277 research outputs found
Remote sensing green-up date from SPOT-VEGETATION data at Daring Lake (1998-2012), link to GeoTIFF
No full textOne of the reported changes in arctic and boreal ecosystems in response to warming climate is the advance of the leaf and flower appearance in spring. We developed a remote sensing (RS) method, using 1km spatial resolution SPOT-VGT sensor, to estimate the date of boreal ecosystem green-up without detrimental effect of snow on the signal.
The tif file is made of 15 images, one for each year from 1998 to 2012. The pixel value gives the date at which the ecosystem starts green-up (expressed as the day of year) as estimated in Delbart et al. 2005
Remote sensing green-up date from SPOT-VEGETATION data in North West Siberia (1998-2012), link to GeoTIFF
No full textRemote sensing green-up date from SPOT-VEGETATION data in North East Siberia (1998-2012), link to GeoTIFF
No full textSpring Phenology of the Boreal Ecosystems
No full textInternational audienceEcosystem phenology, i.e. the timing of key biological events, is often considered as both a witness and an actor of climate change. Phenological interannual variations and decadal changes reflect climate variability and trends. Deciduous plant phenology also directly influences the carbon, water and energy exchanges of the ecosystem with the atmosphere. In the northern forests, a trend to earlier spring has been widely reported, often based on remote sensing methods. This trend is suggested to explain a part of the residual carbon sink. However methodological issues, especially related to the combined effects of the vegetation and of the snow cover seasonal changes on the remote sensing signal, were found to affect the results. This chapter describes a remote sensing green-up retrieval method designed to avoid signal contamination by snow. The result validation with ground observations showed that the method catches the interannual variations in phenology of the plant community. Changes in the 1998-2017 are analyzed and positioned in a longer term. This shows that the most persistent feature over the last decades is a large-scale shift in the green-up date at the end of the 1980's, and that the green-up date has not recovered yet to its status prior to 1987. Finally the green-up date maps were used to represent phenology in the northern ecosystem carbon budget simulations. No unidirectional effect of phenological changes in the annual carbon balance could be identified because of a complex interplay between vegetation, water resources and climate
Teledetección de la fenología de cultivos agrícolas en Francia
No full textLa phénologie, l'étude de la saisonnalité des organismes vivants, est essentielle dans l'évaluation du fonctionnement global des écosystèmes. Ce bio-indicateur est traditionnellement obtenu à partir d'observations de terrain, conduites à l'échelle des individus. Aujourd'hui, le caractère synoptique des données satellites permet le suivi de la dynamique de la végétation à différents échelles spatiales et temporelles. Néanmoins, la télédétection de la phénologie des cultures nécessite des observations avec une haute revisite temporelle pour suivre le développement des plantes, et une résolution spatiale adaptée à la taille des parcelles et au caractère fragmenté des paysages agricoles français. Or, actuellement, il n'existe aucun capteur répondant aux deux exigences simultanément. D'une part, les données à moyenne résolution spatiale fournissent des observations journalières permettant d'obtenir des séries temporelles composites, idéales pour les études phénologiques des couverts homogènes, mais au prix d'une résolution spatiale faible non adaptée à la taille des parcelles agricoles. D'autre part, les données à haute résolution spatiale fournissent des observations intra parcellaire mais avec une résolution temporelle souvent insuffisante pour détecter les stades phénologiques spécifiques des cultures. Dans ce contexte, l'objectif de cette thèse a été de cartographier la phénologie des cultures agricoles en France entre 2016-2020, à partir des donnés à moyenne résolution spatiale PROBA-V (300 m). Pour cela, nous avons développé une méthode de désagrégation spatiale permettant de reconstruire des séries temporelles d'indices spectraux révélateurs de l'état de croissance des plantes par type de culture. La méthode est basée sur un modèle de combinaison linéaire qui demande la connaissance de la fraction de chaque culture à l'intérieur d'un mixel, fournie par les données du Registre Parcellaire Graphique (RPG). Ensuite, à partir de ces données désagrégées, pour chaque pixel, nous avons estimé des métriques phénologiques spécifiques de chaque culture grâce a la méthode de seuillage, les seuils ayant été calés grâce à la confrontation des données de télédétection aux observations de terrain. Les résultats ont été évalués vis-à-vis d'observations de terrain fournies par le réseau national d'observation phénologique TEMPO et l'observatoire phénologique des céréales Céré'Obs. Les performances des données PROBA-V (300 m) ont été similaires à celles obtenues par les données Sentinel-2 (10 m) à partir de 2017, mais avec un taux de détection phénologique supérieur. Globalement, les dates estimées ont été conformes aux dates observées agrégées au niveau régional. En revanche, au niveau communal, les incertitudes sont plus élevées, peut être en raison de la discordance de l'échelle spatiale entre les estimations par télédétection et les observations de terrain intra-communales. Les stades intermédiaires (ex : épiaison) ont obtenu des meilleurs résultats par rapport aux premiers stades post-hiver (ex : fin tallage), ce qui pourrait s'expliquer par la variabilité des conditions pré et intra-hivernage des parcelles (e.g. état de santé, conditions météorologiques après semis, etc.). En conclusion, les données désagrégées ont permis de cartographier la date de certains stades phénologiques, comme l'épiaison du blé d'hiver et la date de floraison du colza, et ce à l'échelle nationale. Ceci suggère un grand potentiel pour le suivi opérationnel de la dynamique des cultures en France, et ce, avec une continuité rétrospective qui pourrait être assurée par d'autres capteurs existants ayant des caractéristiques spatiales et temporelles similaires, comme les capteurs MODIS ou SPOT-VGT.Phenology, the study of living organism's seasonality, is essential for the assessment of overall ecosystem functioning. This bio-indicator is traditionally obtained from field observations, conducted at the individual level. Currently, synoptic satellite data allow vegetation dynamics monitoring at different spatial and temporal scales. Nevertheless, remote sensing of crop phenology requires high temporal observations to track plant development, and high spatial resolution according to plot sizes and the fragmented nature of the French agricultural landscape. However, currently, there is no sensor that can simultaneously address both requirements. Medium spatial resolution data provide daily observations allowing to obtain composite time series, ideal for phenological studies of homogeneous coverage, but with a low spatial resolution not adapted to agricultural plots sizes. On the other hand, high spatial resolution data provide intra-plot observations but with a lower temporal resolution to detect crop-specific phenological stages. In this context, the aim was to map agricultural crops phenology in France during 2016-2020, from medium spatial resolution PROBA-V (300 m) data. For this purpose, we have developed a spatial disaggregation method to reconstruct time series of spectral indices indicative of plant growth status by crop type. The method is based on a linear combination model that requires the knowledge of the fraction of each crop within a mixel, provided by the Land Parcel Identification System (LPIS) data. Then, from these disaggregated data, for each pixel, we have estimated crop-specific phenological metrics based on a threshold approach, using thresholds that have been adjusted by comparing remote sensing data with field observations. The results were evaluated against field observations provided by the national phenological observation network TEMPO and the cereal phenological observatory Céré'Obs. The performance of PROBA-V data (300 m) was similar to that obtained by Sentinel-2 data (10 m) from 2017, but with a higher phenological detection success rate. Overall, the estimated dates were consistent with observed dates aggregated at the regional level. In contrast, at the communal level, uncertainties are higher, perhaps due to the spatial scale mismatch between remote sensing estimates and intra-communal field observations. Intermediate stages (e.g., heading) performed better than early post-winter stages (e.g., end of tillering), which could be explained by variability in pre- and intra-winter plot conditions (e.g., health status, post-planting weather conditions, etc.). In conclusion, the disaggregated data allowed us to map the date of certain phenological stages, such as heading in winter wheat and flowering in oilseed rape, at the national scale. This suggests a strong potential for operational monitoring of crop dynamics in France, with a retrospective continuity that could be guaranteed by other existing sensors with similar spatial and temporal characteristics, such as the MODIS or SPOT-VGT sensors.La fenología, el estudio de la temporalidad de los organismos vivos, es esencial para la evaluación del funcionamiento global de los ecosistemas. Tradicionalmente, este bio-indicador es obtenido a partir de observaciones de campo realizadas a nivel de los individuos. Actualmente, el carácter sinóptico de los datos satelitales permite monitorear la dinámica de la vegetación a diferentes escalas espaciales y temporales. Sin embargo, la teledetección de la fenología de cultivos necesita observaciones con alta frecuencia temporal para acompañar el desarrollo de las plantas y, una resolución espacial adaptada al tamaño de las parcelas y al carácter fragmentado del paisaje agrícola francés. No obstante, hasta el momento no existe un sensor capaz de cumplir con ambos requerimientos simultáneamente. Por un lado, los datos de media resolución espacial proporcionan observaciones diarias que permiten obtener series temporales compuestas, ideales para los estudios fenológicos de las cubiertas homogéneas, pero con una baja resolución espacial que no está adaptada al tamaño de las parcelas agrícolas. Por otro lado, los datos de alta resolución espacial proporcionan observaciones infra parcelarias, pero con una baja resolución temporal a menudo insuficiente para detectar estadios fenológicos específicos de los cultivos. En este contexto, el objetivo de la tesis fue mapear la fenología de cultivos agrícolas en Francia entre 2016-2020, utilizando datos de media resolución espacial PROBA-V (300 m). Para ello, se ha desarrollado un método de desagregación espacial que permite reconstruir las series temporales de los índices espectrales reveladores del estado de crecimiento de las plantas por tipo de cultivo. El método está basado en el conocimiento de las fracciones de los cultivos que se encuentran dentro un mixel, proporcionado por los datos del Registro Parcelario Grafico (RPG). Por consiguiente, a partir de los datos desagregados y para cada pixel, se han estimado las métricas fenológicas específicas de cada cultivo basándose en el método del valor umbral, habiéndose fijado estos valores comparando los datos de teledetección con las observaciones de campo. Los resultados fueron evaluados con respecto a las observaciones de campo provistas por la red nacional de observación fenológica TEMPO y el observatorio fenológico de cereales Céré'Obs. El rendimiento de los datos PROBA-V (300 m) fue similar al obtenido por los datos Sentinel-2 (10 m) a partir del 2017, pero con una mayor tasa de detección fenológica. En términos generales, las fechas estimadas concordaron con las fechas observadas y agregadas a nivel regional. En cambio, a nivel comunal, las discrepancias son mayores, debiéndose probablemente al desajuste de la escala espacial entre las estimaciones por teledetección y las observaciones de campo intracomunales. Los estadios intermediarios (ej. espigado) obtuvieron mejores resultados con relación a los primeros estadios post-invernal (ej. Fin del macollamiento), pudiéndose explicar por la variabilidad de las condiciones pre e infra hibernación de las parcelas (ej. estado de salud, condiciones meteorológicas post-siembra, etc.). En conclusión, los datos desagregados permitieron mapear la fecha de ciertos estadios fenológicos como el espigado del trigo de invierno y la fecha de la floración de la colza, y esto, a escala nacional. Esto sugiere un alto potencial para el monitoreo operacional de la dinámica de los cultivos en Francia, con una continuidad retrospectiva pudiéndose garantir por otros sensores existentes con características espaciales y temporales similares, como los sensores MODIS o SPOT-VGT
Monitoring vegetation change in tropical and equatorial Africa by remote sensing : evaluation of the potential contribution of new optical and radar satellite sensors
No full textLa dégradation forestière englobe tout ce qui peut abîmer et fragiliser la forêt : coupes sélectives pour les bois rares, incendies, sécheresse, etc. La dégradation des forêts est subtile et moins visible que la déforestation. Pourtant, les forêts dégradées sont, à terme, vouées à disparaître. En outre, la dégradation des forêts est une préoccupation majeure, car le potentiel de séquestration du carbone est alors réduit. C'est un biais important dans les bilans carbone des pays qui ne tiennent généralement pas compte de la dégradation forestière. Le présent travail de thèse vise à évaluer le potentiel des images satellites Sentinel-2, de l'Agence Spatiale Européenne, pour la détection des forêts dégradées en Guinée, Afrique de l'Ouest. Outre la fragmentation des forêts causée par le changement d'utilisation des terres, le principal processus de dégradation observé y est la coupe sélective, en particulier dans le massif de Ziama, pourtant classé comme réserve de biosphère par l'UNESCO. Généralement, l'identification des forêts dégradées par satellite nécessite des coûts importants en termes de main d'œuvre et d'expertise de photo-interprétation, car la délimitation des forêts dégradées est manuelle. La première partie de la thèse est consacrée à l'amélioration de la méthode de photo-interprétation des forêts dégradées. Nos résultats témoignent de l'apport majeur de Sentinel-2 grâce à sa large gamme de réflectances qui couvre le moyen infrarouge et qui a montré une considérable amélioration de la séparabilité de la forêt dense et de la forêt dégradée. Ensuite, grâce à sa résolution temporelle qui permet de valider l'état de dégradation forestière. Les valeurs radiométriques d'images Sentinel-2 acquises de 2015 à 2020 ont été analysées au regard d'observations au sol réalisées avec un forestier local lors d'une campagne terrain en Guinée en 2019. Nos résultats montrent que les indices liés à l'humidité (teneur en eau de la canopée [CWC], indice de stress hydrique [MSI]), associés à l'indice de surface foliaire (LAI) extrait des données Sentinel-2, sont fortement liés au degré de dégradation. En utilisant les séries temporelles des mesures LAI, MSI et CWC comme données d'entrée, une méthode de classification 'Random forest' a été développée, différant des méthodes existantes par l'inclusion des valeurs des pixels voisins dans l'algorithme afin d'imiter la reconnaissance visuelle de forêts dégradées par un opérateur humain. L'inclusion du contexte montre de meilleurs scores de précision et les résultats de cartographie ont été validés par les observations de terrain. La photo-interprétation de seulement 1,6 % de la surface d'une image pour l'entraînement du modèle a permis d'atteindre une précision globale de 89,6 %, ce qui correspond à une nette avancée par rapport aux méthodes existantes. Enfin, une autre méthode contextuelle a été explorée grâce aux des techniques d'apprentissage profond. Il s'agissait d'évaluer si les réseaux neuronaux convolutifs (CNN) peuvent tout autant améliorer la détection des forêts dégradées et supprimer le besoin de réentrainement. Nous avons identifié le manque de données labellisées comme obstacle majeur pour l'entraînement des modèles CNN et élargi les données d'entraînement en photo-interprétant une série d'images entre 2015 et 2020. Nous avons comparé 3 modèles CNN et évalué leur performance pour la détection des forêts dégradées. Le résultat de l'étude est la création d'un modèle qui atteint 93% de précision. Cette méthode est transférable et peut s'appliquer d'une année à une autre et d'un massif guinéen à un autre. Validée de façon indépendante par des experts en occupation du sol, la méthode ne requiert ainsi pas de photo-interprétation de nouvelles images en 2021. Cette thèse présente une base solide pour les opérateurs responsables de la production des cartographies nationales et une production de cartes plus rapide et moins coûteuse à partir d'images satellites gratuites et accessiblesForest degradation includes everything that can damage and weaken the forest: selective cutting for rare wood, fires, drought, etc. Forest degradation is subtle and less visible than deforestation. However, degraded forests are doomed to disappear. Moreover, forest degradation is a major concern because the potential for carbon sequestration is reduced. This is an important bias in the carbon balances of countries that generally do not take into account forest degradation. This thesis aims to evaluate the potential of Sentinel-2 satellite images, from the European Space Agency, for the detection of degraded forests in Guinea, West Africa. In addition to forest fragmentation caused by land use change, the main degradation process observed is selective logging, particularly in the Ziama Massif, which is classified as a biosphere reserve by UNESCO. Generally, the identification of degraded forests by satellite requires significant costs in terms of manpower and photo-interpretation expertise, as the delineation of degraded forests is manual. The first part of the thesis is devoted to the improvement of the photo-interpretation method of degraded forests. Our results show the major contribution of Sentinel-2 due to its wide range of reflectances which covers the short-wave infrared and which showed a considerable improvement of the separability of the dense forest and the degraded forest. Secondly, due to its temporal resolution which allows to validate the state of forest degradation. The radiometric values of Sentinel-2 images acquired from 2015 to 2020 were analyzed against ground observations made with a local forester during a field campaign in Guinea in 2019. Our results show that moisture-related indices (canopy water content [CWC], water stress index [MSI]), combined with the leaf area index (LAI) extracted from Sentinel-2 data, are strongly related to the degree of degradation. Using the time series of LAI, MSI and CWC measurements as input data, a 'Random forest' classification method was developed, differing from existing methods by including neighboring pixel values in the algorithm to mimic the visual recognition of degraded forests by a human operator. The inclusion of context shows better accuracy scores, and the mapping results were validated by field observations. Photo-interpretation of only 1.6% of an image area for model training resulted in an overall accuracy of 89.6%, which is a clear advance over existing methods. Finally, another contextual method was explored using deep learning techniques. This was to evaluate whether convolutional neural networks (CNNs) can equally improve detection of degraded forests and remove the need for retraining. We identified the lack of labeled data as a major barrier to training CNN models and expanded the training data by photo-interpreting a series of images between 2015 and 2020. We compared 3 CNN models and evaluated their performance in detecting degraded forests. The result of the study is the creation of a model that achieves 93% accuracy. This method is transferable and can be applied from one year to another and from one Guinean massif to another. Independently validated by land use/land cover experts, the method does not require photo-interpretation of new images in 2021. This thesis presents a solid basis for operators responsible for the production of national land use/land cover maps and a faster and less expensive production of maps from satellite images that are free and accessible to all
Télédétection des dynamiques environnementales : du bilan de carbone des écosystèmes à l’évaluation des ressources hydriques et agricoles
No full textCe volume scientifique d’Habilitation à Diriger les Recherches synthétise les travaux réalisés dans les quatre laboratoires de recherche où j’ai conduit mes recherches depuis la fin de la thèse : le Frontier Research Center for Global Change (FRCGC, Yokohama, Japon), le Centre d’Etudes Spatiales de la Biosphère (CESBIO, Toulouse) le Laboratoire des Sciences du Climat et de l’Environnement (LSCE, Saclay) et le Pôle de Recherche pour l’Organisation de l’Information Géographique (PRODIG, Paris).Les travaux réalisés s’inscrivent dans un objectif de diagnostic de l’évolution temporelle de différents écosystèmes et hydrosystèmes au cours des dernières décennies. Ils visent aussi à comprendre les conséquences de cette évolution sur le bilan de carbone et sur la disponibilité des ressources.Les effets de la variabilité climatique sur la phénologie des écosystèmes boréaux, c’est-àdire sur leur saisonnalité, ont été spatialisés grâce aux développements méthodologiques en télédétection réalisés durant la thèse. L’allongement de la saison de croissance est un indicateur direct du réchauffement climatique observé au cours du 20e siècle, particulièrement marqué dans ces régions. La télédétection a révélé une avancée duprintemps dans de larges régions de toundra et de taïga de l’hémisphère nord. D’autres périodes d’avancée similaires ont été repérées plus tôt dans le siècle grâce à la modélisation et aux observations in situ mais pour des régions plus restreintes. La comparaison avec des données naturalistes issues de la science citoyenne a révélé que ces variations sont représentatives de celles d’une large cohorte d’espèces, du moins au Canada.La phénologie rythme aussi les échanges de carbone entre la végétation et l’atmosphère, lesquels ont un impact sur le climat. Durant la thèse, la télédétection avait servi à étalonner un modèle de fonctionnement de la végétation dans le but de simuler le bilan de carbone d’une vaste région de Sibérie centrale. Depuis, la capacité d’un modèle proche (ORCHIDEE) à modéliser les stocks de carbone a été évaluée, révélant en particulier queles gradients spatiaux de biomasse de la forêt amazonienne ne sont pas correctement reproduits en raison de la représentation de la mortalité de la végétation dans le modèle. Ces travaux concernant deux des principaux puits de carbone terrestre à l’échelle mondiale, il est essentiel d’avoir une représentation la plus correcte possible des processus impliqués (phénologie pour les écosystèmes boréaux, équilibre entre mortalité et productivité en Amazonie) dans les modèles afin d’obtenir les meilleures projections futures de l’état des écosystèmes et du climat.Mon intégration dans un laboratoire et un département de géographie comme enseignant-chercheur m’ont amené à diversifier mes thématiques de recherche et mes pratiques en télédétection. À la faveur de l’encadrement d’étudiants de master et de l’accompagnement de doctorants, j’ai abordé la question de la disponibilité en eau dans les milieux semi-arides (Argentine, Sénégal) via la télédétection, apportant un regard complémentaire à celui de mes collègues géographes : en particulier, une relation directe entre la surface hivernale du manteau neigeux dans les Andes et le débit des rivières irrigant les oasis argentines a été confirmée. Les effets de cette variabilité interannuelle de la ressource en eau sur l’agriculture dans les oasis ont fait l’objet de travaux préliminaires basés sur la classification de l’occupation du sol et l’évolution temporelle d’indices spectraux. D’autres travaux sur l’occupation du sol et ses dynamiques ont été réalisés ou sont en cours, en France et dans les Suds, avec comme objectifs l’étude del’usage du sol par l’homme, l’évaluation des ressources agricoles ou forestières, ou encore le diagnostic de la vulnérabilité à un aléa.En résumé, les travaux présentés concernent les dynamiques temporelles des milieux physiques, à des échelles de temps saisonnière, interannuelle et multi-décennale, avec des enjeux sur le bilan de carbone et sur la disponibilité de ressources. Ils comportent une large part de développement méthodologique en télédétection, portant sur le fonctionnement saisonnier de la végétation et des hydrosystèmes, ou sur l’occupation du sol. Ils utilisent des données issues de capteurs de télédétection optique à haute et à moyenne résolutions spatiales, mais aussi celles d’autres types de capteurs tels que les radars, les gravimètres, ou les radiomètres micro-ondes, ce qui me permet d’une part de multiplier les regards sur les espaces étudiés, et d’autre part d’enseigner la télédétection dans sa diversité technique et thématique
Remote sensing green-up date from SPOT-VEGETATION data at Herschel Island (1998-2012), link to GeoTIFF
No full textRemote sensing green-up date from SPOT-VEGETATION data in North Scandinavia (1998-2013), link to GeoTIFF
No full textChallenges of flood monitoring in the Senegal river valley using multi-temporal data
No full textSession HS6.1 " Open session on remote sensing applications in hydrology and climate studies"International audienc
- …
