FUSION DE DONNEES LiDAR ET MULTISPECTRALES

Dimension: px
Commencer à balayer dès la page:

Download "FUSION DE DONNEES LiDAR ET MULTISPECTRALES"

Transcription

1 Institut National des Sciences Appliquées de Strasbourg Mémoire de soutenance de Diplôme d Ingénieur INSA Spécialité TOPOGRAPHIE FUSION DE DONNEES LiDAR ET MULTISPECTRALES Etude des techniques de segmentation et de classification de données LiDAR, d images multispectrales et de leur fusion Proposition d une nouvelle technique de traitement de la fusion des données et analyse des résultats Présenté le 20 Septembre 2013 par Ophélie SINAGRA Réalisé au sein de l université : High St, Kensington NSW 2052 AUSTRALIA Directeur de PFE : Samsung LIM Correctrice: Tania LANDES

2 Ophélie SINAGRA Projet de fin d études 1

3 Avant-Propos Objet et portée du projet Three dimensional mapping of land, water and vegetation resources demands a paradigm shift from a single-wavelength LiDAR system to a multispectral LiDAR system that enables simultaneous mapping of the feature of interest (e.g. soils, forests, water channels, dikes, levees, coastlines, etc.) at as many wavelengths as possible because a single wavelength system performs poorly when vegetation and water features are separated from ground features. Multispectral mapping enhances the feature extraction because each wavelength corresponds to the feature differently. For example, tree leaves are highly reflective in near infrared and therefore the combination of green, red, and near infrared bands is desirable for vegetation mapping. On the other hand, the combination of blue, near infrared and midinfrared bands is very useful for soil moisture mapping, fire detection, water depth monitoring, etc. Hence the fusion of LiDAR data and multispectral imagery has been recently used; however, existing work on data fusion is significantly limited by two factors: lack of concurrency and lack of homogeneous spatial resolution. Firstly, LiDAR data and multispectral imagery are not acquired simultaneously because there is no combined system that includes LiDAR and multispectral imaging even though latest commercial development has been successful for a combined aerial LiDAR and orthophoto acquisition system. Lack of concurrency between LiDAR data and multispectral imagery degrades the quality of the data fusion e.g. vegetation growth in the two datasets can be averaged out. Secondly, spatial resolution of multispectral imagery is significantly lower than that of LiDAR data. Many algorithms have been tested to tackle the multi-level resolution problem. Today, a synthesis is needed in order to scope the previous algorithms and to suggest a new one that will take into consideration those previous methods (especially the problems encountered, the disadvantages of those algorithms). First, the LiDAR and the multispectral imagery processing needs to be investigated, then the fusion of both types of data. La cartographie en trois dimensions, simultanément, des terres, des eaux et de la végétation peut être faite par, à la fois, une unique longueur d onde (LiDAR) ou par un système multispectral (images satellites). Un grand nombre de longueurs d ondes permet de meilleures performances des algorithmes de par la quantité d informations utilisables : la cartographie multispectrale améliore l extraction des différents objets. Par exemple, les feuilles d arbres réfléchissent mieux dans le proche-infrarouge et la combinaison de cette bande avec une bande de visible (rouge) permet de donner un indice de végétation (NDVI). D un autre côté, la combinaison de cette bande du proche-infrarouge avec une autre bande du visible (bleu) est très utile pour calculer un indice concernant les sols (humidité, feu, eau, etc.) cette fois-ci. La fusion de données LiDAR et d images multispectrales a récemment été utilisée, cependant le nombre de ces travaux reste limité à cause de deux facteurs : le manque de concordance et d homogénéité dans les résolutions spatiales. Ophélie SINAGRA Projet de fin d études 2

4 Tout d abord, ces deux types de données n ont pas été acquis à la même date et aucun système combinant l acquisition des deux simultanément n est commercialisé. Le manque de concordance entre les deux types de données résulte en une perte de qualité suite à une fusion. Puis la résolution spatiale des images satellites est bien plus faible que celle du LiDAR. De nombreux algorithmes ont été testés pour contrer ce problème de multirésolution. Aujourd hui, une synthèse des algorithmes étudiés doit être réalisée et analysée (avantages et inconvénients de chaque technique) afin d en tirer les conclusions avant de proposer une nouvelle méthode de classification des données. Tout d abord les méthodes de traitement des données LiDAR et des données multispectrales devront être étudiées avant de travailler sur la fusion. Ophélie SINAGRA Projet de fin d études 3

5 Remerciements J aimerai remercier tout d abord le Dr Samsung LIM pour m avoir supervisée et pour m avoir accordé sa confiance durant ce projet de fin d études que j ai pu effectuer à l Université de la Nouvelle Galle du Sud (University of New South Wales - UNSW) de Sydney, Australie. Merci également l INSA de Strasbourg, et tout particulièrement Tania LANDES, pour les données LiDAR les images multispectrales sur lesquelles je me suis appuyée pour cette étude. J aimerai aussi remercier Yincai ZHOU pour son soutien au point de vue technique et plus particulièrement informatique. Je remercie également l UNSW (University of New South Wales) pour m avoir accueillie durant ces vingt semaines, et plus particulièrement Catherine SCHEDLICH, conseillère pour les participants au Practiculum Exchange Program (PEP) auquel j ai participé. Ophélie SINAGRA Projet de fin d études 4

6 Sommaire AVANT- PROPOS... 2 Objet et portée du projet... 2 REMERCIEMENTS... 4 SOMMAIRE... 5 INTRODUCTION ) Présentation de la structure d accueil ) Sujet d étude... 7 I. ETAT DE L ART... 9 a. Introduction... 9 b. Glossaire ) Analyse concernant le LiDAR: Techniques de segmentation, de classification et d extraction... 9 a. Comparaison des différentes techniques... 9 b. Tableau comparatif ) Analyse concernant les images multispectrales: Techniques de segmentation, de classification et d extraction a. Comparaison des différentes techniques b. Tableau comparatif ) Analyse de la fusion de données LiDAR et des images multispectrales: Techniques de segmentation, de classification d extraction a. Comparaison des différentes techniques b. Tableau comparatif II. CHANGEMENT DANS LE SUJET III. TRAITEMENT DE LA FUSION DES DONNEES ) 2) 3) Méthodes utilisées : l algorithme choisi a. Variation d altitude b. L indice NDVI c. L indice SAVI, prenant en compte l influence des sols d. L indice GEMI, prenant en compte les effets de l atmosphère e. L algorithme SVM Les données a. Les données LiDAR b. L image multispectrale La création des couches rasters - les techniques utilisées a. Variation d altitude b. L indice NDVI Ophélie SINAGRA Projet de fin d études 5

7 4) c. L indice SAVI d. L indice GEMI e. Création d une image à partir de tous les rasters f. Problèmes rencontrés pour la création des rasters L algorithme SVM les techniques utilisées a. Création des zones échantillons b. Classification des données IV. RESULTATS FINAUX Suppression de l une des classes V. ANALYSE ) 2) 3) 4) Comparaison de la classification des points sol / sursol a. SAGA b. CloudCompare Comparaison des classifications a. Création du raster de référence b. Comparaison L apport des informations issues de chaque couche a. Suppression de la couche créée à l aide du lever LiDAR : RasterHauteur b. Suppression de certaines couches d indice de végétation c. Suppression des couches GEMI et SAVI, puis GEMI et NDVI d. Conclusion des tests réalisés Les erreurs a. Les erreurs liées au LiDAR b. Les erreurs liées à l image satellite c. Les erreurs liées à l espacement temporel entre les deux acquisitions d. Les erreurs liées aux SVM VI. DISCUSSION VII. CONCLUSION VIII. TABLE DES ILLUSTRATIONS IX. TABLE DES TABLEAUX X. BIBLIOGRAPHIE XI. SOMMAIRE DES ANNEXES XII. ANNEXES Ophélie SINAGRA Projet de fin d études 6

8 Introduction 1) Présentation de la structure d accueil Présentation de l UNSW L Université de Nouvelle-Galles du Sud (en anglais, University of New South Wales) est l une des universités publiques australienne située à Kensington, l un des quartiers de l est de Sydney. Elle fut fondée en 1949 et compte aujourd hui plus de 50,500 étudiants (dont plus de 24,000 Undergraduates et plus de 12,000 Postgraduates) répartis dans neuf facultés : Arts, Force de Défense Australienne, Business, Environnent, Ingénierie Droit, Médecine, Sciences et Beaux-Arts. Elle est classée 52 e université par le QS World University Rankings en Durant ces cinq mois, je me suis jointe à l équipe de recherche du Dr Samsung LIM, qui appartient au département School of Civil and Environmental Engineering (anciennement School of Surveying and Geospatial Engineering). Présentation de l équipe de recherche Le Dr Samsung LIM a joint l équipe académique de l école de topographie et d ingénierie géo spatiale (School of Civil and Environmental Engineering) de l Université de Nouvelle- Galle du Sud (University of New South Wales, UNSW) en Auparavant il était professeur associé à l Université de Inha de Corée du Sud pendant 8 années. Il est titulaire d un Bachelor degree (équivalent d une Licence) ainsi que d un Master degree (équivalent d un Master) de l Université de Séoul, Corée du Sud, et d un PhD de l Université d Austin au Texas, USA. Depuis les années 1990, il a publié plus de 130 articles, principalement sur le thème du GPS, du SIG ou encore du LiDAR. Cela lui a permis d obtenir de nombreux prix dans les domaines cités précédemment. Le Dr Samsung LIM m a proposé de me joindre à lui pour effectuer des recherches dans le domaine de la fusion des données LiDAR et multispectrales dans le cadre de mon projet de fin d études à l INSA de Strasbourg. 2) Sujet d étude Le but de mon projet de fin d études est le traitement de la fusion de nuages de points LiDAR et d images multispectrales, la segmentation, la classification et, si le temps le permet, l extraction d informations issues de cette fusion. Plusieurs études ont été menées dans ce domaine de la fusion au cours des dernières années, mais des progrès restent à faire. En effet, aucune des techniques n a réellement fait ses preuves et la plus part d entre elles n en sont qu au stade de la recherche et des premières publications. Ophélie SINAGRA Projet de fin d études 7

9 La fusion de ces deux types de données permettrait une meilleure classification de par les différentes caractéristiques que présentent ces dernières. Le nuage de points issu d un lever LiDAR donne des informations tridimensionnelles, et plus particulièrement une information sur l altitude du point mesuré. De plus, ce type de données a une plus grande résolution que les images multispectrales. Cependant ces images permettent de calculer des indices en combinant les bandes spectrales et ainsi obtenir des informations concernant la composition de l élément, et plus précisément des informations sur la végétation. Une étude approfondie des techniques de segmentation, de classification et d extraction de données LiDAR, d images multispectrales et de la fusion de ces deux types de données sera effectuée. Cela permettra de comprendre le traitement des deux types de données séparément et comment celles-ci peuvent nous donner de plus amples informations si elles étaient fusionnées. Cette étude pourra être faite lors d une analyse bibliographique d une trentaine d articles récents en lien direct avec mon sujet. Le but de l étude, l algorithme testé et les résultats tirés de chaque article seront présentés (uniquement dans le rapport en anglais) avant d en tirer les principaux avantages et inconvénients. De tous ces articles, nous pourrons proposer une nouvelle technique de traitement qui s orientera sur la classification. Cette technique sera donc inspirée des expériences réalisées dans le passé (algorithme, données utilisées, etc.) et sera ensuite testée avec un jeu de données LiDAR et multispectrales. Nous analyserons et quantifierons les résultats obtenus (exactitude, précision, etc.). Ce traitement aura été, au préalable, approuvé par l équipe de recherche encadrant le PFE Une fois des résultats concluants obtenus nous pourrons tester d autres variantes à notre technique (ajout ou suppression d éléments pour notre classification, etc.) afin d améliorer notre classification. En conclusion, ce mémoire sera donc composé de cinq parties : 1. L état de l art reprenant trois types d articles (techniques de traitement de données LiDAR, de données multispectrales et de la fusion de ces deux types). 2. La description détaillée de la méthode choisie (algorithme, calculs des informations extraites des données brutes servant à la classification, etc.). 3. La technique de calculs utilisée et les résultats obtenus. 4. Les expériences réalisées afin d améliorer ces résultats. 5. Le bilan de cette étude. Ophélie SINAGRA Projet de fin d études 8

10 I. Etat de l art a. Introduction L analyse documentaire n est pas développée dans ce rapport en français, seul un bref récapitulatif ainsi que des tableaux concernant les avantages et les inconvénients de chaque méthode sont présentés. La recherche documentaire s est portée sur les techniques de classification des données LiDAR dans un premier temps, puis multispectrales et pour finir de la fusion de ces deux types. Cela m a permis d avoir une vision détaillée des différents traitements déjà existants et ayant prouvé leur efficacité et exactitude. b. Glossaire Mon stage ayant été effectué en Australie, tous les documents à ma disposition sont en anglais. Afin de ne pas produire une traduction inexacte je me suis permise de rédiger un glossaire reprennent le vocabulaire scientifique dont la traduction peut porter à confusion. Accuracy : exactitude. Cluster : grappe. CHM (Canopy Height Model) : modèle de hauteur de canopée. 1) Analyse concernant le LiDAR: Techniques de segmentation, de classification et d extraction a. Comparaison des différentes techniques Neuf articles ont été sélectionnés pour cette partie. Chacun d entre eux présente une technique différente, utilisée sur des données différentes. Cela m a permis d avoir une vision détaillée concernant le traitement possible d un nuage de points issu d un lever LiDAR et ainsi pouvoir mieux appréhender la question de la fusion du LiDAR avec un autre type de données. La plupart des articles étudiés commencent par la même étape : classification des points du sol et du sursol. Pour ce faire, plusieurs choix sont possibles avec tout d abord l utilisation de logiciels tels que Terrasolid (logiciel de traitement de données obtenues à l aide de capteurs aéroportés) ([LI & al, 2012], [RAHMAN & al, 2009], [HE & al, 2012]). Ou encore la création de grappes/nœuds qui sont ensuite triés suivant des seuils sur la surface, la hauteur, la forme, etc. ([WANG & al, 2009], ([WANG & al, 2004], [OKAGAWA, 2001], [WEIR, 2012]). Cette classification permet ensuite de ne s intéresser qu aux points du sursol et ainsi déterminer leur classe (bâtiments, arbres, etc.). A ce niveau de la classification, beaucoup se focalisent sur l étude de zones uniquement forestières ou mixtes. Pour les zones uniquement forestières, il est possible de tout d abord classer les points du sursol du plus haut (A) au plus bas (Z) puis de déterminer si les points aux alentours de l arbre dont le sommet est A (le point le plus haut) appartiennent à cet arbre ([LI & al, 2012]). Une autre solution repose sur la création du modèle de hauteur de canopée (CHM) puis de Ophélie SINAGRA Projet de fin d études 9

11 l utilisation d un algorithme (comme Inverse Watershed (tournant inverse)) permettant la détection d arbres ([RAHMAN & al, 2009], [HE & al, 2012]).Ces techniques permettent d obtenir la position ainsi que la taille de la couronne de chaque arbre identifié. Pour les zones mixtes, c est-à-dire où se trouvent à la fois des arbres et des bâtiments, il est testé plusieurs techniques où les limites de chaque objet repéré sont reconstituées puis analysées et classées en fonction de leur taille, forme, etc. ([WANG & al, 2009], [WANG & al, 2004], [WANG, 2012]). Il a également été testé des techniques où des filtres sont appliqués sur les points du sursol afin de pouvoir les classer ([WEIR & al, 2012]). b. Tableau comparatif Ci-dessous un tableau reprenant les avantages et inconvénients de chaque article : A new method for segmenting individual trees from the LiDAR point cloud Table 1 - Avantages et inconvénients des méthodes pour le LiDAR Articles Avantages Inconvénients Bonne détection d arbres Sous-segmentation si la forêt est conifères dense La forme est prise en Sur-segmentation si la forêt est compte clairsemée Fort coefficient de corrélation Uniquement pour la détection (r = 0.91) entre les données d arbres de référence et les résultats A new method for individual tree measurement from airborne LiDAR Estimation of individual tree parameters using small-footprint LiDAR with different density in a coniferous forest Segmentation of LiDAR point clouds for building extraction LiDAR data segmentation and classification based on Octree structure Automated Building Extraction and Reconstruction from LiDAR Data Alternative par rapport au CHM (Canopy Height Model) Bonne précision concernant la détermination de la hauteur des arbres Seuil de densité des points utiles (à partir d un certain chiffre les résultats restent inchangés) Bonne détection des contours de bâtiments Détection de bâtiments et d arbres Utilisation de la quasi-totalité des points Classification sur beaucoup de critères (surface, forme, hauteur, etc.) Très efficace et exacte (91% pour une zone résidentielle et 92% pour une zone de centreville) Paramètres choisis par l utilisateur (Seuils pour la classification) Seulement 63% des arbres détectés Uniquement pour la détection d arbres Seulement 31% des arbres détectés Uniquement pour la détection d arbres Pas de précision calculée Première étude, besoin d amélioration Méthode de classification sous développée Détection de 3 sortes de toits Sélection manuelle de la forme des toits si pas dans les formes prédéfinies Ophélie SINAGRA Projet de fin d études 10

12 Aerial LiDAR Data Classification using Expectation- Maximization Assessment of processing different types of vegetative data using LiDAR Segmentation of 3D LiDAR Data in non-flat Urban Environments using a Local Convexity Criterion Gde exactitude (94%) Beaucoup de classes peuvent être saisies (zones échantillons) Les zones échantillons peuvent être petites Bonne classification (entre 80 et 95% de bonne classification suivant les classes) MNT correct (comparaison avec le MNT de l Australie d une résolution de 90 mètres) Algorithme simple et facile Extraction de bâtiments et d arbres Dans le futur, utilisation d une image aérienne pour améliorer les résultats Quelques points mal classés Zones échantillons saisies manuellement Aucune comparaison avec des points connus (références) Classification manuelle à quelques endroits Problème de classification au niveau des ombres des arbres Nombre limité de points pouvant être classés Pas de précision calculée Résultats non satisfaisants (mauvaise distinction des toits dans les zones urbaines et non distinction des différents arbres en forêt dense) En conclusion, la meilleure solution parmi les articles étudiés concernant la détection de bâtiments est l article Automated Building Extraction and Reconstruction from LiDAR Data ([WANG, 2012]). En effet, l algorithme proposé permet de détecter précisément trois types de toits et de sélectionner manuellement les limites pour d autres formes de toits. La meilleure solution pour la détection d arbres est A new method for individual tree measurement from airborne LiDAR ([LI & al, 2012]) car l algorithme permet de détecter tous types d arbres (conifères et feuillus). La méthode à utiliser pour classer et extraire les informations issus d un nuage de points LiDAR serait tout d abord de procéder à une première classification : les points du sol et du sursol. Puis d extraire les points appartenant à des bâtiments et ceux appartenant à de la végétation et de la traiter séparément avec les algorithmes présentés afin d en extraire les informations caractéristiques (hauteur et dimension d un arbre, limite et surface d un bâtiment, etc.). Cependant, chaque méthode présente évidemment des inconvénients : les algorithmes ont une limite dans la détection et dans la précision de cette détection. 2) Analyse concernant les images multispectrales: Techniques de segmentation, de classification et d extraction Seulement quatre articles ont été étudiés car, de nombreuses techniques ont été énumérées dans les annexes (voir Annexe I. 1) b. Opérations de traitement). Plus d informations sur ces techniques et leur emploi sont visibles dans «Cours de télédétection de G5» (Landes, 2012). Ophélie SINAGRA Projet de fin d études 11

13 a. Comparaison des différentes techniques Les quatre articles sélectionnés utilisent des algorithmes non présentés dans «Cours de télédétection de G5» (Landes, 2012). Cela permettra ainsi d envisager de nouvelles techniques de traitements ou encore d analyser les inconvénients de ces dernières afin de les minimiser lors d une future utilisation. Les méthodes de classification choisies sont soit supervisées soit non-supervisées. Une première méthode consiste à fusionner des données de résolutions différentes et ensuite utiliser une classification supervisée telle que celles étudiées lors du cours dispensé en télédétection de 5 eme année de l INSA Strasbourg (hyperboite, maximum de vraisemblance) ou encore le K-nearest et SVM 1 ([BRUZZONE & al, 2006]). Cet algorithme SVM a aussi été utilisé pour classer une image composée de quinze bandes calculées à partir de l image multispectrale et du MNT 2 de la zone disponible en ligne ([DURO & al, 2012]). La méthode de classification non-supervisée est utilisée sur les longueurs d ondes que renvoie chaque pixel dans chaque bande ([DENG & al, 2011]). b. Tableau comparatif Ci-dessous un tableau reprenant les avantages et inconvénients de chaque article : Can multiresolution fusion techniques improve classification accuracy? Table 2 - Avantages et inconvénients des méthodes pour les images multispectrales Articles Avantages Inconvénients La fusion selon EGS présente les meilleurs Ajout de distorsions spatiales résultats Object based image analysis for remote sensing Multi-spectral and hyperspectral image processing based on the waveform characteristics of spectral remote sensing classification method of large area Amélioration des détails Seules les fusions complexes spatiaux améliorent les résultats Image panchromatique Image panchromatique peut améliore la classification introduire des erreurs GEOBIA est la technique la plus efficace Analyse documentaire 820 articles analysés Pas de test, pas de résultat Applicable sur de grandes zones Autant de classes que souhaité Pas de précision calculée 1 SVM : Support Vector Machine 2 MNT : Modèle Numérique de Terrain Ophélie SINAGRA Projet de fin d études 12

14 A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural landscapes using SPOT-5 HRG imagery La classification orientée objet et supervisée (SVM) donne les meilleurs résultats (94% d exactitude) Classification orientée objet donne aussi de bon résultats (90% d exactitude) Besoin de beaucoup de données (MNT, etc.) Pas de grande différence entre classification orientée objet ou pixel Peu de conclusions peuvent être tirées des articles concernant la classification des images multispectrales. En effet, l utilisation d une classification orientée objet ou pixel ne semble pas avoir d importance sur les résultats finaux. De plus, la fusion de données issues de différentes sources peuvent améliorer les résultats mais entraine par la même occasion l intégration d erreurs (distorsions, etc.). Nous observons cependant l utilisation de l algorithme SVM. 3) Analyse de la fusion de données LiDAR et des images multispectrales: Techniques de segmentation, de classification d extraction a. Comparaison des différentes techniques La lecture des onze articles concernant la fusion des données multispectrales et LiDAR fut très importante car, tout d abord, cet aspect n a jamais était abordé durant les cours dispensés à l INSA (d où le sujet du PFE). De plus il est important pour la suite de notre étude de savoir et comprendre les techniques déjà utilisées. Très souvent les données LiDAR sont tout d abord traitées avec la classification des points du sol et du sursol, puis le calcul de la hauteur de ces derniers ([ROTTENSTEINER & al, 2002], [ROTTENSTEINER & al, 2004], [NORDKVIST & al, 2012], [CHEN & al, 2004], [KE& al, 2010], [DALPONTE & al, 2008], [SOHN & al, 2007], [GARCIA & al, 2011], [DEMIR & al, 2010]. [LUO & al, 2010]). Puis des indices (NDVI principalement) sont calculés à partir des images multispectrales. Deux différentes classifications sont exposées : la première basée sur les pixels et la deuxième basée sur les objets. Cette classification est faite sur les données fusionnées (transformation du nuage des points LiDAR en raster) ou sur l un des types de données (le deuxième type servant de contrôle ou d affinement des résultats). Pour la classification orientée pixels, plusieurs techniques ont été étudiées. Nous pouvons citer tout d abord une technique dont l image aérienne est utilisée pour vérifier la bonne classification : l application de masques selon la hauteur, la surface ou l aspérité des éléments détectés puis une vérification de ce classement avec l image aérienne ([ROTTENSTEINER & al, 2002]). Ophélie SINAGRA Projet de fin d études 13

15 Concernant la fusion réelle nous pouvons citer une première technique qui est de constituer une image composée de plusieurs couches (hauteur, NDVI, etc.) et d attribuer un poids à chacune de ces couches avant de classer cette image ([ROTTENSTEINER & al, 2004]). Les algorithmes utilisés peuvent être supervisés avec le SVM ([DALPONTE & al, 2008], [ALONSO & al, 2010], [GARCIA & al, 2011], [LUO & al, 2011]) ou non-supervisés. Une deuxième étude a permis de quantifier l apport d informations extraites des données LiDAR en comparant le taux de pixels correctement classé avec et sans ces informations ([NORDKVIST & al, 2012]). Pour la classification orientée objets, les informations, comme pour la classification orientée pixels, sont rastérisées puis peuvent être segmentées et chaque région obtenue est classée selon des filtres selon la hauteur, les valeurs spectrales, etc. ([CHEN & al, 2004]). Cette segmentation peut être basée sur les propriétés spectrales de chaque image, ou celle LiDAR ou encore sur les propriétés de la fusion de ces deux types ([KE & al, 2004]). Un dernier type de classification, qui n est ni basé sur les pixels ou sur les objets, est proposé : le nuage de points du sursol est classé dans une classe «bâtiments» ou «végétation» suivant la valeur du pixel de la couche NDVI dans lequel il se trouve. Ainsi la résolution spatiale du nuage n est pas perdue ([SOHN & al, 2007]). b. Tableau comparatif Ci-dessous un tableau reprenant les différents avantages et inconvénients de chaque article étudié. Automatic extraction of buildings from LiDAR data and aerial images Building detection by Dempster-Shafer fusion of LiDAR data and multispectral aerial imagery Combining optical satellite data and airborne laser scanner data for vegetation classification Fusion of LiDAR and optical imagery for building modelling Table 3 - Avantages et inconvénients de chaque méthode Articles Avantages Inconvénients Utilisation d une image aérienne pour améliorer l extraction des bâtiments Image aérienne et non multispectrale RMS très bas Méthode facile et rapide Travail toujours en cours Utilisation de statistiques L image multispectrale n est Besoin de points connus au sol pas la seule source pour pour le calcul de précision de la calculer l exactitude de la classification classification Bonne classification Exactitude améliorée de 16% si l on utilise les deux Exactitude maximum = 71.9% types de données Le ratio végétation améliore considérablement la Pas de détection de bâtiments classification Bonne détection des bâtiments (presque 90%) Bâtiments détection sont de Utilisation de 3 types de formes simples données Ophélie SINAGRA Projet de fin d études 14

16 Synergistic use of QuickBird multispectral imagery and LIDAR data for object-based forest species classification Fusion of Hyperspectral and LIDAR Remote Sensing Data for Classification of Complex Forest Areas Data fusion of highresolution satellite imagery and LiDAR data for automatic building extraction Satellite imagery classification with LiDAR data Multispectral and LiDAR data fusion for fuel type mapping using Support Vector Machine and decision rules Combination of image and LiDAR for building and tree extraction A new method of building footprints detection using airborne laser scanning data and multispectral image Nombreux paramètres testés Comparaison des classifications basées sur les différentes segmentations Bonne classification et détermination de la meilleure méthode possible (SVM) Utilisation des données LiDAR pour améliorer la classification des images hyper spectrales Utilisation des deux types de données dans les étapes de classification Exactitude de 97% Processus simple (uniquement SVM) Contrôle indépendant (Kappa et courbe ROC) Utilisation du SVM (classification de données acquises par différents capteurs) Amélioration des résultats avec la règle de décision Combinaison de plusieurs techniques 94% des bâtiments correctement extraits Utilisation de SVM Amélioration des résultats avec l image additionnée au LiDAR (comparaison) Procédure non automatisée Pas de test pour la classification orientée pixel Test pour les milieux forestiers Pas d extraction des données Densité du lever LiDAR élevée Que 5 classes (espèces d arbres, etc.?). Test sur une région forestière uniquement Méthode 3 est exclue car résultats non disponibles Pas de calcul d exactitude pour la végétation Image classique, pas multispectrale Les techniques étudiées procèdent de la même façon généralement, c est-à-dire classer les points afin de pouvoir calculer la hauteur des points du sursol puis de se servir de cette information soit en la rastérisant afin d avoir des données sous le même format, soit en classant ces points directement à l aide des informations multispectrales. De nouveau, nous constatons les bons résultats obtenus à l aide de l algorithme SVM. Ophélie SINAGRA Projet de fin d études 15

17 Pour conclure, la lecture de ces articles a permis de réfléchir à une technique permettant la fusion des données. De plus, le choix de l algorithme de classification fut grandement influencé par les résultats présentés dans les différents articles. Dans la suite nous présenterons la technique de fusion créée et l algorithme de classification choisi avant de tester nos choix. Ophélie SINAGRA Projet de fin d études 16

18 II. Changement dans le sujet Initialement, le sujet du projet de fin d études (PFE) contenait une plus petite analyse documentaire. Cependant Mr Samsung LIM a pensé plus judicieux d approfondir sur cette partie afin de partir sur des bases solides et une bonne connaissance des traitements des données possibles. Deux semaines supplémentaires ont donc été consacrées à la lecture et analyse d articles. La suite du projet s est donc déroulée comme initialement prévu. Ophélie SINAGRA Projet de fin d études 17

19 III. Traitement de la fusion des données Mes connaissances acquises durant les trois années d études à l INSA de Strasbourg ainsi que les nombreux articles étudiés m ont permis d établir une méthode de classification utilisant à la fois les données LiDAR et les images multispectrales. Un lever LiDAR permet d obtenir les informations concernant la position ainsi que l intensité de chaque point mesuré. Les images multispectrales peuvent, grâce à une conversion des luminances en variables thématiques, nous informer sur la composition et donc la classe de l élément étudié. Pour cela le calcul d indices multispectraux, combinaison de bandes spectrales, et des connaissances sur les valeurs prises par les éléments en général sont nécessaires. La combinaison de ces deux types de données permet de combler les lacunes de chacune d entre elles et ainsi donner une bonne classification. 1) Méthodes utilisées : l algorithme choisi Après l analyse des articles j ai constaté que l algorithme SVM est de plus en plus utilisé pour les classifications: cet algorithme est assez récent et encore peu testé dans le domaine de la fusion de données. C est pourquoi il m a semblé intéressant de continuer les recherches sur cette technique. Les informations provenant du LiDAR et des images multispectrales pourront être utilisées. Pour cela ces informations devront être extraites sous une même résolution et sous un même format puis exploitées à l aide d un logiciel permettant l utilisation de l algorithme SVM. NDVI SVM Image multispectrale SAVI GEMI Sol artifi Eau LiDAR Points sur le sol Points du sursol Variation d altitude Bâtiment Végétation Figure 1 - Organigramme des étapes de classification L organigramme ci-dessus (voir figure 1) montre les informations pouvant être extraites de chaque type de données en entrée et la classification attendue en sortie. Ophélie SINAGRA Projet de fin d études 18

20 En effet, les images multispectrales peuvent fournir des indices de végétation qui sont propres à chaque type d éléments de la zone. Le LiDAR permet quant à lui, grâce aux coordonnées en trois dimensions, de fournir une information sur l altitude et plus précisément sur la différence d altitude. Nous développerons donc la méthode de calcul de chacun des éléments nécessaires à la classification avant d exposer l algorithme SVM plus en détail. a. Variation d altitude La variation d altitude d un point correspond à la distance entre le sol et le point considéré. Cette variation est calculable en deux étapes : classification des points sur le sol et des points du sursol et calcul de la distance entre ces deux classes. Ce calcul pourra ensuite être assimilé à un raster : la valeur du compte numérique de chaque cellule correspond à la variation d altitude moyenne des points contenus dans cette cellule. b. L indice NDVI L indice NDVI, ou indice de végétation normalisé (Normalized Difference Vegetation Index), est un indicateur numérique qui utilise la bande rouge du visible et la bande du proche-infrarouge. Il est utilisé en télédétection afin d estimer si la cible est végétale ou non. Il a été proposé en 1974 par Rouse et al. En général, la végétation absorbera en grande partie la lumière visible (bande rouge) et réfléchira la lumière proche-infrarouge alors que les minéraux réfléchiront la lumière visible et absorberont celle du proche-infrarouge. La formule utilisée est donc : NDVI =!"#!!!"#!! (1) Avec PIR: la valeur dans la bande procheinfrarouge R : la valeur dans la bande rouge du visible Cela donne donc des valeurs comprises entre 1 et -1 : 1 < NDVI < 1. Les différentes valeurs de l indice NDVI permet de déterminer le type d éléments analysés. Holben (Characteristics of maximum-value composite images from temporal AVHRR data, 1986) fournit les valeurs suivantes : Type Table 4 - Valeurs prises par l'indice NDVI Valeur dans la bande rouge Valeur dans la bande procheinfrarouge Indice NDVI Végétation dense Végétation moyenne Végétation faible Sol nu (terre) Nuage Neige et glace Eau Ophélie SINAGRA Projet de fin d études 19

LIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés

LIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /

Plus en détail

Visual Information Solutions. ENVI LiDAR. L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR

Visual Information Solutions. ENVI LiDAR. L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR Visual Information Solutions ENVI LiDAR L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR Créer des visualisations réalistes. Extraire des objets 3D. Générer des produits

Plus en détail

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,

Plus en détail

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Jean-Matthieu Monnet UR Écosystèmes Montagnards, Irstea Grenoble Pour mieux affirmer ses missions, le Cemagref devient Irstea

Plus en détail

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche Cemagref - CIRAD - ENGREF Master ère année Analyse spatiale, analyse géographique, spatialité des sociétés Master

Plus en détail

Application de la télédétection à la cartographie de l enneigement du Haut Atlas de Marrakech à partir d images SPOT VEGETATION et LANDSAT TM.

Application de la télédétection à la cartographie de l enneigement du Haut Atlas de Marrakech à partir d images SPOT VEGETATION et LANDSAT TM. Projet de recherche franco-marocain : Fonctionnement et ressources hydro-écologiques en région semi-aride (Tensift, Maroc) : Caractérisation, modélisation et prévision Application de la télédétection à

Plus en détail

AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES DONNEES GEOSPATIALES NATIONALE

AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES DONNEES GEOSPATIALES NATIONALE AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES GEOSPATIALE CREATION A D UNE L ECHELLE BANQUE NATIONAL DE DONNEES GEOSPATIALES NATIONALE 1 AMTEC RESOURCES MANAGEMENT LTD. P O Box 3463

Plus en détail

Couverture des terres - Dérivée des données AVHRR - Spécifications de contenu informationnel produites conformément à la norme ISO 19131

Couverture des terres - Dérivée des données AVHRR - Spécifications de contenu informationnel produites conformément à la norme ISO 19131 Couverture des terres - Dérivée des données AVHRR - Spécifications de contenu informationnel produites conformément à la norme ISO 19131 Révision : A Spécifications de contenu informationnel : Couverture

Plus en détail

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Mieux produire et préserver : Quelles approches pour les forêts au sein des territoires? Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Pour mieux affirmer ses missions, le

Plus en détail

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains

Plus en détail

Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8

Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Christine TURCK 1 * et **, Christiane WEBER**, Dominique THOME*

Plus en détail

L utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée

L utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée L utilisation du lidar terrestre en foresterie Richard Fournier Département de géomatique appliquée Problématique Inventaire traditionnel : photographie aérienne imagerie satellitaire relevés manuels sur

Plus en détail

L image geospatiale au service de l aviation civile

L image geospatiale au service de l aviation civile Toulouse, le 31 mars 2009 L image geospatiale au service de l aviation civile The information contained in this document pertains to software products and services that are subject to the controls of the

Plus en détail

Christophe SANNIER christophe.sannier@sirs-fr.com

Christophe SANNIER christophe.sannier@sirs-fr.com Systèmes d Information à Référence Spatiale Utilisation d un Estimateur de Régression avec des Données Landsat pour l Estimation de l Etendu et des Changements du Couvert Forestier du Gabon de 1990 à 2010

Plus en détail

Calculatrice vocale basée sur les SVM

Calculatrice vocale basée sur les SVM Calculatrice vocale basée sur les SVM Zaïz Fouzi *, Djeffal Abdelhamid *, Babahenini MohamedChaouki*, Taleb Ahmed Abdelmalik**, * Laboratoire LESIA, Département d Informatique, Université Mohamed Kheider

Plus en détail

SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance

SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance Olivier Hagolle Mercredi 6 février 2012 Sentinel-2 : révolution du suivi de la végétation par télédétection 13 bandes spectrales, résolution 10m à 20m,

Plus en détail

L utilisation de la SPIR au service de l entretien l parcours de golf : intérêts et limites. CIRAD, Montpellier (France)

L utilisation de la SPIR au service de l entretien l parcours de golf : intérêts et limites. CIRAD, Montpellier (France) L utilisation de la SPIR au service de l entretien l des parcours de golf : intérêts et limites L. Thuriès,, D. Bastianelli CIRAD, Montpellier (France) SPIR gazon : pour quoi faire? Suivi des sols : Teneur

Plus en détail

Once the installation is complete, you can delete the temporary Zip files..

Once the installation is complete, you can delete the temporary Zip files.. Sommaire Installation... 2 After the download... 2 From a CD... 2 Access codes... 2 DirectX Compatibility... 2 Using the program... 2 Structure... 4 Lier une structure à une autre... 4 Personnaliser une

Plus en détail

Global Monitoring Emergency Services

Global Monitoring Emergency Services Global Monitoring Emergency Services Christelle BOSC Olivier POCHARD 22/05/2012 Pôle Applications Satellitaires et Télécommunicaton CETE Sud-Ou LE PROGRAMME GMES Global Monitoring for Environment and Security

Plus en détail

SYS-809 Vision par ordinateur. Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB)

SYS-809 Vision par ordinateur. Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB) SYS-809 Vision par ordinateur Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB) Objectifs du laboratoire Ce laboratoire se veut une introduction à OTB. Nous nous intéressons à : Présentation

Plus en détail

Sensitivity of SAR data to the soil surface parameters

Sensitivity of SAR data to the soil surface parameters Sensitivity of SAR data to the soil surface parameters Nicolas Baghdadi Irstea, Maison de la télédétection, UMR TETIS, Montpellier, France Sensibilité du signal radar en bande X: TerraSAR-X Fort potentiel

Plus en détail

SC 27/WG 5 Normes Privacy

SC 27/WG 5 Normes Privacy SC 27/WG 5 Normes Privacy Club 27001 Toulousain 12/12/2014 Lionel VODZISLAWSKY Chief Information Officer l.vodzislawsky@celtipharm.com PRE-CTPM 141212-Club27001 Toulouse normes WG5_LV L organisation de

Plus en détail

Extraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés

Extraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés Thèse présentée pour obtenir le grade de Docteur de l Université Louis Pasteur Strasbourg I Discipline : Sciences pour l Ingénieur Spécialité : Topographie-Géomatique Par : Fayez TARSHA KURDI Extraction

Plus en détail

LA MISE A JOUR DE DONNEES TOPOGRAPHIQUES A L'IGN BELGE: LES CHOIX METHODOLOGIQUES ET LEURS CONSEQUENCES

LA MISE A JOUR DE DONNEES TOPOGRAPHIQUES A L'IGN BELGE: LES CHOIX METHODOLOGIQUES ET LEURS CONSEQUENCES CO-351 LA MISE A JOUR DE DONNEES TOPOGRAPHIQUES A L'IGN BELGE: LES CHOIX METHODOLOGIQUES ET LEURS CONSEQUENCES BAYERS E. IGN, BRUXELLES, BELGIUM ÉVOLUTION DES TECHNIQUES DE PRODUCTION DE DONNÉES TOPOGRAPHIQUES

Plus en détail

Exemple PLS avec SAS

Exemple PLS avec SAS Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that

Plus en détail

Africa GIS & SIGAFRIQUE network

Africa GIS & SIGAFRIQUE network Africa GIS & SIGAFRIQUE network Final meeting of the pilot phase (2003-2005): 2005): main results SIG Afrique & Réseau SIGAfrique Réunion finale de la phase pilote (2003-2005): 2005): principaux résultats

Plus en détail

SPiRiT : Spot5 stereoscopic survey of Polar Ice Reference Images & Topographies

SPiRiT : Spot5 stereoscopic survey of Polar Ice Reference Images & Topographies SPiRiT : Spot5 stereoscopic survey of Polar Ice Reference Images & Topographies Le projet SPiRiT est une des contributions françaises à l année polaire internationale. L objectif de ce projet est d utiliser

Plus en détail

Les satellites météorologiques et leurs apports scientifiques. Copyright EUMETSAT

Les satellites météorologiques et leurs apports scientifiques. Copyright EUMETSAT Les satellites météorologiques et leurs apports scientifiques Copyright EUMETSAT Les satellites météorologiques et leurs apports scientifiques Introduction ; contexte historique 1 - Présentation générale

Plus en détail

Objectif du groupe GT1.1 Fusion de Données

Objectif du groupe GT1.1 Fusion de Données Objectif du groupe GT1.1 Fusion de Données Le groupe travaille dans trois directions Le vocabulaire (piloté par ADVITAM et l aide de SITE) L état de l art (piloté par SYROKKO) Deux applications illustratives

Plus en détail

Applications of Earth Observation for Disaster Risk Management

Applications of Earth Observation for Disaster Risk Management Satellite Earth Observation & Disaster Risks Applications of Earth Observation for Disaster Risk Management Hicham EZZINE, Regional Centre for Disaster Risk Reduction Data Info. INRODUCTION INRODUCTION

Plus en détail

Exemple et réflexion sur l utilisation de données satellitaires

Exemple et réflexion sur l utilisation de données satellitaires Exemple et réflexion sur l utilisation de données satellitaires Données Global Forest Change Détection des coupes rases non reboisées Importance et répartition des coupes définitives Le renouvellement

Plus en détail

Traitement bas-niveau

Traitement bas-niveau Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.

Plus en détail

Projet Barrage-Usine de

Projet Barrage-Usine de Maquette numérique 3D Projet Barrage-Usine de Conflan Partenaires du projet SOMMAIRE I- Contexte du projet 1/ Etude cartographique du site 2/ Enjeux du projet II- Acquisition et traitement des données

Plus en détail

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base M.A. Knefati 1 & A. Oulidi 2 & P.Chauvet 1 & M. Delecroix 3 1 LUNAM Université, Université Catholique de l Ouest,

Plus en détail

Academic Project. B3 - Architecture. Resit Project. Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA

Academic Project. B3 - Architecture. Resit Project. Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA SUPINFO Academic Dept. Resit Project Academic Project 2012-2013 Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA Conditions d utilisations : SUPINFO International University vous

Plus en détail

ARCGIS DESKTOP. Qu est-ce que ArcGIS Desktop?

ARCGIS DESKTOP. Qu est-ce que ArcGIS Desktop? ARCGIS DESKTOP Qu est-ce que ArcGIS Desktop? ArcGIS Desktop comprend une suite d applications intégrées : ArcMap, ArcCatalog et ArcToolbox. A l aide de ces trois applications, vous pouvez effectuer toutes

Plus en détail

TUTORIEL D UTILISATION DE L APPLICATION STOT-NC

TUTORIEL D UTILISATION DE L APPLICATION STOT-NC Sommaire Présentation générale... 2 Accessibilité... 3 TUTORIEL D UTILISATION DE L APPLICATION STOT-NC Accès «interface cartographique»... 3 Connexion... 3 Fonctionnalités disponibles... 3 Accès «Saisie

Plus en détail

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction INFO # 34 dans le cadre d un modèle interne Comment les méthodes d apprentissage statistique peuvent-elles optimiser les calculs? David MARIUZZA Actuaire Qualifié IA Responsable Modélisation et Solvabilité

Plus en détail

Spécifications de contenu informationnel : Cartographie des risques d inondation des infrastructures d AAC en Saskatchewan

Spécifications de contenu informationnel : Cartographie des risques d inondation des infrastructures d AAC en Saskatchewan Cartographie des risques d inondation des infrastructures d AAC en Saskatchewan Spécifications de contenu informationnel produites conformément à la norme ISO Révision : A Spécifications de contenu informationnel

Plus en détail

Economie de l'environnement

Economie de l'environnement Economie de l'environnement Fatih Karanl Département d'economie, EconomiX-CNRS, Université Paris Ouest Nanterre la Défense E-mail: fkaranl@u-paris10.fr Web: http://economix.fr/fr/membres/?id=1294 2013-2014

Plus en détail

Fichier README associé au produit «partie maritime fusionné» Litto3D Finistère V. 20140923

Fichier README associé au produit «partie maritime fusionné» Litto3D Finistère V. 20140923 Fichier README associé au produit «partie maritime fusionné» V. 20140923 Référence à consulter : Spécifications techniques Litto3D - v 1.0 (http://www.shom.fr/les-activites/projets/modelenumerique-terre-mer/applications-possibles/)

Plus en détail

Mise en place d'une chaîne de production raster multi-échelles

Mise en place d'une chaîne de production raster multi-échelles 25 Février 2014 Thierry Boch tboch@esrifrance.fr Mise en place d'une chaîne de production raster multi-échelles FranceRaster Programme FranceRaster v4 Le produit "France Raster", coédition Esri France

Plus en détail

La collecte et la gestion des données dans le cadre de la prospection d énergie solaire

La collecte et la gestion des données dans le cadre de la prospection d énergie solaire Conférence SIG 2012 - ESRIFRANCE La collecte et la gestion des données dans le cadre de la prospection d énergie solaire Serge MANG-JOUBERT GAIAGO Eric VIDALENC - ADEME 1 Auteurs : Rodrigo MARIONI, Serge

Plus en détail

A partir de ces différents matériels, l administrateur a déterminé huit configurations différentes. Il vous demande de les compléter.

A partir de ces différents matériels, l administrateur a déterminé huit configurations différentes. Il vous demande de les compléter. Exonet - Ressources mutualisées en réseau Description du thème Propriétés Intitulé long Formation concernée Présentation Modules Activités Compétences ; Savoir-faire Description Ressources mutualisées

Plus en détail

SCHOLARSHIP ANSTO FRENCH EMBASSY (SAFE) PROGRAM 2015-2 APPLICATION FORM

SCHOLARSHIP ANSTO FRENCH EMBASSY (SAFE) PROGRAM 2015-2 APPLICATION FORM SCHOLARSHIP ANSTO FRENCH EMBASSY (SAFE) PROGRAM 2015-2 APPLICATION FORM APPLICATION FORM / FORMULAIRE DE CANDIDATURE Note: If there is insufficient space to answer a question, please attach additional

Plus en détail

Tutoriel Drupal «views»

Tutoriel Drupal «views» Tutoriel Drupal «views» Tutoriel pour la découverte et l utilisation du module Drupal «Views» 1 Dans ce tutoriel nous allons d abord voir comment se présente le module views sous Drupal 7 puis comment

Plus en détail

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION THÈSE N O 2388 (2001) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE

Plus en détail

SERVICE DE PHOTOGRAMMETRIE EN LIGNE

SERVICE DE PHOTOGRAMMETRIE EN LIGNE 1 SERVICE DE PHOTOGRAMMETRIE EN LIGNE Principes et fonctions Introduction p.2 Avantages du service p.3 Le matériel de base p.4 Prise de vue d un planum p.5 Le relevé d un planum p.6 Le relevé de façades

Plus en détail

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU $SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le

Plus en détail

INF6304 Interfaces Intelligentes

INF6304 Interfaces Intelligentes INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme

Plus en détail

Copyright InterAtlas 2007 10 av Réaumur Clamart 92140 Tél. : 33 1 46 30 63 63 Fax : 33 1 46 30 23 80 www.interatlas.fr www.shockymap.

Copyright InterAtlas 2007 10 av Réaumur Clamart 92140 Tél. : 33 1 46 30 63 63 Fax : 33 1 46 30 23 80 www.interatlas.fr www.shockymap. 1 Prise de Vue 2 Workflow 2 Prise de Vue InterAtlas dispose de 2 avions Un Piper Navajo PA31 avec 2 trappes - 8 places Un Piper Sececa Pa34 avec 1 trappe - 6 places 2 Prise de Vue InterAtlas possède la

Plus en détail

Étude de données multisources par simulation de capteurs et clustering collaboratif

Étude de données multisources par simulation de capteurs et clustering collaboratif Étude de données multisources par simulation de capteurs et clustering collaboratif Germain Forestier, Cédric Wemmert, Pierre Gançarski Université de Strasbourg - LSIIT - CNRS - UMR 75 Pôle API, Bd Sébastien

Plus en détail

Compte-rendu Réunion générale. Grenoble, le 29 juin 2011 URBASIS

Compte-rendu Réunion générale. Grenoble, le 29 juin 2011 URBASIS URBASIS Sismologie urbaine : évaluation de la vulnérabilité et des dommages sismiques par méthodes innovantes ANR09RISK009 URBASIS Compterendu Réunion générale Grenoble, le 29 juin 2011 Participants: J.

Plus en détail

Cartes de l étendue des eaux libres liés aux inondations Guide des produits

Cartes de l étendue des eaux libres liés aux inondations Guide des produits Cartes de l étendue des eaux libres liés aux inondations Guide des produits Contexte Les crues ont parfois des effets dévastateurs sur la vie humaine, les infrastructures, l économie, les espèces sauvages

Plus en détail

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules THÈSE N O 4034 (2008) PRÉSENTÉE le 30 mai 2008 À LA FACULTÉ DES SCIENCES ET TECHNIQUES

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane

Plus en détail

THÈSE. présentée à TÉLÉCOM PARISTECH. pour obtenir le grade de. DOCTEUR de TÉLÉCOM PARISTECH. Mention Informatique et Réseaux. par.

THÈSE. présentée à TÉLÉCOM PARISTECH. pour obtenir le grade de. DOCTEUR de TÉLÉCOM PARISTECH. Mention Informatique et Réseaux. par. École Doctorale d Informatique, Télécommunications et Électronique de Paris THÈSE présentée à TÉLÉCOM PARISTECH pour obtenir le grade de DOCTEUR de TÉLÉCOM PARISTECH Mention Informatique et Réseaux par

Plus en détail

Réalisation d une campagne de sondages dans la plaine alluviale du Rhône à Péage-de-Roussillon Rapport de mesure

Réalisation d une campagne de sondages dans la plaine alluviale du Rhône à Péage-de-Roussillon Rapport de mesure Réalisation d une campagne de sondages dans la plaine alluviale du Rhône à Péage-de-Roussillon Rapport de mesure Réalisation Nicolas Talaska, Anthony Guinchard Juin 2014 1 Table des matières 1. Contexte

Plus en détail

Glossaire. base de données géographiques Voir géodatabase (GDB).

Glossaire. base de données géographiques Voir géodatabase (GDB). Glossaire analyse Processus d identification d une question ou d un problème à résoudre, de modélisation de ce problème, de recherche des résultats de modélisation, d interprétation des résultats, d élaboration

Plus en détail

.FOR. Inventaire et suivi forestier de qualité

.FOR. Inventaire et suivi forestier de qualité .FOR Inventaire et suivi forestier de qualité FOR : l atout pour la gestion de votre patrimoine forestier 2 1. Présentation de.for Créé en 2010,.FOR est une association d'entreprises belges soutenues par

Plus en détail

MAT 2377 Solutions to the Mi-term

MAT 2377 Solutions to the Mi-term MAT 2377 Solutions to the Mi-term Tuesday June 16 15 Time: 70 minutes Student Number: Name: Professor M. Alvo This is an open book exam. Standard calculators are permitted. Answer all questions. Place

Plus en détail

Christelle BOSC Olivier POCHARD

Christelle BOSC Olivier POCHARD Christelle BOSC Olivier POCHARD LE PROGRAMME GMES Global Monitoring for Environment and Security Programme européen d observation de la Terre Initiative conjointe de l'esa et de l'union européenne Doter

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

Comprendre l Univers grâce aux messages de la lumière

Comprendre l Univers grâce aux messages de la lumière Seconde / P4 Comprendre l Univers grâce aux messages de la lumière 1/ EXPLORATION DE L UNIVERS Dans notre environnement quotidien, les dimensions, les distances sont à l échelle humaine : quelques mètres,

Plus en détail

GÉODÉSIE, COORDONNÉES ET GPS

GÉODÉSIE, COORDONNÉES ET GPS GÉODÉSIE, COORDONNÉES ET GPS LES PROJECTIONS La représentation du globe terrestre sur un plan en deux dimensions exige une opération nommée projection. Une projection s appuie sur un géoïde, qui est une

Plus en détail

par l ingénieur principal des études et techniques de l armement Caroline Texier 1 et les équipes des projets INFRAGEOS-H et ENTREPOT du SHOM Abstract

par l ingénieur principal des études et techniques de l armement Caroline Texier 1 et les équipes des projets INFRAGEOS-H et ENTREPOT du SHOM Abstract Réalisation d une infrastructure géospatiale au SHOM par l ingénieur principal des études et techniques de l armement Caroline Texier 1 et les équipes des projets INFRAGEOS-H et ENTREPOT du SHOM RÉSUMÉ

Plus en détail

SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique

SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des

Plus en détail

N. Paparoditis, Laboratoire MATIS

N. Paparoditis, Laboratoire MATIS N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS

Plus en détail

RDP : Voir ou conduire

RDP : Voir ou conduire 1S Thème : Observer RDP : Voir ou conduire DESCRIPTIF DE SUJET DESTINE AU PROFESSEUR Objectif Compétences exigibles du B.O. Initier les élèves de première S à la démarche de résolution de problème telle

Plus en détail

Étude d impact et Services Écosystémiques : Comment identifier et spatialiser les enjeux?

Étude d impact et Services Écosystémiques : Comment identifier et spatialiser les enjeux? Étude d impact et Services Écosystémiques : Comment identifier et spatialiser les enjeux? Roel PLANT 1,2 ; Pierre-André PISSARD 1 1 UMR TETIS / Irstea Montpellier 2 Institute for Sustainable Futures /

Plus en détail

Introduction à MATLAB R

Introduction à MATLAB R Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d

Plus en détail

RESERVOIR MONITORING A PARTIR D IMAGES SATELLITES APPLICATIONS POUR LES ACTIVITÉS AMONT DE SONATRACH EN ALGÉRIE

RESERVOIR MONITORING A PARTIR D IMAGES SATELLITES APPLICATIONS POUR LES ACTIVITÉS AMONT DE SONATRACH EN ALGÉRIE RESERVOIR MONITORING A PARTIR D IMAGES SATELLITES APPLICATIONS POUR LES ACTIVITÉS AMONT DE SONATRACH EN ALGÉRIE Johanna GRANDA (1), Alain ARNAUD (1) et Azzédine BOUDIAF (2) (1) ALTAMIRA INFORMATION S.L.,

Plus en détail

Application Form/ Formulaire de demande

Application Form/ Formulaire de demande Application Form/ Formulaire de demande Ecosystem Approaches to Health: Summer Workshop and Field school Approches écosystémiques de la santé: Atelier intensif et stage d été Please submit your application

Plus en détail

Forthcoming Database

Forthcoming Database DISS.ETH NO. 15802 Forthcoming Database A Framework Approach for Data Visualization Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of

Plus en détail

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) 87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation

Plus en détail

RAPID 3.34 - Prenez le contrôle sur vos données

RAPID 3.34 - Prenez le contrôle sur vos données RAPID 3.34 - Prenez le contrôle sur vos données Parmi les fonctions les plus demandées par nos utilisateurs, la navigation au clavier et la possibilité de disposer de champs supplémentaires arrivent aux

Plus en détail

MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE ABDELHAMID IBN BADIS MOSTAGANEM TUNISIE MAROC ALGERIE

MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE ABDELHAMID IBN BADIS MOSTAGANEM TUNISIE MAROC ALGERIE TUNISIE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE ABDELHAMID IBN BADIS MOSTAGANEM MAROC ALGERIE FACULTES Sciences Economiques, Commerciales et de Gestion Sciences

Plus en détail

TRAVAUX DE RECHERCHE DANS LE

TRAVAUX DE RECHERCHE DANS LE TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT

Plus en détail

MODULE 3 Analyses thématiques

MODULE 3 Analyses thématiques MODULE 3 Analyses thématiques Ce module a pour objectif d approfondir les différents modes de représentation cartographique des données attributaires à l'aide de la gestion des styles. - la nouvelle symbologie

Plus en détail

Equation LIDAR : exp 2 Equation RADAR :

Equation LIDAR : exp 2 Equation RADAR : Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion

Plus en détail

Comptes des changements de la biodiversité des systèmes et des espèces

Comptes des changements de la biodiversité des systèmes et des espèces ATELIER INFRAREGIONAL POUR LA REGION DE L AFRIQUE DE L OUEST SUBSAHARIENNE SUR L ÉVALUATION ET LES MESURES INCITATIVES Ouagadougou, Burkina Faso, 14 17 Mai 2013 COMPTABILITÉ DE L ENVIRONNEMENT ET DES ÉCOSYSTÈMES

Plus en détail

2. Informations tirées de la photo-interprétation

2. Informations tirées de la photo-interprétation 1. Technologies de la photo-interprétation Julie Gauthier - intégration des technologies numériques (SIG, imagerie, outils 3D) et formation sur différents logiciels 3D 2. Informations tirées de la photo-interprétation

Plus en détail

Face Recognition Performance: Man vs. Machine

Face Recognition Performance: Man vs. Machine 1 Face Recognition Performance: Man vs. Machine Andy Adler Systems and Computer Engineering Carleton University, Ottawa, Canada Are these the same person? 2 3 Same person? Yes I have just demonstrated

Plus en détail

Big data et données géospatiales : Enjeux et défis pour la géomatique. Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique

Big data et données géospatiales : Enjeux et défis pour la géomatique. Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique Big data et données géospatiales : Enjeux et défis pour la géomatique Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique Événement 25e anniversaire du CRG Université Laval, Qc, Canada 08 mai

Plus en détail

Extension Program 2014-15 VACANCES SCOLAIRES Maternelles/Primaires et Collège/Lycées AMERICAN SCHOOL OF PARIS. Founded 1946. Text

Extension Program 2014-15 VACANCES SCOLAIRES Maternelles/Primaires et Collège/Lycées AMERICAN SCHOOL OF PARIS. Founded 1946. Text AMERICAN SCHOOL OF PARIS Extension Program 2014-15 Founded 1946 Text 1 Inscriptions et règlements doivent se faire en ligne via notre site internet. Votre choix d activité établi (pour le secondaire uniquement).

Plus en détail

SPW DGO1 Voies lentes en Wallonie. Manuel utilisateur de l application cartographique

SPW DGO1 Voies lentes en Wallonie. Manuel utilisateur de l application cartographique SPW DGO1 Voies lentes en Wallonie de l application cartographique IDENTIFICATION Projet : Agoracités Auteur : Amélie Ledent Type de document : Ref. NSI: Version: 1.1 Ref. Client: Date : 17/03/2010 Statut:

Plus en détail

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178 Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain

Plus en détail

FAQ Foire aux questions. Sur cette page, vous trouverez les réponses à toutes vos questions relatives aux études de la musique en Europe.

FAQ Foire aux questions. Sur cette page, vous trouverez les réponses à toutes vos questions relatives aux études de la musique en Europe. FAQ Foire aux questions Sur cette page, vous trouverez les réponses à toutes vos questions relatives aux études de la musique en Europe. FAQ Foire aux questions POURQUOI MOI? 1. Pourquoi entreprendre des

Plus en détail

Optimiser la recherche d informations dans deux des Bases de Données internes et Accroître la productivité des analystes

Optimiser la recherche d informations dans deux des Bases de Données internes et Accroître la productivité des analystes Optimiser la recherche d informations dans deux des Bases de Données internes et Accroître la productivité des analystes Mémoire de stage Promotion 2010 Priscillia VON HOFMANN Abstract Today, the importance

Plus en détail

Guide de création d anaglyphes à partir de photographies aériennes. Direction des inventaires forestiers

Guide de création d anaglyphes à partir de photographies aériennes. Direction des inventaires forestiers Guide de création d anaglyphes à partir de photographies aériennes Direction des inventaires forestiers Ministère des Ressources naturelles Secteur des forêts Août 2013 ÉQUIPE DE RÉDACTION Antoine Lebœuf,

Plus en détail

CONTRÔLE QUALITE DES SURFACES VISUALISATION 3D - TOPOGRAPHIE MESURE RAPIDE & SANS CONTACT PORTABLE & SIMPLE D UTILISATION POWERED BY

CONTRÔLE QUALITE DES SURFACES VISUALISATION 3D - TOPOGRAPHIE MESURE RAPIDE & SANS CONTACT PORTABLE & SIMPLE D UTILISATION POWERED BY CONTRÔLE QUALITE DES SURFACES VISUALISATION 3D - TOPOGRAPHIE MESURE RAPIDE & SANS CONTACT PORTABLE & SIMPLE D UTILISATION POWERED BY LE NOUVEL EQUIPEMENT DE MESURE OPTIMAP TM MARQUE LE DEBUT D UNE REVOLUTION

Plus en détail

PLAN DIRECTEUR DES PARCS, MILIEUX NATURELS ET ESPACES VERTS PARKS, NATURAL HABITATS AND GREEN SPACES MASTER PLAN

PLAN DIRECTEUR DES PARCS, MILIEUX NATURELS ET ESPACES VERTS PARKS, NATURAL HABITATS AND GREEN SPACES MASTER PLAN PLAN DIRECTEUR DES PARCS, MILIEUX NATURELS ET ESPACES VERTS PARKS, NATURAL HABITATS AND GREEN SPACES MASTER PLAN Présentation publique du jeudi 10 septembre, 2009 Public presentation of Thursday, September

Plus en détail

Cours Systèmes d Information Géographique

Cours Systèmes d Information Géographique Cours Systèmes d Information Géographique Durée : 55 h Intervenants : Pr. Amadou Tahirou Diaw 1-3, Dr Gualbert S. Dorégo 2-3, Dr Alla Manga 3, Ing. Aminata Diokhané 4, Dr El hadji Balla Dièye 5-3, Dr Cheikh

Plus en détail

Territoire3D. Descriptif de contenu. Institut Géographique National. www.ign.fr. Date du Document : Mars 2011

Territoire3D. Descriptif de contenu. Institut Géographique National. www.ign.fr. Date du Document : Mars 2011 Territoire3D Descriptif de contenu Date du Document : Mars 2011 Institut Géographique National 73 avenue de Paris 94165 Saint-Mandé Cedex www.ign.fr Révision : Spécifications externes A 18/03/2011 Création

Plus en détail

Mesure agnostique de la qualité des images.

Mesure agnostique de la qualité des images. Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire

Plus en détail

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2 Sommaire Sommaire... 1 Introduction... 2 1 Trois différentes techniques de pricing... 3 1.1 Le modèle de Cox Ross Rubinstein... 3 1.2 Le modèle de Black & Scholes... 8 1.3 Méthode de Monte Carlo.... 1

Plus en détail

«Bases de données géoréférencées pour la gestion agricole et environnementale en Roumanie»

«Bases de données géoréférencées pour la gestion agricole et environnementale en Roumanie» «Bases de données géoréférencées pour la gestion agricole et environnementale en Roumanie» Dr. Alexandru BADEA Directeur Applications Spatiales Agence Spatiale Roumaine Tél : +40(0)744506880 alexandru.badea@rosa.ro

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d information textuelle Pré-traitements & indexation B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques

Plus en détail