Centre dedocumentation
scientifique

Prediction of plant diversity in grasslands using Sentinel-1 and -2 satellite image time series / Mathieu Fauvel in Remote sensing of environment, Vol 237 (February 2020)  

Public [article]  inRemote sensing of environment > Vol 237 (February 2020) . - 13 p. Titre : Prediction of plant diversity in grasslands using Sentinel-1 and -2 satellite image time series Type de document : Article/Communication Auteurs : Mathieu Fauvel, Auteur ; Maylis Lopes, Auteur ; Titouan Dubo, Auteur ; Justine Rivers-Moore, Auteur ; Pierre-Louis Frison , Auteur ; Nicolas Gross, Auteur ; Annie Ouin, Auteur Année de publication : 2020 Article en page(s) : 13 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] biodiversité végétale [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] Haute-Garonne (31) [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image RapidEye [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] indice de diversité [Termes descripteurs IGN] indice de végétation [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] prairie [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] taxinomie Résumé : (auteur) The prediction of grasslands plant diversity using satellite image time series is considered in this article. Fifteen months of freely available Sentinel optical and radar data were used to predict taxonomic and functional diversity at the pixel scale (10 m × 10 m) over a large geographical extent (40,000 km2). 415 field measurements were collected in 83 grasslands to train and validate several statistical learning methods. The objective was to link the satellite spectro-temporal data to the plant diversity indices. Among the several diversity indices tested, Simpson and Shannon indices were best predicted with a coefficient of determination around 0.4 using a Random Forest predictor and Sentinel-2 data. The use of Sentinel-1 data was not found to improve significantly the prediction accuracy. Using the Random Forest algorithm and the Sentinel-2 time series, the prediction of the Simpson index was performed. The resulting map highlights the intra-parcel variability and demonstrates the capacity of satellite image time series to monitor grasslands plant taxonomic diversity from an ecological viewpoint. Numéro de notice : A2020-004 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rse.2019.111536 date de publication en ligne : 26/11/2019 En ligne : https://doi.org/10.1016/j.rse.2019.111536 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94296 [article]

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 (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019121	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019123	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019122	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Modelling of the timeseries of GNSS coordinates and their interaction with average magnitude earthquakes / Sanja Tucikesic in Geodetski vestnik, Vol 63 n°4 (décembre 2019)  

Public [article]  inGeodetski vestnik > Vol 63 n°4 (décembre 2019) . - pp 525 - 540 Titre : Modelling of the timeseries of GNSS coordinates and their interaction with average magnitude earthquakes Type de document : Article/Communication Auteurs : Sanja Tucikesic, Auteur ; Dragan Blagojevic, Auteur Année de publication : 2019 Article en page(s) : pp 525 - 540 Note générale : bibliographie Langues : Anglais (eng) Slovène (slv) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes descripteurs IGN] analyse diachronique [Termes descripteurs IGN] analyse spectrale [Termes descripteurs IGN] Bosnie-Herzégovine [Termes descripteurs IGN] bruit (théorie du signal) [Termes descripteurs IGN] bruit blanc [Termes descripteurs IGN] compensation par moindres carrés [Termes descripteurs IGN] coordonnées GNSS [Termes descripteurs IGN] déformation de la croute terrestre [Termes descripteurs IGN] modèle stochastique [Termes descripteurs IGN] séisme [Termes descripteurs IGN] Serbie [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] station GNSS [Termes descripteurs IGN] variation temporelle Résumé : (auteur) In this article the time series data of GNSS station coordinates are analysed, using least-squares spectral analysis (LSSA). One type of LSSA, the method of estimating a frequency spectrum, is the Lomb–Scargle method. Because of the presence of discontinuities in GNSS measurements, we applied Lomb–Scargle model for detecting and characterizing periodicity. We analyzed time series data from the station SRJV (Sarajevo), for a period of about 20 years, and BEOG (Belgrade), for a period of about 5 years. The spectral analysis is used to determine quickly the predominant noise in the position time series. Analyzed spectral indices of noise (α) of GNSS coordinate time series of SRJV and BEOG are in the range of -1 Numéro de notice : A2019-579 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.15292/geodetski-vestnik.2019.04.525-540 date de publication en ligne : 24/05/2019 En ligne : https://doi.org/10.15292/geodetski-vestnik.2019.04.525-540 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94467 [article]

La Terre en 4D : apport des séries temporelles de modèles numériques d'élévation par photogrammétrie spatiale pour l'étude de la surface terrestre / César Deschamps-Berger in Revue Française de Photogrammétrie et de Télédétection, n° 221 (novembre 2019)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 221 (novembre 2019) . - pp 23 - 35 Titre : La Terre en 4D : apport des séries temporelles de modèles numériques d'élévation par photogrammétrie spatiale pour l'étude de la surface terrestre Type de document : Article/Communication Auteurs : César Deschamps-Berger, Auteur ; Simon Gascoin, Auteur ; Etienne Berthier, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 23 - 35 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] erreur aléatoire [Termes descripteurs IGN] erreur systématique [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] observation de la Terre [Termes descripteurs IGN] photogrammétrie spatiale [Termes descripteurs IGN] série temporelle Résumé : (Auteur) Cet article présente une revue des applications en géosciences des séries temporelles de modèles numériques d'élévation (MNE) calculés par photogrammétrie spatiale pour l'observation des changements géométriques à la surface terrestre. Les premières utilisations de MNE dans ce contexte émergent au début des années 2000, facilitées par la multiplication des satellites imageurs haute ou moyenne résolution. La disponibilité des images satellite stéréoscopiques est retracée depuis ses débuts militaires jusqu'à sa propagation dans le civil. Les différentes méthodes de traitement de MNE multi-temporels sont présentées ainsi que leur utilisation dans les travaux scientifiques en glaciologie, hydrologie, volcanologie, sismologie, et en géomorphologie. Grâce à l'amélioration constante de la qualité et résolution des images, le spectre des phénomènes observés devrait continuer de s'étendre. Numéro de notice : A2019-562 Thématique : IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94427 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2019021	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2019022	SL	Revue	Centre de documentation	Revues en salle	Disponible

Residences information extraction from Landsat imagery using the multi-parameter decision tree method / Yujie Yang in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 14 [30/10/2019] . - pp 1621 - 1633 Titre : Residences information extraction from Landsat imagery using the multi-parameter decision tree method Type de document : Article/Communication Auteurs : Yujie Yang, Auteur ; Shijie Wang, Auteur ; Xiaoyong Bai, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 1621 - 1633 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] albedo [Termes descripteurs IGN] analyse spectrale [Termes descripteurs IGN] classification par arbre de décision [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] eau [Termes descripteurs IGN] image Landsat-OLI [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] ombre [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] seuillage d'image Résumé : (auteur) The rapid and accurate grasp of changes in residences is crucial for urban planning and urbanisation. However, the traditional methods for extracting residences exists several problems, which lead to inaccurate extraction results. In this study, the Landsat image is used to establish a new method for extracting the residences quickly and accurately. The specific steps are as follows: (1) We calculate surface albedo to exclude the interference of waters and shadows; (2) Using single-band threshold method, we eliminate the interference of shadows; (3) Normalized Difference Vegetation Index is calculated to exclude the effects of vegetation; (4) Roads are removed by calculating the shape index. Verification shows that the accuracy of this extraction method is 92.81%, which is more accurate than the traditional methods and solves the problems existed in the traditional methods. This novel method is a new reference for other land cover research on the technical aspect. Numéro de notice : A2019-528 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1494760 date de publication en ligne : 07/09/2018 En ligne : https://doi.org/10.1080/10106049.2018.1494760 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94106 [article]

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)  

Permalink

Automatic canola mapping using time series of Sentinel 2 images / Davoud Ashourloo in ISPRS Journal of photogrammetry and remote sensing, vol 156 (October 2019)  

Permalink

Considering spatiotemporal processes in big data analysis: Insights from remote sensing of land cover and land use / Alexis Comber in Transactions in GIS, Vol 23 n° 5 (October 2019)  

Permalink

Introducing a vertical land motion model for improving estimates of sea level rates derived from tide gauge records affected by earthquakes / Anna Klos in GPS solutions, vol 23 n° 4 (October 2019)  

Permalink

sUAS-based remote rensing of river discharge using thermal particle image velocimetry and bathymetric lidar / Paul J. Kinzel in Remote sensing, vol 11 n° 19 (October 2019)  

Permalink

Combination of GRACE monthly gravity fields on the normal equation level / Ulrich Meyer in Journal of geodesy, vol 93 n° 9 (September 2019)  

Permalink

Decomposition of geodetic time series: A combined simulated annealing algorithm and Kalman filter approach / Feng Ming in Advances in space research, vol 64 n°5 (1 September 2019)  

Permalink

Investigation of the noise properties at low frequencies in long GNSS time series / Xiaoxing He in Journal of geodesy, vol 93 n° 9 (September 2019)  

Permalink

On the application of Monte Carlo singular spectrum analysis to GPS position time series / Seyed Mohsen Khazraei in Journal of geodesy, vol 93 n° 9 (September 2019)  

Permalink

The Parallel SBAS approach for Sentinel-1 interferometric wide swath deformation time-series generation: algorithm description and products quality assessment / Michele Manunta in IEEE Transactions on geoscience and remote sensing, vol 57 n° 9 (September 2019)  

Permalink