Centre dedocumentation
scientifique

High-resolution canopy height map in the Landes forest (France) based on GEDI, Sentinel-1, and Sentinel-2 data with a deep learning approach / Martin Schwartz (2022)  

Public Titre : High-resolution canopy height map in the Landes forest (France) based on GEDI, Sentinel-1, and Sentinel-2 data with a deep learning approach Type de document : Article/Communication Auteurs : Martin Schwartz, Auteur ; Philippe Ciais, Auteur ; Catherine Ottle, Auteur ; Aurélien de Truchis, Auteur ; Cédric Vega , Auteur ; Ibrahim Fayad, Auteur ; Martin Brandt, Auteur ; Rasmus Fensholt, Auteur ; Nicolas Baghdadi, Auteur ; François Morneau , Auteur ; David Morin, Auteur ; Dominique Guyon, Auteur ; Sylvia Dayau, Auteur ; Jean-Pierre Wigneron, Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2022 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage profond [Termes IGN] forêt [Termes IGN] Global Ecosystem Dynamics Investigation lidar [Termes IGN] hauteur des arbres [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] Landes de Gascogne [Termes IGN] Pinophyta Résumé : (auteur) In intensively managed forests in Europe, where forests are divided into stands of small size and may show heterogeneity within stands, a high spatial resolution (10 - 20 meters) is arguably needed to capture the differences in canopy height. In this work, we developed a deep learning model based on multi-stream remote sensing measurements to create a high-resolution canopy height map over the "Landes de Gascogne" forest in France, a large maritime pine plantation of 13,000 km2 with flat terrain and intensive management. This area is characterized by even-aged and mono-specific stands, of a typical length of a few hundred meters, harvested every 35 to 50 years. Our deep learning U-Net model uses multi-band images from Sentinel-1 and Sentinel-2 with composite time averages as input to predict tree height derived from GEDI waveforms. The evaluation is performed with external validation data from forest inventory plots and a stereo 3D reconstruction model based on Skysat imagery available at specific locations. We trained seven different U-net models based on a combination of Sentinel-1 and Sentinel-2 bands to evaluate the importance of each instrument in the dominant height retrieval. The model outputs allow us to generate a 10 m resolution canopy height map of the whole "Landes de Gascogne" forest area for 2020 with a mean absolute error of 2.02 m on the Test dataset. The best predictions were obtained using all available satellite layers from Sentinel-1 and Sentinel-2 but using only one satellite source also provided good predictions. For all validation datasets in coniferous forests, our model showed better metrics than previous canopy height models available in the same region. Numéro de notice : P2022-002 Affiliation des auteurs : LIF+Ext (2020- ) Thématique : FORET Nature : Preprint nature-HAL : Préprint DOI : 10.48550/arXiv.2212.10265 Date de publication en ligne : 20/12/2022 En ligne : https://doi.org/10.48550/arXiv.2212.10265 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102850

Estimation et suivi de la ressource en bois en France métropolitaine par valorisation des séries multi-temporelles à haute résolution spatiale d'images optiques (Sentinel-2) et radar (Sentinel-1, ALOS-PALSAR) / David Morin (2020)  

Public Titre : Estimation et suivi de la ressource en bois en France métropolitaine par valorisation des séries multi-temporelles à haute résolution spatiale d'images optiques (Sentinel-2) et radar (Sentinel-1, ALOS-PALSAR) Type de document : Thèse/HDR Auteurs : David Morin, Auteur ; Gérard Dedieu, Directeur de thèse ; Milena Planells, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2020 Importance : 147 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de Doctorat de l'Université de Toulouse 3, École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse) : Surfaces et interfaces continentales, Hydrologie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] biomasse forestière [Termes IGN] carte forestière [Termes IGN] données multitemporelles [Termes IGN] France (administrative) [Termes IGN] image ALOS-PALSAR [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] inventaire de la végétation [Termes IGN] modèle de régression [Termes IGN] puits de carbone [Termes IGN] ressources forestières [Termes IGN] structure de la végétation [Termes IGN] volume en bois Index. décimale : THESE Thèses et HDR Résumé : (auteur) L'estimation et le suivi du carbone et de la ressource forestière sont des enjeux majeurs pour la gestion des territoires. Les forêts ont un rôle important dans les plans nationaux et internationaux pour l'atténuation du changement climatique (stockage du carbone, régulation du climat, biodiversité, énergies renouvelables). Dans les forêts tempérées, de nombreuses mesures des paramètres de structure forestière sont acquises sur des petites zones, des statistiques au niveau national ou sur de larges zones administratives sont délivrées annuellement par les organismes gouvernementaux. Les forêts tempérées sont fortement anthropisées (forte variabilité spatiale et fractionnement des peuplements), il y a actuellement un besoin fort d'une spatialisation plus fine et continue des ressources forestières dans ces régions. Les images satellitaires optiques et radar apportent des informations sur l'état de la végétation, la structure des arbres et l'organisation spatiale des forêts. Dans un contexte exceptionnel de disponibilité mondiale et gratuite, de diversité, de qualité des images à haute résolution spatiale et temporelle, le travail de thèse a pour objectif de mettre en place les bases méthodologiques et scientifiques pour une production nationale semi-automatique d'une cartographie des paramètres forestiers (biomasse, diamètre, hauteur, etc.). Nous avons évalué le potentiel des séries temporelles Sentinel-1 (radar en bande C), Sentinel-2 (optique), et des mosaïques annuelles ALOS2-PALSAR2 (radar, bande L) pour estimer les paramètres de structure forestière. Ces données satellitaires ont été combinées à l'aide d'algorithmes d'apprentissage supervisé et de mesures terrain pour construire des modèles d'estimation de la biomasse, du diamètre moyen des arbres (DBH), de la hauteur et d'autres paramètres de structure. Ces modèles peuvent ensuite être spatialisés sur l'ensemble du territoire à l'aide des images satellitaires, et fournir une information continue à la résolution spatiale des images utilisées (10 à 20 mètres). Notre approche a été conçue et testée sur quatre sites d'étude avec des essences forestières et des propriétés structurales et environnementales différentes : la zone intérieure et la zone dunaire de la forêt des Landes (pins maritimes), la forêt d'Orléans (chênes et pins sylvestres), et la forêt de Saint-Gobain (chênes, charmes et hêtres). Les principaux développements portent sur les données satellitaires à utiliser, la sélection des variables explicatives, le choix des algorithmes de régression et leur paramétrisation, la différenciation des types de forêt et la cartographie des estimations de paramètres forestiers. Les primitives issues des données satellitaires fournissent des informations sur les propriétés optiques du sol et de la végétation, l'organisation spatiale des arbres, la structure et le volume de bois vivant des houppiers et des troncs. L'utilisation d'algorithmes de régression multivariée non-linéaire permet d'obtenir des estimations des paramètres forestiers avec des performances en termes d'erreur relative de l'ordre de 15 à 35 % pour la surface terrière (~2.8 à 5.9 m2/ha) selon les types de forêt, 5 à 20 % pour la hauteur (~1.3 à 3 m), et de 5 à 25 % pour le DBH (~1.5 à 8 cm). Les résultats montrent l'apport de la combinaison de plusieurs types de données satellitaires (optique, radar multi-fréquence et indices de texture spatiale) ainsi que l'importance de différencier les types de forêt pour la construction des modèles. L'application des modèles sur les images satellitaires permet de produire des cartes à haute résolution spatiale de ces paramètres forestiers, utilisables de l'échelle locale à l'échelle régionale/nationale. Note de contenu : 1- Introduction 2- Construction de la méthode 3- Généralisation de la méthode 4- Cartographie des forêts 5- Conclusion Numéro de notice : 28533 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de l'environnement : Toulouse 3 : 2020 Organisme de stage : CESBIO nature-HAL : Thèse En ligne : https://theses.hal.science/tel-02426260/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97367