Centre dedocumentation
scientifique

Using LiDAR-modified topographic wetness index, terrain attributes with leaf area index to improve a single-tree growth model in south-eastern Finland / Cheikh Mohamedou in Forestry, an international journal of forest research, vol 92 n° 3 (July 2019)  

Public [article]  inForestry, an international journal of forest research > vol 92 n° 3 (July 2019) . - pp 253 - 263 Titre : Using LiDAR-modified topographic wetness index, terrain attributes with leaf area index to improve a single-tree growth model in south-eastern Finland Type de document : Article/Communication Auteurs : Cheikh Mohamedou, Auteur ; Lauri Korhonen, Auteur ; Kalle Eerikäinen, Auteur ; Timo Tokola, Auteur Année de publication : 2019 Article en page(s) : pp 253 - 263 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] croissance végétale [Termes descripteurs IGN] diamètre des arbres [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] erreur systématique [Termes descripteurs IGN] Finlande [Termes descripteurs IGN] humidité du sol [Termes descripteurs IGN] indice d'humidité [Termes descripteurs IGN] Leaf Area Index [Termes descripteurs IGN] modèle de croissance [Termes descripteurs IGN] Perceptron multicouche Résumé : (Auteur) Tree growth information is crucial in forest management and planning. Terrain-derived attributes such as the topographic wetness index (TWI), in addition to leaf area index (LAI) are closely related to tree growth, but are not commonly used in empirical growth models. In this study, we examined if modified TWI and LAI estimated from airborne light detection and ranging (LiDAR) data could be used to improve the predictions of a national single-tree diameter growth model. Altogether 1118 sample trees were selected within 197 subjectively placed plots in randomly selected forest stands in south-eastern Finland. Linear mixed effect (LME) and multilayer perceptron models were used to model the bias of 5-year growth predictions of the model and thus ultimately improve its predictions. The root mean square error (RMSE) of the national model was 0.604 cm. LME modelling reduced this value to 0.404 cm and MLP to 0.568 cm. The predictors included in the best-performing LME model were modified TWI, LAI estimated from LiDAR intensities, and elevation. Without an LAI estimate, the best RMSE was 0.436 cm. When applied as such, original and modified TWIs produced similar accuracy. We conclude that both TWI and LAI obtained from LiDAR data improve the diameter growth predictions of the national model. Numéro de notice : A2019-293 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1093/forestry/cpz010 date de publication en ligne : 28/02/2019 En ligne : https://doi.org/10.1093/forestry/cpz010 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93184 [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] 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 Affiliation des auteurs : non IGN 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]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
059-2019091	SL	Revue	Centre de documentation	Généralités	Disponible

Développement d’un « ModelBuilder » pour l’évaluation de la recharge nette : cas de la nappe phréatique de Zéramdine Beni Hassène (Tunisie) / Imen Hentati in Géomatique expert, n° 128 (juin - juillet 2019)

Public [article]  inGéomatique expert > n° 128 (juin - juillet 2019) . - pp 24 - 31 Titre : Développement d’un « ModelBuilder » pour l’évaluation de la recharge nette : cas de la nappe phréatique de Zéramdine Beni Hassène (Tunisie) Type de document : Article/Communication Auteurs : Imen Hentati, Auteur ; Nadia Trabelsi, Auteur ; Ibtissem Triki, Auteur ; Moncef Zaïri, Auteur Année de publication : 2019 Article en page(s) : pp 24 - 31 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications SIG [Termes descripteurs IGN] aquifère [Termes descripteurs IGN] ArcGIS [Termes descripteurs IGN] carte hydrogéologique [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] eau souterraine [Termes descripteurs IGN] krigeage [Termes descripteurs IGN] modèle numérique de terrain [Termes descripteurs IGN] pédologie locale [Termes descripteurs IGN] pente [Termes descripteurs IGN] Tunisie Résumé : (Auteur) Le développement d’un Model Builder pour le calcul et la cartographie de la recharge nette de l’aquifère de Zéramdine Beni Hassène a permis une modélisation simple avec lancement de plusieurs outils en une seule action. Il constitue une part très importante d’ArcGIS dans la mesure où il facilite les tâches complexes et peut se partager entre plusieurs utilisateurs. Les variables du modèle décrivent la méthode paramétrique HSRS. La carte de la recharge nette de la nappe phréatique de Zéramdine Beni Hassène est qualitative. Elle montre un faible indice (5 à 12), qui s’explique par la faible distribution de la pluviométrie dans la zone d’étude et un terrain accidenté de forte pente qui favorise le ruissellement au dépend de l’infiltration. Afin de quantifier la recharge nette des aquifères phréatiques, les données de la zone vadose et celles de la zone saturée s’avèrent indispensables Numéro de notice : A2019-490 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93694 [article]

Including Sentinel-1 radar data to improve the disaggregation of MODIS land surface temperature data / Abdelhakim Amazirh in ISPRS Journal of photogrammetry and remote sensing, vol 150 (April 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 150 (April 2019) . - pp 11 - 26 Titre : Including Sentinel-1 radar data to improve the disaggregation of MODIS land surface temperature data Type de document : Article/Communication Auteurs : Abdelhakim Amazirh, Auteur ; Olivier Merlin, Auteur ; Salah Er-Raki, Auteur Année de publication : 2019 Article en page(s) : pp 11 - 26 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] désagrégation [Termes descripteurs IGN] humidité du sol [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image Landsat [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] image Terra-MODIS [Termes descripteurs IGN] Maroc [Termes descripteurs IGN] modèle de transfert radiatif [Termes descripteurs IGN] réflectance spectrale [Termes descripteurs IGN] régression multiple [Termes descripteurs IGN] température au sol [Termes descripteurs IGN] zone semi-aride Résumé : (Auteur) The use of land surface temperature (LST) for monitoring the consumption and water status of crops requires data at fine spatial and temporal resolutions. Unfortunately, the current spaceborne thermal sensors provide data at either high temporal (e.g. MODIS: Moderate Resolution Imaging Spectro-radiometer) or high spatial (e.g. Landsat) resolution separately. Disaggregating low spatial resolution (LR) LST data using ancillary data available at high spatio-temporal resolution could compensate for the lack of high spatial resolution (HR) LST observations. Existing LST downscaling approaches generally rely on the fractional green vegetation cover (fgv) derived from HR reflectances but they do not take into account the soil water availability to explain the spatial variability in LST at HR. In this context, a new method is developed to disaggregate kilometric MODIS LST at 100 m resolution by including the Sentinel-1 (S-1) backscatter, which is indirectly linked to surface soil moisture, in addition to the Landsat-7 and Landsat-8 (L-7 & L-8) reflectances. The approach is tested over two different sites – an 8 km by 8 km irrigated crop area named “R3” and a 12 km by 12 km rainfed area named “Sidi Rahal” in central Morocco (Marrakech) – on the seven dates when S-1, and L-7 or L-8 acquisitions coincide with a one-day precision during the 2015–2016 growing season. The downscaling methods are applied to the 1 km resolution MODIS-Terra LST data, and their performance is assessed by comparing the 100 m disaggregated LST to Landsat LST in three cases: no disaggregation, disaggregation using Landsat fgv only, disaggregation using both Landsat fgv and S-1 backscatter. When including fgv only in the disaggregation procedure, the mean root mean square error in LST decreases from 4.20 to 3.60 °C and the mean correlation coefficient (R) increases from 0.45 to 0.69 compared to the non-disaggregated case within R3. The new methodology including the S-1 backscatter as input to the disaggregation is found to be systematically more accurate on the available dates with a disaggregation mean error decreasing to 3.35 °C and a mean R increasing to 0.75. Numéro de notice : A2019-136 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.02.004 date de publication en ligne : 15/02/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.02.004 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92467 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019041	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2019043	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019042	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Assessment of different vegetation parameters for parameterizing the coupled water cloud model and advanced integral equation model for soil moisture retrieval using time series Sentinel-1A data / Long Wang in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 1 (January 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 1 (January 2019) . - pp 43 - 54 Titre : Assessment of different vegetation parameters for parameterizing the coupled water cloud model and advanced integral equation model for soil moisture retrieval using time series Sentinel-1A data Type de document : Article/Communication Auteurs : Long Wang, Auteur ; Binbin He, Auteur ; Xiaojing Bai, Auteur ; Minfeng Xing, Auteur Année de publication : 2019 Article en page(s) : pp 43 - 54 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] Enhanced vegetation index [Termes descripteurs IGN] étalonnage de modèle [Termes descripteurs IGN] humidité du sol [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] image Terra-MODIS [Termes descripteurs IGN] indice foliaire [Termes descripteurs IGN] Iowa (Etats-Unis) [Termes descripteurs IGN] Leaf Area Index [Termes descripteurs IGN] modèle de rétrodiffusion [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] série temporelle Résumé : (auteur) Soil moisture is an important state variable of the land surface ecosystem. In this paper, the water cloud model (WCM) and advanced integral equation model (AIEM) are coupled to retrieve soil moisture using time series Sentinel-1A data and moderate resolution imaging spectroradiometer (MODIS) data. Normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), leaf area index (LAI) and fraction of photosynthetically active radiation (FPAR), are cross-combined to initialize the calibrated model. The calibration results show the following: (1) Vegetation parameters have a great influence on model calibration; and (2) The combination of (NDVI, LAI) is recommended to calibrate the coupled model, the RMSE, R2 is 0.739 dB, and 0.716 for the observed and estimated backscattering coefficients. The soil moisture inversion results show that: (1) the accuracy of model calibration and soil moisture inversion are inconsistent; and (2) The normalized vegetation parameters, such as NDVI, EVI and FPAR, are suitable for WCM to describe vegetation characteristics, and NDVI is the optimum. When V2 is the NDVI, the average bias, MAE, RMSE, ubRMSE and R2 are –0.007 m3/m3, 0.074 m3/m3, 0.087 m³/m³, 0.087 m3/m3 and 0.750, respectively. Numéro de notice : A2019-029 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.1.43 date de publication en ligne : 01/01/2019 En ligne : https://doi.org/10.14358/PERS.85.1.43 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91965 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Biomass ratio varies along soil water availability : An analysis based on wood density data collected by the French NFI / Baptiste Kerfriden (2019)

Permalink

Improving the spatial bias correction algorithm in SMOS image reconstruction processor : validation of soil moisture retrievals with in situ data / Ali Khazaal in IEEE Transactions on geoscience and remote sensing, vol 57 n° 1 (January 2019)  

Permalink

Microwave indices from active and passive sensors for remote sensing applications / Emanuele Santi (2019)  

Permalink

Monitoring crops water needs at high spatio-temporal resolution by synergy of optical / thermal and radar observations / Abdelhakim Amazirh (2019)  

Permalink

Soil moisture assessment in grasslands using optical remote sensing data / Luc Beraud (2019) 

Permalink

Toward global soil moisture monitoring with sentinel-1 : harnessing assets and overcoming obstacles / Bernhard Bauer-Marschallinger in IEEE Transactions on geoscience and remote sensing, vol 57 n° 1 (January 2019)  

Permalink

Polarization orientation angle and polarimetric SAR scattering characteristics of steep terrain / Jong-Sen Lee 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

Soil moisture estimation in Ferlo region (Senegal) using radar (ENVISAT/ASAR) and optical (SPOT/VEGETATION) data / Gayane Faye in The Egyptian Journal of Remote Sensing and Space Science, Vol. 21 suppl.1 (juillet 2018)  

Permalink

Estimation of surface roughness over bare agricultural soil from Sentinel-1 data / Mohammad Choker (2018)  

Permalink