Centre dedocumentation
scientifique

An implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data / Puzhao Zhang in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > Vol 158 (December 2019) . - pp 50 - 62 Titre : An implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data Type de document : Article/Communication Auteurs : Puzhao Zhang, Auteur ; Andrea Nascetti, Auteur ; Yifang Ban, Auteur ; Maoguo Gong, Auteur Année de publication : 2019 Article en page(s) : pp 50 - 62 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] Californie (Etats-Unis) [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] incendie [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] Short Waves InfraRed Résumé : (auteur) Compared with optical sensors, the all-weather and day-and-night imaging ability of Synthetic Aperture Radar (SAR) makes it competitive for burnt area mapping. This study investigates the potential of Sentinel-1 C-band SAR sensors in burnt area mapping with an implicit Radar Convolutional Burn Index (RCBI). Based on multitemporal Sentinel-1 SAR data, a convolutional networks-based classification framework is proposed to learn the RCBI for highlighting the burnt areas. We explore the mapping accuracy level that can be achieved using SAR intensity and phase information for both VV and VH polarizations. Moreover, we investigate the decorrelation of Interferometric SAR (InSAR) coherence to wildfire events using different temporal baselines. The experimental results on two recent fire events, Thomas Fire (Dec., 2017) and Carr Fire (July, 2018) in California, demonstrate that the learnt RCBI has a better potential than the classical log-ratio operator in highlighting burnt areas. By exploiting both VV and VH information, the developed RCBI achieved an overall mapping accuracy of 94.68% and 94.17% on the Thomas Fire and Carr Fire, respectively. Numéro de notice : A2019-545 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.013 date de publication en ligne : 04/10/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.013 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94189 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019121	SL	Revue	Centre de documentation	Revues en salle	Disponible

Combining Sentinel-1 and Sentinel-2 Satellite image time series for land cover mapping via a multi-source deep learning architecture / Dino Lenco in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > Vol 158 (December 2019) Titre : Combining Sentinel-1 and Sentinel-2 Satellite image time series for land cover mapping via a multi-source deep learning architecture Type de document : Article/Communication Auteurs : Dino Lenco, Auteur ; Roberto Interdonato, Auteur ; Raffaele Gaetano, Auteur ; Ho Tong Minh Dinh, Auteur Année de publication : 2019 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] Burkina Faso [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] fusion d'images [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] Réunion, île de la [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] utilisation du sol Résumé : (auteur) The huge amount of data currently produced by modern Earth Observation (EO) missions has allowed for the design of advanced machine learning techniques able to support complex Land Use/Land Cover (LULC) mapping tasks. The Copernicus programme developed by the European Space Agency provides, with missions such as Sentinel-1 (S1) and Sentinel-2 (S2), radar and optical (multi-spectral) imagery, respectively, at 10 m spatial resolution with revisit time around 5 days. Such high temporal resolution allows to collect Satellite Image Time Series (SITS) that support a plethora of Earth surface monitoring tasks. How to effectively combine the complementary information provided by such sensors remains an open problem in the remote sensing field. In this work, we propose a deep learning architecture to combine information coming from S1 and S2 time series, namely TWINNS (TWIn Neural Networks for Sentinel data), able to discover spatial and temporal dependencies in both types of SITS. The proposed architecture is devised to boost the land cover classification task by leveraging two levels of complementarity, i.e., the interplay between radar and optical SITS as well as the synergy between spatial and temporal dependencies. Experiments carried out on two study sites characterized by different land cover characteristics (i.e., the Koumbia site in Burkina Faso and Reunion Island, a overseas department of France in the Indian Ocean), demonstrate the significance of our proposal. Numéro de notice : A2019-544 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.016 date de publication en ligne : 27/09/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.016 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94186 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019121	SL	Revue	Centre de documentation	Revues en salle	Disponible

Using a U-net convolutional neural network to map woody vegetation extent from high resolution satellite imagery across Queensland, Australia / Neil Flood in International journal of applied Earth observation and geoinformation, vol 82 (October 2019)  

Public [article]  inInternational journal of applied Earth observation and geoinformation > vol 82 (October 2019) . - 15 p. Titre : Using a U-net convolutional neural network to map woody vegetation extent from high resolution satellite imagery across Queensland, Australia Type de document : Article/Communication Auteurs : Neil Flood, Auteur ; Fiona Watson, Auteur ; Lisa Collett, Auteur Année de publication : 2019 Article en page(s) : 15 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] arbre (flore) [Termes descripteurs IGN] bois sur pied [Termes descripteurs IGN] Buisson [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] données d'apprentissage [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image satellite [Termes descripteurs IGN] méthode de Monte-Carlo [Termes descripteurs IGN] mosaïque d'images [Termes descripteurs IGN] Queensland (Australie) [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] texture d'image Résumé : (auteur) Convolutional neural networks offer a new approach to classifying high resolution imagery. We use the U-net neural network architecture to map the presence or absence of trees and large shrubs across the Australian state of Queensland. From a state-wide mosaic of 1 m resolution 3-band Earth-i imagery, a selection of 827 squares (1 km2) are manually labeled for the presence of trees or large shrubs, and these are used to train the neural network. The training is intended to capture the textures which are primary visual cues of such vegetation. The trained neural network has an accuracy on independent data of around 90%. The resulting map over the whole of Queensland (1.73 million km2) is intended to be manually checked, and edited where necessary, to provide a high quality map of woody vegetation extent to serve a range of government policy objectives. Numéro de notice : A2019-474 Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.jag.2019.101897 date de publication en ligne : 28/06/2019 En ligne : https://doi.org/10.1016/j.jag.2019.101897 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93635 [article]

Free and open-source GIS technologies for the management of woody biomass / Michele Mangiameli in Applied geomatics, vol 11 n° 3 (September 2019)  

Public [article]  inApplied geomatics > vol 11 n° 3 (September 2019) . - pp 309 - 315 Titre : Free and open-source GIS technologies for the management of woody biomass Type de document : Article/Communication Auteurs : Michele Mangiameli, Auteur ; Giuseppe Mussumeci, Auteur ; Paolo Roccaro, Auteur ; Federico G. A. Vagliasindi, Auteur Année de publication : 2019 Article en page(s) : pp 309 - 315 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG [Termes descripteurs IGN] base de données localisées [Termes descripteurs IGN] bioénergie [Termes descripteurs IGN] biomasse forestière [Termes descripteurs IGN] carte forestière [Termes descripteurs IGN] dioxyde de carbone [Termes descripteurs IGN] données cadastrales [Termes descripteurs IGN] gestion forestière [Termes descripteurs IGN] logiciel libre [Termes descripteurs IGN] logiciel SIG [Termes descripteurs IGN] problème du voyageur de commerce [Termes descripteurs IGN] ressources forestières [Termes descripteurs IGN] système de gestion de bases de données relationnelles Résumé : (Auteur) Biomasses are materials of organic origin that can be used for the production of energy. Among the renewable energy sources, a prominent role is played by woody biomass, which can be retrieved from existing forests or plantations governed in short or middle rotation coppice, the so-called Short and Medium Rotation Forestry. The main environmental benefit resulting from the use of wood biomass consists in the fact that the amount of carbon dioxide released during their combustion process is the same as that absorbed during the development phase. Here, we propose a procedure to manage the traceability of short biomass chains and to schedule the activities for mobile forest construction sites using free and open-source GIS technologies. Firstly, we created a spatial DB to manage the areas where the cutting and logging activities are performed. Then, we overlapped the boundaries of areas with the cadastral sheets to ensure the biomass comes from short chain, i.e., within the range of 70 km from the position of the central. To plan the number of working days required and make an estimation of the production, the total area of the lots, the land clearing, and the net area were calculated. Finally, depending on the characteristics of wooded areas, the type of system to be used for the business of cutting and logging was evaluated. This work demonstrates how GIS allows a fast traceability of short biomass chains and an estimation of the production by improving the efficiency and effectiveness of biomass resource assessment. Numéro de notice : A2019-462 Thématique : BIODIVERSITE/FORET/GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s12518-019-00265-8 date de publication en ligne : 27/04/2019 En ligne : https://doi.org/10.1007/s12518-019-00265-8 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93602 [article]

Polarimétrie radar complète et partielle pour le suivi des surfaces terrestres / Pierre-Louis Frison in Revue Française de Photogrammétrie et de Télédétection, n° 219-220 (juin - décembre 2019)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 219-220 (juin - décembre 2019) . - pp 33 - 39 Titre : Polarimétrie radar complète et partielle pour le suivi des surfaces terrestres Type de document : Article/Communication Auteurs : Pierre-Louis Frison , Auteur ; Cédric Lardeux, Auteur ; Bénédicte Fruneau , Auteur ; Jean-Paul Rudant , Auteur Année de publication : 2019 Article en page(s) : pp 33 - 39 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] classification [Termes descripteurs IGN] extraction de la végétation [Termes descripteurs IGN] image ALOS-PALSAR [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] polarimétrie radar [Termes descripteurs IGN] sédimentation [Termes descripteurs IGN] Tunisie Résumé : (auteur) This article presents some illustrations of (fully or partial) polarimetric radar data applications for the monitoring of terrestrial surfaces. The first part is dedicated to fully polarimetric radar data. Firstly, a theoretical reminder presents the specificity of fully polarimetric data. Then illustrations are given for vegetation types cartography as well as spatio-temporal processes of sedimentation in a semi-arid area in Tunisia. The second part focuses on partially polarimetric data, of the type acquired by the Sentinel-1A/1B satellite SAR sensors, which will be widely used in future years due to their significant contribution to land surface observations studies for environmental sciences. Numéro de notice : A2019-346 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93383 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2019012	SL	Revue	Centre de documentation	Revues en salle	Disponible

Individual tree crown segmentation in tropical peat swamp forest using airborne hyperspectral data / Sitinor Atikah Nordin in Geocarto international, vol 34 n° 11 ([15/08/2019])  

Permalink

Evaluating the potential of the red edge channel for C3 (Festuca spp.) grass discrimination using Sentinel-2 and Rapid Eye satellite image data / Charles Otunga in Geocarto international, vol 34 n° 10 ([15/07/2019])  

Permalink

Mapping leaf chlorophyll content from Sentinel-2 and RapidEye data in spruce stands using the invertible forest reflectance model / Roshanak Darvishzadeh in International journal of applied Earth observation and geoinformation, vol 79 (July 2019)  

Permalink

Cartographie des défoliations du massif forestier du Pays des étangs en Lorraine : Apports potentiels de la télédétection / Thierry Bélouard in Revue forestière française [en ligne], vol 70 n° 5 (2018)  

Permalink

Efficiency of post-stratification for a large-scale forest inventory : case Finnish NFI / Helena Haakana in Annals of Forest Science [en ligne], vol 76 n° 1 (March 2019)  

Permalink

Tree cover mapping using hybrid fuzzy C-means method and multispectral satellite images / Linda Gulbe in Baltic forestry, vol 25 n° 1 (2019)  

Permalink

Polarimetric radar vegetation index for biomass estimation in desert fringe ecosystems / Jisung Geba Chang in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)  

Permalink

Separating the influence of vegetation changes in polarimetric differential SAR interferometry / Virginia Brancato in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)  

Permalink

Cartographie des forêts humides dans la région d’El Kala (Algérie) à l’aide des outils d’observation de la Terre / Asma Kahli in Revue d'écologie, vol 73 n° 4 (octobre - décembre 2018)  

Permalink

Improvement of countrywide vegetation mapping over Japan and comparison to existing maps / Ram C. Sharma in Advances in Remote Sensing, vol 7 n° 3 (September 2018)  

Permalink