées pour l'aménagement des Territoires
Sujets :	Lidar ; Télédétection ; Cartographie ; Forêts Inventaire forestier
Résumé :	La connaissance de la ressource forestière d’un territoire est essentielle pour les décideurs et les gestionnaires. Les données de télédétection apportent des informations précises pour caractériser certaines variables d’état et de structure de la végétation. En particulier, la technologie LiDAR est largement utilisée pour produire des cartographies d’attributs forestiers de structure. Cette étude explore le potentiel de la fusion de données issues de mesures LiDAR aéroporté (ALS) avec des images SENTINEL-2 pour la cartographie de la ressource forestière du Parc Naturel Régional (PNR) des Bauges. Des modèles de régression par apprentissage automatique ont été développés pour prédire deux attributs forestiers d’intérêt : la surface terrière et le volume total de bois. Les approches de [...] La connaissance de la ressource forestière d’un territoire est essentielle pour les décideurs et les gestionnaires. Les données de télédétection apportent des informations précises pour caractériser certaines variables d’état et de structure de la végétation. En particulier, la technologie LiDAR est largement utilisée pour produire des cartographies d’attributs forestiers de structure. Cette étude explore le potentiel de la fusion de données issues de mesures LiDAR aéroporté (ALS) avec des images SENTINEL-2 pour la cartographie de la ressource forestière du Parc Naturel Régional (PNR) des Bauges. Des modèles de régression par apprentissage automatique ont été développés pour prédire deux attributs forestiers d’intérêt : la surface terrière et le volume total de bois. Les approches de régression par des algorithmes kNN, Random Forest et réseaux de neurones ont ainsi été évaluées comparativement. Cette dernière méthode s’est montrée la plus performante pour l’estimation de la ressource forestière à partir de données multi-sources. Les données radiométriques SENTINEL-2 ainsi que les informations de topographie ont permis d’améliorer sensiblement les résultats de régression par rapport à une même approche à partir de données LiDAR seules. Un modèle basé sur une architecture de réseaux de neurones a ainsi été appliqué à la zone d’étude à partir de données multi-sources (LiDAR, SENTINEL-2 et topographie) pour produire des cartographies de la ressource forestière à une échelle spatiale de 30 mètres.
Editeur(s) :	Montpellier [France] : AgroParisTech
Date de publication :	2021
Format :	1 vol. (45 p.)
Note(s) :	Stage de fin d'étude de la formation MS Systèmes d'informations localisées pour l'aménagement des territoires SILAT Promo du stage : 2020-2021
Langue(s) :	Français
Organisme d'accueil :	inrae (Montpellier)
Lien vers la notice :	https://infodoc.agroparistech.fr/index.php?lvl=notice_display&id=212172