Utilisation du produit neige Theia dans le bassin de la Durance

En Français Sentinel-2 snow-ice THEIA

Simon Gascoin, 2 avril 2019

Le Syndicat Mixte d’Aménagement de la Vallée de la Durance [1] commence à utiliser les cartes d’enneigement produites par Theia pour alimenter sa cartothèque. Il s’agit d’un démonstrateur en cours d’élaboration mais qui est consultable par tous en ligne.

 

Merci à Pascal Dumoulin pour l’info !

[1] Créé en 1976, le Syndicat Mixte d’Aménagement de la Vallée de la Durance est le concessionnaire de la gestion du Domaine Public Fluvial de la Basse-Durance depuis 1982 et œuvre essentiellement dans les domaines de l’aménagement et la gestion du lit de la Durance, de l’amélioration de la sécurité et de la protection contre les crues, de la gestion du transport solide, de la préservation et amélioration du patrimoine naturel et de la maitrise des différents usages. Depuis 2010 le SMAVD est labélisé Etablissement Public Territorial de Bassin (EPTB) de la Durance (source : https://www.smavd.org/le-smavd-eptb/la-structure/)

Plus d'actualités

Sentinel-2 reveals the surface deformation after the 2025 Myanmar earthquake

Sentinel-2 captured several clear-sky images of Myanmar before and after the 28 March 2025 earthquake. The animation below shows a 5-day apart sequence of images captured by Sentinel-2B and Sentinel-2C (10 m resolution) near the epicenter located close to Mandalay. The surface slip due to the earthquake follows the Sagaing Fault, a major fault in […]

Evolution de l’altitude de la ligne de neige au cours des 41 dernières années dans le bassin versant du Vénéon (Oisans)

Pour contribuer à caractériser les conditions hydrométéorologiques lors de la crue torrentielle qui a frappé la Bérarde en juin, j’ai analysé une nouvelle série de cartes d’enneigement qui couvre la période 1984-2024 [1]. Grâce à la profondeur temporelle de cette série, on constate que l’altitude de la ligne de neige dans le bassin versant du […]

Biophysical parameter retrieval from Sentinel-2 images using physics-driven deep learning for PROSAIL inversion

The results presented here are based on published work: Y. Zérah, S. Valero, and J. Inglada. « Physics-constrained deep learning for biophysical parameter retrieval from sentinel-2 images: Inversion of the prosail model« , in Remote Sensing of Environment, doi: 10.1016/j.rse.2024.114309. This work is part of the PhD of Yoël Zérah, supervised by Jordi Inglada and Silvia Valero. […]

Rechercher