From 1 - 10 / 10
  • La carte représente la pédologie du site d'étude INRA de Naizin.

  • L’entité bocagère de la Zone Atelier Armorique (ZAAR) est située au niveau du canton de Pleine-Fougères (depuis 1993). La zone bocagère est caractérisée par un gradient paysager allant d’un bocage dense avec des parcelles petites bordées de haies à un bocage lâche. Les haies bordant les parcelles sont le plus souvent constituées d’arbres émondés en ragosses, de chênes avec parfois quelques châtaigniers émondés et des chênes en haut jet, mais aussi de cépées de châtaigniers. Depuis 2005, en raison de l’introduction de conditions de protection de l’environnement dans la Politique Agricole Commune, la plupart des cours d’eau sont bordés de bandes enherbées.

  • Categories  

    Données météorologiques Agri4cast basées sur des observations et spatialisées sous la forme d'une grille composée de mailles carrées de 625 km² (25 km ×25 km) sur la France. La table attributaire de cette couche permet d'établir le lien entre l'objet géographique (la maille) et les chroniques d'observation météorologiques via un service conforme au standard OGC SensorThings (https://frost.geosas.fr/agri4cast/v1.0/) Les observations sont : - température maximale de l'air (°C), - température minimale de l'air (°C), - température moyenne de l'air (°C), - vitesse moyenne quotidienne du vent à 10 m (m/s), - pression atmosphérique (hPa), - précipitations cumulées (mm/jour), - évapotranspiration potentielle d'un couvert végétal (mm/jour), - rayonnement global total (KJ/m2/jour). Les données météorologiques sont quotidiennes de 1979 à la dernière année civile révolue. Plus d’informations sur le portal Agri4cast : https://agri4cast.jrc.ec.europa.eu/DataPortal/Index.aspx

  • Categories  

    La vallée de la Sélune subit actuellement d’importants changements dans la morphologie de ses berges et de son cours d’eau. Ainsi, l’analyse des interactions entre zone aquatique et zone riveraine dans ce contexte de restauration représente une opportunité scientifique unique de compréhension des mécanismes écologiques qui sous-tendent non seulement la résilience, mais aussi le fonctionnement global des écosystèmes. Le projet « interaction entre zones aquatiques et riveraines » (RestaurE) étudie le rétablissement du fonctionnement des écosystèmes de la Sélune (résilience). Il considère les interactions entre la morphologie du fleuve, la recolonisation de l’eau et des berges par la végétation et par les espèces d’invertébrés aquatiques et terrestres. Ce projet de recherche a pour objectif d’amorcer l’analyse des néo-habitats issus de la restauration de la Sélune en se concentrant sur les interactions terrestres/aquatiques au niveau des interfaces riveraines. Il permettra ainsi de comprendre le rôle spécifique de ces interactions dans le processus de résilience des écosystèmes en restauration. L’étude des interactions entre zones aquatiques et riveraines sur la Sélune est réalisée sous deux angles : (1) Caractériser le fonctionnement bio-géo-morphologique du cours d’eau et de ses berges ; (2) Étudier le fonctionnement des réseaux trophiques (aquatiques et terrestres). Cette couche donne la localisation des secteurs d'étude utilisés dans le cadre du projet "RestaurE".

  • Categories  

    L’effacement des barrages de la Sélune a pour objectif de restaurer les écosystèmes aquatiques dans le bassin versant et les populations animales et végétales aquatiques. Une des conditions du succès de l’opération est la réapparition de formes fluviales diversifiées et d’habitats aquatiques diversifiés. Idéalement, le cours d’eau reprendrait son tracé et sa dynamique initiale. Cependant, la nécessaire gestion des sédiments a impliqué des interventions humaines de degrés variables selon les secteurs, avec des conséquences probables sur la morphologie du cours d’eau (sinuosité, géométrie) et sur la nature du substrat du lit (granulométrie). La lamproie marine et le saumon, candidats à la recolonisation, façonnent le substrat des cours d’eau en construisant des nids où ils déposent et recouvrent leurs œufs. Cette activité peut significativement et durablement modifier la répartition des sédiments dans les zones de reproduction et augmenter la complexité des habitats aquatiques. Le projet « rôle des espèces ingénieures dans la restauration des habitats » étudie l’influence de ces deux espèces de poissons migrateurs sur la mobilité des sédiments et la morphologie du cours d’eau dans leurs zones de reproduction. Comprendre le rôle de ces espèces est important pour suivre la restauration de la vallée de la Sélune après sa remise en continuité et le retour des grands migrateurs. Cette couche donne la localisation des secteurs d'étude utilisés dans le cadre du projet de recherche "Espèces ingénieures" ("rôles des espèces ingénieures dans la restauration des habitats").

  • Parcelles cultivées résultant de la compilation des Référentiels Parcellaires Graphiques (RPG) de 2017 et 2019. La table attributaire contient un lien vers la série temporelle de l'humidité de surfacede la parcelle depuis 2017.

  • Categories  

    Les flux hydrologiques, sédimentaires fins et grossiers, et chimiques sont fortement impactés par la présence des barrages, alors que ces paramètres jouent un rôle majeur sur la qualité des habitats pour les communautés aquatiques. leur suivi sur le long terme est primordial dans le cadre d’une opération de restauration écologique après effacement de barrages. De plus sur la Sélune, le démantèlement s’accompagne d’une gestion spécifique des sédiments pour éviter un transfert massif de sédiments vers l’aval. Le transport des sédiments grossiers est étudié à l’aide de galets marqués par des transpondeurs passifs (pit tags). Ces pit tags ont été introduits dans plusieurs centaines de galets de différentes tailles du fleuve. Leurs déplacements au cours du cycle hydrologique sont suivis à l’aide d’une antenne que l’on déplace manuellement en parcourant la rivière, à raison d’une campagne par an. Cette couche donne les localisations des secteurs d'étude utilisés dans le suivi du transport des sédiments grossiers.

  • Hyperspectral ENVI standard simulated images. Spatial and spectral configurations generated correspond to ESA SENTINEL-2 instrument that was lunched on 2015, and HYPXIM sensor which was under study at that time.

  • Full hyperspectral VNIR-SWIR ENVI standard image obtained from the coregistration of both VNIR and SWIR ones through a signal aggregation process that allowed to obtain a synthetic VNIR 1.6 m spatial resolution image, with pixels exactly corresponding to natif SWIR image ones. First, a spatially resampled 1.6 m VNIR image was built, where output pixel values were calculated as the average of the VNIR 0.8 m pixel values that spatially contribute to it. Then, ground control points (GCP) were selected over both images and SWIR one was tied to the VNIR 1.6 m image using a bilinear resampling method using ENVI tool. This lead to a 1.6 m spatial resolution full VNIR-SWIR image.

  • 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).