Base de données : Approche machine learning pour le suivi des changements de l'occupation / utilisation du sol des Zones humides littorales de Bretagne

Fuente: Zenodo
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Le Guillou, Adrien, Niculescu, Simona
Format: Recurso digital
Langue:français
Publié: Zenodo 2025
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
_version_ 1866902059833360384
author Le Guillou, Adrien
Niculescu, Simona
author_facet Le Guillou, Adrien
Niculescu, Simona
contents <h3>Description de la base de données</h3> <p>Cette base de données regroupe les résultats de <strong>cartographies automatiques de l’occupation et de l’utilisation du sol</strong> appliquées aux <strong>zones humides littorales de Bretagne</strong>, réalisées dans le cadre de la thèse :<br><strong><em>Approche machine learning pour le suivi des changements de l’occupation / utilisation du sol des zones humides littorales de Bretagne</em></strong>.</p> <p>⚠️ <strong>Important</strong> : Les <strong>images satellitaires utilisées (SPOT, RapidEye, Pléiades, Sentinel-2)</strong> ne sont <strong>pas incluses</strong> dans ce dépôt, en raison de limitations de stockage et de contraintes liées aux droits d’utilisation. Seules les classifications dérivées, les styles et les données d’entraînement sont disponibles.</p> <p>Les cartographies sont produites à partir de trois méthodes d’apprentissage automatique :</p> <ul> <li> <p><strong>CNN (Convolutional Neural Networks)</strong></p> </li> <li> <p><strong>RF (Random Forest)</strong></p> </li> <li> <p><strong>M3-Fusion</strong></p> </li> </ul> <h3>Contenu</h3> <p>La base comprend :</p> <ul> <li> <p>Les <strong>cartes classées au format GeoTIFF (.tif)</strong></p> </li> <li> <p>Les <strong>styles associés au format QML (.qml)</strong></p> </li> <li> <p>Les <strong>données d’entraînement au format Shapefile (.shp)</strong>, constituées de polygones issus de la photo-interprétation, utilisés pour l’extraction de données matricielles ou de patches selon les algorithmes.</p> </li> <li> <p>Pour chaque classification, une <strong>matrice de confusion</strong> est fournie.</p> </li> </ul> <h3>Organisation de l’arborescence</h3> <div> <div> <div> <div> </div> </div> </div> <div dir="ltr"><code><span>Zone</span> d’étude → Année → Algorithme → Classification + Matrice de confusion </code></div> </div> <h3>Zones et périodes étudiées</h3> <p>Les cartographies portent sur trois sites littoraux bretons, à quatre dates différentes :</p> <ul> <li> <p><strong>Sites d’étude</strong> :</p> <ul> <li> <p>Presqu’île de Crozon</p> </li> <li> <p>Baie d’Audierne</p> </li> <li> <p>Zones humides littorales de Guissény</p> </li> </ul> </li> <li> <p><strong>Années disponibles</strong> :</p> <ul> <li> <p>2005</p> </li> <li> <p>2011</p> </li> <li> <p>2018</p> </li> <li> <p>2021</p> </li> </ul> </li> </ul> <h3>Sources de données satellitaires</h3> <p>Les classifications sont issues de l’intégration multi-capteurs :</p> <ul> <li> <p>SPOT 2 / 3 / 4 / 5 / 6-7</p> </li> <li> <p>RapidEye</p> </li> <li> <p>Pléiades</p> </li> <li> <p>Sentinel-2</p> </li> </ul> <h3>Légende des classes</h3> <p>La nomenclature comprend <strong>12 classes thématiques</strong> :</p> <ol> <li> <p>Eau profonde / océanique</p> </li> <li> <p>Vasière / Estran</p> </li> <li> <p>Prairie mésophile / Agriculture</p> </li> <li> <p>Forêt non humide</p> </li> <li> <p>Sable / Sol nu / Dune</p> </li> <li> <p>Lande</p> </li> <li> <p>Imperméable /  Côte granitique</p> </li> <li> <p>Pré salé</p> </li> <li> <p>Eau continentale et estuarienne</p> </li> <li> <p>Prairie hydrophile</p> </li> <li> <p>Forêt hydrophile</p> </li> <li> <p>Tourbière et bas-marais</p> </li> </ol> <h3>Référence</h3> <p>Toutes les combinaisons d’implémentations des images satellitaires et des méthodes de classification sont détaillées dans la thèse :<br><strong><em>Approche machine learning pour le suivi des changements de l’occupation / utilisation du sol des zones humides littorales de Bretagne</em></strong>.<br><br><br></p>
format Recurso digital
id zenodo_https___doi_org_10_5281_zenodo_16940328
institution Zenodo
language fra
publishDate 2025
publisher Zenodo
record_format zenodo
spellingShingle Base de données : Approche machine learning pour le suivi des changements de l'occupation / utilisation du sol des Zones humides littorales de Bretagne
Le Guillou, Adrien
Niculescu, Simona
Wetlands ecosystem
Land use
<h3>Description de la base de données</h3> <p>Cette base de données regroupe les résultats de <strong>cartographies automatiques de l’occupation et de l’utilisation du sol</strong> appliquées aux <strong>zones humides littorales de Bretagne</strong>, réalisées dans le cadre de la thèse :<br><strong><em>Approche machine learning pour le suivi des changements de l’occupation / utilisation du sol des zones humides littorales de Bretagne</em></strong>.</p> <p>⚠️ <strong>Important</strong> : Les <strong>images satellitaires utilisées (SPOT, RapidEye, Pléiades, Sentinel-2)</strong> ne sont <strong>pas incluses</strong> dans ce dépôt, en raison de limitations de stockage et de contraintes liées aux droits d’utilisation. Seules les classifications dérivées, les styles et les données d’entraînement sont disponibles.</p> <p>Les cartographies sont produites à partir de trois méthodes d’apprentissage automatique :</p> <ul> <li> <p><strong>CNN (Convolutional Neural Networks)</strong></p> </li> <li> <p><strong>RF (Random Forest)</strong></p> </li> <li> <p><strong>M3-Fusion</strong></p> </li> </ul> <h3>Contenu</h3> <p>La base comprend :</p> <ul> <li> <p>Les <strong>cartes classées au format GeoTIFF (.tif)</strong></p> </li> <li> <p>Les <strong>styles associés au format QML (.qml)</strong></p> </li> <li> <p>Les <strong>données d’entraînement au format Shapefile (.shp)</strong>, constituées de polygones issus de la photo-interprétation, utilisés pour l’extraction de données matricielles ou de patches selon les algorithmes.</p> </li> <li> <p>Pour chaque classification, une <strong>matrice de confusion</strong> est fournie.</p> </li> </ul> <h3>Organisation de l’arborescence</h3> <div> <div> <div> <div> </div> </div> </div> <div dir="ltr"><code><span>Zone</span> d’étude → Année → Algorithme → Classification + Matrice de confusion </code></div> </div> <h3>Zones et périodes étudiées</h3> <p>Les cartographies portent sur trois sites littoraux bretons, à quatre dates différentes :</p> <ul> <li> <p><strong>Sites d’étude</strong> :</p> <ul> <li> <p>Presqu’île de Crozon</p> </li> <li> <p>Baie d’Audierne</p> </li> <li> <p>Zones humides littorales de Guissény</p> </li> </ul> </li> <li> <p><strong>Années disponibles</strong> :</p> <ul> <li> <p>2005</p> </li> <li> <p>2011</p> </li> <li> <p>2018</p> </li> <li> <p>2021</p> </li> </ul> </li> </ul> <h3>Sources de données satellitaires</h3> <p>Les classifications sont issues de l’intégration multi-capteurs :</p> <ul> <li> <p>SPOT 2 / 3 / 4 / 5 / 6-7</p> </li> <li> <p>RapidEye</p> </li> <li> <p>Pléiades</p> </li> <li> <p>Sentinel-2</p> </li> </ul> <h3>Légende des classes</h3> <p>La nomenclature comprend <strong>12 classes thématiques</strong> :</p> <ol> <li> <p>Eau profonde / océanique</p> </li> <li> <p>Vasière / Estran</p> </li> <li> <p>Prairie mésophile / Agriculture</p> </li> <li> <p>Forêt non humide</p> </li> <li> <p>Sable / Sol nu / Dune</p> </li> <li> <p>Lande</p> </li> <li> <p>Imperméable /  Côte granitique</p> </li> <li> <p>Pré salé</p> </li> <li> <p>Eau continentale et estuarienne</p> </li> <li> <p>Prairie hydrophile</p> </li> <li> <p>Forêt hydrophile</p> </li> <li> <p>Tourbière et bas-marais</p> </li> </ol> <h3>Référence</h3> <p>Toutes les combinaisons d’implémentations des images satellitaires et des méthodes de classification sont détaillées dans la thèse :<br><strong><em>Approche machine learning pour le suivi des changements de l’occupation / utilisation du sol des zones humides littorales de Bretagne</em></strong>.<br><br><br></p>
title Base de données : Approche machine learning pour le suivi des changements de l'occupation / utilisation du sol des Zones humides littorales de Bretagne
topic Wetlands ecosystem
Land use
url https://doi.org/10.5281/zenodo.16940328