Type
 

dataset

245 record(s)
 
Type of resources
Available actions
Topics
Keywords
Contact for the resource
Provided by
Years
Formats
Representation types
Update frequencies
status
Scale
Resolution
From 1 - 10 / 245
  • Categories  

    Les barrages sont à l’origine de modifications significatives du régime hydrologique, de la température de l’eau et des flux biologiques et biogéochimiques. C’est le cas des barrages de Vezins et de la Roche qui Boit, présents sur le cours principal de la Sélune, et d’autres plus petits obstacles qui fragmentent le bassin versant de la Sélune. Cette couche représente les barrages hydroélectriques de la Sélune, avec les batiments associés, en lien avec la production électrique. La géométrie de ces polygones est issue de plusieurs sources : BD Topo, OpenStreetMap (de 2019), complétée par photointerprétation. Des informations extraites du livre « Quand les rivières reprennent leur cours – Notes sur l’effacement de barrages et de seuils, sur la Sélune et ailleurs » ont été ajoutées pour décrire l'état (en service ou arasé), la nature et les caractérisques physiques de ces barrages.

  • Categories  

    A flow obstruction is a water-related structure that causes a change in surface water flow (in thalwegs, minor and major river beds, and marine inundation zones). Only artificial obstructions (resulting from human activity) are taken into account. The data presented is taken from the ObstEcoul_FXX data layer published by SANDRE, spatially restricted to the Sélune watershed. The data retrieved was updated on 07/30/2024 from the above-mentioned feed and reprocessed to complete the type of obstacle with a “nature” field representing an aggregation of the types identified on the following values: “Dam”, “Spout”, “Dike”, “Bridge”, ‘Weir’ and “Not specified”. The aggregation implemented to populate the “nature” field is as follows: 1/ retrieval of the types of obstacles present in the watershed (source data field “CdTypeOuvr”). 2/ Retrieve the associated labels in the SANDRE reference: https://api.sandre.eaufrance.fr/referentiels/v1/nsa/284.csv?outputSchema=SANDREv3.1 3/ Filter these labels to populate the new “nature” field: - if the label contains “dam” then ‘nature’ is initialized to “Dam” - if the label contains “buse” (pipe), then “nature” is initialized to ‘Buse’ - if the label contains “digue” (dyke), then “nature” is initialized to “Digue” - if the label contains “pont” (bridge), then ‘nature’ is initialized to “Pont” - if the label contains “weir,” then “nature” is initialized to ‘Weir’ - if the label contains “not specified” (initially empty code), then “nature” is initialized to “Not specified” The other fields offered in the dataset are taken from the original SANDRE feed but have been renamed. The correspondence is provided in the associated data dictionary.

  • Les taches artificialisées sont calculées sur la base d'une extraction du bâti à partir d'imagerie très haute résolution spatiale (1.5m) SPOT 6/7, pour les années 2015 à 2019. Deux distances de connexion sont proposées, à 50m et 100m.

  • Cette carte a été produite dans le cadre de la convention 2010 -- 0190 de l'Agence de l'Eau Rhône Méditerranée et Corse concernant l'optimisation d'une méthode de quantification du rôle des corridors rivulaires sur l'état écologique des cours d'eau.

  • Hyperspectral data were obtained during an acquisition campaign led on Toulouse (France) urban area on July 2015 using Hyspex instrument which provides 408 spectral bands spread over 0.4 – 2.5 μ. Flight altitude lead to 2 m spatial resolution images. Supervised SVN classification results for 600 urban trees according to a 3 level nomenclature: leaf type (5 classes), family (12 and 19 classes) and species (14 and 27 classes). The number of classes differ for the two latter as they depend on the minimum number of individuals considered (4 and 10 individuals per class respectively). Trees positions have been acquired using differential GPS and are given with centimetric to decimetric precision. A randomly selected subset of these trees has been used to train machine SVM and Random Forest classification algorithms. Those algorithms were applied to hyperspectral images using a number of classes for family (12 and 19 classes) and species (14 and 27 classes) levels defined according to the minimum number of individuals considered during training/validation process (4 and 10 individuals per class, respectively). Global classification precision for several training subsets is given by Brabant et al, 2019 (https://www.mdpi.com/470202) in terms of averaged overall accuracy (AOA) and averaged kappa index of agreement (AKIA).

  • This dataset provides georeferenced polygon vectors of individual tree canopy geometries for dryland areas in West African Sahara and Sahel that were derived using deep learning applied to 50 cm resolution satellite imagery. More than 1.8 billion non-forest trees (i.e., woody plants with a crown size over 3 m2) over about 1.3 million km2 were identified from panchromatic and pansharpened normalized difference vegetation index (NVDI) images at 0.5 m spatial resolution using an automatic tree detection framework based on supervised deep-learning techniques. Combined with existing and future fieldwork, these data lay the foundation for a comprehensive database that contains information on all individual trees outside of forests and could provide accurate estimates of woody carbon in arid and semi-arid areas throughout the Earth for the first time.

  • Le territoire régional est composé de taches urbaines de différentes tailles et formes, distribuées de manière variée. Les espaces urbains sont reliés les uns aux autres par le réseau routier, en particulier le réseau composé des routes primaires et secondaires. Cet espace urbain et routier ainsi composé est fortement artificialisé avec une forte composante d’imperméabilisation qui perdure au fil du temps. La dynamique spatiale et temporelle de cet espace peut être évaluée par les surfaces qui deviennent artificialisées, par la consommation des surfaces interstitielles, généralement agricoles ou naturelles. Ces surfaces à faible imperméabilisation, moins artificialisées, sont ainsi des îlots séparés les uns des autres par la trame urbaine et routière. Ces ilots sont de tailles variées et composent une structure fragmentée.Cet indice prend la forme d'une taille effective de maille, à savoir une grandeur qui exprime « la probabilité que deux points choisis au hasard dans un territoire [...] ne soient pas séparés par des obstacles tels que les voies de communication ou des zones bâties » (J. Jaeger, 2007).

  • Categories  

    Geodetic markers were installed along the main course of the Sélune. Physically marked out in the field, these markers have been located with a high-precision GPS (planimetric and z-precisions are given in the table). Please note that these markers may move slightly with the wetting/drying cycles of mainly clay soils, and their coordinates may be updated if necessary. Geodetic markers can be used as reference points to define a device or a new study area.

  • Les taches urbaines distribuées sont caractérisées par des formes très variées. Ces formes peuvent aller d’un aspect très compacte (proche d’un disque, forme de compacité maximale sur un plan) à celui de formes très digitées ou de filaments, s’approchant de lignes plus ou moins sinueuses. Le suivi de cette dimension de compacité morphologique permet d’estimer si l’artificialisation due aux taches urbaines suit des extensions homogènes ou des extensions hétérogènes. Cet indice est calculé à l'échelle des EPCI d'Occitanie et pour l'année 2019.