Centre de documentation
scientifique

Actualité

L'actu ! Horaires du CDOS

Le centre est ouvert en salle de travail du lundi au vendredi, de 08h30 à 19h00. Les prêts physiques sont suspendus pour le moment. Merci d'adr...

Consulter les archives

Dernière publication Consultez les parutions du CDoS

Informations pratiques

Le centre de documentation scientifique
de l'Institut est aussi celui de l'ENSG-Géomatique.

Envoyez un mail au contact ci-dessous pour vos demandes.

Contact : cdos@ign.fr

Comment venir ?
Pour se rendre au centre de documentation, se reporter au 'Plan d'accès au bâtiment' tout en bas de page à droite. Le centre se trouve dans le bâtiment de l'ENSG. On y accède par le hall, entre l'aile Cassini et l'aile Laplace.

Mots RAMEAU représentant le fonds du centre de documentation
géomatique, géodésie, réseaux (géodésie), systèmes de localisation par satellites,
imagerie satellitaire, traitement d'images, photogrammétrie, lasergrammétrie,
systèmes d'information géographique, données géospatiales, cartographie,
géographie - base de données

Nouvelle recherche

A novel regression method for harmonic analysis of time series / Qiang Zhou in ISPRS Journal of photogrammetry and remote sensing, vol 185 (March 2022)

Public

[article]
inISPRS Journal of photogrammetry and remote sensing > vol 185 (March 2022) . - pp 48 - 61

Titre :	A novel regression method for harmonic analysis of time series
Type de document :	Article/Communication
Auteurs :	Qiang Zhou, Auteur ; Zhe Zhu, Auteur ; George Xian, Auteur ; et al., Auteur
Année de publication :	2022
Article en page(s) :	pp 48 - 61
Note générale :	bibliographie
Langues :	Anglais (eng)
Descripteur :	[Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse comparative [Termes IGN] analyse harmonique [Termes IGN] détection de changement [Termes IGN] image Landsat-8 [Termes IGN] image Landsat-SWIR [Termes IGN] modèle de régression [Termes IGN] réflectance [Termes IGN] régression harmonique [Termes IGN] série temporelle [Termes IGN] variation saisonnière
Résumé :	(auteur) Harmonic analysis of time series is an important technique to reveal seasonal land surface dynamics using remote sensing information. However, frequency selection in the harmonic analysis is often difficult because high-frequency components are useful for delineating seasonal dynamics but sensitive to noise and gaps in time series. On the other hand, it is challenging to obtain temporally continuous satellite data with high quality because of atmospheric contamination. We developed a novel regression method named Harmonic Adaptive Penalty Operator (HAPO) for harmonic analysis of unevenly distributed time series. We introduced a new penalty function to minimize unexpected fluctuations in the model, which can substantially reduce the overfitting issue of regression in time series with temporal gaps. Specifically, the new penalty function minimizes the length of the model curve and the value range difference between the model and time series observations. We compared HAPO with three widely used regression methods (OLS: Ordinary Least Squares; LASSO: Least Absolute Shrinkage and Selection Operator; and Ridge) with different scenarios using Landsat time series data across the United States. First, we evaluated methods using Landsat surface reflectance time series within a single year. HAPO showed small and consistent monthly Root Mean Square Deviation (RMSD) values, in which most of the time RMSD values of predicted reflectance were less than 0.04. More importantly, HAPO showed consistent and less bias given varying density and irregularity of time series. Second, we evaluated methods using multi-year time series and the result suggested that HAPO was a better predictor of relatively short time series (less than4 years) with steady small RMSD values. When a longer time series (≥4 years) was used, all four methods disclosed similar RMSD values, but HAPO outperformed other three methods when there were temporal gaps. Last, we preliminarily tested how regression methods affected change detection and classification accuracy. HAPO showed the highest change detection accuracy of all tests in terms of F1 score when using the change threshold of 0.9999. In classification, HAPO produced the highest accuracy for short time series segments (one- or two-year time series). In contrast, all methods reached similar accuracy for 5-year time series. These results suggest that for areas that have large seasonal observation gaps or for time series that have less than 4 years records, HAPO can provide more consistent and accurate analytical results than other regression methods for harmonic analysis of time series.
Numéro de notice :	A2022-133
Affiliation des auteurs :	non IGN
Thématique :	IMAGERIE/MATHEMATIQUE
Nature :	Article
nature-HAL :	ArtAvecCL-RevueIntern
DOI :	10.1016/j.isprsjprs.2022.01.006
Date de publication en ligne :	21/01/2022
En ligne :	https://doi.org/10.1016/j.isprsjprs.2022.01.006
Format de la ressource électronique :	URL article
Permalink :	https://documentation.ensg.eu/index.php?lvl=notice_display&id=99729

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2022031	SL	Revue	Centre de documentation	Revues en salle	Disponible

IGN

IGN / ENSG

Centre de documentation
scientifique
6 et 8 Avenue Blaise Pascal
Cité Descartes
Champs-sur-Marne
77455 Marne la Vallée
Cedex 2
L'IGN a pour vocation

de décrire la surface du territoire national et l'occupation de son sol, et d'élaborer et de mettre à jour l'inventaire permanent des ressources forestières nationales.
Accès directs
2014 -2024 IGN

IGN

Centre de documentation
scientifique

Accueil

Sélection de la langue

Adresse

Se connecter

Actualité

L'actu ! Horaires du CDOS

Informations pratiques

Exemplaires(1)

IGN / ENSG

L'IGN a pour vocation

Accès directs

2014 -2024 IGN

IGN

Centre de documentationscientifique

Accueil

Sélection de la langue

Adresse

Se connecter

Actualité

L'actu ! Horaires du CDOS

Informations pratiques

Exemplaires(1)

IGN / ENSG

L'IGN a pour vocation

Accès directs

2014 -2024 IGN

Centre de documentation
scientifique