EphèseLe catalogue de la bibliothèque de l'ECAM

Post-wildfire Vegetation Loss Mapping using Bitemporal Synthetie Aperture Radar / Benoît De Patoul 

Public ISBD Titre : Post-wildfire Vegetation Loss Mapping using Bitemporal Synthetie Aperture Radar Type de document : Travail de fin d'études Auteurs : Benoît De Patoul, Auteur ; Chen Zhiqiang, ; Sébastien Combefis, Auteur Editeur : ECAM Année de publication : 2017 Note générale : University of Missouri Langues : Anglais (eng) Index. décimale : TFE - Electromécanique Résumé : This Master's thesis aims to develop a digital image processing method including pattern classification and quantification, for mapping wildfire-induced damage. Wildfire events have frequently appeared around the world, and optical methods are limited due to the smoke and haze amid any wildfire events. Synthetic Aperture Radar data is an all-weather remote sensing method that can penetrate smokes and clouds. The UAVSAR platform from NASA can provide temporal imagery data sets before and after the wildfire event; hence the UAVSAR data is primarily used in this project. In this project, I will aim to develop an automatic approach to wildfire mapping based on bi-temporal UAVSAR data, and the accuracy of the proposed methods will be evaluated against field data Ce TFE présente le développement d'une méthode de traitement d'images incluant la quantification et pattern classification, pour cartographier des dommages crées par un feu de forêt. Les feux de forêts sont fréquemment apparus dans le monde, et les méthodes optiques sont limitées dues à leur impossibilité de pénétrer la fumée ou le brouillard. La méthode "Synthetic Aperture Radar" peut être utilisée à n'importe quelle météo et peut pénétrer la fumée et les nuages. La plateforme UAVSAR de la NASA peut fournir des images radar avant et après le feu de forêt et nous utilisons donc les données UAVSAR pour ce projet. Le TFE développe une approche automatique pour cartographier les feux de forêts basée sur des données bi-temporel provenant de l'UAVSAR. Post-wildfire Vegetation Loss Mapping using Bitemporal Synthetie Aperture Radar [Travail de fin d'études] / Benoît De Patoul, Auteur ; Chen Zhiqiang, ; Sébastien Combefis, Auteur . - ECAM, 2017. University of Missouri Langues : Anglais (eng) Index. décimale : TFE - Electromécanique Résumé : This Master's thesis aims to develop a digital image processing method including pattern classification and quantification, for mapping wildfire-induced damage. Wildfire events have frequently appeared around the world, and optical methods are limited due to the smoke and haze amid any wildfire events. Synthetic Aperture Radar data is an all-weather remote sensing method that can penetrate smokes and clouds. The UAVSAR platform from NASA can provide temporal imagery data sets before and after the wildfire event; hence the UAVSAR data is primarily used in this project. In this project, I will aim to develop an automatic approach to wildfire mapping based on bi-temporal UAVSAR data, and the accuracy of the proposed methods will be evaluated against field data Ce TFE présente le développement d'une méthode de traitement d'images incluant la quantification et pattern classification, pour cartographier des dommages crées par un feu de forêt. Les feux de forêts sont fréquemment apparus dans le monde, et les méthodes optiques sont limitées dues à leur impossibilité de pénétrer la fumée ou le brouillard. La méthode "Synthetic Aperture Radar" peut être utilisée à n'importe quelle météo et peut pénétrer la fumée et les nuages. La plateforme UAVSAR de la NASA peut fournir des images radar avant et après le feu de forêt et nous utilisons donc les données UAVSAR pour ce projet. Le TFE développe une approche automatique pour cartographier les feux de forêts basée sur des données bi-temporel provenant de l'UAVSAR.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
aucun exemplaire

Documents numériques

Ce document n'est visible qu'après identification Thesis_de_Patoul_(1).pdf Adobe Acrobat PDF

---

1 (1 - 1 / 1) Par page : 25 50 100 200