Descripteur
Termes IGN > imagerie > image spatiale > image satellite > image Sentinel > image Sentinel-SAR
image Sentinel-SARSynonyme(s)image Sentinel-1Voir aussi |
Documents disponibles dans cette catégorie (211)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Study of systematic bias in measuring surface deformation with SAR interferometry / Homa Ansari in IEEE Transactions on geoscience and remote sensing, vol 59 n° 2 (February 2021)
[article]
Titre : Study of systematic bias in measuring surface deformation with SAR interferometry Type de document : Article/Communication Auteurs : Homa Ansari, Auteur ; Francesco De Zan, Auteur ; Alessandro Parizzi, Auteur Année de publication : 2021 Article en page(s) : pp 1285 - 1301 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] atténuation du signal
[Termes IGN] décorrélation
[Termes IGN] déformation de surface
[Termes IGN] erreur de phase
[Termes IGN] erreur systématique
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] processus stochastique
[Termes IGN] rapport signal sur bruit
[Termes IGN] série temporelleRésumé : (auteur) This article investigates the presence of a new interferometric signal in multilooked synthetic aperture radar (SAR) interferograms that cannot be attributed to the atmospheric or Earth-surface topography changes. The observed signal is short-lived and decays with the temporal baseline; however, it is distinct from the stochastic noise attributed to temporal decorrelation. The presence of such a fading signal introduces a systematic phase component, particularly in short temporal baseline interferograms. If unattended, it biases the estimation of Earth surface deformation from SAR time series. Here, the contribution of the mentioned phase component is quantitatively assessed. The biasing impact on the deformation-signal retrieval is further evaluated. A quality measure is introduced to allow the prediction of the associated error with the fading signals. Moreover, a practical solution for the mitigation of this physical signal is discussed; special attention is paid to the efficient processing of Big Data from modern SAR missions such as Sentinel-1 and NISAR. Adopting the proposed solution, the deformation bias is shown to decrease significantly. Based on these analyses, we put forward our recommendations for efficient and accurate deformation-signal retrieval from large stacks of multilooked interferograms. Numéro de notice : A2021-115 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3003421 Date de publication en ligne : 30/06/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3003421 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96929
in IEEE Transactions on geoscience and remote sensing > vol 59 n° 2 (February 2021) . - pp 1285 - 1301[article]Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond / Yawogan Gbodjo (2021)
Titre : Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond Type de document : Thèse/HDR Auteurs : Yawogan Gbodjo, Auteur ; Dino Lenco, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Importance : 165 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse soutenue pour obtenir le grade de Docteur en Informatique de l'Université de MontpellierLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] classification dirigée
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] image PlanetScope
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] indice de végétation
[Termes IGN] occupation du sol
[Termes IGN] production agricole
[Termes IGN] rendement agricole
[Termes IGN] série temporelle
[Termes IGN] surface cultivéeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les systèmes de suivi des cultures jouent un rôle essentiel dans l'évaluation de la production agricole dans le monde. De nos jours, la disponibilité de plusieurs sources d'information satellitaire à large échelle, à haute résolution spatiale et à forte répétitivité temporelle, conjointe à l'essor des techniques d'apprentissage profond, offrent de nouvelles perspectives aux systèmes de suivi des cultures pour l'évaluation de la production agricole. Dans cette thèse, nous explorons des pistes méthodologiques pour améliorer le suivi de la production agricole à partir de la télédétection multi-source et des techniques d'apprentissage profond. Nous proposons deux méthodes pour caractériser l'occupation du sol et identifier les surfaces cultivées. La première approche est basée sur des réseaux de neurones récurrents équipés de mécanismes d'attention, employant des séries temporelles multi-sources radar et optique ainsi que des connaissances spécifiques de domaine. La seconde approche repose sur des réseaux de neurones convolutifs et explore davantage la combinaison multi-source et surtout multi-échelle grâce à l'intégration d'une source optique à très haute résolution spatiale. Nous évaluons ces méthodes à des échelles territoriale et locale en ayant systématiquement un regard croisé sur des sites d'études contrastés en agriculture conventionnelle et petite agriculture familiale. Nous menons également un travail d'investigation sur l'estimation et la prévision des rendements des surfaces cultivées, à l'échelle locale de la petite agriculture familiale en employant des séries temporelles multi-sources radar et optique. Dans ce contexte en outre limité par la disponibilité de données de référence, nous évaluons le potentiel de méthodes d'apprentissage profond par rapport à des approches traditionnellement utilisées. Globalement, l'évaluation des approches proposées pour identifier les surfaces cultivées montre que les techniques d'apprentissage profond semblent mieux adaptées que les méthodes traditionnelles d'apprentissage automatique pour tirer parti de la complémentarité des données multi-sources, multi-temporelles et multi-échelles à mesure qu'il y ait une quantité suffisante de données pour leur entraînement supervisé. Le travail d'investigation réalisé pour l'estimation et la prévision des rendements n'a par contre pas révélé de plus-value manifeste dans l'emploi de ces méthodes. Dans ce dernier cas, le contexte limité en données d'entraînement semble en être la principale explication. Note de contenu : Introduction
1- Télédétection et apprentissage automatique
2- Sites d’étude et données utilisées
3- Caractérisation de l’occupation du sol
4- Suivi des rendements en petite agriculture familiale
Conclusion et PerspectivesNuméro de notice : 15240 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Montpellier : 2021 Organisme de stage : TETIS DOI : sans En ligne : https://tel.hal.science/tel-03589421/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100474 Apport des données satellitaires Sentinel-1 et Sentinel-2 pour la détection des surfaces irriguées et l'estimation des besoins et des consommations en eau des cultures d'été dans les zones tempérées / Yann Pageot (2021)
Titre : Apport des données satellitaires Sentinel-1 et Sentinel-2 pour la détection des surfaces irriguées et l'estimation des besoins et des consommations en eau des cultures d'été dans les zones tempérées Type de document : Thèse/HDR Auteurs : Yann Pageot, Auteur ; Valérie Demarez, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2021 Importance : 158 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, spécialité Surfaces et interfaces continentales, HydrologieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] Adour (bassin)
[Termes IGN] bassin hydrographique
[Termes IGN] bilan hydrique
[Termes IGN] carte thématique
[Termes IGN] cultures irriguées
[Termes IGN] évapotranspiration
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] irrigation
[Termes IGN] maïs (céréale)
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] pédologie
[Termes IGN] ressources en eauIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’eau est une ressource naturelle, qui depuis des millions d’années participe au cycle de la vie. Mais depuis peu, le changement climatique et les activités humaines remettent en cause l’équilibre du cycle de l’eau, alors même que les besoins en eau ne cessent d’augmenter. En effet, les besoins en eau de l’agriculture représentent 70% de l’utilisation de l’eau douce et ces besoins vont croître avec une population mondiale grandissante. Pour préserver cette ressource, il est nécessaire d’améliorer la connaissance sur les surfaces irriguées ainsi que les besoins et consommations en eau des cultures sur de grandes surfaces, mais elle n’est pas simple à appréhender à cause de la forte variabilité spatiale des sols, du climat et des pratiques agricoles. La télédétection a un rôle fondamental à jouer et plus particulièrement les données Sentinel-1 et Sentinel-2. Dans ce contexte, ces travaux de thèse ont vocation à fournir des outils de diagnostics pour assurer une gestion optimale de la ressource en eau à l’échelle des bassins versants. Pour cela une approche cartographie des surfaces irriguées en zones tempérées à partir d’images satellites Sentinel-1 & 2 a été développée. Cette approche basée sur le couplage de données satellitaires (optique et radar) et un algorithme de classification supervisée (Random Forest) a permis de cartographier à l’échelle parcellaire les pratiques d’irrigation (présence / absence) des cultures d’été sur deux territoires du bassin versant de l’Adour - Garonne (Adour amont et Tarn aval). La méthodologie a pu être validée grâce aux données collectées par les partenaires, soit la CACG, et les chambres d’Agriculture Hautes-Pyrénéens et du Tarn. En parallèle, la méthode a été développée dans un but opérationnel, en prenant en compte les contraintes techniques que les gestionnaires de la ressource en eau peuvent rencontrer face à la quantité importante de données que représentent les images satellitaires. Pour cela, l’approche développée se base sur les cumuls mensuels d’indices de végétation et des polarisations radars. L’utilisation de ces cumuls permet de réduire l’utilisation de la ressource informatique, pour générer une carte, tout en conservant les performances de l’approche. Pour la modélisation des besoins et des consommations en eau du maïs irrigué, le modèle SAMIR a été utilisé. Ce modèle utilise des images satellites d’indice de végétation (NDVI et FCover) pour simuler le bilan hydrique de culture. Il a été appliqué à différentes échelles spatiales et sur différents jeux de données de validation. Le modèle a été calibré et validé sur la parcelle expérimentale de Lamothe pour laquelle nous disposons, depuis 2008, de mesures d’évapotranspiration réelle (ETR) acquises par la méthode d’Eddy-Covariance. Cette phase de calibration/validation a permis d’apporter des modifications sur l’estimation de l’évaporation du sol et sur le suivi du développement de la végétation. Les estimations des besoins en eau ont ensuite été validés sur un ensemble de parcelles ainsi que sur quatre périmètres irrigués (ASA) et deux périmètres élémentaires (BV Adour amont et Neste). Les résultats montrent que le modèle est capable de reproduire de façon satisfaisante les besoins en eau d’irrigation des parcelles des partenaires lorsque la réserve utile du sol (RU) est estimée à partir de données GlobalSoilMap et de la profondeur d’enracinement maximale estimée par le Référentiel Régional Pédologique. A l’échelle des ASA et des BV, le modèle a tendance à sous-estimer les volumes saisonniers. Les résultats illustrent la nécessité d’une bonne estimation de la RU, à une échelle compatible avec une approche de modélisation du bilan hydrique, c’est à dire à la parcelle pour pouvoir estimer correctement les irrigations saisonnières et les volumes. Ces conclusions sont toutefois dépendantes du jeu de données disponible, du modèle et de la méthode de calibration choisie et ce travail nécessiterait un jeu de données plus conséquent et probablement une analyse plus poussée. Note de contenu : 1- Introduction
2- Présentation des données
3- Détection des surfaces irriguées
4- Estimation des besoins et cosommation en eau du maïs irrigué
5- Conclusion et perspectivesNuméro de notice : 24068 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surfaces et interfaces continentales, Hydrologie : Toulouse 3 : 2021 Organisme de stage : CESBIO DOI : sans En ligne : https://www.theses.fr/2021TOU30281 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102105 Apport des données Sentinel-1 pour le suivi continu de la forêt tropicale : Cas de la Guyane / Marie Ballère (2021)
Titre : Apport des données Sentinel-1 pour le suivi continu de la forêt tropicale : Cas de la Guyane Type de document : Thèse/HDR Auteurs : Marie Ballère , Auteur ; Pierre-Louis Frison , Directeur de thèse Editeur : Lyon [France] : Centre d'études et d'expertise sur les risques, l'environnement, la mobilité et l'aménagement CEREMA Année de publication : 2021 Autre Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Note générale : bibliographie
Thèse de Doctorat de l'Université Gustave Eiffel, spécialité : Sciences et Technologies de l'Information GéographiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] déboisement
[Termes IGN] détection de changement
[Termes IGN] données exogènes
[Termes IGN] forêt tropicale
[Termes IGN] Guyane (département français)
[Termes IGN] image Sentinel-SARIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les forêts tropicales abritent la biodiversité la plus riche de notre planète et jouent un rôle particulièrement important dans le stockage du carbone et le cycle de l'eau. Le suivi de la dégradation de ce milieu est un défi d'actualité car il représente un danger immédiat pour l'environnement et la biodiversité. Par ailleurs, depuis 2014, la mise en orbite des satellites Sentinel dans le cadre du programme européen Copernicus constitue une réelle révolution dans le panorama des capteurs d'observation de la Terre existants jusqu'alors. En effet, des données optiques (Sentinel-2) et radar (Sentinel-1) sont, depuis lors, accessibles librement à tous et permettent des acquisitions à une résolution décamétrique et une répétitivité allant de 5 à 12 jours selon la région analysée. L'objectif de cette thèse consiste donc à développer des méthodes pour le suivi de la forêt tropicale basées sur des données radar Sentinel-1 et des produits de cartographie exogènes. Plus spécifiquement, l'étude a pour but de fournir des outils pour observer le déboisement, en produisant des cartes en quasi-temps réel, puis en caractérisant les zones détectées avec la cause de leur déboisement. Ces informations sont nécessaires à l'estimation et au suivi du déboisement sur les zones tropicales, et à la lutte contre les défriches illicites. La région test est la Guyane. Couverte à plus de 95% par la forêt, elle est caractérisée par de nombreux types de perte forestière permettant de valider la méthode sur de nombreuses caractéristiques. De plus, ce territoire étant relativement bien surveillé, beaucoup de données cartographiques d'occupation du sol sont disponibles pour situer les déboisements ou pour servir de référence au niveau spatial. La première phase du travail est l'amélioration d'une méthode de détection du déboisement à partir des données Sentinel-1 et son évaluation sur la Guyane. La validation de la carte produite s'appuie sur 1 867 données (de différents types de déboisement) produites de manière indépendante, et représentant un total de 2 124.5 ha à travers toute la Guyane sur une période de 2 ans. Les résultats obtenus sur la Guyane au niveau spatial sont très satisfaisants : 96% de précision sur les surfaces déboisées et 81.5% de rappel. La mise en place d'une campagne terrain a rendu possible l'estimation du côté quasi-temps réel de la méthode sur 26 parcelles et avance un délai médian de détection de 3.5 jours. Une comparaison avec un produit optique souvent pris comme référence, a démontré l'avantage des données Sentinel-1 pour ces régions caractérisées par de fortes couvertures nuageuses. Cette meilleure performance s'observe tant sur le plan spatial (rappel du radar supérieur de plus de 35%), que sur le plan temporel (un tiers des zones déboisées nécessitant une surveillance est détecté avec 3 mois de retard par les images optiques). La deuxième partie du travail consiste à caractériser les zones déboisées détectées afin de déterminer leur cause. Pour cela, des méthodes d'apprentissage automatique ont été utilisées pour choisir des indicateurs cartographiques pertinents, permettant de produire un modèle prédictif simple, fiable, automatique et utilisable à l'échelle de la Guyane en temps-réel. Les indicateurs F-scores de chaque type de déboisement sont de 97% pour l'orpaillage et l'agriculture, 95% pour l'exploitation forestière, 87% pour l'urbanisation et 76% pour la classe « autre », pouvant se rapporter à des perturbations naturelles. Ce travail a montré la pertinence d'utiliser des indicateurs cartographiques pour déterminer la cause des déboisements en Guyane, permettant cette identification en temps-réel. Ces travaux qui démontrent le potentiel des données Sentinel-1 pour le suivi continu des forêts tropicales ont été menés en interaction avec les acteurs locaux. Ils montrent également la complémentarité de systèmes provenant de capteurs différents et pourront être poursuivis en ce sens. Note de contenu : 1- Introduction
2- Les pertes forestières tropicales
3- Site d'Etude et Données
4- Analyse et interprétation
5- Méthodes et validation
6- Résultats
7- Valorisations et perspectives
8- ConclusionNuméro de notice : 17363 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences et Technologies de l'Information Géographique: Gustave Eiffel : 2021 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-03629552 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99020 Assessing the interest of a multi-modal gap-filling strategy for monitoring changes in grassland parcels / Anatol Garioud (2021)
Titre : Assessing the interest of a multi-modal gap-filling strategy for monitoring changes in grassland parcels Type de document : Article/Communication Auteurs : Anatol Garioud , Auteur ; Silvia Valero, Auteur ; Clément Mallet , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2021 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : IGARSS 2021, IEEE International Geoscience And Remote Sensing Symposium 11/07/2021 16/07/2021 Bruxelles Belgique Proceedings IEEE Importance : pp 3105 - 3108 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] détection de changement
[Termes IGN] image Sentinel-SAR
[Termes IGN] parcelle agricole
[Termes IGN] prairie
[Termes IGN] régression multiple
[Termes IGN] série temporelleRésumé : (auteur) One key factor to exhaustive vegetation monitoring lies in the dense temporal sampling of the measurements. Areas subject to multiple human interventions, such as grasslands, are particularly concerned. A Recurrent Neural Network multi-sensor regression approach (SenRVM), relying on the systematic acquisitions of Sentinel-1 SAR satellite, has been thereby proposed. It permits to retrieve vegetation indexes, derived from Sentinel-2 optical imagery, despite significant cloud cover and with high sampling (6 days). The benefit of SenRVM for filling gaps in vegetation time-series describing agricultural practices is assessed. The proposed approach is compared with classical mono-sensor optical strategies. We adopt a synthetic dataset with large gaps. This realistically mimicks challenging conditions in grassland exploitation detection. Results obtained both for exploited and stable parcels satisfactorily demonstrate the relevance of our approach. Numéro de notice : C2021-042 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS47720.2021.9554995 Date de publication en ligne : 12/10/2021 En ligne : https://doi.org/10.1109/IGARSS47720.2021.9554995 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99413 Deep learning for wildfire progression monitoring using SAR and optical satellite image time series / Puzhao Zhang (2021)PermalinkDétection de changement d’occupation du sol à l’aide de données Sentinel en contexte tropical / Lucas Martelet (2021)PermalinkDiurnal cycles of C-band temporal coherence and backscattering coefficient over an olive orchard in a semi-arid area: Comparison of in situ and Sentinel-1 radar observations / Adnane Chakir (2021)PermalinkDiurnal cycles of C-band temporal coherence and backscattering coefficient over a wheat field in a semi-arid area / Nadia Ouaadi (2021)PermalinkEnsemble learning methods on the space of covariance matrices : application to remote sensing scene and multivariate time series classification / Sara Akodad (2021)PermalinkEvaluation of Sentinel-1 & 2 time series for the identification and characterization of ecological continuities, from wooded to crop-dominated landscapes / Audrey Mercier (2021)PermalinkExamining the effectiveness of Sentinel-1 and 2 imagery for commercial forest species mapping / Mthembeni Mngadi in Geocarto international, vol 36 n° 1 ([01/01/2021])PermalinkFlood mapping from radar remote sensing using automated image classification techniques / Lisa Landuyt (2021)PermalinkGeospatial analysis of September, 2019 floods in the lower gangetic plains of Bihar using multi-temporal satellites and river gauge data / C.M. Bhatt in Geomatics, Natural Hazards and Risk, vol 12 n° 1 (2021)PermalinkImpact of forest disturbance on InSAR surface displacement time series / Paula M. Bürgi in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)PermalinkInvestigation of Sentinel-1 time series for sensitivity to fern vegetation in an European temperate forest / Marlin Mueller (2021)PermalinkNear-real-time identification of the drivers of deforestation in French Guiana / Marie Ballère (2021)PermalinkPermalinkSAR data for tropical forest disturbance alerts in French Guiana: Benefit over optical imagery / Marie Ballère in Remote sensing of environment, Vol 252 (January 2021)PermalinkSeasonal flow variability of Greenlandic glaciers : satellite observations and numerical modeling to study driving processes / Anna Derkacheva (2021)PermalinkSemantic segmentation of sea ice type on Sentinel-1 SAR data using convolutional neural networks / Alissa Kouraeva (2021)PermalinkSuivi de la déforestation à partir de données Sentinel-1 en contexte tropical / Lucile Auzeméry (2021)PermalinkMonitoring of wheat crops using the backscattering coefficient and the interferometric coherence derived from Sentinel-1 in semi-arid areas / Nadia Ouaadi in Remote sensing of environment, Vol 251 (15 December 2020)PermalinkDeep learning for detecting and classifying ocean objects: application of YoloV3 for iceberg–ship discrimination / Frederik Hass in ISPRS International journal of geo-information, vol 9 n° 12 (December 2020)PermalinkCartographie des cultures dans le périmètre du Loukkos (Maroc) : apport de la télédétection radar et optique / Siham Acharki in Revue Française de Photogrammétrie et de Télédétection, n° 222 (novembre 2020)Permalink