Centre dedocumentation
scientifique

Simulation of the meltwater under different climate change scenarios in a poorly gauged snow and glacier-fed Chitral River catchment (Hindukush region) / Huma Hayat in Geocarto international, vol 37 n° 1 ([03/01/2022])  

Public [article]  inGeocarto international > vol 37 n° 1 [03/01/2022] . - pp 103 - 119 Titre : Simulation of the meltwater under different climate change scenarios in a poorly gauged snow and glacier-fed Chitral River catchment (Hindukush region) Type de document : Article/Communication Auteurs : Huma Hayat, Auteur ; Adnan Ahmad Tahir, Auteur ; sara Wajid, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 103 - 119 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] bassin hydrographique [Termes IGN] changement climatique [Termes IGN] données météorologiques [Termes IGN] eau de fonte [Termes IGN] estimation statistique [Termes IGN] fonte des glaces [Termes IGN] image Terra-MODIS [Termes IGN] inondation [Termes IGN] modèle de simulation [Termes IGN] modèle numérique de surface [Termes IGN] Pakistan [Termes IGN] prévention des risques [Termes IGN] ressources en eau [Termes IGN] ruissellement [Termes IGN] série temporelle [Termes IGN] variation saisonnière Résumé : (auteur) Seasonal and annual water supplies of the rivers originating in the Hindukush-Karakoram-Himalaya (HKH) region of Pakistan are important to manage the Indus basin irrigation system for better agricultural production and its dependent agrarian economy. In this study, we simulated the current and future snowmelt runoff in a poorly gauged river basin of the Hindukush region under Representative Concentration Pathways (RCP) climate change scenarios. Snowmelt Runoff Model (SRM) furnished with satellite snow cover maps and hydro-meteorological data were used to simulate the daily river discharge for the period 2000‒2005. The results indicated that SRM has effectually simulated the runoff in Chitral River with Nash-Sutcliffe model efficiency coefficient of 0.85 (0.84) and 0.88 (0.83) in the basin-wide (zone-wise) application during the calibration and validation periods, respectively. The results obtained under future climate change scenario showed ∼14‒19% increase in mean summer discharge under three mid-21st century RCP (2.6, 4.5 and 8.5) scenarios. While an increase of ∼13‒37% is expected under late-21st century RCP scenarios. This study can help water resource managers to plan and manage peak discharges from the Chitral River Basin in the future and can thus prevent major losses due to floods in the area. Numéro de notice : A2022-047 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1700557 Date de publication en ligne : 12/12/2019 En ligne : https://doi.org/10.1080/10106049.2019.1700557 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99421 [article]

Hourly rainfall forecast model using supervised learning algorithm / Qingzhi Zhao in IEEE Transactions on geoscience and remote sensing, vol 60 n° 1 (January 2022)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 60 n° 1 (January 2022) . - n° 4100509 Titre : Hourly rainfall forecast model using supervised learning algorithm Type de document : Article/Communication Auteurs : Qingzhi Zhao, Auteur ; Yang Liu, Auteur ; Wanqiang Yao, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 4100509 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] autocorrélation [Termes IGN] classification dirigée [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] données GNSS [Termes IGN] heure [Termes IGN] modèle de simulation [Termes IGN] modèle météorologique [Termes IGN] précipitation [Termes IGN] série temporelle [Termes IGN] station GNSS [Termes IGN] Taïwan [Termes IGN] vapeur d'eau Résumé : (auteur) Previous studies on short-term rainfall forecast using precipitable water vapor (PWV) and meteorological parameters mainly focus on rain occurrence, while the rainfall forecast is rarely investigated. Therefore, an hourly rainfall forecast (HRF) model based on a supervised learning algorithm is proposed in this study to predict rainfall with high accuracy and time resolution. Hourly PWV derived from Global Navigation Satellite System (GNSS) and temperature data are used as input parameters of the HRF model, and a support vector machine is introduced to train the proposed model. In addition, this model also considers the time autocorrelation of rainfall in the previous epoch. Hourly PWV data of 21 GNSS stations and collocated meteorological parameters (temperature and rainfall) for five years in Taiwan Province are selected to validate the proposed model. Internal and external validation experiments have been performed under the cases of slight, moderate, and heavy rainfall. Average root-mean-square error (RMSE) and relative RMSE of the proposed HRF model are 1.36/1.39 mm/h and 1.00/0.67, respectively. In addition, the proposed HRF model is compared with the similar works in previous studies. Compared results reveal the satisfactory performance and superiority of the proposed HRF model in terms of time resolution and forecast accuracy. Numéro de notice : A2022-024 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2021.3054582 Date de publication en ligne : 09/02/2021 En ligne : https://doi.org/10.1109/TGRS.2021.3054582 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99253 [article]

Learning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)  

Public Titre : Learning spatio-temporal representations of satellite time series for large-scale crop mapping Type de document : Thèse/HDR Auteurs : Vivien Sainte Fare Garnot , Auteur ; Clément Mallet , Directeur de thèse ; Nesrine Chehata , Directeur de thèse ; Loïc Landrieu , Encadrant Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Autre Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Note générale : bibliographie Thèse de doctorat de l’Université Gustave Eiffel, École doctorale n° 532, Mathématiques, Science, et Technologie de l’Information et de la Communication (MSTIC), Spécialité de doctorat : Signal, Image, et Automatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] carte agricole [Termes IGN] fusion de données [Termes IGN] image multibande [Termes IGN] image multitemporelle [Termes IGN] image satellite [Termes IGN] parcelle agricole [Termes IGN] segmentation sémantique [Termes IGN] série temporelle Mots-clés libres : segmentation panotique, mécanisme d'auto-attention, encodage spatio-temporel Résumé : (auteur) L’analyse et le suivi de l’activité agricole d’un territoire nécessitent la production de cartes agricoles précises. Ces cartes identifient les bordures de chaque parcelle ainsi que le type de culture. Ces informations sont précieuses pour une variété d’acteurs et ont des applications allant de la prévision de la production alimentaire à l’allocation de subventions ou à la gestion environnementale. Alors que les premières cartes agricoles nécessitaient un travail de terrain fastidieux, l’essor de l’analyse automatisée des données de télédétection a ouvert la voie à des cartographies à grande échelle. Dans cette thèse, nous nous intéressons à la cartographie agricole à partir de séries temporelles d’images satellites multispectrales. Dans la plupart des travaux de la dernière décennie, ce problème est abordé à l’aide de modèles d’apprentissage automatique entraînés sur des descripteurs conçus par des experts. Cependant, dans la littérature de vision par ordinateur (VO) et du traitement automatique de la langue (TAL), l’entrainement de modèles d’apprentissage profond à apprendre des représentations à partir des données brutes a constitué un changement de paradigme menant à des performances sans précédent sur une variété de problèmes. De même, l’application de ces modèles d’apprentissage profond aux données de télédétection a considérablement amélioré l’état de l’art pour la cartographie agricole ainsi que d’autres tâches de télédétection. Dans cette thèse, nous soutenons que les méthodes actuelles issues des littérature VO et TAL ignorent certaines des spécificités des données de télédétection et ne devraient pas être appliquées directement. Au contraire, nous prônons le développement de méthodes adaptées, exploitant les structures spatiales, spectrales et temporelles spécifiques des séries temporelles d’images satellites. Nous caractérisons la cartographie agricole successivement comme une classification à la parcelle, une segmentation sémantique et une segmentation panoptique. Pour chacune de ces tâches, nous développons une nouvelle architecture d’apprentissage profond adaptée aux particularités de la tâche et inspirée des avancées récentes de l’apprentissage profond. Nous montrons que nos méthodes établissent un nouvel état de l’art tout en étant plus efficaces que les approches concurrentes. Plus précisément, nous présentons (i) le Pixel-Set Encoder, un encodeur spatial efficace, (ii) le Temporal Attention Encoder (TAE), un encodeur temporel utilisant la self-attention, (iii) le U-net avec TAE, une variation du TAE pour les problèmes de segmentation, et (iv) Parcel-as-Point, un module de segmentation d’instance conçu pour la segmentation panoptique des parcelles. Nous étudions également comment exploiter des séries temporelles multimodales combinant des informations optiques et radar. Nous améliorons ainsi les performances de nos modèles ainsi que leur robustesse aux nuages. Enfin, nous considérons l’arbre hiérarchique qui décrit les relations sémantiques entre les types de culture. Nous présentons une méthode pour inclure cette structure dans le processus d’apprentissage. Sur la classification des cultures ainsi que d’autres problèmes de classification, notre méthode réduit le taux d’erreurs entre les classes sémantiquement éloignées. En plus de ces méthodes, nous introduisons PASTIS, le premier jeu de données en accès libre de séries temporelles d’images satellites multimodales avec des annotations panoptiques de parcelles agricoles. Nous espérons que ce jeu de données, ainsi que les résultats prometteurs présentés dans cette thèse encourageront d’autres travaux de recherche et aideront à produire des cartes agricoles toujours plus précises. Note de contenu : 0- Introduction 1- Spatial and temporal encoding for parcel-based classification 2- Pixel-based segmentation methods 3- Leveraging multiple modalities 4- Leveraging the class hierarchy 5- Conclusion Numéro de notice : 17694 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Signal, Image, et Automatique : Gustave Eiffel : 2021 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 13/01/2022 En ligne : https://hal.archives-ouvertes.fr/IGN-ENSG/tel-03524429v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99366

Early detection of spruce vitality loss with hyperspectral data: Results of an experimental study in Bavaria, Germany / Kathrin Einzmann in Remote sensing of environment, vol 266 (December 2021)  

Public [article]  inRemote sensing of environment > vol 266 (December 2021) . - n° 112676 Titre : Early detection of spruce vitality loss with hyperspectral data: Results of an experimental study in Bavaria, Germany Type de document : Article/Communication Auteurs : Kathrin Einzmann, Auteur ; Clement Atzberger, Auteur ; Nicole Pinnel, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 112676 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] Bavière (Allemagne) [Termes IGN] changement climatique [Termes IGN] classification par forêts aléatoires [Termes IGN] dépérissement [Termes IGN] détection de changement [Termes IGN] houppier [Termes IGN] image hyperspectrale [Termes IGN] indice de végétation [Termes IGN] insecte nuisible [Termes IGN] phénomène climatique extrême [Termes IGN] Picea abies [Termes IGN] réflectance spectrale [Termes IGN] série temporelle [Termes IGN] stress hydrique Résumé : (auteur) Vitality loss of trees caused by extreme weather conditions, drought stress or insect infestations, are expected to increase with ongoing climate change. The detection of vitality loss at an early stage is thus of vital importance for forestry and forest management to minimize ecological and economical damage. Remote sensing instruments are able to detect changes over large areas down to the level of individual trees. The scope of our study is to investigate whether it is possible to detect stress-related spectral changes at an early stage using hyperspectral sensors. For this purpose, two Norway spruce (Picea abies) forest stands, both different in age and maintenance, were monitored in the field over two vegetation periods. In parallel, time series of airborne hyperspectral remote sensing data were acquired. For each stand 70 trees were artificially stressed (ring-barked) and 70 trees were used as control trees. The data collected in south-eastern Germany consists of measurements at multiple times and at different scales: (1) crown conditions were visually assessed in the field (2) needle reflectance spectra were acquired in the laboratory using a FieldSpec spectrometer, and (3) hyperspectral airborne data (HySpex) were flown at 0.5 m spatial resolution. We aimed for a simultaneous data acquisition at the three levels. This unique data set was investigated whether any feature can be discriminated to detect vitality loss in trees at an early stage. Several spectral transformations were applied to the needle and tree crown spectra, such as spectral derivatives, vegetation indices and angle indices. All features were examined for their separability (ring-barked vs. control trees) with the Random Forest (RF) classification algorithm. As result, the younger, well maintained forest stand only showed minor changes over the 2-year period, whereas changes in the older forest stand were observable both in the needle and in the hyperspectral tree crown spectra, respectively. These changes could even be detected before changes were visible by field observations. The tree spectral reactions to ring-barking were first noticeable 11 months after ring-barking and 6 weeks before they were visible by field inspection. The most discriminative features for separating the two groups were the reflectance spectra and the spectral derivatives, over the VIs or angle indices. The tree crown spectra of the two groups could be separated by the RF classifier with a 79% overall accuracy at the beginning of the second vegetation period and 1 month later with 92% overall accuracy with high kappa index. The results clearly demonstrate the great potential of hyperspectral remote sensing in detecting early vitality changes of stressed trees. Numéro de notice : A2021-921 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.rse.2021.112676 Date de publication en ligne : 21/09/2021 En ligne : https://doi.org/10.1016/j.rse.2021.112676 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99274 [article]

Monitoring leaf phenology in moist tropical forests by applying a superpixel-based deep learning method to time-series images of tree canopies / Guangqin Song in ISPRS Journal of photogrammetry and remote sensing, vol 183 (January 2022)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 183 (January 2022) . - pp 19 - 33 Titre : Monitoring leaf phenology in moist tropical forests by applying a superpixel-based deep learning method to time-series images of tree canopies Type de document : Article/Communication Auteurs : Guangqin Song, Auteur ; Shengbiao Wu, Auteur ; Calvin K.F. Lee, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 19 - 33 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] canopée [Termes IGN] classification dirigée [Termes IGN] diagnostic foliaire [Termes IGN] Enhanced vegetation index [Termes IGN] feuille (végétation) [Termes IGN] forêt tropicale [Termes IGN] Panama [Termes IGN] phénologie [Termes IGN] photosynthèse [Termes IGN] segmentation sémantique [Termes IGN] série temporelle [Termes IGN] SLIC algorithm [Termes IGN] superpixel [Termes IGN] variation saisonnière Résumé : (auteur) Tropical leaf phenology—particularly its variability at the tree-crown scale—dominates the seasonality of carbon and water fluxes. However, given enormous species diversity, accurate means of monitoring leaf phenology in tropical forests is still lacking. Time series of the Green Chromatic Coordinate (GCC) metric derived from tower-based red–greenblue (RGB) phenocams have been widely used to monitor leaf phenology in temperate forests, but its application in the tropics remains problematic. To improve monitoring of tropical phenology, we explored the use of a deep learning model (i.e. superpixel-based Residual Networks 50, SP-ResNet50) to automatically differentiate leaves from non-leaves in phenocam images and to derive leaf fraction at the tree-crown scale. To evaluate our model, we used a year of data from six phenocams in two contrasting forests in Panama. We first built a comprehensive library of leaf and non-leaf pixels across various acquisition times, exposure conditions and specific phenocams. We then divided this library into training and testing components. We evaluated the model at three levels: 1) superpixel level with a testing set, 2) crown level by comparing the model-derived leaf fractions with those derived using image-specific supervised classification, and 3) temporally using all daily images to assess the diurnal stability of the model-derived leaf fraction. Finally, we compared the model-derived leaf fraction phenology with leaf phenology derived from GCC. Our results show that: 1) the SP-ResNet50 model accurately differentiates leaves from non-leaves (overall accuracy of 93%) and is robust across all three levels of evaluations; 2) the model accurately quantifies leaf fraction phenology across tree-crowns and forest ecosystems; and 3) the combined use of leaf fraction and GCC helps infer the timing of leaf emergence, maturation and senescence, critical information for modeling photosynthetic seasonality of tropical forests. Collectively, this study offers an improved means for automated tropical phenology monitoring using phenocams. Numéro de notice : A2022-009 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.10.023 Date de publication en ligne : 10/11/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.10.023 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99057 [article]

Crop rotation modeling for deep learning-based parcel classification from satellite time series / Félix Quinton in Remote sensing, vol 13 n° 22 (November-2 2021)  

Permalink

The spatiotemporal implications of urbanization for urban heat islands in Beijing: A predictive approach based on CA–Markov modeling (2004–2050) / Muhammad Amir Siddique in Remote sensing, vol 13 n° 22 (November-2 2021)  

Permalink

Seven decades of coastal change at Barter Island, Alaska: Exploring the importance of waves and temperature on erosion of coastal permafrost bluffs / Ann E. Gibbs in Remote sensing, vol 13 n° 21 (November-1 2021)  

Permalink

A novel cotton mapping index combining Sentinel-1 SAR and Sentinel-2 multispectral imagery / Lan Xun in ISPRS Journal of photogrammetry and remote sensing, Vol 181 (November 2021)  

Permalink

Persistent scatterer interferometry for Pettimudi (India) landslide monitoring using Sentinel-1A images / Hari Shankar in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 11 (November 2021)  

Permalink

Time-series analysis of geodetic reference frame aligned to International Terrestrial Reference Frame / Tae-Suk Bae in Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, vol 39 n° 5 ([01/11/2021])  

Permalink

A method for precisely predicting satellite clock bias based on robust fitting of ARMA models / Guochao Zhang in GPS solutions, vol 26 n° 1 (January 2022)  

Permalink

Détection des forêts dégradées en Guinée à partir des images satellites Sentinel-2 : évaluation de l'apport potentiel des nouveaux capteurs satellitaires optiques et radars / An Vo Quang in Blog de la RFPT, sans n° ([11/10/2021])  

Permalink

Non-tidal loading of the Baltic Sea in Latvian GNSS time series / Diana Haritonova in Journal of applied geodesy, vol 15 n° 4 (October 2021)  

Permalink

Predicting total electron content in ionosphere using vector autoregression model during geomagnetic storm / Sumitra Iyer in Journal of applied geodesy, vol 15 n° 4 (October 2021)  

Permalink