Descripteur
Documents disponibles dans cette catégorie (329)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Titre : Remote sensing by satellite gravimetry Type de document : Monographie Auteurs : Thomas Gruber, Éditeur scientifique ; Annette Eicker, Éditeur scientifique ; Frank Flechtner, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2021 Importance : 286 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-0365-0009-6 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie physique
[Termes IGN] bilan de masse
[Termes IGN] CHAMP (satellite)
[Termes IGN] champ de pesanteur terrestre
[Termes IGN] données GOCE
[Termes IGN] données GRACE
[Termes IGN] géocentre
[Termes IGN] gradient de gravitation
[Termes IGN] gravimétrie spatiale
[Termes IGN] nivellement par GPS
[Termes IGN] orbitographie
[Termes IGN] télémétrie laser sur satelliteRésumé : (auteur) Over the last two decades, satellite gravimetry has become a new remote sensing technique that provides a detailed global picture of the physical structure of the Earth. With the CHAMP, GRACE, GOCE and GRACE Follow-On missions, mass distribution and mass transport in the Earth system can be systematically observed and monitored from space. A wide range of Earth science disciplines benefit from these data, enabling improvements in applied models, providing new insights into Earth system processes (e.g., monitoring the global water cycle, ice sheet and glacier melting or sea-level rise) or establishing new operational services. Long time series of mass transport data are needed to disentangle anthropogenic and natural sources of climate change impacts on the Earth system. In order to secure sustained observations on a long-term basis, space agencies and the Earth science community are currently planning future satellite gravimetry mission concepts to enable higher accuracy and better spatial and temporal resolution. This Special Issue provides examples of recent improvements in gravity observation techniques and data processing and analysis, applications in the fields of hydrology, glaciology and solid Earth based on satellite gravimetry data, as well as concepts of future satellite constellations for monitoring mass transport in the Earth system. Note de contenu : 1- The GFZ GRACE RL06 monthly gravity field time series: Processing details and quality assessment
2- SLR, GRACE and swarm gravity field determination and combination
3- A new approach to Earth’s gravity field modeling using GPS-derived kinematic orbits and baselines
4- Improved estimates of geocenter variability from time-variable gravity and ocean model outputs
5- An assessment of the GOCE high-level processing facility (HPF) released global geopotential models with regional test results in Turkey
6- Next-generation gravity missions: Sino-European numerical simulation comparison exercise
7- Combination analysis of future polar-type gravity mission and GRACE follow-on
8- Gravity field recovery using high-precision, high–low inter-satellite links
9- High-resolution mass trends of the Antarctic ice sheet through a spectral combination of satellite gravimetry and radar altimetry observations
10- The rapid and steady mass loss of the Patagonian icefields throughout the GRACE era: 2002–2017
11- Downscaling GRACE TWSA data into high-resolution groundwater level anomaly using machine learning-based models in a glacial aquifer system
12- Hydrologic mass changes and their implications in Mediterranean-climate Turkey from GRACE measurements
13- GOCE-derived coseismic gravity gradient changes caused by the 2011 Tohoku-Oki earthquakeNuméro de notice : 28391 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-0365-0009-6 En ligne : https://doi.org/10.3390/books978-3-0365-0009-6 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98720
Titre : Remote sensing of snow and its applications Type de document : Monographie Auteurs : Ali Nadir Arslan, Éditeur scientifique ; Zuhal Akyurek, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2021 Importance : 190 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-3-0365-0071-3 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bilan de masse
[Termes IGN] Canada
[Termes IGN] glacier
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] image Terra-MODIS
[Termes IGN] manteau neigeux
[Termes IGN] modèle hydrographique
[Termes IGN] modèle météorologique
[Termes IGN] Mongolie
[Termes IGN] neige
[Termes IGN] réflectanceRésumé : (éditeur) The reprint book of the "Remote Sensing of Snow and Its Applications" Special Issue provides recent studies on all aspects of remote sensing of snow, from retrieving the data to the application. These studies mainly address the following: (a) New opportunities (Copernicus Sentinels) and emerging remote sensing methods, (b) use of snow data in modeling, and (c) characterization of snowpack. Note de contenu : 1- Special issue on remote sensing of snow and its applications
2- Cross-country assessment of H-SAF snow products by Sentinel-2 imagery validated against in-situ observations and webcam photography
3- Automated classification of terrestrial images: The contribution to the remote sensing of snow cove
4- Multi-source based spatio-temporal distribution of snow in a semi-arid headwater catchment of Northern Mongolia
5- Discriminating wet snow and firn for alpine glaciers using Sentinel-1 data: A case study at Rofental, Austria
6- Review of snow data assimilation methods for hydrological, land surface, meteorological and climate models: results from a COST HarmoSnow survey
7- Generating observation-based snow depletion curves for use in snow cover data assimilation
8- Advances in snow hydrology using a combined approach of GNSS in situ stations, hydrological modelling and Earth observation - A case study in Canada
9- Analysis of qualitySpec trek reflectance from vertical profiles of taiga snowpack
10- Geometric versus anemometric surface roughness for a shallow accumulating snowpackNuméro de notice : 28386 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-0365-0071-3 En ligne : https://doi.org/10.3390/books978-3-0365-0071-3 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98623 Seasonal flow variability of Greenlandic glaciers : satellite observations and numerical modeling to study driving processes / Anna Derkacheva (2021)
Titre : Seasonal flow variability of Greenlandic glaciers : satellite observations and numerical modeling to study driving processes Type de document : Thèse/HDR Auteurs : Anna Derkacheva, Auteur ; Jérémie Mouginot, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 151 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Grenoble Alpes, Spécialité Sciences de la Terre et de l’Univers et de l’EnvironnementLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] fonte des glaces
[Termes IGN] glacier
[Termes IGN] Groenland
[Termes IGN] image Landsat-8
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] modèle numérique
[Termes IGN] précision métrique
[Termes IGN] série temporelle
[Termes IGN] variation saisonnière
[Termes IGN] vitesse de déplacementIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Les changements récents de la vitesse d'écoulement des glaciers ont une grande influence sur la perte de masse actuelle de la calotte glaciaire du Groenland. Les processus à l'origine de la variabilité de l'écoulement à différentes échelles de temps, ainsi que les conséquences et les rétroactions associées, ne sont pas encore entièrement compris. Ceci est partiellement dû au fait que le manque d'observations fréquentes, précises et à grande échelle limite le développement des modèles numériques. Il est particulièrement difficile de résoudre les fluctuations saisonnières de vitesse, mais il est crucial de mieux contraindre les processus physiques contrôlant l'écoulement de la glace.Cette thèse se concentre donc sur (i) les difficultés qui existent dans l'établissement de séries temporelles saisonnières robustes de la vitesse de surface des glaciers du Groenland à partir d'observations satellitaires, et (ii) l'utilisation de ces séries temporelles dans les modèles numériques pour une meilleure compréhension des facteurs affectant l'écoulement.Les satellites sont capables de couvrir de vastes zones en un temps relativement court et de manière uniforme. Les séries temporelles continues avec une résolution temporelle saisonnière n'ont commencé à être utilisées que récemment, en raison du nombre limité d'acquisitions d'images réalisées auparavant. De plus, les séries temporelles des vitesses dérivées de capteurs individuels restent temporellement incomplètes et relativement bruitées. En combinant trois satellites appropriés (Landsat-8, Sentinel-2 et Sentinel-1) sur trois sites d'étude au Groenland (le secteur de Russell, Upernavik Isstrøm et Petermann Gletscher), nous démontrons qu'il est possible d'obtenir des séries temporelles continues sur toute l'année. Nous montrons également ici qu'en appliquant un post-traitement basé sur la redondance des données à ces ensembles de mesures multi-capteurs, nous sommes en mesure d'obtenir un suivi du mouvement de la surface de la glace avec une résolution temporelle d'environ 2 semaines et une précision moyenne d'environ 10 m/an. Avec de tels paramètres, nous pouvons résoudre la variabilité saisonnière des glaciers du Groenland où les études précédentes n'ont eu qu'un succès limité.L'élaboration de modèles numériques fiables représentant correctement les processus affectant l’écoulement de la glace nécessite des observations appropriées pour leurs calibrations et validations. Dans le secteur autour de Russell Gletscher, nous explorons la capacité d'une méthode de modélisation numérique existante à utiliser avantageusement les séries temporelles obtenues précédemment pour en déduire les variations saisonnières des conditions sous-glaciaires. Il est largement reconnu qu'ils exercent un contrôle majeur sur la variabilité des débits, cependant, malgré des développements théoriques et de modélisation récente, la contrainte du processus in situ reste une question clé en glaciologie. En appliquant la méthode de contrôle inverse mis en œuvre en modèle d’écoulement glaciaire Elmer/Ice sur des cartes de vitesse bimensuel, nous estimons l'évolution tout au long de l'année de la vitesse de glissement basale des glaciers, de la traction basale et de la pression d'eau sous-glaciaire avec une résolution spatiale détaillée. Notre analyse montre que ces résultats peuvent être utilisés avec succès pour révéler le fonctionnement de l'environnement sous-glaciaire sur différentes échelles de temps et son influence sur la vitesse des glaciers. Ces résultats pourraient également servir de validation intermédiaire pour des modèles couplés plus complexes entre l'écoulement glaciaire et l’hydrologie sous-glaciaire. Note de contenu : Introduction
1. Glaciers
1.1 Glacier definitions
1.2 Glacier motion
1.3 Drivers of velocity change over time
1.4 Summary
2. Satellite observations of the surface ice speed
2.1 Study areas
2.2 Velocity database
2.3 Seasonal variations in surface speed on selected glacier in 2015-2019
3. Modelling of seasonal dynamics of glacier basal environment
3.1 Modelling approaches
3.2 Case study of the Russell sector: ice flow seasonal dynamics
Conclusion & perspectivesNuméro de notice : 26804 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l’Univers et de l’Environnement : Grenoble Alpes : 2021 Organisme de stage : Institut des Géosciences de l’Environnement IGE nature-HAL : Thèse DOI : sans Date de publication en ligne : 03/01/2022 En ligne : https://tel.archives-ouvertes.fr/tel-03508093/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100129 Semantic segmentation of sea ice type on Sentinel-1 SAR data using convolutional neural networks / Alissa Kouraeva (2021)
Titre : Semantic segmentation of sea ice type on Sentinel-1 SAR data using convolutional neural networks Type de document : Mémoire Auteurs : Alissa Kouraeva, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 40 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] carte thématique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] eau de mer
[Termes IGN] géovisualisation
[Termes IGN] glace de mer
[Termes IGN] image Aqua-AMSR
[Termes IGN] image Sentinel-SAR
[Termes IGN] matrice de confusion
[Termes IGN] restauration d'image
[Termes IGN] segmentation sémantiqueIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) La classification des types de glace marine est une composante essentielle de l’observation de la banquise dans les régions polaires. La présente étude cherche à améliorer l’automatisation de la construction de cartes de type de glace (ice charts), d’habitude manuellement réalisées par des experts, en utilisant des réseaux de neurones convolutifs (CNN). Les réseaux utilisent des données radar issues des missions Sentinel-1, et des données micro-ondes passif (AMSR2) en entrée. La cible de ces réseaux est composée de cartes de type de glace utilisées pour la navigation. Une carte de types de glace se présente sous la forme de multiples polygones. Elle montre les concentrations partielles, les stades de développement ainsi que les formes des trois types de glaces dominants. La glace est considérée comme uniforme au sein d’un polygone. Cependant, les cartes de type de glaces ne sont pas une fidèle représentation de la réalité, car les pixels au sein d’un polygone appartiennent à différentes classes. De plus, le niveau de détail d’un polygone est grossier et les experts peuvent faire des erreurs dans la classification du type de glace. Afin de minimiser ce type d’erreur, nous utilisons deux types d’encodage one-hot (binaire et continu) qui améliorent la représentation des types de glace et prennent en compte les incertitudes. Plusieurs configurations de réseaux de neurones sont testées lors de tests de sensibilité. Parmi elles, deux sont retenues car les plus performantes pour trois types de surfaces (eau, glace de première année, glace de plusieurs années) en termes de valeur de précision, de fonction de perte et de visualisation. Note de contenu :
Introduction
1. Data
1.1 Sentinel-1 SAR data
1.2 AMSR2 PMW data
1.3 Ice charts
2. Methods
2.1 Data preprocessing
2.2 Experiments with CNN architecture
3. Results
3.1 Evolution of validation loss
3.2 Evolution of accuracy
3.3 Optimal CNN architectures
3.4 Individual patches inferred from a test image
3.5 Maps of sea ice types inferred from test images
4. Discussion
4.1 Interpretation of SIGRID codes
4.2 Evaluation of CNN performance
4.3 Selection of the best network
4.4 Future work
5. Internship feedback
5.1 General feedback
5.2 Organisation during the internship
A Confusion Matrices
B FiguresNuméro de notice : 26608 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Nansen Environmental and Remote Sensing Center NERSC Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98534 Documents numériques
peut être téléchargé
Semantic segmentation of sea ice type on Sentinel-1 SAR data... - pdf auteurAdobe Acrobat PDF Deep learning for detecting and classifying ocean objects: application of YoloV3 for iceberg–ship discrimination / Frederik Hass in ISPRS International journal of geo-information, vol 9 n° 12 (December 2020)
[article]
Titre : Deep learning for detecting and classifying ocean objects: application of YoloV3 for iceberg–ship discrimination Type de document : Article/Communication Auteurs : Frederik Hass, Auteur ; Jamal Jokar Arsanjani, Auteur Année de publication : 2020 Article en page(s) : n° 758 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] Groenland
[Termes IGN] hydrocarbure
[Termes IGN] iceberg
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] navire
[Termes IGN] océan
[Termes IGN] seuillage d'image
[Termes IGN] trafic maritimeRésumé : (auteur) Synthetic aperture radar (SAR) plays a remarkable role in ocean surveillance, with capabilities of detecting oil spills, icebergs, and marine traffic both at daytime and at night, regardless of clouds and extreme weather conditions. The detection of ocean objects using SAR relies on well-established methods, mostly adaptive thresholding algorithms. In most waters, the dominant ocean objects are ships, whereas in arctic waters the vast majority of objects are icebergs drifting in the ocean and can be mistaken for ships in terms of navigation and ocean surveillance. Since these objects can look very much alike in SAR images, the determination of what objects actually are still relies on manual detection and human interpretation. With the increasing interest in the arctic regions for marine transportation, it is crucial to develop novel approaches for automatic monitoring of the traffic in these waters with satellite data. Hence, this study aims at proposing a deep learning model based on YoloV3 for discriminating icebergs and ships, which could be used for mapping ocean objects ahead of a journey. Using dual-polarization Sentinel-1 data, we pilot-tested our approach on a case study in Greenland. Our findings reveal that our approach is capable of training a deep learning model with reliable detection accuracy. Our methodical approach along with the choice of data and classifiers can be of great importance to climate change researchers, shipping industries and biodiversity analysts. The main difficulties were faced in the creation of training data in the Arctic waters and we concluded that future work must focus on issues regarding training data. Numéro de notice : A2020-808 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9120758 Date de publication en ligne : 19/12/2020 En ligne : https://doi.org/10.3390/ijgi9120758 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96953
in ISPRS International journal of geo-information > vol 9 n° 12 (December 2020) . - n° 758[article]The effect of different sampling schemes on estimation precision of snow water equivalent (SWE) using geostatistics techniques in a semi-arid region of Iran / Hojatolah Ganjkhanlo in Geocarto international, vol 35 n° 16 ([01/12/2020])PermalinkUnderstanding the synergies of deep learning and data fusion of multispectral and panchromatic high resolution commercial satellite imagery for automated ice-wedge polygon detection / Chandi Witharana in ISPRS Journal of photogrammetry and remote sensing, vol 170 (December 2020)PermalinkGeostatistical analysis and mitigation of the atmospheric phase screens in Ku-band terrestrial radar interferometric observations of an alpine glacier / Simone Baffelli in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkRiver ice segmentation with deep learning / Abhineet Singh in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkGlobal Climate [in “State of the Climate in 2019"] / A. Ades in Bulletin of the American Meteorological Society, vol 101 n° 8 (August 2020)PermalinkRecent changes in two outlet glaciers in the Antarctic Peninsula using multi-temporal Landsat and Sentinel-1 data / Carolina L. Simões in Geocarto international, vol 35 n° 11 ([01/08/2020])PermalinkClassification of sea ice types in Sentinel-1 SAR data using convolutional neural networks / Hugo Boulze in Remote sensing, vol 12 n° 13 (July-1 2020)PermalinkDiscrimination of different sea ice types from CryoSat-2 satellite data using an Object-based Random Forest (ORF) / Su Shu in Marine geodesy, Vol 43 n° 3 (May 2020)PermalinkAssessment of the Baspa basin glaciers mass budget using different remote sensing methods and modeling techniques / Vinay Kumar Gaddam in Geocarto international, vol 35 n° 3 ([01/03/2020])PermalinkArctic sea ice thickness retrievals from CryoSat-2: seasonal and interannual comparisons of three different products / Mengmeng Li in International Journal of Remote Sensing IJRS, vol 41 n° 1 (01 - 08 janvier 2020)Permalink