Centre dedocumentation
scientifique

Using Ranked Probability Skill Score (RPSS) as Nonlocal Root-Mean-Square Errors (RMSEs) for Mitigating Wet Bias of Soil Moisture Ocean Salinity (SMOS) Soil Moisture / Ju Hyoung Lee in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 2 (February 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 2 (February 2020) . - pp 91 - 98 Titre : Using Ranked Probability Skill Score (RPSS) as Nonlocal Root-Mean-Square Errors (RMSEs) for Mitigating Wet Bias of Soil Moisture Ocean Salinity (SMOS) Soil Moisture Type de document : Article/Communication Auteurs : Ju Hyoung Lee, Auteur Année de publication : 2020 Article en page(s) : pp 91 - 98 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] Afrique occidentale [Termes descripteurs IGN] données multitemporelles [Termes descripteurs IGN] erreur moyenne quadratique [Termes descripteurs IGN] erreur systématique [Termes descripteurs IGN] humidité du sol [Termes descripteurs IGN] image SMOS [Termes descripteurs IGN] salinité Résumé : (Auteur) To mitigate instantaneously evolving biases in satellite retrievals, a stochastic approach is applied over West Africa. This stochastic approach independently self-corrects Soil Moisture Ocean Salinity (SMOS) wet biases, unlike the cumulative density function (CDF) matching that rescales satellite retrievals with respect to several years of reference data. Ranked probability skill score (RPSS) is used as nonlocal root-mean-square errors (RMSEs) to assess stochastic retrievals. Stochastic method successfully decreases RMSEs from 0.146 m3/m3 to 0.056 m3/m3 in the Republic of Benin and from 0.080 m3/m3 to 0.038 m3/m3 in Niger, while the CDF matching method exacerbates the original SMOS biases up to 0.141 m3/m3 in Niger, and 0.120 m3/m3 in Benin. Unlike the CDF matching or European Centre for Medium-Range Weather Forecasts (ECMWF) Re-Analysis (ERA))–interim soil moisture, only a stochastic retrieval responds to Tropical Rainfall Measuring Mission rainfall. Based on the effects of bias correction, RPSS is suggested as a nonlocal verification without needing local measurements. Numéro de notice : A2020-126 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.2.91 date de publication en ligne : 01/02/2020 En ligne : https://doi.org/10.14358/PERS.86.2.91 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94772 [article]

On the assimilation of absolute geodetic dynamic topography in a global ocean model: impact on the deep ocean state / Alexey Androsov in Journal of geodesy, vol 93 n° 2 (February 2019)  

Public [article]  inJournal of geodesy > vol 93 n° 2 (February 2019) . - pp 141 - 157 Titre : On the assimilation of absolute geodetic dynamic topography in a global ocean model: impact on the deep ocean state Type de document : Article/Communication Auteurs : Alexey Androsov, Auteur ; Lars Nerger, Auteur ; Reiner Schnur, Auteur ; Alberta Albertella, Auteur ; Reiner Rummel, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 141 - 157 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes descripteurs IGN] assimilation des données [Termes descripteurs IGN] circulation océanique [Termes descripteurs IGN] données altimétriques [Termes descripteurs IGN] données CHAMP [Termes descripteurs IGN] données GOCE [Termes descripteurs IGN] données GRACE [Termes descripteurs IGN] filtre de Kalman [Termes descripteurs IGN] geoïde marin [Termes descripteurs IGN] géoïde terrestre [Termes descripteurs IGN] hauteurs de mer [Termes descripteurs IGN] modèle de simulation [Termes descripteurs IGN] modèle océanographique [Termes descripteurs IGN] océanographie dynamique [Termes descripteurs IGN] salinité [Termes descripteurs IGN] température de surface de la mer Résumé : (auteur) General ocean circulation models are not perfect. Forced with observed atmospheric fluxes they gradually drift away from measured distributions of temperature and salinity. We suggest data assimilation of absolute dynamical ocean topography (DOT) observed from space geodetic missions as an option to reduce these differences. Sea surface information of DOT is transferred into the deep ocean by defining the analysed ocean state as a weighted average of an ensemble of fully consistent model solutions using an error-subspace ensemble Kalman filter technique. Success of the technique is demonstrated by assimilation into a global configuration of the ocean circulation model FESOM over 1 year. The dynamic ocean topography data are obtained from a combination of multi-satellite altimetry and geoid measurements. The assimilation result is assessed using independent temperature and salinity analysis derived from profiling buoys of the AGRO float data set. The largest impact of the assimilation occurs at the first few analysis steps where both the model ocean topography and the steric height (i.e. temperature and salinity) are improved. The continued data assimilation over 1 year further improves the model state gradually. Deep ocean fields quickly adjust in a sustained manner: A model forecast initialized from the model state estimated by the data assimilation after only 1 month shows that improvements induced by the data assimilation remain in the model state for a long time. Even after 11 months, the modelled ocean topography and temperature fields show smaller errors than the model forecast without any data assimilation. Numéro de notice : A2019-076 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s00190-018-1151-1 date de publication en ligne : 12/05/2018 En ligne : https://doi.org/10.1007/s00190-018-1151-1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92190 [article]

Télédétection multispectrale et hyperspectrale des eaux littorales turbides / Morgane Larnicol (2018)  

Public Titre : Télédétection multispectrale et hyperspectrale des eaux littorales turbides Type de document : Thèse/HDR Auteurs : Morgane Larnicol, Auteur ; Patrick Launeau, Directeur de thèse Editeur : Université Bretagne Loire Année de publication : 2018 Importance : 223 p. Format : 21 x 30 cm Note générale : bibliographie Mémoire présenté en vue de l’obtention du grade de Docteur de l'Université de Nantes sous le sceau de l’Université Bretagne Loire, Spécialité Sciences de la Terre et de l’Environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] algue [Termes descripteurs IGN] bande rouge [Termes descripteurs IGN] chlorophylle [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] correction atmosphérique [Termes descripteurs IGN] couleur de l'océan [Termes descripteurs IGN] eaux côtières [Termes descripteurs IGN] image Envisat-MERIS [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] image proche infrarouge [Termes descripteurs IGN] image Sentinel-OLCI [Termes descripteurs IGN] littoral [Termes descripteurs IGN] littoral atlantique (France) [Termes descripteurs IGN] méthode robuste [Termes descripteurs IGN] réflectance spectrale [Termes descripteurs IGN] série temporelle Résumé : (auteur) La télédétection spatiale permet un suivi à large échelle spatio-temporelle de la concentration en Chlorophylle-a (Chl-a) comme proxy des microalgues dans l’océan mais son application à la zone littorale est un défi en raison de la variabilité et complexité de l’atmosphère, de la turbidité, et de l’hétérogénéité des constituants colorés en suspension dans les eaux intertidales. Ce travail de thèse a pour objectif d’améliorer la télédétection de la Chl-a dans trois sites intertidaux turbides de la façade atlantique Française: les baies de Marennes-Oléron et Bourgneuf, et l’estuaire de la Loire. En premier lieu, une approche originale basée sur l’utilisation de la télédétection hyperspectrale aéroportée a été proposée pour valider la correction atmosphérique des données satellites MERIS. Pour les eaux très turbides (concentration en matière en suspension > 50 g m-3), la méthode FLAASH s’est avérée être la plus performante. En second lieu, des algorithmes d’inversion de la Chl-a ont été régionalisés à partir de données de réflectance acquises in situ dans les trois sites. Plusieurs modèles basés sur la combinaison des bandes rouge et proche-infrarouge de la réflectance marine ont donné de bons résultats, mais une variabilité spatiale a été mise en évidence d’un site à l’autre. Cette observation suggère le développement d'un algorithme multi-conditions qui s'adapterait à la diversité optique des eaux littorales. Pour les eaux les plus turbides, une méthode robuste a été développée pour la détection de la Chl-a. L’algorithme est applicable aux données MERIS (2002-2012) et OLCI (2016-présent), permettant le suivi des variations de Chl-a sur plusieurs décennies. Note de contenu : Introduction générale 1- Le suivi des zones intertidales 2- Optique marine et télédétection de la couleur de l'eau 3- Les algorithmes bio-optiques d’inversion de la concentration en Chlorophylle- a 4- La correction atmosphérique des données de télédétection spatiale et aéroportée 5- Acquisition et traitement des données 6- Validation d'une méthode de correction atmosphérique pour les eaux intertidales turbides 7- Développement d'un algorithme d'inversion de la concentration en Chlorophylle- a pour les eaux intertidales turbides Conclusions et perspectives Numéro de notice : 25806 Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Sciences de la Terre et de l’Environnement : Nantes : 2018 En ligne : http://www.theses.fr/2018NANT4035 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95061

Improved atmospheric correction and chlorophyll-a remote sensing models for turbid waters in a dusty environment / Maryam R. Al Shehhi in ISPRS Journal of photogrammetry and remote sensing, vol 133 (November 2017)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 133 (November 2017) . - pp 46 - 60 Titre : Improved atmospheric correction and chlorophyll-a remote sensing models for turbid waters in a dusty environment Type de document : Article/Communication Auteurs : Maryam R. Al Shehhi, Auteur ; Imen Gherboidj, Auteur ; Hosni Gherida, Auteur Année de publication : 2017 Article en page(s) : pp 46 - 60 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] Arabie [Termes descripteurs IGN] chlorophylle [Termes descripteurs IGN] correction atmosphérique [Termes descripteurs IGN] couleur de l'océan [Termes descripteurs IGN] eau de mer [Termes descripteurs IGN] image MODIS [Termes descripteurs IGN] test de performance [Termes descripteurs IGN] turbidité océanique Résumé : (Auteur) This study presents a comprehensive assessment of the performance of the commonly used atmospheric correction models (NIR, SWIR, NIR-SWIR and FM) and ocean color products (OC3 and OC2) derived from MODIS images over the Arabian Gulf, Sea of Oman, and Arabian Sea. The considered atmospheric correction models have been used to derive MODIS normalized water-leaving radiances (nLw), which are compared to in situ water nLw(λ) data collected at different locations by Masdar Institute, United Arab of Emirates, and from AERONET-OC (the ocean color component of the Aerosol Robotic Network) database. From this comparison, the NIR model has been found to be the best performing model among the considered atmospheric correction models, which in turn shows disparity, especially at short wavelengths (400–500 nm) under high aerosol optical depth conditions (AOT (869) > 0.3) and over turbid waters. To reduce the error induced by these factors, a modified model taking into consideration the atmospheric and water turbidity conditions has been proposed. A turbidity index was used to identify the turbid water and a threshold of AOT (869) = 0.3 was used to identify the dusty atmosphere. Despite improved results in the MODIS nLw(λ) using the proposed approach, Chl-a models (OC3 and OC2) show low performance when compared to the in situ Chl-a measurements collected during several field campaigns organized by local, regional and international organizations. This discrepancy might be caused by the improper parametrization of these models or/and the improper selection of bands. Thus, an adaptive power fit algorithm (R2 = 0.95) has been proposed to improve the estimation of Chl-a concentration from 0.07 to 10 mg/m3 by using a new blue/red MODIS band ratio of (443,488)/645 instead of the default band ratio used for OC3(443,488)/547. The selection of this new band ratio (443,488)/645 has been based on using band 645 nm which has been found to represent both water turbidity and algal absorption. Numéro de notice : A2017-721 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2017.09.011 En ligne : https://doi.org/10.1016/j.isprsjprs.2017.09.011 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88406 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2017111	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2017112	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt
081-2017113	DEP-EXM	Revue	Saint-Mandé	Dépôt en unité	Exclu du prêt

Atmospheric correction over coastal waters using multilayer neural networks / Yongzhen Fan in Remote sensing of environment, vol 199 (15 September 2017)  

Public [article]  inRemote sensing of environment > vol 199 (15 September 2017) . - pp 218 - 240 Titre : Atmospheric correction over coastal waters using multilayer neural networks Type de document : Article/Communication Auteurs : Yongzhen Fan, Auteur ; Wei Li, Auteur ; Charles K. Gatebe, Auteur ; Cédric Jamet, Auteur ; et al., Auteur Année de publication : 2017 Article en page(s) : pp 218 - 240 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] correction atmosphérique [Termes descripteurs IGN] couleur de l'océan [Termes descripteurs IGN] eaux côtières [Termes descripteurs IGN] image Aqua-MODIS [Termes descripteurs IGN] Perceptron multicouche [Termes descripteurs IGN] transfert radiatif Résumé : (auteur) Standard atmospheric correction (AC) algorithms work well in open ocean areas where the water inherent optical properties (IOPs) are correlated with pigmented particles. However, the IOPs of turbid coastal waters may independently vary with pigmented particles, suspended inorganic particles, and colored dissolved organic matter (CDOM). In turbid coastal waters standard AC algorithms often exhibit large inaccuracies that may lead to negative water-leaving radiances (Lw) or remote sensing reflectance (Rrs). We introduce a new atmospheric correction algorithm for coastal waters based on a multilayer neural network (MLNN) method. We use a coupled atmosphere-ocean radiative transfer model to simulate the Rayleigh-corrected radiance (Lrc) at the top of the atmosphere (TOA) and the Rrs just above the surface simultaneously, and train a MLNN to derive the aerosol optical depth (AOD) and Rrs directly from the TOA Lrc. The method is validated using both a synthetic dataset and Aerosol Robotic Network – Ocean Color (AERONET–OC) measurements. The SeaDAS NIR algorithm, the SeaDAS NIR/SWIR algorithm, and the MODIS version of the Case 2 regional water - CoastColour (C2RCC) algorithm are also included in the comparison with AERONET–OC measurements. The performance of the AC algorithms is evaluated with four statistical metrics: the Pearson correlation coefficient (R), the average percentage difference (APD), the mean percentage bias, and the root mean square difference (RMSD). The comparison with AERONET–OC measurements shows that the MLNN algorithm significantly improves retrieval of normalized Lw in blue bands (412 nm and 443 nm) and yields minor improvements in green and red bands compared with the other three algorithms. On a global scale, the MLNN algorithm reduces APD in normalized Lw by up to 13% in blue bands and by 2–7% in green and red bands when compared with the standard SeaDAS NIR algorithm. In highly absorbing coastal waters, such as the Baltic Sea, the MLNN algorithm reduces APD in normalized Lw by more than 60% in blue bands compared to the standard SeaDAS NIR algorithm, while in highly scattering coastal waters, such as the Black Sea, the MLNN algorithm reduces APD by more than 25%. These results indicate that the MLNN algorithm is suitable for application in turbid coastal waters. Application of the MLNN algorithm to MODIS Aqua images in several coastal areas also shows that it is robust and resilient to contamination due to sunglint or adjacency effects of land and cloud edges. The MLNN algorithm is very fast once the neural network has been properly trained and is therefore suitable for operational use. A significant advantage of the MLNN algorithm is that it does not need SWIR bands. Numéro de notice : A2017-417 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : https://doi.org/10.1016/j.rse.2017.07.016 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86310 [article]

Télédétection pour l'observation des surfaces continentales, Volume 4. Observation des surfaces continentales par télédétection 2 / Nicolas Baghdadi (2017)

Permalink

Télédétection pour l'observation des surfaces continentales, Volume 5. Observation des surfaces continentales par télédétection 3 / Nicolas Baghdadi (2017)

Permalink

Modelling electrical conductivity of soil from backscattering coefficient of microwave remotely sensed data using artificial neural network / Walaiporn Phonphan in Geocarto international, vol 29 n° 7 - 8 (November - December 2014)  

Permalink

Mapping a priori defined plant associations using remotely sensed vegetation characteristics / Hans D. Rölofsen in Remote sensing of environment, vol 140 (January 2014)  

Permalink

Multi sensor study of hydrological changes in Caspian Sea / Ayoub Moradi (sept 2014)

Permalink

The soil moisture and ocean salinity (SMOS) mission: first results and achievements / Yann H. Kerr in Revue Française de Photogrammétrie et de Télédétection, n° 200 (Novembre 2012)

Permalink

Overview of the first SMOS sea surface salinity products. Part 1: quality assessment for the second half of 2010 / N. Reul in IEEE Transactions on geoscience and remote sensing, vol 50 n° 5 Tome 1 (May 2012)  

Permalink

Validation of the SMOS L2 soil moisture data in the REMEDHUS network (Spain) / N. Sanchez in IEEE Transactions on geoscience and remote sensing, vol 50 n° 5 Tome 1 (May 2012)  

Permalink

Recul des formations forestières dans la zone humide du littoral de Grand-Bassam, Côte d’Ivoire / C. Hauhouot in Revue internationale de géomatique, vol 21 n° 3 (septembre - novembre 2011)

Permalink

Télédétection et salinité. Cartographie de la salinité des sols de la plaine algérienne du Bas-Chéliff / A. Douaoui in Géomatique expert, n° 76 (01/09/2010)

Permalink