Centre dedocumentation
scientifique

Wide-Area Near-Real-Time Monitoring of Tropical Forest Degradation and Deforestation Using Sentinel-1 / Dirk Hoekman in Remote sensing, vol 12 n° 19 (October 1 - 15)  

Public [article]  inRemote sensing > vol 12 n° 19 (October 1 - 15) . - 32 p. Titre : Wide-Area Near-Real-Time Monitoring of Tropical Forest Degradation and Deforestation Using Sentinel-1 Type de document : Article/Communication Auteurs : Dirk Hoekman, Auteur ; Boris Kooij, Auteur ; Marcela J. Quiñones, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : 32 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] Amazonie [Termes descripteurs IGN] Bornéo, île de [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] dégradation de l'environnement [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] forêt tropicale [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] modèle physique [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surveillance forestière [Termes descripteurs IGN] télédétection en hyperfréquence [Termes descripteurs IGN] tourbière Résumé : (auteur) The use of Sentinel-1 (S1) radar for wide-area, near-real-time (NRT) tropical-forest-change monitoring is discussed, with particular attention to forest degradation and deforestation. Since forest change can relate to processes ranging from high-impact, large-scale conversion to low-impact, selective logging, and can occur in sites having variable topographic and environmental properties such as mountain slopes and wetlands, a single approach is insufficient. The system introduced here combines time-series analysis of small objects identified in S1 data, i.e., segments containing linear features and apparent small-scale disturbances. A physical model is introduced for quantifying the size of small (upper-) canopy gaps. Deforestation detection was evaluated for several forest landscapes in the Amazon and Borneo. Using the default system settings, the false alarm rate (FAR) is very low (less than 1%), and the missed detection rate (MDR) varies between 1.9% ± 1.1% and 18.6% ± 1.0% (90% confidence level). For peatland landscapes, short radar detection delays up to several weeks due to high levels of soil moisture may occur, while, in comparison, for optical systems, detection delays up to 10 months were found due to cloud cover. In peat swamp forests, narrow linear canopy gaps (road and canal systems) could be detected with an overall accuracy of 85.5%, including many gaps barely visible on hi-res SPOT-6/7 images, which were used for validation. Compared to optical data, subtle degradation signals are easier to detect and are not quickly lost over time due to fast re-vegetation. Although it is possible to estimate an effective forest-cover loss, for example, due to selective logging, and results are spatiotemporally consistent with Sentinel-2 and TerraSAR-X reference data, quantitative validation without extensive field data and/or large hi-res radar datasets, such as TerraSAR-X, remains a challenge. Numéro de notice : A2020-633 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs12193263 date de publication en ligne : 08/10/2020 En ligne : https://doi.org/10.3390/rs12193263 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96056 [article]

Deep learning for multi-modal classification of cloud, shadow and land cover scenes in PlanetScope and Sentinel-2 imagery / Yuri Shendryk in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 157 (November 2019) . - pp 124 - 136 Titre : Deep learning for multi-modal classification of cloud, shadow and land cover scenes in PlanetScope and Sentinel-2 imagery Type de document : Article/Communication Auteurs : Yuri Shendryk, Auteur ; Yannik Rist, Auteur ; Catherine Ticehurst, Auteur ; Peter Thorburn, Auteur Année de publication : 2019 Article en page(s) : pp 124 - 136 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] Amazonie [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] Australie [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection d'ombre [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image PlanetScope [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] nuage [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] zone tropicale humide Résumé : (Auteur) With the increasing availability of high-resolution satellite imagery it is important to improve the efficiency and accuracy of satellite image indexing, retrieval and classification. Furthermore, there is a need for utilizing all available satellite imagery in identifying general land cover types and monitoring their changes through time irrespective of their spatial, spectral, temporal and radiometric resolutions. Therefore, in this study, we developed deep learning models able to efficiently and accurately classify cloud, shadow and land cover scenes in different high-resolution ( Numéro de notice : A2019-494 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.08.018 date de publication en ligne : 17/09/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.08.018 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93727 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019111	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2019113	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019112	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Un été brûlant sous l’oeil des satellites / Laurent Polidori in Géomètre, n° 2173 (octobre 2019)

Public [article]  inGéomètre > n° 2173 (octobre 2019) . - pp 48 - 50 Titre : Un été brûlant sous l’oeil des satellites Type de document : Article/Communication Auteurs : Laurent Polidori, Auteur Année de publication : 2019 Article en page(s) : pp 48 - 50 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] Amazonie [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] détection d'anomalie [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] image optique [Termes descripteurs IGN] image proche infrarouge [Termes descripteurs IGN] image radar [Termes descripteurs IGN] image satellite [Termes descripteurs IGN] image Sentinel [Termes descripteurs IGN] incendie de forêt Résumé : (auteur) La variété des capteurs (optique, thermique ou radar) embarqués sur des satellites interdit désormais la dissimulation des évolutions naturelles ou artificielles qui engendrent des transformations des territoires. Le Brésil l'a constaté cet été... Numéro de notice : A2019-488 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93686 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
063-2019091	SL	Revue	Centre de documentation	Revues en salle	Disponible

Calibration of the normalized radar cross section for sentinel-1 wave mode / Huimin Li in IEEE Transactions on geoscience and remote sensing, vol 57 n° 3 (March 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 57 n° 3 (March 2019) . - pp 1514 - 1522 Titre : Calibration of the normalized radar cross section for sentinel-1 wave mode Type de document : Article/Communication Auteurs : Huimin Li, Auteur ; Alexis Mouche, Auteur ; Justin E. Stopa, Auteur ; Bertrand Chapron, Auteur Année de publication : 2019 Article en page(s) : pp 1514 - 1522 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] Amazonie [Termes descripteurs IGN] étalonnage radiométrique [Termes descripteurs IGN] forêt équatoriale [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] résidu Résumé : (Auteur) Sentinel-1 (S-1) is a two-satellite constellation for continuity of operational synthetic aperture radar (SAR) observations. Wave mode (WV) is the default mode over open ocean for S-1 to monitor global ocean waves and wind field. Therefore, proper radiometric calibration is essential to accurately infer these geophysical quantities. Based on the global data set acquired by S-1A WV, assessment of normalized radar cross section (NRCS) is carried out through comparison with CMOD5.N predictions over open ocean. The calibration accuracy quantified by NRCS residuals between SAR measurements and CMOD5.N demonstrates distinct features for two incidence angles (23.8° and 36.8°). Particularly, NRCS at 23.8° is overall consistent with CMOD5.N, while NRCS at 36.8° displays great deviation. Two recalibration methods are then implemented by examining the backscattering profile over Amazon rain forest and ocean calibration. Both methods show the necessity for recalibration and obtain comparable correction factors for WV1 and WV2, respectively. The NRCS residuals by applying both methods are significantly reduced toward zero. By comparison, ocean calibration is more efficient and practical to implement. Numéro de notice : A2019-128 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2018.2867035 date de publication en ligne : 14/09/2018 En ligne : https://doi.org/10.1109/TGRS.2018.2867035 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92457 [article]

Evaluating SAR-optical sensor fusion for aboveground biomass estimation in a Brazilian tropical forest / Aline Bernarda Debastiani in Annals of forest research, vol 62 n° 1 (January - June 2019)  

Public [article]  inAnnals of forest research > vol 62 n° 1 (January - June 2019) . - pp 109 - 122 Titre : Evaluating SAR-optical sensor fusion for aboveground biomass estimation in a Brazilian tropical forest Type de document : Article/Communication Auteurs : Aline Bernarda Debastiani, Auteur ; Carlos Roberto Sanquetta, Auteur ; Ana Paula Dalla Corte, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 109 - 122 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] Amazonie [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] arbre aléatoire [Termes descripteurs IGN] bande C [Termes descripteurs IGN] biomasse aérienne [Termes descripteurs IGN] Brésil [Termes descripteurs IGN] forêt tropicale [Termes descripteurs IGN] fusion d'images [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] réseau neuronal convolutif Résumé : (auteur) The aim of the present study is to evaluate the potential of C-band SAR data from the Sentinel-1/2 instruments and machine learning algorithms for the estimation of forest above ground forest biomass (AGB) in a high-biomass tropical ecosystem. This study was carried out in Jamari National Forest, located in the Brazilian Amazon. The response variable was AGB (Mg/ha) estimated from airborne laser surveys. The following treatments were considered as model predictors: 1) Sentinel-1 Sigma 0 at VV and VH polarizations; 2) (1) plus Sentinel-1 textural metrics; 3) (2) plus Sentinel-2 bands and derived vegetation indices (LAI, RVI, SAVI, NDVI).Our modeling design estimated the relative importance of SAR vs. optical variables in explaining AGB. The modeling was performed with twelve machine-learning algorithms including, neural network and regression tree. The addition of texture and optical data provided a noticeable improvement (3%) over models with SAR backscatter only. The best model performance was achieved with the Random Tree algorithm. Our results demonstrate the potential of freely-available SAR data and machine learning for mapping AGB in tropical ecosystems. Numéro de notice : A2019-335 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.15287/afr.2018.1267 date de publication en ligne : 30/07/2019 En ligne : http://dx.doi.org/10.15287%2Fafr.2018.1267 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93349 [article]

Évaluation de la dégradation des forêts primaires par télédétection dans un espace de front pionnier consolidé d’Amazonie orientale (Paragominas) / Ali Fadhil Hasan (2019)  

Permalink

A spatiotemporal calculus for reasoning about land-use trajectories / Adeline Marinho Maciel in International journal of geographical information science IJGIS, Vol 33 n° 1-2 (January - February 2019)  

Permalink

Using a regional numerical weather prediction model for GNSS positioning over Brazil / Daniele Barroca Marra Alves in GPS solutions, vol 20 n° 4 (October 2016)  

Permalink

Floristic composition and across-track reflectance gradient in Landsat images over Amazonian forests / Javier Muro in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)  

Permalink

Spatio-temporal change detection from multidimensional arrays: Detecting deforestation from MODIS time series / Meng Lu in ISPRS Journal of photogrammetry and remote sensing, vol 117 (July 2016)  

Permalink

Apport des données de géodésie spatiale pour l'étude du bassin hydrologique amazonien / Daniel Medeiros Moreira (2016)  

Permalink

Bayesian belief networks as a versatile method for assessing uncertainty in land-change modeling / Carsten Krüger in International journal of geographical information science IJGIS, vol 29 n° 1 (January 2015)  

Permalink

Rapport d'activité 2014 : Parc amazonien de Guyane / Parc amazonien de Guyane (2015)  

Permalink

Rapport d'activité 2013 : Parc amazonien de Guyane / Parc amazonien de Guyane (2014)  

Permalink

Le Jari / François-Michel Le Tourneau (2013)

Permalink