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).

Cette donnée raster résulte d'une classification par méthode d'apprentissage profond à partir d'imagerie très haute résolution spatiale (1.5m) SPOT 6/7. Des post-traitements ont été effectués afin de mieux caractériser les classes relatives à l'artificialisation.

L'atlas cartographique offre un aperçu des données produites et traitées dans le cadre du projet Artisols. Ce dernier, soutenu par la Région Occitanie et le Fonds Européen de Développement Régional (FEDER), s’inscrit dans une démarche d’évaluation et de qualification du processus d’artificialisation des sols en région Occitanie.Neuf grandes thématiques y sont développées : - Les bâtiments résidentiels et d’activité- L’occupation du sol - La densité de bâti par maille de 150 m de côté - L'évolution de la densité de bâti entre 2017 et 2019- Les taches urbaines - La densité de bâti au sein des taches urbaines- Le coefficient de dispersion- L'indice de fragmentation des espaces non artificialisés- L'indice de compacité des taches urbaines

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.

Les données de nodata par année (entre 2015 et 2019) correspondent aux zones de nuages et de leurs ombres portées sur les images satellites SPOT 6/7 utilisées pour la classification d'occupation du sol, donnée source pour les analyses géographiques qui ont suivi (extraction des espaces bâtis, des taches urbaines, indicateurs spatialisés)

The evolution of infrastructure networks such as roads and streets are of utmost importance to understand the evolution of urban systems. However, datasets describing these spatial objects are rare and sparse. The database presented here represents the road network at the french national level described in the historical map of Cassini in the 18th century. The digitalization of this historical map is based on a collaborative platform methodology that we describe in detail. These data can be used for a variety of interdisciplinary studies, covering multiple spatial resolutions and ranging from history, geography, urban economics to the science of network. (2015-01-15)

La zone d'étude se situe au nord ouest du Sénégal et s'étale sur 5 100km². Elle inclue la ville de Thiès et une partie de la ville de Dakar, et remonte jusqu'à Kébémer, aux portes du désert de Loumpoul. La carte d'occupation 2018 a été réalisée à partir d'une image à Très Haute Résolution Spatiale (THRS) à 1.5m Spot6 acquise le 15/10/2010 et une série temporelle d'images Sentinel2 (résolution 10m) acquises entre le 01/01/2018 et le 31/12/2018. Le traitement a été réalisé via la chaine de traitement Moringa développée dans l'UMR TETIS. La méthodologie s'appuie sur une Segmentation Orientée Objet de l'image THRS puis d'une classification de chaque polygone (algorithme Random Forest) s'appuyant sur l'image SPOT6, la série temporelle Sentinel2, le SRTM à 30m et de nombreux indices calculés à partir de ces images (NDVI, indices de texture, pente,...). L’algorithme a été entrainé via un jeu de données acquises sur le terrain complété de données obtenues par photo-interprétation. Des corrections manuelles par photo-interprétation ont été réalisées afin d'améliorer le résultat. La précision globale est de 93%. La classification contient 13 classes d'occupation du sol : culture irriguée hors bas-fond, culture irriguée de bas-fond, culture pluviale, plantation, dune sable - arbustes, eau, savane arbustive, savane herbacée, sol nu, sol inondable, sol faiblement végétalisé, végétation naturelle dense et zone urbaine.

Abstract This site provides the global geographical distribution of gorse (Ulex europaeus) in introduced areas. We provide the xls files with all data in the standardized Darwin Core format, the map and the corresponding files. Coordinate points are provided in decimal degrees (latitude, longitude) and correspond to the confirmed existence of Ulex europaeus between 1950 and 2018. The dataset is a compilation of several sources, online databases (including GBIF and iNaturalist), scientific papers, personal communications, and prospecting by the authors (in the field or through online visual searches). The data were verified and duplicates were removed. More details are provided in Christina et al., 2020. The resulting dataset comprises 14,053 occurrences. The geo-located points are classified according to the administrative boundaries of the countries or islands in which they are located, except for Europe. For Europe, refer to the GBIF database. To view the interactive map, go to WMS and click on “add to map” or "visualiser" below. Résumé Distribution géographique de l'ajonc Ulex europaeus à l’échelle mondiale au format Darwin Core. Les points de coordonnées sont en degrés décimaux (latitude, longitude), ils correspondent à l’existence avérée d’un individu d'Ulex europaeus entre 1950 et 2018. Le jeu de données est une compilation de plusieurs sources, banques de données en ligne (dont GBIF, iNaturalist), articles scientifiques, communications personnelles et prospection par les auteurs (sur le terrain ou par recherche visuelle en ligne). Les données collectées ont été nettoyées, vérifiées, et les doublons éliminés. Tous les pays ou régions ayant référencé de l’ajonc sont répertoriés, sauf la zone native (Europe). Le jeu de données obtenu comprend 14053 occurrences. Les points géo-localisés sont classifiés selon les limites administratives des pays ou îles dans lesquels ils sont situés. Pour l'Europe, se reporter à la base GBIF. Afin d'afficher la carte interactive, aller sur WMS et cliquer plus bas sur 'add to map' ou 'visualiser'. Data verification and accuracy Several methods were used: visual checks on geolocated images (for data from citizen science), elimination of outliers (e.g., those located in the sea) or irrelevant data (in museums, centroids of administrative regions or large vector objects, etc.). For the data selected, maximum accuracy was sought by cross-referencing multiple sources of information (literature, observations, personal communications, geolocated images). The accuracy of the geolocations obtained is less than 100 meters for two-thirds of the points and less than 1 km for three-quarters of the points. Vérification et précision des données Plusieurs méthodes ont été utilisées : vérifications visuelles sur images géo-localisées (pour les données issues des sciences citoyennes), élimination des points aberrants (par exemple ceux localisés dans la mer), ou non-pertinents (dans des Muséums, centroïdes de régions administratives ou d’objets vectoriels de grande taille…). Pour les données retenues, la précision maximale a été recherchée en recoupant de multiples informations (littératures, observations, communications personnelle, images géolocalisées). La précision des géolocalisations obtenues est inférieure à 100 mètres dans les deux-tiers des points, inférieur au km pour les trois quarts des points. Christina M., *Limbada F., Atlan A. 2020. Climatic niche shift of an invasive shrub (Ulex europaeus). Journal of Plant Ecology. rtz041, https://doi.org/10.1093/jpe/rtz041 Programme ANR MARIS : Management and risk analysis of an invading plant species (ulex europaeus (L.): how socio-ecological niche with population dynamics modelling under a wide range of climates can help. ANR reference : ANR-14-CE03-0007