Centre de documentation
scientifique

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]

Improving the accuracy of land cover classification in cloud persistent areas using optical and radar satellite image time series / Maylis Lopes in Methods in ecology and evolution, vol 11 n° 4 (April 2020)  

Public [article]  inMethods in ecology and evolution > vol 11 n° 4 (April 2020) . - pp 532 - 541 Titre : Improving the accuracy of land cover classification in cloud persistent areas using optical and radar satellite image time series Type de document : Article/Communication Auteurs : Maylis Lopes, Auteur ; Pierre-Louis Frison , Auteur ; Merry Crowson, Auteur ; Eleanor Warren-Thomas, Auteur ; et al., Auteur Année de publication : 2020 Projets : 2-Pas d'info accessible - article non ouvert / Article en page(s) : pp 532 - 541 Note générale : bibliography Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes IGN] classification [Termes IGN] fusion d'images [Termes IGN] image optique [Termes IGN] image radar [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] Indonésie [Termes IGN] nébulosité [Termes IGN] série temporelle [Termes IGN] tourbière [Termes IGN] zone intertropicale Résumé : (auteur) The recent availability of high spatial and temporal resolution optical and radar satellite imagery has dramatically increased opportunities for mapping land cover at fine scales. Fusion of optical and radar images has been found useful in tropical areas affected by cloud cover because of their complementarity. However, the multitemporal dimension these data now offer is often neglected because these areas are primarily characterized by relatively low levels of seasonality and because the consideration of multitemporal data requires more processing time. Hence, land cover mapping in these regions is often based on imagery acquired for a single date or on an average of multiple dates. The aim of this work is to assess the added value brought by the temporal dimension of optical and radar time series when mapping land cover in tropical environments. Specifically, we compared the accuracies of classifications based on (a) optical time series, (b) their temporal average, (c) radar time series, (d) their temporal average, (e) a combination of optical and radar time series and (f) a combination of their temporal averages for mapping land cover in Jambi province, Indonesia, using Sentinel-1 and Sentinel-2 imagery. Using the full information contained in the time series resulted in significantly higher classification accuracies than using temporal averages (+14.7% for Sentinel-1, +2.5% for Sentinel-2 and +2% combining Sentinel-1 and Sentinel-2). Overall, combining Sentinel-2 and Sentinel-1 time series provided the highest accuracies (Kappa = 88.5%). Our study demonstrates that preserving the temporal information provided by satellite image time series can significantly improve land cover classifications in tropical biodiversity hotspots, improving our capacity to monitor ecosystems of high conservation relevance such as peatlands. The proposed method is reproducible, automated and based on open-source tools satellite imagery. Numéro de notice : A2020-875 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/2041-210X.13359 Date de publication en ligne : 27/01/2020 En ligne : https://doi.org/10.1111/2041-210X.13359 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99668 [article]

Prediction of plant diversity in grasslands using Sentinel-1 and -2 satellite image time series / Mathieu Fauvel in Remote sensing of environment, Vol 237 (February 2020)  

Public [article]  inRemote sensing of environment > Vol 237 (February 2020) . - 13 p. Titre : Prediction of plant diversity in grasslands using Sentinel-1 and -2 satellite image time series Type de document : Article/Communication Auteurs : Mathieu Fauvel, Auteur ; Maylis Lopes, Auteur ; Titouan Dubo, Auteur ; Justine Rivers-Moore, Auteur ; Pierre-Louis Frison , Auteur ; Nicolas Gross, Auteur ; Annie Ouin, Auteur Année de publication : 2020 Projets : SEBIOREF / Ouin, Annie Article en page(s) : 13 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes IGN] biodiversité végétale [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] Haute-Garonne (31) [Termes IGN] image radar moirée [Termes IGN] image RapidEye [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] indice de diversité [Termes IGN] indice de végétation [Termes IGN] Normalized Difference Vegetation Index [Termes IGN] prairie [Termes IGN] série temporelle [Termes IGN] taxinomie Résumé : (auteur) The prediction of grasslands plant diversity using satellite image time series is considered in this article. Fifteen months of freely available Sentinel optical and radar data were used to predict taxonomic and functional diversity at the pixel scale (10 m × 10 m) over a large geographical extent (40,000 km2). 415 field measurements were collected in 83 grasslands to train and validate several statistical learning methods. The objective was to link the satellite spectro-temporal data to the plant diversity indices. Among the several diversity indices tested, Simpson and Shannon indices were best predicted with a coefficient of determination around 0.4 using a Random Forest predictor and Sentinel-2 data. The use of Sentinel-1 data was not found to improve significantly the prediction accuracy. Using the Random Forest algorithm and the Sentinel-2 time series, the prediction of the Simpson index was performed. The resulting map highlights the intra-parcel variability and demonstrates the capacity of satellite image time series to monitor grasslands plant taxonomic diversity from an ecological viewpoint. Numéro de notice : A2020-004 Affiliation des auteurs : UPEM-LASTIG+Ext (2016-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rse.2019.111536 Date de publication en ligne : 26/11/2019 En ligne : https://doi.org/10.1016/j.rse.2019.111536 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94296 [article]

Suivi écologique des prairies semi-naturelles : analyse statistique de séries temporelles denses d’images satellite à haute résolution spatiale / Maylis Lopes (2018) 

Public contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne, France) (2018)   Titre : Suivi écologique des prairies semi-naturelles : analyse statistique de séries temporelles denses d’images satellite à haute résolution spatiale Type de document : Article/Communication Auteurs : Maylis Lopes, Auteur ; Mathieu Fauvel, Auteur ; Stéphane Girard, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Conférence : Journées Recherche de l'IGN 2018, 27es Journées 22/03/2018 23/03/2018 Champs-sur-Marne France programme sans actes Importance : 49 p. Format : 30 x 21 cm Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse diachronique [Termes IGN] couleur (variable spectrale) [Termes IGN] image Sentinel-MSI [Termes IGN] méthode robuste [Termes IGN] prairie [Termes IGN] série temporelle [Termes IGN] signature spectrale [Termes IGN] surveillance écologique Résumé : (Auteur) Les prairies semi-naturelles (PSN) représentent une source importante de biodiversité dans les paysages agricoles qu’il est important de surveiller. La télédétection constitue un puissant outil pour assurer ce suivi grâce à la couverture spatiale des satellites et leur fréquence de revisite. Cependant jusqu’à récemment, le fonctionnement écologique des PSN a été peu étudié dans nos paysages fragmentés du fait des résolutions spatiale ou temporelle limitées des capteurs. Les satellites de nouvelle génération, tels que Sentinel-2, offrent de nouvelles opportunités pour le suivi des prairies car ils fournissent gratuitement des images des surfaces terrestres à haute résolution spatiale et temporelle. Cependant, le nouveau type de donnée issue de ces satellites implique des problèmes liés au traitement de données massives et de grande dimension en raison du nombre croissant de pixels à traiter et du nombre élevé de variables spectro-temporelles. Dans ce travail, nous analysons tout d’abord la réponse spectro-temporelle des PSN. Puis nous proposons des outils et méthodes robustes adaptés au suivi écologique des PSN à partir de séries temporelles denses d’images satellites à haute résolution spatiale. Numéro de notice : C2018-039 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91142

Documents numériques

peut être téléchargé Suivi écologique des prairies semi-naturelles... - Diaporama de présentation Adobe Acrobat PDF