Centre dedocumentation
scientifique

Evaluating Sentinel-1A datasets for rice leaf area index estimation based on machine learning regression models / Lamin R. Mansaray in Geocarto international, vol 37 n° 5 ([01/05/2022])  

Public [article]  inGeocarto international > vol 37 n° 5 [01/05/2022] . - pp 1225 - 1236 Titre : Evaluating Sentinel-1A datasets for rice leaf area index estimation based on machine learning regression models Type de document : Article/Communication Auteurs : Lamin R. Mansaray, Auteur ; Fumin Wang, Auteur ; Adam Sheka Kanu, Auteur ; Lingbo Yang, Auteur Année de publication : 2022 Article en page(s) : pp 1225 - 1236 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] apprentissage automatique [Termes IGN] Chine [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] Extreme Gradient Machine [Termes IGN] image Sentinel-SAR [Termes IGN] jeu de données localisées [Termes IGN] Leaf Area Index [Termes IGN] modèle de régression [Termes IGN] plus proche voisin, algorithme du [Termes IGN] polarisation [Termes IGN] rizière Résumé : (Auteur) Three Sentinel-1A datasets in vertical transmitted and horizontal received (VH) and vertical transmitted and vertical received (VV) polarisations, and the linear combination of VH and VV (VHVV) are evaluated for rice green leaf area index (LAI) estimation using four machine learning regression models [Support Vector Machine (SVM), k-Nearest Neighbour (k-NN), Random Forest (RF) and Gradient Boosting Decision Tree (GBDT)]. Results showed that for the entire growing season, VV outperformed VH, recording an R2 of 0.68 and an RMSE of 0.98 m2/m2 with the k-NN model. However, VHVV produced the most accurate estimates with GBDT (R2 of 0.82 and RMSE of 0.68 m2/m2), followed by that of VHVV with RF (R2 of 0.78 and RMSE of 0.90 m2/m2). Our findings have further confirmed that combining VH and VV data can achieve improved rice growth modelling, and that tree-based algorithms can better handle data dimensionality. Numéro de notice : A2022-274 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2020.1773545 Date de publication en ligne : 05/06/2020 En ligne : https://doi.org/10.1080/10106049.2020.1773545 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100753 [article]

Flood mapping using multi-temporal Sentinel-1 SAR images: A case study—Inaouene watershed from Northeast of Morocco / Brahim Benzougagh in Iranian Journal of Science and Technology - Transactions of Civil Engineering, vol 46 n° 2 (April 2022)  

Public [article]  inIranian Journal of Science and Technology - Transactions of Civil Engineering > vol 46 n° 2 (April 2022) . - pp 1481 - 1490 Titre : Flood mapping using multi-temporal Sentinel-1 SAR images: A case study—Inaouene watershed from Northeast of Morocco Type de document : Article/Communication Auteurs : Brahim Benzougagh, Auteur ; Pierre-Louis Frison , Auteur ; Sarita Gajbhiye Meshram, Auteur ; Larbi Boudad, Auteur ; Abdallah Dridri, Auteur ; Driss Sadkaoui, Auteur ; Khalid Mimich, Auteur ; Khaled Mohamed Khedher, Auteur Année de publication : 2022 Projets : 3-projet - voir note / Article en page(s) : pp 1481 - 1490 Note générale : bibliographie This research work was supported by the Deanship of Scientific Research at King Khalid University under Grant number RGP. 2/173/42. Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] bassin hydrographique [Termes IGN] cartographie des risques [Termes IGN] image radar moirée [Termes IGN] image Sentinel-SAR [Termes IGN] inondation [Termes IGN] Maroc [Termes IGN] plan de prévention des risques [Termes IGN] prévention des risques [Termes IGN] risque naturel Résumé : (auteur) Natural disasters like floods are happening worldwide. Due to their negative impact on different social, economic and environmental aspects need to monitor and map these phenomena have increased. In fact, to access the zones affected by the flood, we use open source remote sensing (RS) images acquired by optical and radar sensors. Furthermore, we present a method using Sentinel-1 images; we suggest applying Ground Range Detected (GRD) images. For this purpose, pre-processed built and provided by the European Space Agency (ESA), preserved by free software Sentinel Application Platform (SNAP) for data extraction around appropriate demand. Moreover, the principal objective of this article is to assess the capability of Sentinel-1 Synthetic Aperture Radar (SAR) images in order to visualize flood areas in the Inaouene watershed located in north-eastern of Morocco. The origin of this natural hazard is the combination of natural and anthropogenic factors that makes the watershed vulnerable with a sub-annual frequency. The results of this work help decision-makers and managers in the field of natural risk management and land-use planning to implement a strategy and action plan for the protection of the populations and the environment against the negative impact of floods. Numéro de notice : A2021-937 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.1007/s40996-021-00683-y Date de publication en ligne : 18/06/2021 En ligne : https://doi.org/10.1007/s40996-021-00683-y Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99581 [article]

Monthly mapping of forest harvesting using dense time series Sentinel-1 SAR imagery and deep learning / Feng Zhao in Remote sensing of environment, vol 269 (February 2022)  

Public [article]  inRemote sensing of environment > vol 269 (February 2022) . - n° 112822 Titre : Monthly mapping of forest harvesting using dense time series Sentinel-1 SAR imagery and deep learning Type de document : Article/Communication Auteurs : Feng Zhao, Auteur ; Rui Sun, Auteur ; Liheng Zhong, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 112822 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] Californie (Etats-Unis) [Termes IGN] carte thématique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] déboisement [Termes IGN] image Sentinel-SAR [Termes IGN] récolte de bois [Termes IGN] Rondonia (Brésil) [Termes IGN] série temporelle [Termes IGN] surveillance forestière Résumé : (auteur) Compared with disturbance maps produced at annual or multi-year time steps, monthly mapping of forest harvesting can provide more temporal details needed for studying the socio-economic drivers (e.g., differentiating salvage logging and slash-and-burn from other timber harvesting) of harvesting and characterizing the associated intra-annual carbon and hydrological dynamics. Frequent cloud cover limits the application of optical remote sensing in timely mapping of forest changes. The freely available Sentinel-1 synthetic aperture radar (SAR) sensor provides an unprecedented opportunity to achieve more frequent mapping of forest harvesting than ever before (i.e., at monthly interval). The unique landscape pattern of forest harvesting from Sentienl-1 data (i.e., how a harvested patch contrasts to surrounding intact forests) holds critical information for harvesting mapping but have not been fully explored. In this study, we propose a deep learning-based (i.e., U-Net) approach using the landscape pattern from Sentinel-1 data to produce monthly maps of forest harvesting in two deforestation hotspots - California, USA and Rondônia, Brazil – for as long as three years. Our results show that (1) our proposed approach is reliable (mean F1 scores (the geometric mean of user's and producer's accuracies) 0.74–0.78; mean IoU (the area of intersection over union between the prediction part and target part) 0.59–0.65) for monthly forest harvesting mapping with Sentinel-1 data, outperforming the traditional object-based approach (0.38–0.43 in IoU). The varying harvesting pattern from Sentinel-1 data can be recognized by the U-Net bottleneck block as whole entities, which is the key advantage of our proposed approach; (2) multi-temporal SAR filtering is helpful for improving the accuracies of our proposed approach (increased F1 and IoU for 0.04 and 0.06, respectively); (3) our proposed model can be trained using samples collected during a particular time period over one location and be fine-tuned using sparse local samples from a new area to achieve optimal performance, and hence can greatly reduce training data collection effort when applied to new study sites; (4) forest harvesting maps produced using our approach revealed substantial variations in monthly harvesting activities: in Rondônia, most of the forest harvest occurred in July/August (the dry season) and about 14% of the dry season harvesting were followed by fires (i.e., slash-and-burn); in California, the rates of forest harvesting were relatively stable, but abnormally high values could occur due to salvage logging after big fires. Our novel approach for mapping forest harvesting at monthly interval represents an important step towards timely monitoring of forest harvesting and assisting stakeholders in developing sustainable strategy of forest management, especially for regions with frequent cloud cover. Numéro de notice : A2022-078 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.rse.2021.112822 Date de publication en ligne : 08/12/2021 En ligne : https://doi.org/10.1016/j.rse.2021.112822 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99745 [article]

Modélisation temporelle du fouillis forestier radar / Xavier Husson (2022)  

Public Titre : Modélisation temporelle du fouillis forestier radar Type de document : Thèse/HDR Auteurs : Xavier Husson, Auteur ; Fabrice Boust, Directeur de thèse Editeur : Université Paris-Saclay (Université Paris 11) Année de publication : 2022 Importance : 157 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse soutenue pour obtenir le grade de Docteur à l'Université Paris-Saclay, spécialité Physique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] acquisition d'images [Termes IGN] fouillis d'échos [Termes IGN] image radar moirée [Termes IGN] implémentation (informatique) [Termes IGN] modèle de simulation [Termes IGN] modélisation de la forêt [Termes IGN] modélisation spatio-temporelle [Termes IGN] vent [Termes IGN] visibilité spatio-temporelle Index. décimale : THESE Thèses et HDR Résumé : (Auteur) La végétation est un élément important pour le radar car elle est omniprésente et met en échec de nombreux algorithmes. Cela provient avant tout du mouvement de la végétation, sous l’effet du vent, qui induit un décalage Doppler. Dans cette thèse, nous avons développé un modèle de fouillis de végétation pour l’imagerie SAR. Pour ce modèle de fouillis, nous avons décidé de travailler sur la base de 3 hypothèses. Premièrement, nous avons choisi une modélisation géotypique au travers d’une approche procédurale de création d’arbres et de leur représentation par des maillages surfaciques. Deuxièmement, nous avons opté pour une modélisation électromagnétique asymptotique compatible des fréquences supérieures à 10 GHz, typiques des systèmes d’acquisition haute résolution. Troisièmement, nous avons retenu une modélisation animée constituée d’un maillage surfacique déformable à même de rendre compte du décalage Doppler. Pour cela, nous avons adapté un simulateur ONERA permettant la génération de données radars brutes. La première amélioration réside dans le choix d’une approche asymptotique en 2 étapes (optique géométrique et physique), détermination de la visibilité des facettes du maillage et évaluation du champ rétrodiffusé correspondant. La deuxième amélioration réside dans le développement d’une méthode d’interpolation afin de limiter le nombre de calculs de visibilité, point crucial pour l’imagerie SAR haute résolution. La formation d’images SAR pour différentes intensité de vents nous a permis d’observer la défocalisation due aux mouvements des arbres au cours d’une acquisition. Une analyse de la DSP, par comparaison avec le modèle de Billingsley, confirme la capacité de notre modèle à restituer le décalage Doppler. Note de contenu : 1. Introduction 1.1 Imagerie SAR 1.2 Simulation d’acquisitions SAR 1.3 Bibliographie sur les modèles d’arbres 2. Incorporation d’un modèle de végétation à un processus de simulation existant 2.1 Travaux antérieurs : simulateur EDGE 2.2 Adaptation de la chaîne de modélisation 2.3 Mise en avant de différentes échelles de temps 3. Mise en place de la chaîne de modélisation 3.1 Préparation de données d’entrée 3.2 Description du script maître 4. Evaluation du champ rétrodiffusé 4.1 Calcul de SER de polygones 4.2 Validation de l’implémentation de l’optique physique 4.3 Développement d’une approche prenant en compte la visibilité 4.4 Développement d’une approche prenant en compte la visibilité partielle 5. Génération de données simulées 5.1 Impact des paramètres de modélisation 5.2 Impact des paramètres de la végétation 6. Conclusion 6.1 Contributions 6.2 Perspectives Numéro de notice : 26823 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Physique : Paris-Saclay : 2022 Organisme de stage : ONERA nature-HAL : Thèse DOI : sans Date de publication en ligne : 25/03/2022 En ligne : https://tel.archives-ouvertes.fr/tel-03620307/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100640

Le radar révèle des montagnes cachées / Laurent Polidori in Géomètre, n° 2198 (janvier 2022)

Public [article]  inGéomètre > n° 2198 (janvier 2022) . - pp 17 - 17 Titre : Le radar révèle des montagnes cachées Type de document : Article/Communication Auteurs : Laurent Polidori, Auteur Année de publication : 2022 Article en page(s) : pp 17 - 17 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] altimétrie satellitaire par radar [Termes IGN] Biomass [Termes IGN] longueur d'onde [Termes IGN] représentation du relief [Termes IGN] télédétection en hyperfréquence [Termes IGN] traitement d'image radar Résumé : (Auteur) Un radar embarqué sur satellite peut voir des reliefs cachés par l’eau, la forêt, le sable ou la glace. Numéro de notice : A2022-060 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/01/2022 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99401 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
063-2022011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Use of multi-temporal and multi-sensor data for continental water body extraction in the context of the SWOT mission / Nicolas Gasnier (2022)  

Permalink

Improving soil moisture retrieval from GNSS-interferometric reflectometry: parameters optimization and data fusion via neural network / Yajie Shi in International Journal of Remote Sensing IJRS, vol 42 n° 23 (1-10 December 2021)  

Permalink

La modélisation des eaux / Michel Kasser in Géomètre, n° 2197 (décembre 2021)

Permalink

Multi-objective CNN-based algorithm for SAR despeckling / Sergio Vitale in IEEE Transactions on geoscience and remote sensing, vol 59 n° 11 (November 2021)  

Permalink

A parameterization of the cloud scattering polarization signal derived from GPM observations for microwave fast radative transfer models / Victoria Sol Galligani in IEEE Transactions on geoscience and remote sensing, vol 59 n° 11 (November 2021)  

Permalink

Persistent scatterer interferometry for Pettimudi (India) landslide monitoring using Sentinel-1A images / Hari Shankar in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 11 (November 2021)  

Permalink

Automatic detection of inland water bodies along altimetry tracks for estimating surface water storage variations in the Congo basin / Frédéric Frappart in Remote sensing, vol 13 n° 19 (October-1 2021)  

Permalink

A feature based change detection approach using multi-scale orientation for multi-temporal SAR images / R. Vijaya Geetha in European journal of remote sensing, vol 54 sup 2 (2021)  

Permalink

GPRInvNet: Deep learning-based ground-penetrating radar data inversion for tunnel linings / Bin Liu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 10 (October 2021)  

Permalink

Investigation of the landslides in Beylikdüzü-Esenyurt districts of Istanbul from InSAR and GNSS observations / Caglar Bayik in Natural Hazards, vol 109 n° 1 (October 2021)  

Permalink