Centre de documentation
scientifique

Characteristics of taiga and tundra snowpack in development and validation of remote sensing of snow / Henna-Reetta Hannula (2022)  

Public Titre : Characteristics of taiga and tundra snowpack in development and validation of remote sensing of snow Type de document : Thèse/HDR Auteurs : Henna-Reetta Hannula, Auteur Editeur : Helsinki [Finland] : University of Helsinki Année de publication : 2022 Importance : 79 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-952-336-153-9 Note générale : Bibliographie Academic dissertation, Faculty of Science, University of Helsinki Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse des mélanges spectraux [Termes IGN] carte thématique [Termes IGN] changement climatique [Termes IGN] distribution du coefficient de réflexion bidirectionnelle BRDF [Termes IGN] distribution spatiale [Termes IGN] données spatiotemporelles [Termes IGN] échantillonnage de données [Termes IGN] Finlande [Termes IGN] forêt boréale [Termes IGN] image infrarouge [Termes IGN] manteau neigeux [Termes IGN] problème inverse [Termes IGN] réflectance spectrale [Termes IGN] taïga [Termes IGN] toundra Résumé : (auteur) Remote sensing of snow is a method to measure snow cover characteristics without direct physical contact with the target from airborne or space-borne platforms. Reliable estimates of snow cover extent and snow properties are vital for several applications including climate change research and weather and hydrological forecasting. Optical remote sensing methods detect the extent of snow cover based on its high reflectivity compared to other natural surfaces. A universal challenge for snow cover mapping is the high spatiotemporal variability of snow properties and heterogeneous landscapes such as the boreal forest biome. The optical satellite sensor’s footprint may extend from tens of meters to a kilometer; the signal measured by the sensor can simultaneously emerge from several target categories within individual satellite pixels. By use of spectral unmixing or inverse model-based methods, the fractional snow cover (FSC) within the satellite image pixel can be resolved from the recorded electromagnetic signal. However, these algorithms require knowledge of the spectral reflectance properties of the targets present within the satellite scene and the accuracy of snow cover maps is dependent on the feasibility of these spectral model parameters. On the other hand, abrupt changes in land cover types with large differences in their snow properties may be located within a single satellite image pixel and complicate the interpretation of the observations. Ground-based in-situ observations can be used to validate the snow parameters derived by indirect methods, but these data are affected by the chosen sampling. This doctoral thesis analyses laboratory-based spectral reflectance information on several boreal snow types for the purpose of the more accurate reflectance representation of snow in mapping method used for the detection of fractional snow cover. Multi-scale reflectance observations representing boreal spectral endmembers typically used in optical mapping of snow cover, are exploited in the thesis. In addition, to support the interpretation of remote sensing observations in boreal and tundra environments, extensive in-situ dataset of snow depth, snow water equivalent and snow density are exploited to characterize the snow variability and to assess the uncertainty and representativeness of these point-wise snow measurements applied for the validation of remote sensing observations. The overall goal is to advance knowledge about the spectral endmembers present in boreal landscape to improve the accuracy of the FSC estimates derived from the remote sensing observations and support better interpretation and validation of remote sensing observations over these heterogeneous landscapes. The main outcome from the work is that laboratory-controlled experiments that exclude disturbing factors present in field circumstances may provide more accurate representation of wet (melting) snow endmember reflectance for the FSC mapping method. The behavior of snow band reflectance is found to be insensitive to width and location differences between visible satellite sensor bands utilized in optical snow cover mapping which facilitates the use of various sensors for the construction of historical data records. The results also reveal the high deviation of snow reflectance due to heterogeneity in snow macro- and microstructural properties. The quantitative statistics of bulk snow properties show that areal averages derived from in-situ measurements and used to validate remote sensing observations are dependent on the measurement spacing and sample size especially over land covers with high absolute snow depth variability, such as barren lands in tundra. Applying similar sampling protocol (sample spacing and sample size) over boreal and tundra land cover types that represent very different snow characteristics will yield to non-equal representativeness of the areal mean values. The extensive datasets collected for this work demonstrate that observations measured at various scales can provide different view angle to the same challenge but at the same time any dataset individually cannot provide a full understanding of the target complexity. This work and the collected datasets directly facilitate further investigation of uncertainty in fractional snow cover maps retrieved by optical remote sensing and the interpretation of satellite observations in boreal and tundra landscapes. Note de contenu : 1. Introduction 2. Snow and its properties 3. Multispectral optical remote sensing of snow 4. Study site, datasets and methods 5. Results and discussion 6. Conclusions and future work Numéro de notice : 24060 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : PhD Thesis : Sciences : University of Helsinki : 2022 DOI : 10.35614/isbn.9789523361522 En ligne : https://doi.org/10.35614/isbn.9789523361522 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101997

Modélisations des écoulements fluviaux adaptées aux observations spatiales et assimilations de données altimétriques / Thibault Malou (2022)  

Public Titre : Modélisations des écoulements fluviaux adaptées aux observations spatiales et assimilations de données altimétriques Type de document : Thèse/HDR Auteurs : Thibault Malou, Auteur ; Jérôme Monnier, Directeur de thèse ; Pierre-André Garambois, Directeur de thèse Editeur : Toulouse [France] : Institut National des Sciences Appliquées INSA Toulouse Année de publication : 2022 Importance : 207 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse pour obtenir le grade de Docteur de l'Université de Toulouse, Spécialité : Mathématiques et Applications Langues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] altimétrie satellitaire par radar [Termes IGN] assimilation des données [Termes IGN] débit [Termes IGN] données altimétriques [Termes IGN] données Jason [Termes IGN] écoulement des eaux [Termes IGN] image Sentinel-3 [Termes IGN] modélisation spatio-temporelle [Termes IGN] niveau de l'eau [Termes IGN] problème inverse [Termes IGN] réseau hydrographique [Termes IGN] rivière Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Ces travaux de thèse portent sur la modélisation des rivières adaptée à l'altimétrie spatiale, qui permet de mesurer la hauteur d'eau des rivières. Pour estimer le débit sur la base de ces données, les modèles mathématiques ont besoin d'être consistants avec l'échelle spatio-temporelle des observations (centaines de mètres et dizaines de jours) ainsi qu'une estimation de certaines grandeurs non-mesurées par ces satellites d'altimétrie, notamment la hauteur du fond et une paramétrisation physique (coefficient de friction).La difficulté de l'estimation du débit à partir des données altimétriques vient notamment de la pente de la surface libre, qui n'est pas non plus mesurée à une échelle assez fine. Une nouvelle méthodologie pour déterminer des lois algébriques locales d'estimation de débit (lois dites Stage-Fall-Discharge, SFD) à partir des données altimétriques issues de plusieurs satellites (e.g. Jason-3, Sentinel-3A et Sentinel-3B) est alors proposée. La méthode se base sur une modélisation hydrodynamique calibrée par assimilation des données altimétriques. Ces lois SFD sont déterminées de manière à reproduire le débit estimé par la modélisation hydrodynamique à partir de données altimétriques et de grandeurs hydrauliques simulées.Ces lois sont obtenues avec succès sur le réseau hydrographique complexe du Rio Negro-Rio Branco.La méthode devrait être applicable pour estimer le débit de manière opérationnelle.La modélisation adaptée aux observations spatiales nécessite donc de choisir des modèles cohérents avec les données disponibles et les échelles spatio-temporelles observées. De ce fait, l'équation de l'onde diffusante a l'avantage d'avoir comme variable d'état la hauteur d'eau de la rivière qui est directement mesurée contrairement au débit.Dans ces travaux, une double échelle spatio-temporelle est introduite pour prendre en compte l'échelle de la physique (petite échelle) et celle des observations (grande échelle). Les variations de la largeur sont négligeables à l'échelle de la physique, ce qui n'est pas le cas à l'échelle des observations. Une équation de l'onde diffusante adaptée à l'échelle des observations spatiales est établie. Cette nouvelle équation de l'onde diffusante prend en compte les variations de la largeur grâce à deux termes additionnels par rapport à l'équation classique.Une étude numérique met en avant que l'équation à l'échelle des observations estime avec une meilleure précision la pente de la surface libre et donc le débit par rapport à l'équation classique. Un des termes additionnels de l'équation à l'échelle des observations est aussi mis en avant grâce à une quantification de l'importance des termes d'un dictionnaire basée sur une régression parcimonieuse.Pour obtenir une estimation de la hauteur du fond et du coefficient de friction (non-observés par les satellites d'altimétrie), les données altimétriques sont assimilées dans les modèles hydrodynamiques en minimisant une fonction coût basée sur l'écart entre la hauteur modélisée et la hauteur mesurée. La qualité de cette assimilation de données dépend notamment de l'estimation de la covariance de l'erreur d'ébauche, i.e. erreur entre la valeur d'ébauche et la vraie valeur du paramètre, qui préconditionne la hessienne de la fonction coût. Cependant, cette covariance est couramment définie de manière empirique.Ainsi, ces travaux proposent une méthode pour estimer la covariance de l'erreur d'ébauche et la longueur de corrélation à partir des équations de la physique (équations de l'onde diffusante dans le cas présent) en utilisant les noyaux de Green.Ces nouveaux opérateurs ainsi que la longueur de corrélation consistante avec la physique couplée avec un noyau exponentiel décroissant donnent de meilleurs résultats que les opérateurs empiriques. Note de contenu : Introduction 1. Données satellitaires, modélisations d’écoulements fluviaux et problèmes inverses 1.1 Altimétrie spatiale et données satellitaires 1.2 Modélisation mathématique des écoulements 1.3 Problèmes inverses et assimilation de données 2. Generation and analysis of stage-fall-discharge laws from coupled hydrological-hydraulic river network model integrating sparse multi-satellite data 2.1 Introduction 2.2 Flow models and observables 2.3 Study zone and calibrated river network model 2.4 SFD calibration and analysis 2.5 Discussions 2.6 Conclusion 3. Double-scale diffusive wave equations dedicated to spatial rivers observations 3.1 Introduction 3.2 Derivation of the double-scale diffusive wave model 3.3 Numerical results 3.4 Quantification of each term importance 3.5 Conclusion 4. Covariance operators investigation from diffusive wave equations for data assimilation in hydrology 4.1 Introduction 4.2 Variational Data Assimilation based on classical covariance operators 4.3 Covariance operators from Green-like kernels of the double scale diffusive wave equations 4.4 Inference of the bathymetry zb(x) using the physically-derived covariance operators 4.5 Inference of the pair (zb, Ks)(x) from lower quality data 4.6 Conclusion 5. Travaux en perspectives et conclusion générale 5.1 Travaux en perspectives 5.2 Conclusion Numéro de notice : 26907 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE/POSITIONNEMENT Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques et Applications : Toulouse : 2022 Organisme de stage : Institut de Mathématiques de Toulouse IMT nature-HAL : Thèse DOI : sans Date de publication en ligne : 14/10/2022 En ligne : https://hal.science/tel-03630148v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101921

Pose estimation and 3D reconstruction of vehicles from stereo-images using a subcategory-aware shape prior / Maximilian Alexander Coenen in ISPRS Journal of photogrammetry and remote sensing, Vol 181 (November 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > Vol 181 (November 2021) . - pp 27 - 47 Titre : Pose estimation and 3D reconstruction of vehicles from stereo-images using a subcategory-aware shape prior Type de document : Article/Communication Auteurs : Maximilian Alexander Coenen, Auteur ; Franz Rottensteiner, Auteur Année de publication : 2021 Article en page(s) : pp 27 - 47 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection d'objet [Termes IGN] estimation de pose [Termes IGN] modèle stochastique [Termes IGN] problème inverse [Termes IGN] reconstruction 3D [Termes IGN] reconstruction d'objet [Termes IGN] robotique [Termes IGN] véhicule automobile [Termes IGN] vision par ordinateur Résumé : (auteur) The 3D reconstruction of objects is a prerequisite for many highly relevant applications of computer vision such as mobile robotics or autonomous driving. To deal with the inverse problem of reconstructing 3D objects from their 2D projections, a common strategy is to incorporate prior object knowledge into the reconstruction approach by establishing a 3D model and aligning it to the 2D image plane. However, current approaches are limited due to inadequate shape priors and the insufficiency of the derived image observations for a reliable alignment with the 3D model. The goal of this paper is to show how 3D object reconstruction can profit from a more sophisticated shape prior and from a combined incorporation of different observation types inferred from the images. We introduce a subcategory-aware deformable vehicle model that makes use of a prediction of the vehicle type for a more appropriate regularisation of the vehicle shape. A multi-branch CNN is presented to derive predictions of the vehicle type and orientation. This information is also introduced as prior information for model fitting. Furthermore, the CNN extracts vehicle keypoints and wireframes, which are well-suited for model-to-image association and model fitting. The task of pose estimation and reconstruction is addressed by a versatile probabilistic model. Extensive experiments are conducted using two challenging real-world data sets on both of which the benefit of the developed shape prior can be shown. A comparison to state-of-the-art methods for vehicle pose estimation shows that the proposed approach performs on par or better, confirming the suitability of the developed shape prior and probabilistic model for vehicle reconstruction. Numéro de notice : A2021-772 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.07.006 Date de publication en ligne : 14/09/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.07.006 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98829 [article]

Adaptive regularization method for 3-D GNSS ionospheric tomography based on the U-curve / Jun Tang in IEEE Transactions on geoscience and remote sensing, vol 59 n° 6 (June 2021)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 59 n° 6 (June 2021) . - pp 4547 - 4560 Titre : Adaptive regularization method for 3-D GNSS ionospheric tomography based on the U-curve Type de document : Article/Communication Auteurs : Jun Tang, Auteur ; Xin Gao, Auteur Année de publication : 2021 Article en page(s) : pp 4547 - 4560 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] données GNSS [Termes IGN] modèle ionosphérique [Termes IGN] problème inverse [Termes IGN] teneur totale en électrons [Termes IGN] tomographie par GPS Résumé : (auteur) Computerized ionospheric tomography is a highly ill-posed inverse problem, and regularization tends to stabilize the problem to provide a unique solution. When a regularization method is used, the choice of an optimal parameter is a key issue. In this article, we propose an adaptive regularization method for 3-D ionospheric tomography based on the U-curve. The proposed approach uses a U-curve method to determine the optimal regularization parameter from Global Navigation Satellite Systems (GNSS) observation data. Comparative case studies are investigated based on GNSS simulated observations and real measurements. The simulation results indicate that the proposed method is superior to the adaptive regularization method based on the L-curve. In addition, we further validate the tomographic results with actual ionosonde station data. The results demonstrate the reliability and superiority of the proposed method compared to traditional methods. Numéro de notice : A2021-422 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3022561 Date de publication en ligne : 22/09/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3022561 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97777 [article]

Model based signal processing techniques for nonconventional optical imaging systems / Daniele Picone (2021)  

Public Titre : Model based signal processing techniques for nonconventional optical imaging systems Type de document : Thèse/HDR Auteurs : Daniele Picone, Auteur ; Mauro Dalla Mura, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 364 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université Grenoble Alpes, spécialité : Signal Image Parole Télécoms Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] acquisition comprimée [Termes IGN] fusion d'images [Termes IGN] image hyperspectrale [Termes IGN] inférence statistique [Termes IGN] interférométrie [Termes IGN] méthode du maximum de vraisemblance (estimation) [Termes IGN] mosaïque d'images [Termes IGN] pouvoir de résolution géométrique [Termes IGN] pouvoir de résolution spectrale [Termes IGN] problème inverse [Termes IGN] reconstruction d'image [Termes IGN] régression non linéaire [Termes IGN] spectromètre imageur [Termes IGN] traitement du signal Index. décimale : THESE Thèses et HDR Résumé : (auteur) There is an increasing demand for images with higher spectral and spatial resolution for applications in several domains such as health, environment, quality checking and natural disasters monitoring. Hyperspectral imagery provides the necessary spectral diversity to recover the composition of materials on site for applications such as the detection of fires, anomalies, chemical agents, targets and changes in the scene.The requirement for cheaper and more compact devices (e.g. to be embarked on low cost satellites and airborne platform) which are capable of capturing this information has led to the development of nonconventional innovative design concepts to overcome the technological limitations of traditional cameras. Data acquired by such novel imaging devices following the computational imaging paradigm are typically not readily exploitable for the final application. A computational phase is hence needed for extracting useful information from the raw acquisitions.This thesis addresses this issue by setting up an inversion problem. The general approach is to characterize the data fidelity term with a physical model, describing the underlying optical transformations performed by the device. The challenge is then shifted on the regularization step to properly characterizes the features of the quantities of interest and improve the accuracy of the estimation, which can be tackled with variational techniques.The analysis is applied to two novel concepts for nonconventional optical devices. The first one is a novel compressed acquisition imaging system based on color filter arrays, which embeds information from sensors with different spatial and spectral characteristics into a single mosaiced product. As opposed to existing compressed sensing based devices, the goal is not to recover the original uncompressed multiresolution sources, but instead to directly recover a synthetic fused image with both high spatial and spectral resolution.The proposed solution relies on the total variation regularization and is the subject of a detailed analysis, comparing its compressive power with straightforward software alternatives, evaluating its performances as the amount of channels changes, and validating its efficiency in comparison to state of the art methods when applied to classical fusion or mosaicing algorithms separately.The second class of devices is based on the ImSPOC patent, a design concept for a low finesse snapshot imaging spectrometer based on the interferometry of Fabry-Pérot. Its ideal behaviour follows the principle of the Fourier Transform Spectroscopy, as its acquisition can be interpreted as a sampled version of an interferogram, arranged across different sub-images distributed on the same focal plane.After defining a physical model based on optical geometry, its validity is evaluated over real acquisitions by setting up a Bayesian inference problem to determine its parameters, with approaches based on maximum likelihood estimators, regular-grid searches and nonlinear regression.A variety of preliminary tests are then carried out on the inversion method, with approaches based on singular value decomposition and sparse-inducing regularizers, accompanied by a analysis of their robustness to model mismatches. Note de contenu : 1- Introduction 2- Inverse problems theory 3- Signal processing of multimodal data 4- Joint fusion and demosaicing of compressed multiresolution acquisitions 5- Optics foundations for the ImSPOC acquisition system 6- Data processing pipeline of ImSPOC acquisitions 7- Conclusions Numéro de notice : 28691 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal Image Parole Télécoms : Grenoble : 2021 Organisme de stage : GIPSA-lab DOI : sans En ligne : https://hal.science/tel-03596486v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100170

From space to lithosphere: inversion of the GOCE gravity gradients. Supply to the Earth’s interior study / Matthieu Plasman in Geophysical journal international, vol 223 n° 1 (October 2020)  

Permalink

Approche bayésienne pour la sélection de modèles / Benjamin Harroué (2020)  

Permalink

The cause of the 2011 Hawthorne (Nevada) earthquake swarm constrained by seismic and InSAR methods / Xianjie Zha in Journal of geodesy, vol 93 n°6 (June 2019)  

Permalink

A novel sharpening approach for superresolving multiresolution optical images / Claudia Paris in IEEE Transactions on geoscience and remote sensing, vol 57 n° 3 (March 2019)  

Permalink

Self-shadowing of a spacecraft in the computation of surface forces : An example in planetary geodesy / Georges Balmino in Artificial satellites, vol 53 n° 1 (March 2018)  

Permalink

Fusion de données de télédétection haute résolution pour le suivi de la neige / Théo Masson (2018)  

Permalink

Multiobjective subpixel land-cover mapping / Ailong Ma in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)  

Permalink

Sparse signal modeling: Application to image compression, Image error concealment and compressed sensing / Ali Akbari (2018)  

Permalink

Bayesian data combination for the estimation of ionospheric effects in SAR interferograms / Giorgio Gomba in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)  

Permalink

Multi-scale modeling of Earth's gravity field in space and time / Shuo (2) Wang in Journal of geodynamics, vol 106 (May 2017)  

Permalink