Passer au contenu principal
Vous êtes connecté anonymement (
Connexion
)
Animation
Description
Nous rejoindre...
Source de données
Méthodes
Science des données
Modélisation
data science participative
Ressources
Offres d'emploi et de stage
Journées Deep Learning, Télédétection et Paysage 27-28 juin 2019, Paris (PAYOTE/MODELIA)
Chemin de la page
Accueil
/
►
Cours
/
►
Volet 2. Méthodes pour la science de données et la...
/
►
Science des données
/
►
DL, Télédétection et Paysage
/
►
Vendredi 28 juin (partie atelier)
/
►
Jean-François Dejoux, CESBIO - Les types de donnée...
Jean-François Dejoux, CESBIO - Les types de données de télédétection et comment y accéder. Démonstration.
Cliquer le lien
J2_01_AccesDonneesProduits_Dejoux_PayotteModelia_28Juin2019.pdf
pour afficher le fichier.
◄ Consigne d'installation pour les TP
Aller à…
Aller à…
Annonces
François Brun, Acta et Benoît Ricci, INRA - Présentation des réseaux Modelia et Payote
David Makowski, INRA - Apprendre à prédire avec des données: une introduction à la data science
Raffaele Gaetano, CIRAD - Présentation des programmes Copernicus et de la mission Sentinel 2
Raffaele Gaetano, CIRAD - Application du deep learning à la télédétection
Mathieu Fauvel, INRA-CESBio - Télédétection appliquée au paysage et la cartographie de l'occupation des sols par des approches de machine learning
Sandra Luque, IRSTEA - Renseigner des variables essentielles à la biodiversité par la télédétection
Fabrice Vinatier, INRA - Application des données tridimensionnelles mesurées par des instruments aéroportés (LIDAR, capteurs optiques et photogrammétrie) pour mesurer les couverts végétaux et la géomorphologie du sol à très haute résolution
Jérôme Rousselet, INRA - Utilisation de données Google Street Map pour cartographier la processionnaire du pin
Atelier Caractérisation de l'état des cultures (satellite et proxidétection) et méthodes d’assimilation de données dans les modèles 21 juin 2018 à Montpellier
Consigne d'installation pour les TP
David Makowski, INRA et François Brun, ACTA - Assimilation de données : exemple des filtres de Kalman et particulaire. Travaux pratiques sous R.
02 TP filtering
Benoit de Solan, Arvalis - Proxidétection en agriculture et complémentarité avec les données satellite.
Fabrice Vinatier, INRA - Utilisation de R pour analyser des nuages de points 3D et des modèles numériques de terrain
François Brun, ACTA - Approche de machine learning pour prédire les cultures
05_sat2crop
David Makowski, INRA et François Brun, ACTA - Assimilation de données : exemple des filtres de Kalman et particulaire. Travaux pratiques sous R. ►
www.modelia.org - RMT Data Science et Modélisation pour l'Agriculture et Agroalimentaire