Appel à propositions THEIA pour Sentinel-2

En Français Sentinel-2 THEIA

Olivier Hagolle, 3 décembre 2015

La date limite de remise des réponses à l’appel à propositions a été repoussée au 15 décembre  Comme annoncé depuis longtemps, le centre de production MUSCATE du CNES va produire, pour le compte de THEIA, des données de niveau 2A  (après correction atmosphériques, et avec un masque de nuages), à partir des données Sentinel-2. Le système a été dimensionné pour pouvoir produire  les données systématiquement acquises par Sentinel-2 sur des zones couvrant au total 5 millions de kilomètres carrés. Bien évidemment, la France et ses ROM-COM feront partie de la zone traitée, il est inutile de les proposer. L’appel à propositions ci joint s’adresse aux laboratoires et organismes publics Français, il vise à sélectionner les zones à traiter, d’une surface minimale de 90 000 km² . Les réponses sont attendues pour le 15 décembre 2015. 

Niveau 1C (Sentinel-2A, Toulouse, 6 juillet)Niveau 2A (Sentinel-2A, Toulouse, 6 juillet)

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