Suchergebnisse

International audience ; Detailed and timely information on crop area, production and yield isimportant for the assessment of environmental impacts of agriculture,for the monitoring of the land use and management practices, and forfood security early warning systems. A machine learningapproach is proposed to model crop rotations which can predict with good accuracy,at the beginning of the agricultural season, the crops most likely tobe present in a given field using the crop sequence of the previous 3to 5 years. The approach is able to learn from data and to integrateexpert knowledge represented as first-order logic rules. Itsaccuracy is assessed using the French Land Parcel Information System implementedin the frame of the EU's Common Agricultural Policy. This assessmentis done using different settings in terms of temporal depth andspatial generalization coverage. The obtained results show that theproposed approach is able to predict the crop type of each field,before the beginning of the crop season, with an accuracy as high as 60\%, which is better than the results obtained with currentapproaches based on remote sensing imagery.

International audience ; Detailed and timely information on crop area, production and yield isimportant for the assessment of environmental impacts of agriculture,for the monitoring of the land use and management practices, and forfood security early warning systems. A machine learningapproach is proposed to model crop rotations which can predict with good accuracy,at the beginning of the agricultural season, the crops most likely tobe present in a given field using the crop sequence of the previous 3to 5 years. The approach is able to learn from data and to integrateexpert knowledge represented as first-order logic rules. Itsaccuracy is assessed using the French Land Parcel Information System implementedin the frame of the EU's Common Agricultural Policy. This assessmentis done using different settings in terms of temporal depth andspatial generalization coverage. The obtained results show that theproposed approach is able to predict the crop type of each field,before the beginning of the crop season, with an accuracy as high as 60\%, which is better than the results obtained with currentapproaches based on remote sensing imagery.

International audience ; Detailed and timely information on crop area, production and yield isimportant for the assessment of environmental impacts of agriculture,for the monitoring of the land use and management practices, and forfood security early warning systems. A machine learningapproach is proposed to model crop rotations which can predict with good accuracy,at the beginning of the agricultural season, the crops most likely tobe present in a given field using the crop sequence of the previous 3to 5 years. The approach is able to learn from data and to integrateexpert knowledge represented as first-order logic rules. Itsaccuracy is assessed using the French Land Parcel Information System implementedin the frame of the EU's Common Agricultural Policy. This assessmentis done using different settings in terms of temporal depth andspatial generalization coverage. The obtained results show that theproposed approach is able to predict the crop type of each field,before the beginning of the crop season, with an accuracy as high as 60\%, which is better than the results obtained with currentapproaches based on remote sensing imagery.

International audience ; Detailed and timely information on crop area, production and yield isimportant for the assessment of environmental impacts of agriculture,for the monitoring of the land use and management practices, and forfood security early warning systems. A machine learningapproach is proposed to model crop rotations which can predict with good accuracy,at the beginning of the agricultural season, the crops most likely tobe present in a given field using the crop sequence of the previous 3to 5 years. The approach is able to learn from data and to integrateexpert knowledge represented as first-order logic rules. Itsaccuracy is assessed using the French Land Parcel Information System implementedin the frame of the EU's Common Agricultural Policy. This assessmentis done using different settings in terms of temporal depth andspatial generalization coverage. The obtained results show that theproposed approach is able to predict the crop type of each field,before the beginning of the crop season, with an accuracy as high as 60\%, which is better than the results obtained with currentapproaches based on remote sensing imagery.

International audience ; Cet article pointe d'abord les causes et/es enjeux des verrous cartographiques dans !a mise en oeuvre de la politique de la trame verte et bleue (TVB). Une connaissance de l'emprise précise de la trame verte arborée par les acteurs locaux apparaît incontournable. Nous proposons ensuite une méthode de télédétection associée à des algorithmes de morphologie mathématique pour extraire la trame verte arborée à l'échelle métrique à partir d'une image à très haute résolution spatiale. La méthode proposée est une séquence de quatre étapes : 1) analyse en composantes principales (ACP), 2) segmentation par la transformation chapeau haut de forme, 3) élimination du bruit morphologique, 4) restauration des contours arborés par dilatation géodésique. Enfin, une discussion sur les perspectives en termes de conséquences sur les méthodologies de télédétection et sur les politiques publiques environnementales termine l'article.

International audience ; Cet article pointe d'abord les causes et/es enjeux des verrous cartographiques dans !a mise en oeuvre de la politique de la trame verte et bleue (TVB). Une connaissance de l'emprise précise de la trame verte arborée par les acteurs locaux apparaît incontournable. Nous proposons ensuite une méthode de télédétection associée à des algorithmes de morphologie mathématique pour extraire la trame verte arborée à l'échelle métrique à partir d'une image à très haute résolution spatiale. La méthode proposée est une séquence de quatre étapes : 1) analyse en composantes principales (ACP), 2) segmentation par la transformation chapeau haut de forme, 3) élimination du bruit morphologique, 4) restauration des contours arborés par dilatation géodésique. Enfin, une discussion sur les perspectives en termes de conséquences sur les méthodologies de télédétection et sur les politiques publiques environnementales termine l'article.

International audience ; Cet article pointe d'abord les causes et/es enjeux des verrous cartographiques dans !a mise en oeuvre de la politique de la trame verte et bleue (TVB). Une connaissance de l'emprise précise de la trame verte arborée par les acteurs locaux apparaît incontournable. Nous proposons ensuite une méthode de télédétection associée à des algorithmes de morphologie mathématique pour extraire la trame verte arborée à l'échelle métrique à partir d'une image à très haute résolution spatiale. La méthode proposée est une séquence de quatre étapes : 1) analyse en composantes principales (ACP), 2) segmentation par la transformation chapeau haut de forme, 3) élimination du bruit morphologique, 4) restauration des contours arborés par dilatation géodésique. Enfin, une discussion sur les perspectives en termes de conséquences sur les méthodologies de télédétection et sur les politiques publiques environnementales termine l'article.

International audience ; Cet article pointe d'abord les causes et/es enjeux des verrous cartographiques dans !a mise en oeuvre de la politique de la trame verte et bleue (TVB). Une connaissance de l'emprise précise de la trame verte arborée par les acteurs locaux apparaît incontournable. Nous proposons ensuite une méthode de télédétection associée à des algorithmes de morphologie mathématique pour extraire la trame verte arborée à l'échelle métrique à partir d'une image à très haute résolution spatiale. La méthode proposée est une séquence de quatre étapes : 1) analyse en composantes principales (ACP), 2) segmentation par la transformation chapeau haut de forme, 3) élimination du bruit morphologique, 4) restauration des contours arborés par dilatation géodésique. Enfin, une discussion sur les perspectives en termes de conséquences sur les méthodologies de télédétection et sur les politiques publiques environnementales termine l'article.

International audience ; Cet article pointe d'abord les causes et/es enjeux des verrous cartographiques dans !a mise en oeuvre de la politique de la trame verte et bleue (TVB). Une connaissance de l'emprise précise de la trame verte arborée par les acteurs locaux apparaît incontournable. Nous proposons ensuite une méthode de télédétection associée à des algorithmes de morphologie mathématique pour extraire la trame verte arborée à l'échelle métrique à partir d'une image à très haute résolution spatiale. La méthode proposée est une séquence de quatre étapes : 1) analyse en composantes principales (ACP), 2) segmentation par la transformation chapeau haut de forme, 3) élimination du bruit morphologique, 4) restauration des contours arborés par dilatation géodésique. Enfin, une discussion sur les perspectives en termes de conséquences sur les méthodologies de télédétection et sur les politiques publiques environnementales termine l'article.