scholarly journals Complémentarité des images optiques SENTINEL-2 avec les images radar SENTINEL-1 et ALOS-PALSAR-2 pour la cartographie de la couverture végétale : application à une aire protégée et ses environs au Nord-Ouest du Maroc via trois algorithmes d’apprentissage automatique.

2021 ◽  
Vol 223 ◽  
pp. 143-158
Author(s):  
Siham ACHARKI ◽  
Pierre Louis FRISON ◽  
Mina AMHARREF ◽  
Hanna KHOJ ◽  
Samed BERNOUSSI
Keyword(s):  
Nous Avons ◽  
Alos Palsar ◽  
Climat Méditerranéen ◽  
Sentinel 2

Dans cet article, nous évaluons les performances de classification de trois algorithmes non paramétriques (kNN, RF et SVM) en utilisant les données multi-temporelles de trois satellites (Sentinel-1, Alos-Palsar-2 et Sentinel-2) et de leurs combinaisons. La zone d'étude choisie se caractérise par un climat méditerranéen subhumide et une topographie très accidentée qui rend la classification d’occupation du sol particulièrement difficile. En outre, elle contient une aire protégée nommée Jbel Moussa et présente une diversité biologique exceptionnelle. Afin de suivre le couvert végétal de cette dernière, nous avons acquis et prétraités les images satellitaires optiques et radar pour la période du 1er janvier au 31 décembre 2017. Ensuite, nous avons combiné les trois satellites, soit douze scénarios produits. Des cartes de classifications illustrent notre approche. Un total de trente-six classifications a été obtenu, en se basant sur sept classes : eau, bâtiment et infrastructures, sol nu, végétation peu dense, prairies, forêt peu dense et forêt dense. Les résultats ont montré que pour tous les scénarios, la précision globale la plus élevée a été produite par RF (53,03%-93,06%), suivie de kNN (49,16%-89,63%), tandis que SVM (47,86%-86,08%) a produit la précision de classification la plus faible. L'étude a également montré une similitude entre les performances de la combinaison des trois satellites et celles de Sentinel-2 seul.  Les estimations de la superficie pour les différentes classes vont de 0,85 km2 (0,11% de la zone d'étude) à 326,84 km2 (41,31% de la zone d'étude)

scholarly journals CARTOGRAPHIE DES CULTURES DANS LE PÉRIMÈTRE DU LOUKKOS (MAROC) : APPORT DE LA TÉLÉDÉTECTION RADAR ET OPTIQUE

2020 ◽  
pp. 15-29
Author(s):  
Siham Acharki ◽  
Mina Amharref ◽  
Pierre-Louis Frison ◽  
Abdes Samed Bernoussi
Keyword(s):  
Nous Avons ◽  
Changement Climatique ◽  
Climat Méditerranéen ◽  
Sentinel 2

Dans cet article, nous analysons la possibilité d’amélioration de la classification des cultures dans un périmètre irrigué du nord du Maroc en se basant sur la combinaison des données multi-temporelles de deux satellites (Sentinel-1 et Sentinel-2) avec l’inclusion de neuf indices. Le périmètre concerné (Loukkos), en plus de sa position stratégique, se caractérise par un climat méditerranéen avec une forte valeur écologique. Il présente une intense activité agricole avec une grande diversité des cultures dont le fonctionnement pourrait être affecté par le changement climatique. Afin de quantifier les besoins en eau, nous avons utilisé les séries d’images satellitaires acquises pour la période du 09/2017 au 08/2018. Les cartes produites pour trois niveaux de classification illustrent notre approche. L’étude a montré que les 10 canaux optiques, à 10 et 20 m de résolution spatiale, des données acquises par Sentinel-2 permettent d'obtenir de bonnes performances, avec un indice de kappa > 85% pour les sous-classes et une précision globale > 86%. Ces performances sont supérieures à celles obtenues avec des données radar acquises par Sentinel-1, avec des écarts de F-score inférieurs de 9% en moyenne, et pouvant aller jusqu'à 29% (sur le chêne-liège/Niveau SSC). Ni l'ajout d'indices radiométriques optiques, ni la combinaison des données optiques et radar n'apportent d'amélioration significative aux performances obtenues avec les données Sentinel-2. Afin d’exploiter les données obtenues, les travaux à venir se focaliseraient sur l’étude des profils temporels de chaque type de culture.Mots-clés : Sentinel-1, Sentinel-2, Classification supervisée, Forêt aléatoire, Cultures, Loukkos

scholarly journals Modelling and Predicting the Growing Stock Volume in Small-Scale Plantation Forests of Tanzania Using Multi-Sensor Image Synergy

Forests ◽  
2019 ◽  
Vol 10 (3) ◽  
pp. 279 ◽  
Author(s):  
Ernest William Mauya ◽  
Joni Koskinen ◽  
Katri Tegel ◽  
Jarno Hämäläinen ◽  
Tuomo Kauranne ◽  
...  
Keyword(s):  
Tree Species ◽  
Forest Inventory ◽  
Remotely Sensed ◽  
Small Scale ◽  
Remotely Sensed Data ◽  
Weighted Mean ◽  
Alos Palsar ◽  
Growing Stock ◽  
Stock Volume ◽  
Sentinel 2

Remotely sensed assisted forest inventory has emerged in the past decade as a robust and cost efficient method for generating accurate information on forest biophysical parameters. The launching and public access of ALOS PALSAR-2, Sentinel-1 (SAR), and Sentinel-2 together with the associated open-source software, has further increased the opportunity for application of remotely sensed data in forest inventories. In this study, we evaluated the ability of ALOS PALSAR-2, Sentinel-1 (SAR) and Sentinel-2 and their combinations to predict growing stock volume in small-scale forest plantations of Tanzania. The effects of two variable extraction approaches (i.e., centroid and weighted mean), seasonality (i.e., rainy and dry), and tree species on the prediction accuracy of growing stock volume when using each of the three remotely sensed data were also investigated. Statistical models relating growing stock volume and remotely sensed predictor variables at the plot-level were fitted using multiple linear regression. The models were evaluated using the k-fold cross validation and judged based on the relative root mean square error values (RMSEr). The results showed that: Sentinel-2 (RMSEr = 42.03% and pseudo − R2 = 0.63) and the combination of Sentinel-1 and Sentinel-2 (RMSEr = 46.98% and pseudo − R2 = 0.52), had better performance in predicting growing stock volume, as compared to Sentinel-1 (RMSEr = 59.48% and pseudo − R2 = 0.18) alone. Models fitted with variables extracted from the weighted mean approach, turned out to have relatively lower RMSEr % values, as compared to centroid approaches. Sentinel-2 rainy season based models had slightly smaller RMSEr values, as compared to dry season based models. Dense time series (i.e., annual) data resulted to the models with relatively lower RMSEr values, as compared to seasonal based models when using variables extracted from the weighted mean approach. For the centroid approach there was no notable difference between the models fitted using dense time series versus rain season based predictor variables. Stratifications based on tree species resulted into lower RMSEr values for Pinus patula tree species, as compared to other tree species. Finally, our study concluded that combination of Sentinel-1&2 as well as the use Sentinel-2 alone can be considered for remote-sensing assisted forest inventory in the small-scale plantation forests of Tanzania. Further studies on the effect of field plot size, stratification and statistical methods on the prediction accuracy are recommended.

scholarly journals MODELLING THE AMOUNT OF CARBON STOCK USING REMOTE SENSING IN URBAN FOREST AND ITS RELATIONSHIP WITH LAND USE CHANGE

2019 ◽  
Vol XLII-4/W18 ◽  
pp. 1051-1058
Author(s):  
N. Tavasoli ◽  
H. Arefi ◽  
S. Samiei-Esfahany ◽  
Q. Ronoud
Keyword(s):  
Land Use ◽  
Land Use Change ◽  
Carbon Stock ◽  
Urban Forest ◽  
Coefficient Of Determination ◽  
Series Data ◽  
Alos Palsar ◽  
Radar Images ◽  
Wide Range ◽  
Sentinel 2

Abstract. The estimation of biomass has been highly regarded for assessing carbon sources. In this paper, ALOS PALSAR, Sentinel-1, Sentinel-2 and ground data are used for estimating of above ground biomass (AGB) with SVM-genetic model Moreover Landsat satellite data was used to estimate land use change detection. The wide range of vegetation, textural and principal component analysis (PCA) indices (using optical images) and backscatter, decomposition and textural features (from radar images) are derived together with in situ collected AGB data into model to predict AGB. The results indicated that the coefficient of determination (R2) for ALOS PALSAR, Sentinel-1, Sentinel-2 were 0.51, 0.50 and 0.60 respectively. The best accuracy for combining all data was 0.83. Afterwards, the carbon stock map was calculated. Landsat series data were acquired to document the spatiotemporal dynamics of green spaces in the study area. By using a supervised classification algorithm, multi-temporal land use/cover data were extracted from a set of satellite images and the carbon stock time series simulated by using carbon stock maps and green space (urban forest) maps.

scholarly journals TOWARD A MULTI-SOURCE REMOTE SENSING WETLAND INVENTORY OF THE USA: PRELIMINARY RESULTS ON WETLAND INVENTORY OF MINNESOTA

2021 ◽  
Vol V-3-2021 ◽  
pp. 97-100
Author(s):  
S. Adeli ◽  
B. Salehi ◽  
M. Mahidanpari ◽  
L. J. Quackenbush
Keyword(s):  
Field Data ◽  
Cost Effective ◽  
Google Earth ◽  
Machine Learning Techniques ◽  
Wetland Delineation ◽  
Observation Data ◽  
Alos Palsar ◽  
The Usa ◽  
Wetland Inventory ◽  
Sentinel 2

Abstract. Wetlands are highly productive ecosystems that offer unique services on regional and global scales including nutrient assimilation, carbon reduction, geochemical cycling, and water storage. In recent years, however, they are being lost or exploited as croplands due to natural or man-made stressors (1.4 percent in 5 years within the USA). This decline in the extent of wetlands began legislative activity at a national scale that mandate the regulate use of wetlands. As such, the need for cost-effective, robust, and semi-automated techniques for wetland preservation is ever-increasing in the current era. In this study, we developed a workflow for wetland inventorying on a state-wide scale using optimal incorporation of dual-polarimetry Sentinel-1, multi-spectral Sentinel-2 and dual polarimetry ALOS-PALSAR with the Random Forest (RF) classifier in Google Earth Engine (GEE). A total of 45 features from a stack of multi-season/multi-year SAR and Optical imagery (included more than 5000 imagery) was extracted over Minnesota state, USA. We followed the Cowardin classification scheme for clustering the field data. The classification was performed in two levels in 5 different ecozones that cover the Minnesota state. Depending on the availability field data for each ecozone overall accuracies changed from 77% to 85%. The variable importance analysis suggests that Sentinel-2 spectral features are dominant in terms of their capability for wetland delineation. Sentinel-1 backscattering coefficient was also superior among other SAR features. Ultimately, the results of this study shall illustrate the applicability of free of charge earth observation data coupled with the advanced machine learning techniques that are available in GEE for better restoration and management of wetlands.

scholarly journals Multi-Source and Multi-Temporal Image Fusion on Hypercomplex Bases

2020 ◽  
Vol 12 (6) ◽  
pp. 943
Author(s):  
Andreas Schmitt ◽  
Anna Wendleder ◽  
Rüdiger Kleynmans ◽  
Maximilian Hell ◽  
Achim Roth ◽  
...  
Keyword(s):  
Image Fusion ◽  
Optical Sensors ◽  
Remote Sensing Data ◽  
Image Data ◽  
Machine Learning Algorithms ◽  
Alos Palsar ◽  
Data Set ◽  
Multi Temporal ◽  
The Stability ◽  
Sentinel 2

This article spanned a new, consistent framework for production, archiving, and provision of analysis ready data (ARD) from multi-source and multi-temporal satellite acquisitions and an subsequent image fusion. The core of the image fusion was an orthogonal transform of the reflectance channels from optical sensors on hypercomplex bases delivered in Kennaugh-like elements, which are well-known from polarimetric radar. In this way, SAR and Optics could be fused to one image data set sharing the characteristics of both: the sharpness of Optics and the texture of SAR. The special properties of Kennaugh elements regarding their scaling—linear, logarithmic, normalized—applied likewise to the new elements and guaranteed their robustness towards noise, radiometric sub-sampling, and therewith data compression. This study combined Sentinel-1 and Sentinel-2 on an Octonion basis as well as Sentinel-2 and ALOS-PALSAR-2 on a Sedenion basis. The validation using signatures of typical land cover classes showed that the efficient archiving in 4 bit images still guaranteed an accuracy over 90% in the class assignment. Due to the stability of the resulting class signatures, the fuzziness to be caught by Machine Learning Algorithms was minimized at the same time. Thus, this methodology was predestined to act as new standard for ARD remote sensing data with an subsequent image fusion processed in so-called data cubes.

scholarly journals Potentiel de l'imagerie optique satellitaire à haute résolution pour détecter les dommages engendrés par des épisodes pluvieux extrêmes

2020 ◽  
pp. 66-74
Author(s):  
Arnaud Cerbelaud ◽  
Axelle Favro ◽  
Laure Roupioz ◽  
Gwendoline Blanchet ◽  
Xavier Briottet ◽  
...  
Keyword(s):  
Nous Avons ◽  
Haute Résolution ◽  
Sentinel 2

De nombreuses données satellites peuvent aujourd'hui être combinées afin de couvrir des surfaces très importantes avec une très haute résolution spatiale (THR) ainsi qu'une haute fréquence de revisite. Le potentiel de ces images pour évaluer et cartographier les dommages engendrés par des pluies extrêmes, en particulier ceux causés par le ruissellement pluvial, a été jusqu'à présent peu étudié. Cette étude propose une méthode pour détecter de la manière la plus exhaustive possible ces dommages à partir de données satellitaires THR et HR acquises au plus près, avant et après, d'un événement de pluie intense. Pour ce faire, nous avons utilisé des images Pléiades (0,7 m) et Sentinel-2 (10 m) acquises au-dessus de la région de l'Aude (France), fortement touchée par des intempéries le 15 octobre 2018. Notre intérêt a porté sur les zones agricoles qui ont fait l'objet de 1119 demandes d'indemnisation en calamités agricoles pour cet événement. Plusieurs indices et filtres spectraux ont été appliqués sur un échantillon d'images Sentinel-2 sélectionnées avant et après l'épisode orageux. Ce travail exploratoire révèle que certains types de dommages agricoles sont bien détectés alors que d'autres, même clairement visibles sur les images Pléiades, sont plus difficiles à distinguer avec les indices et filtres sélectionnés sur les images Sentinel-2. Il démontre également le potentiel de ces méthodes pour discriminer les différents degrés de dégâts relevés sur les parcelles agricoles. Cette étude confirme l'importance de combiner information spectrale, temporelle et contextuelle pour détecter à l'aide de l'imagerie optique les dommages engendrés par des pluies extrêmes, en particulier ceux causés par le ruissellement pluvial. Ces travaux préliminaires ouvrent la voie au développement de nouvelles méthodes de détection, l'utilisation de nouveaux indices ainsi que sur l'intelligence artificielle.

scholarly journals Sinergia de imágenes Sentinel 1 y Sentinel 2 A para la delimitación de humedales a partir de un enfoque ecohidrogeomórfico

2021 ◽  
Vol 60 (3) ◽  
pp. 233-252
Author(s):  
Nicolás Emanuel Vidal Quini ◽  
Alejandra Mabel Geraldi
Keyword(s):  
Buenos Aires ◽  
Alos Palsar ◽  
Sentinel 2

En los últimos años se desarrolla un creciente interés en detectar, delimitar e inventariar humedales bajo un enfoque ecohidrogeomórfico para ampliar el conocimiento de estos ecosistemas y posibilitar la elaboración de lineamientos de gestión para su aprovechamiento. El objetivo de esta investigación es detectar y delimitar aquellos sectores que reflejan condiciones ecohidrogeomórficas favorables para definirlos como humedales en un sector de la cuenca Alsina ubicada en el sudoeste de la provincia de Buenos Aires, Argentina. Se aplicó una metodología complementaria entre imágenes ópticas y radar que consiste en la utilización de un modelo digital de elevación Alos Palsar e imágenes Sentinel 2 A y Sentinel 1. Se abordó un pulso de inundación en la laguna ocurrido en el año 2017. Los eventos húmedos reflejan el funcionamiento de la laguna y los sistemas de humedales. Se analizaron cambios biofísicos que ocurrieron en los sectores perilagunares en referencia al ingreso de lluvias. Los resultados verificaron la presencia de diferentes tipologías de humedales entre la laguna y su área perilagunar que durante una inundación funcionan como un ecosistema híbrido.

scholarly journals Un cadre d'évaluation de la vulnérabilité écologique des forêts dans les fronts de déforestation tropicaux à partir de l'évaluation de la dégradation des forêts dans une approche paysagère : études de cas au Brésil et Vietnam

2021 ◽  
Vol 346 ◽  
pp. 81-82
Author(s):  
Clément BOURGOIN
Keyword(s):  
Nous Avons ◽  
Du Bois ◽  
Sentinel 2

La conservation du couvert forestier tropical est essentielle pour assurer la fourniture durable de services écosystémiques. Cependant, l'accroissement de la population, la demande de produits agricoles et les changements dans l'utilisation des terres affectent leur durabilité. L'objectif de cette thèse est de développer une approche multidimensionnelle pour évaluer la dégradation des forêts et les relations avec la dynamique de l'utilisation des terres afin d’estimer leur vulnérabilité. La thèse a été appliquée à Paragominas (Brésil) et Di Linh (Vietnam). À Paragominas, la dégradation est directement liée à l’exploitation sélective du bois et au feu, impliquant des changements dans la structure forestière. Grâce aux outils de télédétection, nous avons cartographié la biomasse forestière aérienne à partir de données de stock de carbone et avons étudié les conséquences de la dégradation sur les structures forestières. Nous avons aussi constaté que 58 % de la dégradation était expliquée par l’analyse des changements d’occupation du sol. La distribution des forêts dégradées est pilotée par la fragmentation issue de l’expansion du soja mais est aussi associée à la déforestation récente et aux pratiques de culture sur brûlis. À Di Linh, la dégradation est due à l'empiètement de la culture de café. L'inventaire des différents types d’occupation du sol, combiné aux images Sentinel-2, a permis de cartographier la couverture du sol actuelle. Nous avons construit des trajectoires de dynamique paysagère afin de caractériser l'expansion de la frontière agricole. Nous avons identifié des trajectoires de dégradation et de fragmentation qui affectent le couvert forestier à différentes intensités. Ensemble, ces indicateurs ont mis en évidence des points chauds de vulnérabilité. Grâce aux approches et aux indicateurs de télédétection développés à l'échelle de la forêt et du paysage, nous avons fourni un diagnostic holistique des forêts dans les paysages modifiés par l'homme. Cette thèse vise à ouvrir la voie à une gestion adaptée et prioritaire des forêts dégradées à l'échelle du paysage.

scholarly journals A Hierarchical Clustering Method for Land Cover Change Detection and Identification

2020 ◽  
Vol 12 (11) ◽  
pp. 1751
Author(s):  
Tuomas Häme ◽  
Laura Sirro ◽  
Jorma Kilpi ◽  
Lauri Seitsonen ◽  
Kaj Andersson ◽  
...  
Keyword(s):  
Land Cover ◽  
Hierarchical Clustering ◽  
Unsupervised Clustering ◽  
Land Cover Changes ◽  
Landsat 8 ◽  
Alos Palsar ◽  
Change Analysis ◽  
Detection And Identification ◽  
Multi Temporal ◽  
Sentinel 2

A method to detect abrupt land cover changes using hierarchical clustering of multi-temporal satellite imagery was developed. The Autochange method outputs the pre-change land cover class, the change magnitude, and the change type. Pre-change land cover information is transferred to post-change imagery based on classes derived by unsupervised clustering, enabling using data from different instruments for pre- and post-change. The change magnitude and change types are computed by unsupervised clustering of the post-change image within each cluster, and by comparing the mean intensity values of the lower level clusters with their parent cluster means. A computational approach to determine the change magnitude threshold for the abrupt change was developed. The method was demonstrated with three summer image pairs Sentinel-2/Sentinel-2, Landsat 8/Sentinel-2, and Sentinel-2/ALOS 2 PALSAR in a study area of 12,372 km2 in southern Finland for the detection of forest clear cuts and tested with independent data. The Sentinel-2 classification produced an omission error of 5.6% for the cut class and 0.4% for the uncut class. Commission errors were 4.9% for the cut class and 0.4% for the uncut class. For the Landsat 8/Sentinel-2 classifications the equivalent figures were 20.8%, 0.2%, 3.4%, and 1.6% and for the Sentinel-2/ALOS PALSAR classification 16.7%, 1.4%, 17.8%, and 1.3%, respectively. The Autochange algorithm and its software implementation was considered applicable for the mapping of abrupt land cover changes using multi-temporal satellite data. It allowed mixing of images even from the optical and synthetic aperture radar (SAR) sensors in the same change analysis.

scholarly journals ANÁLISE ESPACIAL DA VEGETAÇÃO NATIVA EM ÁREAS DE PRESERVAÇÃO PERMANENTE E DE RESERVA LEGAL E SUAS IMPLICAÇÕES LEGAIS, NA BACIA DO RIO BURANHÉM, NOS ESTADOS DE MINAS GERAIS E BAHIA

2021 ◽  
Vol 22 (84) ◽  
pp. 200-214
Author(s):  
Samuel Dias Santos ◽  
Allívia Rouse Carregosa Rabbani ◽  
Leonardo Thompson Da Silva ◽  
Maria Otávia Silva Crepaldi
Keyword(s):  
Minas Gerais ◽  
Alos Palsar ◽  
Sentinel 2

A legislação ambiental brasileira estabelece restrições de uso em determinadas áreas nos imóveis rurais, no intuito de proteger espaços relevantes para a conservação das espécies e dos recursos naturais. Neste aspecto, o geoprocessamento vem se tornando uma ferramenta essencial no monitoramento e fiscalização em áreas cuja vegetação nativa deve ser mantida. O objetivo deste estudo consistiu em identificar as Áreas de Preservação Permanente (APPs) e de Reserva Legal (RL) situadas na bacia do rio Buranhém, nos estados de Minas Gerais e Bahia, e verificar se estas áreas atendem ao previsto na legislação brasileira ou se há conflitos de uso da terra. Para o mapeamento da vegetação e das classes de APPs foram utilizadas imagens do satélite Sentinel-2, o modelo digital de elevação (MDE) do ALOS PALSAR, e o programa gratuito QGIS. Foi constatado que em 74,7% das APPs e 41,8% das áreas de Reserva Legal não possuem cobertura vegetal predominantemente nativa, o que caracteriza um conflito legal de uso dessas áreas. Portanto, para que as propriedades rurais se regularizem é necessário a recuperação destas áreas que não estão em conformidade com a legislação vigente.

Sign in / Sign up

Export Citation Format

Share Document