Centre dedocumentation
scientifique

Multiscale assimilation of Sentinel and Landsat data for soil moisture and Leaf Area Index predictions using an ensemble-Kalman-filter-based assimilation approach in a heterogeneous ecosystem / Nicola Montaldo in Remote sensing, vol 14 n° 14 (July-2 2022)  

Public [article]  inRemote sensing > vol 14 n° 14 (July-2 2022) . - n° 3458 Titre : Multiscale assimilation of Sentinel and Landsat data for soil moisture and Leaf Area Index predictions using an ensemble-Kalman-filter-based assimilation approach in a heterogeneous ecosystem Type de document : Article/Communication Auteurs : Nicola Montaldo, Auteur ; Andrea Gaspa, Auteur ; Roberto Corona, Auteur Année de publication : 2022 Article en page(s) : n° 3458 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] assimilation des données [Termes IGN] bassin méditerranéen [Termes IGN] écosystème [Termes IGN] filtre de Kalman [Termes IGN] humidité du sol [Termes IGN] image Landsat-8 [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] Leaf Area Index [Termes IGN] modèle dynamique [Termes IGN] modèle hydrographique [Termes IGN] Sardaigne [Termes IGN] zone semi-aride Résumé : (auteur) Data assimilation techniques allow researchers to optimally merge remote sensing observations in ecohydrological models, guiding them for improving land surface fluxes predictions. Presently, freely available remote sensing products, such as those of Sentinel 1 radar, Landsat 8 sensors, and Sentinel 2 sensors, allow the monitoring of land surface variables (e.g., radar backscatter for soil moisture and the normalized difference vegetation index (NDVI) and for leaf area index (LAI)) at unprecedentedly high spatial and time resolutions, appropriate for heterogeneous ecosystems, typical of semiarid ecosystems characterized by contrasting vegetation components (grass and trees) competing for water use. A multiscale assimilation approach that assimilates radar backscatter and grass and tree NDVI in a coupled vegetation dynamic–land surface model is proposed. It is based on the ensemble Kalman filter (EnKF), and it is not limited to assimilating remote sensing data for model predictions, but it uses assimilated data for dynamically updating key model parameters (the ENKFdc approach), including saturated hydraulic conductivity and grass and tree maintenance respiration coefficients, which are highly sensitive parameters of soil–water balance and biomass budget models, respectively. The proposed EnKFdc assimilation approach facilitated good predictions of soil moisture, grass, and tree LAI in a heterogeneous ecosystem in Sardinia for a 3-year period with contrasting hydrometeorological (dry vs. wet) conditions. Contrary to the EnKF-based approach, the proposed EnKFdc approach performed well for the full range of hydrometeorological conditions and parameters, even assuming extremely biased model conditions with very high or low parameter values compared with the calibrated (“true”) values. The EnKFdc approach is crucial for soil moisture and LAI predictions in winter and spring, key seasons for water resources management in Mediterranean water-limited ecosystems. The use of ENKFdc also enabled us to predict evapotranspiration and carbon flux well, with errors of less than 4% and 15%, respectively; such results were obtained even with extremely biased initial model conditions. Numéro de notice : A2022-574 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/rs14143458 En ligne : https://doi.org/10.3390/rs14143458 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101293 [article]

Evaluation of a neural network with uncertainty for detection of ice and water in SAR imagery / Nazanin Asadi in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 59 n° 1 (January 2021) . - pp 247 - 259 Titre : Evaluation of a neural network with uncertainty for detection of ice and water in SAR imagery Type de document : Article/Communication Auteurs : Nazanin Asadi, Auteur ; K. Andrea Scott, Auteur ; Alexander S. Komarov, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 247 - 259 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] apprentissage profond [Termes IGN] assimilation des données [Termes IGN] classification pixellaire [Termes IGN] glace de mer [Termes IGN] image radar moirée [Termes IGN] incertitude des données [Termes IGN] modèle d'incertitude [Termes IGN] Perceptron multicouche [Termes IGN] pondération [Termes IGN] précision de la classification [Termes IGN] régression logistique [Termes IGN] réseau neuronal artificiel Résumé : (auteur) Synthetic aperture radar (SAR) sea ice imagery is a promising source of data for sea ice data assimilation. Classification of SAR sea ice imagery into ice and water is of particular relevance due to its relationship with ice concentration, a key variable in sea ice data assimilation systems. With increasing volumes of SAR data, automated methods to carry out these classifications are of particular importance. Although several automated approaches have been proposed, none look at the impact of including an estimate of uncertainty of the model parameters and input features on the classification output. This article uses an established database of SAR image features to train a multilayer perceptron (MLP) neural network to classify pixel locations as either ice, water, or unknown. The classification accuracies are benchmarked using a recently developed logistic regression approach for the same database. The two methods are found to be comparable. The MLP approach is then enhanced to allow uncertainty to be estimated at each pixel location. Following methods proposed in the deep learning community, two kinds of uncertainty are considered. The first, epistemic uncertainty, is that due to uncertainty in the MLP weights. The second kind of uncertainty, aleatoric uncertainty, is that which cannot be explained by the model, and is therefore associated with the input data. It is found that including these uncertainties in the MLP models reduces their accuracies slightly, but also reduces misclassification rates. This is of particular importance for data assimilation applications, where misclassifications could severely degrade the analysis. Numéro de notice : A2021-033 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2992454 Date de publication en ligne : 09/06/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2992454 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96735 [article]

Restitution de profils verticaux de la distribution de gouttes de pluie à partir de mesures au sol et en altitude / Christophe Samboun (2020) 

Public Titre : Restitution de profils verticaux de la distribution de gouttes de pluie à partir de mesures au sol et en altitude Type de document : Mémoire Auteurs : Christophe Samboun, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 56 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] algorithme de fusion [Termes IGN] assimilation des données [Termes IGN] données météorologiques [Termes IGN] eau pluviale [Termes IGN] implémentation (informatique) [Termes IGN] Python (langage de programmation) [Termes IGN] réflectivité Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’eau peut être étudiée au niveau microphysique, d’un côté en se focalisant sur les taux de pluie, et dans l’autre cas en observant la distribution en tailles de gouttes. Ce rapport de stage fait suite à l’implémentation de l’algorithme VAMOS permettant de restituer le profil vertical des gouttes d’eau. Il a été fabriqué pour le radar Ka-Band ARM Zenith Radar (KAZR) (35 GHz). L’objectif est d’adapter VAMOS à un radar différent : le W-band ARM Cloud Radar (WACR) possédant une fréquence de 95 GHz. Une étude afin de prendre en main le programme existant a été faite dans un premier temps, puis un algorithme a été utilisé pour ajouter le nouvel opérateur. A terme, on pourra améliorer le programme en prenant en compte le break-up et la coalescence des gouttes d’eau. Note de contenu : Introduction 1. Contexte de VAMOS et définition de la pluie 1.1 Contexte 1.2 Définition des différentes grandeurs 1.3 Les appareils d’acquisition 2. Présentation de Vamos 2.1 Les différents espaces 2.2 Yao 2.3 Modèle de propagation 3. Visualisation des observations et sorties de VAMOS 3.1 Description de l’algorithme 3.2 Implémentation des fonctions de moments 3.3 Résultats obtenus 4. Les opérateurs d’observation 4.1 Opérateur d’observation radar 4.2 Ajout d’un nouvel opérateur d’observation radar Conclusion Numéro de notice : 26380 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : LATMOS Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95848

Documents numériques

peut être téléchargé Restitution de profils verticaux de la distribution de gouttes de pluie... - pdf auteur Adobe Acrobat PDF

Bayesian calibration of a carbon balance model PREBAS using data from permanent growth experiments and national forest inventory / Francesco Minunno in Forest ecology and management, vol 440 (15 May 2019)  

Public [article]  inForest ecology and management > vol 440 (15 May 2019) . - pp 208-257 Titre : Bayesian calibration of a carbon balance model PREBAS using data from permanent growth experiments and national forest inventory Type de document : Article/Communication Auteurs : Francesco Minunno, Auteur ; Mikko Peltoniemi, Auteur ; Sanna Härkönen, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 208-257 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] assimilation des données [Termes IGN] Betula pendula [Termes IGN] bilan du carbone [Termes IGN] bois sur pied [Termes IGN] changement climatique [Termes IGN] croissance des arbres [Termes IGN] diamètre à hauteur de poitrine [Termes IGN] estimation bayesienne [Termes IGN] étalonnage de modèle [Termes IGN] Finlande [Termes IGN] gestion forestière [Termes IGN] hauteur à la base du houppier [Termes IGN] hauteur des arbres [Termes IGN] inventaire forestier étranger (données) [Termes IGN] modèle de croissance végétale [Termes IGN] modèle de simulation [Termes IGN] modélisation de la forêt [Termes IGN] Picea abies [Termes IGN] Pinus sylvestris [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) Policy-relevant forest models must be environment and management sensitive and provide unbiased estimates of predicted variables over their intended areas of application. While empirical models derive their structure and parameters from representative data sets, process-based model (PBM) parameters should be evaluated in ranges that have a biological meaning independently of output data. At the same time PBMs should be calibrated against observations in order to obtain unbiased estimates and an understanding of their predictive capability. By means of model data assimilation, we Bayesian calibrated a forest model (PREBAS) using an extensive dataset that covered a wide range of climatic conditions, species composition and management practices. PREBAS was calibrated for three species in Finland: Scots pine (Pinus sylvestris L.), Norway spruce (Picea abies [L.] H. Karst.) and Silver birch (Betula pendula L.). Data assimilation was strongly effective in reducing the uncertainty of PREBAS parameters and predictions. A country-generic calibration showed robust performances in predicting forest variables and the results were consistent with yield tables and national forest statistics. The posterior predictive uncertainty of the model was mainly influenced by the uncertainty of the structural and measurement error. Numéro de notice : A2019-486 Affiliation des auteurs : non IGN Thématique : FORET/MATHEMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.foreco.2019.02.041 Date de publication en ligne : 20/03/2019 En ligne : https://doi.org/10.1016/j.foreco.2019.02.041 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93666 [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 IGN] assimilation des données [Termes IGN] circulation océanique [Termes IGN] données altimétriques [Termes IGN] données CHAMP [Termes IGN] données GOCE [Termes IGN] données GRACE [Termes IGN] filtre de Kalman [Termes IGN] geoïde marin [Termes IGN] géoïde terrestre [Termes IGN] hauteurs de mer [Termes IGN] modèle de simulation [Termes IGN] modèle océanographique [Termes IGN] océanographie dynamique [Termes IGN] salinité [Termes 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 Affiliation des auteurs : non IGN 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]

Assimilation de données géodésiques et estimation de références pour l’étude du changement climatique – Présentation du projet ANR GEODESIE / David Coulot in XYZ, n° 152 (septembre - novembre 2017) 

Permalink

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

Permalink

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

Permalink

Assimilation of GRACE-derived oceanic mass distributions with a global ocean circulation model / J. Saynisch in Journal of geodesy, vol 89 n° 2 (February 2015)  

Permalink

Outils méthodologiques pour l'analyse d'images MSG : estimation du mouvement, suivi des masses nuageuses et détection de fronts / Thomas Corpetti in Revue Française de Photogrammétrie et de Télédétection, n° 205 (Janvier 2014)  

Permalink

HyMeX, le cycle de l'eau méditerranéen à la loupe / Philippe Drobinski in La Météorologie, n° 80 (février 2013)  

Permalink

Potential use of surface-sensitive microwave observations over land in numerical weather prediction / E. Gerard in IEEE Transactions on geoscience and remote sensing, vol 49 n° 4 (April 2011)  

Permalink

Global 4DVAR assimilation and forecast experiments using AMSU observations over land. Part II: Impacts of assimilating surface-sensitive channels on the African monsoon during AMMA / Fatima Karbou in Weather and Forecasting, vol 25 n° 1 (February 2010)    

Permalink

vol 46 n° 4 Tome 1 - April 2008 - Special issue on the DMSP special sensor microwave imager sounder (Bulletin de IEEE Transactions on geoscience and remote sensing) / D. Kunkee  

Permalink

Assimilation de données in situ et télédétection pour la modélisation hydrologique / W. Castaings in Bulletin [Société Française de Photogrammétrie et Télédétection], n° 172 (Octobre 2003)

Permalink