Détail de l'auteur
Auteur Cédric Lardeux |
Documents disponibles écrits par cet auteur (12)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesSAR data for tropical forest disturbance alerts in French Guiana: Benefit over optical imagery / Marie Ballère in Remote sensing of environment, Vol 252 (January 2021)
Titre : SAR data for tropical forest disturbance alerts in French Guiana: Benefit over optical imagery Type de document : Article/Communication Auteurs : Marie Ballère Année de publication : 2021 Projets : 1-Pas de projet / Article en page(s) : n° 112159 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] forêt tropicale
[Termes IGN] Guyane (département français)
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] surveillance forestière
[Termes IGN] temps réelRésumé : (auteur) French Guiana forests cover 8 million hectares. With 98% of emerged land covered by forests, French Guiana is the area with the highest proportion of forest cover in the world. These forests are home to an exceptionally rich and diverse wealth of biodiversity that is both vulnerable and under threat due to high levels of pressure from human activity. As part of the French territory, French Guiana benefits from determined and continuous national efforts in the preservation of biodiversity and the environmental functionalities of ecosystems. The loss and fragmentation of forest cover caused by gold mining (legal and illegal), smallholder agriculture and forest exploitation, are considered as small-scale disturbances, although representing strong effects to vulnerable natural habitats, landscapes, and local populations. To monitor forest management programs and combat illegal deforestation and forest opening near-real time alerts system based on remote sensing data are required. For this large territory under frequent cloud cover, Synthetic-Aperture Radar (SAR) data appear to be the best adapted. In this paper, a method for forest alerts in a near-real time context based on Sentinel-1 data over the whole of French Guiana (83,534 km2) was developed and evaluated. The assessment was conducted for 2 years between 2016 and 2018 and includes comparisons with reference data provided by French Guiana forest organizations and comparisons with the existing University of Maryland Global Land Analysis and Discovery Forest Alerts datasets based on Landsat data. The reference datasets include 1,867 plots covering 2,124.5 ha of gold mining, smallholder agriculture and forest exploitation. The validation results showed high user accuracies (96.2%) and producer accuracies (81.5%) for forest loss detection, with the latter much higher than for optical forest alerts (36.4%). The forest alerts maps were also compared in terms of detection timing, showing systematic temporal delays of up to one year in the optical method compared to the SAR method. These results highlight the benefits of SAR over optical imagery for forest alerts detection in French Guiana. Finally, the potential of the SAR method applied to tropical forests is discussed. The SAR-based map of this study is available on http://cesbiomass.net/. Numéro de notice : A2021-066 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rse.2020.112159 Date de publication en ligne : 05/11/2020 En ligne : https://doi.org/10.1016/j.rse.2020.112159 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96937
in Remote sensing of environment > Vol 252 (January 2021) . - n° 112159[article]Suivi de la déforestation à partir de données Sentinel-1 en contexte tropical / Lucile Auzeméry (2021)
Titre : Suivi de la déforestation à partir de données Sentinel-1 en contexte tropical Type de document : Mémoire Auteurs : Lucile Auzeméry, Auteur ; Pierre-Louis Frison Editeur : Paris : Université de Paris Année de publication : 2021 Importance : 39 p. Note générale : bibliographie
Master 2 Méthodes Physiques en TélédétectionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse diachronique
[Termes IGN] déboisement
[Termes IGN] filtre de déchatoiement
[Termes IGN] Guyane (département français)
[Termes IGN] image Sentinel-SAR
[Termes IGN] parc amazonien de Guyane
[Termes IGN] polarimétrie radar
[Termes IGN] restauration d'imageRésumé : (auteur) [introduction) [...] La méthode de suivi [de la perte de couvert végétal] développée à l’ONFI s’appuie sur les données Sentinel-1 et étudie les signatures temporelles des pixels. L’outil développé (Lardeux et al. (2019)) a été utilisé initialement utilisé pour le suivi de l’orpaillage illégal, mais des limitations ont été remontées, en particulier sur la détection des abattis. L’objectif de ce stage est donc d’améliorer la chaîne de traitement développée par l’ONFI pour le suivi de la déforestation. Il a principalement consisté à évaluer l’apport des données en polarisations VV (jusqu’ici seules les données en polarisation VH sont utilisées). Dans une première partie, nous rappellerons les principes de l’imagerie radar, puis ensuite nous décrirons les données utilisées ainsi que le site d’étude. La troisième partie sera consacrée à la méthode, basée sur l’outil développé par l’ONFI. Enfin, nous finirons par présenter les développements effectués durant ce stage et les résultats obtenus. Note de contenu : Introduction
1 Imagerie Radar
2 Données et site d’étude
3 Méthode de détection de la déforestation
4 Améliorations développées et discussion
ConclusionNuméro de notice : 17731 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Mémoire masters divers Organisme de stage : Office National des Forêts - International Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100628 Documents numériques
en open access
Suivi de la déforestation ... - pdf auteurAdobe Acrobat PDF
Titre : Mise en oeuvre d'outils open source pour le suivi opérationnel de l'occupation des sols et de la déforestation à partir des données Sentinel radar optique : études de cas en Guyane et au Togo Type de document : Article/Communication Auteurs : Cédric Lardeux, Auteur ; Anoumou Kemavo, Auteur ; Maxence Rageade, Auteur ; Mathieu Rahm, Auteur ; Pierre-Louis Frison Année de publication : 2019 Article en page(s) : pp 59 - 70 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] déboisement
[Termes IGN] Guyane (département français)
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] Orfeo Tool Box
[Termes IGN] Python (langage de programmation)
[Termes IGN] QGIS
[Termes IGN] série temporelle
[Termes IGN] surveillance de la végétation
[Termes IGN] télédétection en hyperfréquence
[Termes IGN] TogoRésumé : (auteur) Remote sensing is a particularly suitable tool for monitoring land use but also particularly suited for deforestation monito-ring. By launching the Setinel-1 and Sentinel-2 satellites in the Copernicus program, the community now has free data with important time-revisits allowing the greatest number of people to effectively monitor land cover of a study area. This paper presents a land use monitoring method based on the combination of two approaches computed using Open Source tools ((MIS, Orfeo ToolBox, python). First, we focus on land use monitoring at an annual time scale using Sentinel-1 and Sentinel-2 data, and then, by the use f entienl-1 data, we detect changes in the forest cover due to deforestation at bi-monthly time scale. The results obtained show a very good synergy of these approaches allowing the complementary of optical and radar data. In order to make accessible the proposed method, all the used open source tools are available on this link http ://remotesensing4all.net/index.php/2018/09/11/ kit-use-des-donnees-radar- sentinel-1-in-de-latelier-radar-du-FOSS4G-en-2018-2/. Numéro de notice : A2019-348 Affiliation des auteurs : UPEM-LASTIG+Ext (2016-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2019.467 En ligne : https://doi.org/10.52638/rfpt.2019.467 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93385
in Revue Française de Photogrammétrie et de Télédétection > n° 219-220 (juin - octobre 2019) . - pp 59 - 70[article]
Titre : Polarimétrie radar complète et partielle pour le suivi des surfaces terrestres Type de document : Article/Communication Auteurs : Pierre-Louis Frison Année de publication : 2019 Article en page(s) : pp 33 - 39 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] carte de la végétation
[Termes IGN] classification
[Termes IGN] extraction de la végétation
[Termes IGN] image ALOS-PALSAR
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] polarimétrie radar
[Termes IGN] sédimentation
[Termes IGN] TunisieRésumé : (auteur) This article presents some illustrations of (fully or partial) polarimetric radar data applications for the monitoring of terrestrial surfaces. The first part is dedicated to fully polarimetric radar data. Firstly, a theoretical reminder presents the specificity of fully polarimetric data. Then illustrations are given for vegetation types cartography as well as spatio-temporal processes of sedimentation in a semi-arid area in Tunisia. The second part focuses on partially polarimetric data, of the type acquired by the Sentinel-1A/1B satellite SAR sensors, which will be widely used in future years due to their significant contribution to land surface observations studies for environmental sciences. Numéro de notice : A2019-346 Affiliation des auteurs : UPEM-LASTIG+Ext (2016-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2019.464 En ligne : https://doi.org/10.52638/rfpt.2019.464 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93383
in Revue Française de Photogrammétrie et de Télédétection > n° 219-220 (juin - octobre 2019) . - pp 33 - 39[article]QGIS and applications in agriculture and forest, ch. 6. Vegetation cartography from Sentinel-1 radar images / Pierre-Louis Frison (2018)
contenu dans QGIS in Remote Sensing, Volume 2. QGIS and applications in agriculture and forest / Nicolas Baghdadi (2018)
Titre de série : QGIS and applications in agriculture and forest, ch. 6 Titre : Vegetation cartography from Sentinel-1 radar images Type de document : Chapitre/Contribution Auteurs : Pierre-Louis Frison Editeur : Londres : ISTE Editions Année de publication : 2018 Autre Editeur : New York, Londres, Hoboken (New Jersey), ... : John Wiley & Sons Note générale : bibliographie Langues : Anglais (eng) Résumé : (auteur) Remote sensing is particularly well suited to monitoring terrestrial surfaces, especially vegetation. The cartography from spaceborne images allows the estimation of land use over large areas. The Sentinel‐1 mission consists of the orbiting of two satellites (Sentinel‐1A [S1A] and 1B [S1B]) carrying a synthetic aperture radar (SAR) sensor. This chapter provides a brief review of the main classification methods used in remote sensing, and details the pre‐processing of Sentinel‐1 radar data required for use in classification algorithms. These classifications aim to map main land use entities. The processing presented is developed in Python language, based on the Orfeo Toolbox (OTB) algorithms, and integrated into quantum geographic information system (QGIS) software, in order to make them accessible to non‐specialists in radar data. A classification algorithm aims to generate, from one or more remote sensing images, an image containing different thematic classes. The chapter presents the application of random forest (RF) classification, which requires training polygons. Numéro de notice : H2018-007 Affiliation des auteurs : UPEM-LASTIG (2016-2019) Nature : Chapître / contribution nature-HAL : ChOuvrScient DOI : 10.1002/9781119457107.ch6 Date de publication en ligne : 19/01/2018 En ligne : https://doi.org/10.1002/9781119457107.ch6 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91928
