SenRVM : série temporelle de NDVI sans lacunes par régression multimodale pour le suivi de la végétation

Le suivi de la végétation est un exemple d’application de l’Observation de la Terre où la répétitivité des mesures est un paramètre important.  L’utilisation traditionnelle d’images optiques peut souffrir de données manquantes causées par la couverture nuageuse. Ces données manquantes peuvent durer plusieurs semaines voire plusieurs mois et survenir à des périodes clé de changements de surface (par exemple le début de croissance ou une récolte dans le cas des surfaces agricoles). Sentinels Regression for Vegetation Monitoring (SenRVM) est une approche multimodale s’appuyant à la fois sur la capacité des capteurs optiques à décrire l’état de la végétation et sur celles des capteurs radar qui ne sont pas affectés par les nuages. L’architecture d’apprentissage profond proposée vise à prédire un descripteur optique (NDVI) à partie de donnée radar et auxiliaires. SenRVM permet d’obtenir des séries temporelles de NDVI à six jours et sans données manquantes, adéquates pour le suivi de la végétation.

Ce travail a fait l’objet d’une publcation dans la revue Remote Sensing of Environment (Garioud et al., 2021).

Lire la publication sur HAL

Sources :

Anatol Garioud, Silvia Valero, Sébastien Giordano, Clément Mallet. Recurrent-based regression of Sentinel time series for continuous vegetation monitoring. Remote Sensing of Environment, Elsevier, 2021, 263, pp.112419. ⟨10.1016/j.rse.2021.112419⟩.

Plus d'actualités

Formations & jobs

offre de stage M2: Cartographie de l’occupation du sol à partir de séries Sentinel-2 au moyen de classifieurs à apprentissage robuste. Application à la région de Marrakech (Maroc).

Contexte Le LMI TREMA mène depuis 2002 des recherches en agro-hydrologie dans les zones semi-arides (avec comme terrain principal le bassin du Tensift) en exploitant la synergie entre observations de terrain, télédétection spatiale et modélisation biophysique. L’occupation du sol (OS) est une variable spatialisée très importante car utile dans de nombreux domaines comme l’aménagement de […]

02.12.2021

Évènements

Yann Kerr « highly cited researcher »

Félicitations à Yann Kerr qui a été de nouveau classé « Highly Cited Researcher » par le Web of Science ! A ce jour, ses publications ont été citées plus de 19’000 fois !

18.11.2021

Formations & jobs

Offre de Stage : Modélisation de la répartition et de la dynamique des fauches des prairies dans le massif jurassien

Objectifs: Analyser par imagerie la répartition des prairies fauchées et non fauchées et apporter uneévolution dynamique des fauches, grâce à l’apport de la télédétection, en fonction des dates desimages disponibles.L’étude devra se faire à des échelles de travail différentes en s’appuyant sur de sourcesmultiples… offre complète ICI. Type de stage : Master 2. Formation indispensable […]

15.11.2021

Rechercher