Centre dedocumentation
scientifique

Combining machine learning and compact polarimetry for estimating soil moisture from C-Band SAR data / Emanuele Santi in Remote sensing, Vol 11 n° 20 (2 October 2019)  

Public [article]  inRemote sensing > Vol 11 n° 20 (2 October 2019) . - 18 p. Titre : Combining machine learning and compact polarimetry for estimating soil moisture from C-Band SAR data Type de document : Article/Communication Auteurs : Emanuele Santi, Auteur ; Mohammed Dabboor, Auteur ; Simone Pettinato, Auteur ; Simonetta Paloscia, Auteur Année de publication : 2019 Article en page(s) : 18 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] bande C [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] humidité du sol [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Radarsat [Termes descripteurs IGN] Manitoba (Canada) [Termes descripteurs IGN] polarimétrie [Termes descripteurs IGN] polarisation [Termes descripteurs IGN] réseau neuronal artificiel [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surface cultivée Résumé : (auteur) This research aimed at exploiting the joint use of machine learning and polarimetry for improving the retrieval of surface soil moisture content (SMC) from synthetic aperture radar (SAR) acquisitions at C-band. The study was conducted on two agricultural areas in Canada, for which a series of RADARSAT-2 (RS2) images were available along with direct measurements of SMC from in situ stations. The analysis confirmed the sensitivity of RS2 backscattering (O°) to SMC. The comparison of SMC with the compact polarimetry (CP) parameters, computed from the RS2 acquisitions by the CP data simulator, pointed out that some CP parameters had a sensitivity to SMC equal or better than O°, with correlation coe?cients up to R ' 0.4. Based on these results, the potential of machine learning (ML) for SMC retrieval was exploited by implementing and testing on the available data an artificial neural network (ANN) algorithm. The algorithm was implemented using several combinations of O° and CP parameters. Validation results of the algorithm with in situ observations confirmed the promising capabilities of the ML techniques for SMC monitoring. Furthermore, results pointed out the potential of CP in improving the SMC retrieval accuracy, especially when used in combination with linearly polarized O°. Depending on the considered input combination, the ANN algorithm was able to estimate SMC with Root Mean Square Error (RMSE) between 3% and 7% of SMC and R between 0.7 and 0.9. Numéro de notice : A2019-555 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs11202451 date de publication en ligne : 22/10/2019 En ligne : https://doi.org/10.3390/rs11202451 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94210 [article]

Comprehensive evaluation of soil moisture retrieval models under different crop cover types using C-band synthetic aperture radar data / P. Kumar in Geocarto international, vol 34 n° 9 ([15/06/2019])  

Public [article]  inGeocarto international > vol 34 n° 9 [15/06/2019] . - pp 1022-1041 Titre : Comprehensive evaluation of soil moisture retrieval models under different crop cover types using C-band synthetic aperture radar data Type de document : Article/Communication Auteurs : P. Kumar, Auteur ; A. Choudhary, Auteur ; D. K. Gupta, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 1022-1041 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] bande C [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] couvert végétal [Termes descripteurs IGN] échantillonnage d'image [Termes descripteurs IGN] humidité du sol [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Radarsat [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] modèle de régression [Termes descripteurs IGN] polarisation [Termes descripteurs IGN] réseau neuronal artificiel [Termes descripteurs IGN] séparateur à vaste marge [Termes descripteurs IGN] Uttar Pradesh (Inde ; état) Résumé : (auteur) In the present study, random forest regression (RFR), support vector regression (SVR) and artificial neural network regression (ANNR) models were evaluated for the retrieval of soil moisture covered by winter wheat, barley and corn crops. SVR with radial basis function kernel was provided the highest adj. R2 (0.95) value for soil moisture retrieval covered by the wheat crop at VV polarization. However, RFR provided the adj. R2 (0.94) value for soil moisture retrieval covered by barley crop at VV polarization using Sentinel-1A satellite data. The adj. R2 (0.94) values were found for the soil moisture covered by corn crop at VV polarization using RFR, SVR linear and radial basis function kernels. The least performance was reported using ANNR model for almost all the crops under investigation. The soil moisture retrieval outcomes were found better at VV polarization in comparison to VH polarization using three different models. Numéro de notice : A2019-517 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1464601 date de publication en ligne : 03/05/2018 En ligne : https://doi.org/10.1080/10106049.2018.1464601 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93876 [article]

Estimation of the forest stand mean height and aboveground biomass in Northeast China using SAR Sentinel-1B, multispectral Sentinel-2A, and DEM imagery / Yanan Liu in ISPRS Journal of photogrammetry and remote sensing, vol 151 (May 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 151 (May 2019) . - pp 277 - 289 Titre : Estimation of the forest stand mean height and aboveground biomass in Northeast China using SAR Sentinel-1B, multispectral Sentinel-2A, and DEM imagery Type de document : Article/Communication Auteurs : Yanan Liu, Auteur ; Weishu Gong, Auteur ; Yanqiu Xing, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 277 - 289 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] biomasse forestière [Termes descripteurs IGN] carbone [Termes descripteurs IGN] Chine [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] hauteur des arbres [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] polarisation Résumé : (Auteur) Accurate mapping the forest stand mean height (FSMH) and aboveground biomass (AGB) with a high spatial resolution are important for monitoring carbon stocks on Earth and the variability and trends of terrestrial carbon fluxes. The recently launched Sentinel-1 (SAR) and Sentinel-2 (multispectral) missions offers a new opportunity to map FSMH and AGB. Here we present a methodological framework to map the FSMH and AGB at a resolution of 10 m in Yichun, Northeast China, by integrating field plots, Sentinel imagery, topographic data, and national geographical conditions monitoring data. First, a spatial continuous FSMH product was retrieved using an empirical model, which adopts the backscattering of SAR Sentinel-1B and the fraction of vegetation cover (FVC) variable from multispectral Sentinel-2A imagery. Subsequently, three AGB estimation models were developed for different forest types to link the field measurements to the FSMH, biophysical variables, spectral vegetation index, and topographic variables using the random forest algorithm. The mapping results show that the FSMH estimated using SAR backscatter values from VH polarization is more robust and accurate than that based on VV polarization. Furthermore, the three AGB estimation models based on three different forest types perform better than the model built by grouping all forest types together. The determination coefficient (R2) and root-mean-squared error (RMSE) range from 0.69 to 0.74 and 23.38 Mg/ha to 24.21 Mg/ha, respectively. Overall, our study demonstrates that the proposed methodological framework can be used to map the FSMH and AGB products at a high spatial resolution utilizing freely accessible Sentinel-1 SAR and Sentinel-2 multispectral imagery. Numéro de notice : A2019-211 Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.03.016 date de publication en ligne : 30/03/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.03.016 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92677 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019051	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019053	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019052	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Détection de changement par imagerie radar sur les zones naturelles et agricoles en milieu tropical / Jérôme Lebreton (2018) 

Public Titre : Détection de changement par imagerie radar sur les zones naturelles et agricoles en milieu tropical Type de document : Mémoire Auteurs : Jérôme Lebreton, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 45 p. Format : 21 x 30 cm Note générale : bibliographie rapport de stage de fin d'études, Cycle géomètre-géomaticien Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] composition colorée [Termes descripteurs IGN] comptage [Termes descripteurs IGN] correction d'image [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] extraction de la végétation [Termes descripteurs IGN] Gabon [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] image SPOT [Termes descripteurs IGN] image TerraSAR-X [Termes descripteurs IGN] milieu tropical [Termes descripteurs IGN] palmier [Termes descripteurs IGN] polarisation [Termes descripteurs IGN] rendement agricole [Termes descripteurs IGN] surveillance agricole [Termes descripteurs IGN] télédétection en hyperfréquence Index. décimale : GEOM Mémoires de géomètres civils Résumé : (auteur) Dans le cadre du Challenge Numérique « Suivi des plantations dans les pays en développements» piloté par Booster Nova, L’Avion Jaune porte un projet nommé « Palmap » pour le groupe Olam International. Ce projet comprend un volet de développement de solutions permettant le suivi de la culture de palmiers à huile et un volet sur le suivi des mesures compensatoires de préservation de l’environnement naturel autour des plantations en utilisant des données vues du ciel (drones) combinées avec des données collectées sur le terrain et des données satellites. Olam International est une société singapourienne de négoce en produits agroalimentaires, qui gère des plantations (cacao, caoutchouc, huile de palme, amandes, noix de cajou, …) dans plusieurs pays. L’huile de palme est la plus consommée au monde et est considérée comme la source principale d’huile parmi les autres végétaux. Le Gabon s’est ainsi lancé dans cette production dû à un besoin essentiel de développer son agriculture afin de diversifier son économie. La production d’huile de palme est destinée principalement au marché local et à la sous région. Note de contenu : 1- Présentation 2- Contexte 3- Images radar 4- Analyse des données radar Numéro de notice : 21941 Thématique : IMAGERIE Nature : Mémoire de fin d'études G Organisme de stage : L’Avion Jaune Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91741

Documents numériques

peut être téléchargé Détection de changement par imagerie... - pdf auteur Adobe Acrobat PDF

A wavelet decomposition and polynomial fitting-based method for the estimation of time-varying residual motion error in airborne interferometric SAR / Hai Qiang Fu in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 56 n° 1 (January 2018) . - pp 49 - 59 Titre : A wavelet decomposition and polynomial fitting-based method for the estimation of time-varying residual motion error in airborne interferometric SAR Type de document : Article/Communication Auteurs : Hai Qiang Fu, Auteur ; Jian Jun Zhu, Auteur ; Chang Cheng Wang, Auteur ; Hui Qiang Wang, Auteur ; Rong Zhao, Auteur Année de publication : 2018 Article en page(s) : pp 49 - 59 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] estimation statistique [Termes descripteurs IGN] interféromètrie par radar à antenne synthétique [Termes descripteurs IGN] polarisation [Termes descripteurs IGN] résidu [Termes descripteurs IGN] transformation en ondelettes Résumé : (Auteur) Compensating the residual motion error (RME) is very important in airborne interferometric synthetic aperture radar (InSAR). In this paper, the wavelet decomposition and polynomial fitting-based (WDPF) method is proposed for detecting and correcting the RME. Wavelet decomposition with root-mean-square error (RMSE) change ratio-based decomposition scale identification is used to detect the RME from the differential interferogram. Polynomial fitting in combination with robust estimation-based least squares is used to absorb the incidence-angle-dependent and topography-dependent components of the RME. A simulated experiment was conducted to test the proposed WDPF method. High-precision RME (with an RMSE of 0.0375 rad) was obtained, which can meet the requirements of InSAR. Real-data L- and P-band InSAR experiments were also performed to test the WDPF method. The results confirmed that the WDPF method can effectively correct the RME for the interferogram. The RMSE of the estimated digital elevation model (DEM) was reduced from 8.03 to 3.46 m and 8.18 to 3.10 m for the L- and P-band interferograms, respectively. Finally, the effects of the external DEM error and polarization on the RME calibration were investigated. The results indicated that the global InSAR DEM products can fulfill the requirement of differential interferogram generation for the WDPF method, and the multipolarization interferograms can help to reduce the effect of the topographic error phase on RME estimation. Numéro de notice : A2018-184 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2017.2727076 date de publication en ligne : 09/11/2017 En ligne : https://doi.org/10.1109/TGRS.2017.2727076 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89841 [article]

Surface soil moisture retrieval using the L-band synthetic aperture radar onboard the Soil Moisture Active–Passive Satellite and evaluation at core validation sites / Seung-Bum Kim in IEEE Transactions on geoscience and remote sensing, vol 55 n° 4 (April 2017)  

Permalink

Satellite-based probabilistic assessment of soil moisture using C-band quad-polarized RISAT1 data / Manali Pal in IEEE Transactions on geoscience and remote sensing, vol 55 n° 3 (March 2017)  

Permalink

Double take : mitigating interference with a dual-polarized antenna array in a real environment / Matteo Sgammini in GPS world, vol 28 n° 2 (February 2017)

Permalink

Airborne DLSLA 3-D SAR image reconstruction by combination of polar formatting and L_1 regularization / Xueming Peng in IEEE Transactions on geoscience and remote sensing, vol 54 n° 1 (January 2016)

Permalink

Forcing scale invariance in multipolarization SAR change detection / Vincenzo Carotenuto in IEEE Transactions on geoscience and remote sensing, vol 54 n° 1 (January 2016) 

Permalink

Invariant rules for multipolarization SAR change detection / Vincenzo Carotenuto in IEEE Transactions on geoscience and remote sensing, vol 53 n° 6 (June 2015)  

Permalink

Assessment of the relevance of information derived from the unmixing of polarimetric radar images / Sébastien Giordano (2015)  

Permalink

Ground-based array for tomographic imaging of the tropical forest in P-band / Ho Tong Minh Dinh in IEEE Transactions on geoscience and remote sensing, vol 51 n° 8 (August 2013)

Permalink

Texture classification of PolSAR data based on sparse coding of wavelet polarization textons / Chu He in IEEE Transactions on geoscience and remote sensing, vol 51 n° 8 (August 2013)

Permalink

Analysis on the resolution of polarimetric radar and performance evaluation of the polarimetric bandwidth extrapolation method / Kei Suwa in IEEE Transactions on geoscience and remote sensing, vol 51 n° 7 Tome 2 (July 2013)

Permalink