Centre de documentation
scientifique

Deep learning high resolution burned area mapping by transfer learning from Landsat-8 to PlanetScope / V.S. Martins in Remote sensing of environment, vol 280 (October 2022)  

Public [article]  inRemote sensing of environment > vol 280 (October 2022) . - n° 113203 Titre : Deep learning high resolution burned area mapping by transfer learning from Landsat-8 to PlanetScope Type de document : Article/Communication Auteurs : V.S. Martins, Auteur ; D.P. Roy, Auteur ; H. Huang, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 113203 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] Afrique (géographie politique) [Termes IGN] apprentissage profond [Termes IGN] carte thématique [Termes IGN] cartographie automatique [Termes IGN] correction radiométrique [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] forêt tropicale [Termes IGN] image Landsat-OLI [Termes IGN] image PlanetScope [Termes IGN] incendie [Termes IGN] précision de la classification [Termes IGN] régression [Termes IGN] savane Résumé : (auteur) High spatial resolution commercial satellite data provide new opportunities for terrestrial monitoring. The recent availability of near-daily 3 m observations provided by the PlanetScope constellation enables mapping of small and spatially fragmented burns that are not detected at coarser spatial resolution. This study demonstrates, for the first time, the potential for automated PlanetScope 3 m burned area mapping. The PlanetScope sensors have no onboard calibration or short-wave infrared bands, and have variable overpass times, making them challenging to use for large area, automated, burned area mapping. To help overcome these issues, a U-Net deep learning algorithm was developed to classify burned areas from two-date Planetscope 3 m image pairs acquired at the same location. The deep learning approach, unlike conventional burned area mapping algorithms, is applied to image spatial subsets and not to single pixels and so incorporates spatial as well as spectral information. Deep learning requires large amounts of training data. Consequently, transfer learning was undertaken using pre-existing Landsat-8 derived burned area reference data to train the U-Net that was then refined with a smaller set of PlanetScope training data. Results across Africa considering 659 PlanetScope radiometrically normalized image pairs sensed one day apart in 2019 are presented. The U-Net was first trained with different numbers of randomly selected 256 × 256 30 m pixel patches extracted from 92 pre-existing Landsat-8 burned area reference data sets defined for 2014 and 2015. The U-Net trained with 300,000 Landsat patches provided about 13% 30 m burn omission and commission errors with respect to 65,000 independent 30 m evaluation patches. The U-Net was then refined by training on 5,000 256 × 256 3 m patches extracted from independently interpreted PlanetScope burned area reference data. Qualitatively, the refined U-Net was able to more precisely delineate 3 m burn boundaries, including the interiors of unburned areas, and better classify “faint” burned areas indicative of low combustion completeness and/or sparse burns. The refined U-Net 3 m classification accuracy was assessed with respect to 20 independently interpreted PlanetScope burned area reference data sets, composed of 339.4 million 3 m pixels, with low 12.29% commission and 12.09% omission errors. The dependency of the U-Net classification accuracy on the burned area proportion within 3 m pixel 256 × 256 patches was also examined, and patches Numéro de notice : A2022-774 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.rse.2022.113203 Date de publication en ligne : 08/08/2022 En ligne : https://doi.org/10.1016/j.rse.2022.113203 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101802 [article]

Monitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon / Le Bienfaiteur Sagang Takougoum (2022)  

Public Titre : Monitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon Type de document : Thèse/HDR Auteurs : Le Bienfaiteur Sagang Takougoum, Auteur ; Bonaventure Sonké, Directeur de thèse ; Nicolas Barbier, Directeur de thèse Editeur : Yaoundé : Université de Yaoundé Année de publication : 2022 Importance : 166 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse pour obtenir le grade de Docteur de l'Université de Yaoundé 1, Spécialité Botanique-Ecologie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] biomasse aérienne [Termes IGN] Cameroun [Termes IGN] carte d'utilisation du sol [Termes IGN] carte de la végétation [Termes IGN] classification dirigée [Termes IGN] classification par maximum de vraisemblance [Termes IGN] données de terrain [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] dynamique de la végétation [Termes IGN] écotone [Termes IGN] flore locale [Termes IGN] forêt [Termes IGN] Google Earth Engine [Termes IGN] image Landsat [Termes IGN] image SPOT 6 [Termes IGN] image SPOT 7 [Termes IGN] incendie de forêt [Termes IGN] modèle statistique [Termes IGN] savane [Termes IGN] surveillance forestière Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Understanding the effects of global change (combining anthropic and climatic pressures) on biome distribution needs innovative approaches allowing to address the large spatial scales involved and the scarcity of available ground data. Characterizing vegetation dynamics at landscape to regional scale requires both a high level of spatial detail (resolution), generally obtained through precise field measurements, and a sufficient coverage of the land surface (extent) provided by satellite images. The difficulty usually lies between these two scales as both signal saturation from satellite data and ground sampling limitations contribute to inaccurate extrapolations. Airborne laser scanning (ALS) data has revolutionized the trade-off between spatial detail and landscape coverage as it gives accurate information of the vegetation’s structure over large areas which can be used to calibrate satellite data. Also recent satellite data of improved spectral and spatial resolutions (Sentinel 2) allow for detailed characterizations of compositional gradients in the vegetation, notably in terms of the abundance of broad functional/optical plant types. Another major obstacle comes from the lack of a temporal perspective on dynamics and disturbances. Growing satellite imagery archives over several decades (45 years; Landsat) and available computing facilities such as Google Earth Engine (GEE) provide new possibilities to track long term successional trajectories and detect significant disturbances (i.e. fire) at a fine spatial detail (30m) and relate them to the current structure and composition of the vegetation. With these game changing tools our objective was to track long-term dynamics of forest-savanna ecotone in the Guineo-Congolian transition area of the Central Region of Cameroon with induced changes in the vegetatio structure and composition within two contrasted scenarios of anthropogenic pressures: 1) the Nachtigal area which is targeted for the dam construction and subject to intense agricultural activities and 2) the Mpem et Djim National Park (MDNP) which has no management plan. The maximum likelihood classification of the Spot 6/7 image aided with the information from the canopy height derived from ALS data discriminated the vegetation types within the Nachtigal area with good accuracy (96.5%). Using field plots data in upscaling aboveground biomass (AGB) form field plots estimates to the satellite estimates with model-based approaches lead to a systematic overestimation in AGB density estimates and a root mean squared prediction error (RMSPE) of up to 65 Mg.ha−1 (90%), whereas calibration with ALS data (AGBALS) lead to low bias and a drop of ~30% in RMSPE (down to 43 Mg.ha−1, 58%) with little effect of the satellite sensor used. However, these results also confirm that, whatever the spectral indices used and attention paid to sensor quality and pre-processing, the signal is not sufficient to warrant accurate pixel wise predictions, because of large relative RMSPE, especially above (200–250 Mg.ha−1). The design-based approach, for which average AGB density values were attributed to mapped land cover classes, proved to be a simple and reliable alternative (for landscape to region level estimations), when trained with dense ALS samples. AGB and species diversity measured within 74 field inventory plots (distributed along a savanna to forest successional gradient) were higher for the vegetation located in the MDNP compared to their pairs in the Nachtigal area. The automated unsupervised long-term (45 years) land cover change monitoring from Landsat image archives based on GEE captured a consistent and regular pattern of forest progression into savanna at an average rate of 1% (ca. 6 km².year-1). No fire occurrence was captured for savanna that transited to forest within five years of monitoring. Distinct assemblages of spectral species are apparent in forest vegetation which is consistent with the age of transition. As forest gets older AGBALS recovers at a rate of 4.3 Mg.ha-1.year-1 in young forest stands ( Note de contenu : Chapter 1. Generalities 1.1 Introduction 1.2 Literature Review Chapter 2. Material And Methods 2.1 Material 2.2 Methods Chapter 3. Results And Discussion 3.1 Results 3.2 Discussion Chapter 4. Conclusion And Perspectives 4.1 Conclusion 4.2 Perspectives Numéro de notice : 26820 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Thèse étrangère Note de thèse : Thèse de doctorat : Botanique-Ecologie : Yaoundé : 2022 Organisme de stage : Institut de Recherche pour le Développement IRD nature-HAL : Thèse DOI : sans Date de publication en ligne : 13/04/2022 En ligne : https://hal.inrae.fr/tel-03528875/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100465

Potentialité des données satellitaires Sentinel-2 pour la cartographie de l’impact des feux de végétation en Afrique tropicale : application au Togo / Yawo Konko in Bois et forêts des tropiques, n° 347 ([02/04/2021])  

Public [article]  inBois et forêts des tropiques > n° 347 [02/04/2021] Titre : Potentialité des données satellitaires Sentinel-2 pour la cartographie de l’impact des feux de végétation en Afrique tropicale : application au Togo Type de document : Article/Communication Auteurs : Yawo Konko, Auteur ; Bareremna Afelu, Auteur ; Kouami Kokou, Auteur Année de publication : 2021 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] carte de la végétation [Termes IGN] cultures [Termes IGN] dommage [Termes IGN] forêt tropicale [Termes IGN] image Sentinel-MSI [Termes IGN] impact sur l'environnement [Termes IGN] incendie de forêt [Termes IGN] plantation forestière [Termes IGN] savane [Termes IGN] Togo Mots-clés libres : Normalized Burn Ratio Résumé : (auteur) Le réchauffement climatique est un phénomène d’envergure mondiale qui se répercute sur le système climatique. Une des conséquences du réchauffement climatique est l'extension de la période de sécheresse, favorisant ainsi l’augmentation des fréquences du phénomène des feux de végétation. Les feux incontrôlés perturbent l’écologie et la fonctionnalité des écosystèmes, entraînant parfois leur érosion. La présente étude est une contribution pour la gestion des feux de végétation au Togo et porte sur le suivi spatial pour la saison des feux 2018-2019. Elle explore la potentialité des nouvelles données satellitaires Sentinel-2 (S-2) en accès libre dans la gamme de la télédétection optique pour la détection des surfaces brûlées, la cartographie des feux utilitaires et des feux incontrôlés. Elle teste également la performance de la méthode de cartographie des feux de végétation à partir de l’indice NBR (Normalized Burn Ratio) initialement conçue pour les images Landsat et évalue la biomasse végétale brûlée. Les résultats révèlent que les images S-2 présentent du potentiel dans la restitution des surfaces brûlées. La performance de la méthode de l’indice NBR sur les images S-2 est satisfaisante. La cartographie des feux de végétation montre que les feux utilitaires représentent 21,75 % contre 78,25 % pour les feux incontrôlés. L’ensemble des feux de végétation enregistrés a occasionné l’incendie de 5 878 km2 du couvert végétal, soit 10,39 % du territoire national. Le couvert végétal brûlé est composé majoritairement de savanes (33,12 %), de cultures et jachères (24,48 %), de plantations (14,59 %), de forêts claires (14,43 %) et de forêts riveraines (13,02 %). Les résultats obtenus constituent des éléments tangibles pour le suivi, la sensibilisation, l’élaboration des plans d’aménagement, de prévention et de gestion des feux. Numéro de notice : A2021-503 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.19182/bft2021.347.a36349 Date de publication en ligne : 31/03/2021 En ligne : https://doi.org/10.19182/bft2021.347.a36349 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98095 [article]

Détection des zones de dégradation et de régénération de la couverture végétale dans le sud du Sénégal à travers l'analyse des tendances de séries temporelles MODIS NDVI et des changements d'occupation des sols à partir d'images LANDSAT / Boubacar Solly in Revue Française de Photogrammétrie et de Télédétection, n° 223 (mars - décembre 2021)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 223 (mars - décembre 2021) . - pp 1 - 15 Titre : Détection des zones de dégradation et de régénération de la couverture végétale dans le sud du Sénégal à travers l'analyse des tendances de séries temporelles MODIS NDVI et des changements d'occupation des sols à partir d'images LANDSAT Type de document : Article/Communication Auteurs : Boubacar Solly, Auteur ; El Hadji Balla Dieye, Auteur ; Oumar Sy, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 1 - 15 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] changement d'occupation du sol [Termes IGN] changement d'utilisation du sol [Termes IGN] couvert végétal [Termes IGN] dégradation de l'environnement [Termes IGN] dégradation de la flore [Termes IGN] forêt [Termes IGN] image Landsat-ETM+ [Termes IGN] image Landsat-OLI [Termes IGN] image Terra-MODIS [Termes IGN] Normalized Difference Vegetation Index [Termes IGN] régénération (sylviculture) [Termes IGN] savane [Termes IGN] Sénégal [Termes IGN] série temporelle [Termes IGN] surface cultivée Résumé : (Auteur) Cette étude vise à détecter et cartographier la dégradation et la régénération de la couverture végétale durant ces deux dernières décennies en Haute-Casamance, située dans le sud du Sénégal. Elle s’appuie sur l’analyse des tendances de séries temporelles d’images MODIS NDVI acquises sur la période 2000-2018, sur la cartographie des changements d’occupation et d’utilisation des sols (LULCC) faite à partir d’images Landsat (ETM+ 1999 et OLI 2018), et sur une analyse conjointe des tendances de NDVI et LULCC. L’étude a révélé d’importants changements en termes d’occupation et d’utilisation des sols, notamment la conversion de la forêt à la savane (13,5 %), et de la savane aux zones de culture et d’habitat (7,9 %). Des tendances négatives significatives (p Numéro de notice : A2021-662 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2021.580 Date de publication en ligne : 24/03/2021 En ligne : https://doi.org/10.52638/rfpt.2021.580 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98750 [article]

Combining optical and radar satellite image time series to map natural vegetation: savannas as an example / Maylis Lopes in Remote sensing in ecology and conservation, vol 6 n° 3 (September 2020)  

Public [article]  inRemote sensing in ecology and conservation > vol 6 n° 3 (September 2020) . - pp 316 - 326 Titre : Combining optical and radar satellite image time series to map natural vegetation: savannas as an example Type de document : Article/Communication Auteurs : Maylis Lopes, Auteur ; Pierre-Louis Frison , Auteur ; Sarah Durante, Auteur ; Henrike Schulte To Bühne, Auteur ; Audrey Ipavec, Auteur ; Vincent Lapeyre, Auteur ; Nathalie Pettorelli, Auteur Année de publication : 2020 Article en page(s) : pp 316 - 326 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] aire protégée [Termes IGN] Bénin [Termes IGN] carte d'occupation du sol [Termes IGN] carte de la végétation [Termes IGN] écosystème [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] protection de l'environnement [Termes IGN] protection de la biodiversité [Termes IGN] savane [Termes IGN] série temporelle Résumé : (auteur) Up-to-date land cover maps are important for biodiversity monitoring as they are central to habitat and ecosystem distribution assessments. Satellite remote sensing is a key technology for generating these maps. Until recently, land cover mapping has been limited to static approaches, which have primarily led to the production of either global maps at coarse spatial resolutions or geographically restricted maps at high spatial resolutions. The recent availability of optical (Sentinel-2) and radar (Sentinel-1) satellite image time series (SITS) which provide access to high spatial and very high temporal resolutions, is a game changer, offering opportunities to map land cover using both temporal and spatial information. These data moreover open interesting perspectives for land cover mapping based on data combination approach. However, the usefulness of combining dense time series (more than 30 images per year) and data combination approaches to map natural vegetation has so far not been assessed. To address this gap, this contribution tests the idea that the combined consideration of optical and radar data combination and time series analyses can significantly improve natural vegetation mapping in the Pendjari National Park, a Sahelian savanna protected area in Benin. Results highlight that the combination of Sentinel-1 and Sentinel-2 SITS performs as well as Sentinel-2 SITS alone in terms of classification accuracy. Land cover maps are however qualitatively better when considering the data combination approach. Our results also clearly show that the use of dense/hypertemporal optical time series significantly improves classification outcomes compared to using multitemporal only a few images per year) or monotemporal data. Altogether, this work thus demonstrates the ability of dense SITS to improve discrimination of natural vegetation types using information on their phenology, leading to more detailed and more reliable maps for environmental management. Numéro de notice : A2020-871 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : BIODIVERSITE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1002/rse2.139 Date de publication en ligne : 17/01/2020 En ligne : https://doi.org/10.1002/rse2.139 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99584 [article]

A novel method for separating woody and herbaceous time series / Qiang Zhou in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 7 (July 2019)  

Permalink

Estimating forest standing biomass in savanna woodlands as an indicator of forest productivity using the new generation WorldView-2 sensor / Timothy Dube in Geocarto international, vol 33 n° 2 (February 2018)  

Permalink

Forest biomass and carbon / Gopal Shukla (2018)  

Permalink

Remote sensing of species diversity using Landsat 8 spectral variables / Sabelo Madonsela in ISPRS Journal of photogrammetry and remote sensing, vol 133 (November 2017)  

Permalink

Improving the prediction of African savanna vegetation variables using time series of MODIS products / Miriam Tsalyuk in ISPRS Journal of photogrammetry and remote sensing, vol 131 (September 2017)  

Permalink

Change detection in forests and savannas using statistical analysis based on geographical objects / Lucilia Rezende Leite in Boletim de Ciências Geodésicas, vol 23 n° 2 (abr - jun 2017)  

Permalink

UAS Experiences in Africa / Marius Schrôder in GIM international, vol 29 n° 12 (December 2015)

Permalink

Land cover changes assessment using object-based image analysis in the Binah River watershed (Togo and Benin) / Hèou Maléki Badjana in Earth and space science, vol 2 n° 10 (October 2015)  

Permalink

Understanding the effects of ALS pulse density for metric retrieval across diverse forest types / Phil Wilkes in Photogrammetric Engineering & Remote Sensing, PERS, vol 81 n° 8 (August 2015)  

Permalink

Savannah woody structure modelling and mapping using multi-frequency (X-, C- and L-band) Synthetic Aperture Radar data / Laven Naidoo in ISPRS Journal of photogrammetry and remote sensing, vol 105 (July 2015)  

Permalink