Le portail francophone de la géomatique

Feeds

10000 items (0 unread) in 53 feeds

Dans la presse

• Décryptagéo, l'information géographique
• Cybergeo
• Revue Internationale de Géomatique (RIG)
• SIGMAG & SIGTV.FR - Un autre regard sur la géomatique
• Mappemonde

Du côté des éditeurs

• Imagerie Géospatiale
• Toute l’actualité des Geoservices de l'IGN
• arcOrama, un blog sur les SIG, ceux d ESRI en particulier
• arcOpole - Actualités du Programme
• Géoclip, le générateur d'observatoires cartographiques
• Blog GEOCONCEPT FR

Toile géomatique francophone

• Géoblogs (GeoRezo.net)
• Geotribu
• Les cafés géographiques
• UrbaLine (le blog d'Aline sur l'urba, la géomatique, et l'habitat)
• Séries temporelles (CESBIO)
• Datafoncier, données pour les territoires (Cerema)
• Cartes et figures du monde
• SIGEA: actualités des SIG pour l'enseignement agricole
• Data and GIS tips
• Neogeo Technologies
• ReLucBlog
• L'Atelier de Cartographie
• My Geomatic
• archeomatic (le blog d'un archéologue à l’INRAP)
• Cartographies numériques
• Veille cartographie
• Makina Corpus
• Oslandia
• Camptocamp
• Carnet (neo)cartographique
• Le blog de Geomatys
• GEOMATIQUE
• Geomatick
• CartONG (actualités)

Géomatique anglophone

• Planet Geospatial - http://planetgs.com
• Google Maps Mania
• All Points Blog
• Directions Media - Podcasts
• Navx
• James Fee GIS Blog
• Open Geospatial Consortium (OGC)
• Planet OSGeo

Blogs GeoRezo.net

• Parcell'air
• Le coin de l'open-source géospatial
• INSPIRE by clouds
• Les GéoBlogs
• Infobulle
• Le blog SIG & URBA
• Blog Interopérabilité & GéoInformation

Séries temporelles (CESBIO)

• 08 July 2019
• 22:30

  Une attaque à la bombyx vue par Sentinel-2

  sur Séries temporelles (CESBIO)

  =>

  Un de mes collègues du CESBIO et du CNES, spécialiste des méthodes de classification automatique et créateur de logiciels libres, m'a raconté que lors de sa dernière ballade dominicale dans la forêt de Bouconne, les arbres étaient en train d'être dévorés par des chenilles. En tendant l'oreille, on pouvait même les entendre grignoter les feuilles.  Même s'il n'a pas mes tendances à l’exagération,  j'ai voulu vérifier avec mon satellite préféré, Sentinel-2.

  L'image ci dessous compare, en fausses couleurs (plus c'est rouge plus la végétation est vigoureuse), les images acquises le 5 juillet 2017 et le 5 juillet 2019 (la même période était nuageuse en 2018). Les différences sont impressionnantes, la couleur rouge s'atténue et disparaît presque par endroits, signe que les chenilles ont consommé une bonne partie des feuilles.

  Comparaison en fausse couleur (la végétation apparaît en rouge) d'images Sentinel-2 de niveau 2A (traitées par Theia) acquises les 5 juillet 2017 et 2019 sur la forêt de Bouconne, près de Toulouse. Certaines zones forestières apparaissent plus sombres en 2019, du fait de l’appétit des larves de bombyx..

   

  Une petite recherche m'a appris que ce phénomène est dû à la chenille d'un papillon, le bombyx disparate, d'origine locale. Certaines années, il pullule. Il en existe une variante asiatique qui a été Introduite aux Etats-Unis au 19e siècle. Elle y cause de graves dégâts sous le nom de Gypsy moth. Ce papillon est particulièrement amateur de feuilles de chêne. Il est dit "disparate" car le mâle et la femelle ont des aspects très différents:

  

  C'est sa magnifique larve qui lorsque les conditions sont favorables cause tous les dégâts :

  Par Didier Descouens — Travail personnel, CC BY-SA 4.0, Lien

  La forêt de Bouconne n'est pas la seule en France à avoir été attaquée cette année, c'est aussi le cas de la forêt des Maures sur la côte d'Azur, et là les effets sont impressionnants, comme le montre l'article de var matin ci dessous, et surtout la comparaison des images 2018 et 2019. Vu d'en haut, on pourrait croire que la forêt à brûlé. Il semble que les arbres puissent se remettre des attaques de bombyx, car la larve se transforme en papillon en juillet et laisse les feuilles repousser.

  Comparaison en fausse couleur (la végétation apparaît en rouge) d'images Sentinel-2 acquises fin juin 2018 et 2019. Certaines zones forestières apparaissent noires. Le trait oblique sur la mer est dû aux observations sous des angles légèrement différents par les détecteurs de Sentinel-2.
• 16:11

  [Theia] Un nouveau bulletin Theia est paru

  sur Séries temporelles (CESBIO)

  

  Le Bulletin n°11 de Theia, préparé par Isabelle Biagiotti, vient de paraître !

  Au sommaire

  • les nouvelles du réseau : l’ART Nouvelle-Calédonie, les produits Humidité du sol, la chaîne Maja, la traque des moustiques, l’occupation des sols de la Réunion…
  • des articles sur les missions satellitaire SWOT et Thrishna, la plateforme A2S, Mundi Web Service, le Cospar…
  • un focus sur le produit Neige
  • des échos de recherche sur l’assimilation des données à haute résolution spatiale sur les surfaces terrestres et le suivi de la biomasse
  • deux nouveaux portraits de chercheurs impliqués dans Theia

  Lire le nouveau Bulletin

  >>> Télécharger le .pdf en version impression
  >>> Télécharger le .pdf en version allégée
  >>> Lire le Bulletin sur Calaméo
  >>> Retrouver les numéros précédents.

• 02 July 2019
• 16:04

  Call for experiment ideas for VENµS last phase

  sur Séries temporelles (CESBIO)

  The VENµS satellite has two missions, a scientific mission that requires to have the satellite exactly at the same place every second day to make repetitive observations with constant view angles, and a technological payload (IHET, Israeli Hall Effect Thruster) to change the satellite's orbit (that's why there is a blue and a red circle in VENµS's logo). It may sound a bit odd to couple two such missions on a single spacecraft, but anyway we found ways to accommodate them.

   

  The current plans for Venµs Mission (VM) are as follows :

  • VM1 : Venµs scientific mission is supposed to work until Mid 2020 at 720 km altitude, imaging 123 sites with a 2 days repeat cycle
  • VM2 : Venµs altitude is progressively decreased to 410 km using the IHET engine
  • VM3 : low altitude orbit keeping, compensating drag, while continuing to image as a secondary mission at 410 km (which is an orbit with a two days repeat cycle)

   

  The interest of VM2 and VM3 is to show the capacity of the IHET to drastically change the orbit, and to compensate the atmospheric friction on the satellite at 410 km. At 410 km, the Venµs resolution will be close to 2,5m, but will require a rotation of the spacecraft for motion compensation. The viewing capacity of the satellite will therefore be reduced.

   

  But the plans for VM2 and VM3 phases are principles which are going to be detailed and finalized this autumn during a Joint Steering Committee with France and Israel. It is therefore time to receive suggestions and ideas from the community of Venµs users.

   

  We have already had our own ideas, such as :

  • keeping Venµs Satellite on the current orbit for a longer time to allow for a longer  scientific mission
  • select the one day repeat cycle orbit at 560 km altitude instead of two days orbit at 410 km
  • include observations from different viewing angles over a few sites to work on directional effects
  • ...

   

  But the more of us, the more imagination. Please feel free to rack your own minds and to suggest your ideas. Do you remember this experiment that you dreamed to be able to do with a high resolution optical satellite, a few months ago, but were never able to implement ? Maybe VENµS can do it... or maybe not, the only way is to ask us.

   

  Feel free to add a comment here, or to send us an email, before mid August.

  Philippe Gamet, Gérard Dedieu, Olivier Hagolle

   

  Observable zones during VM1 phase

  Observable zones during VM3 phase... if we do not change the current project

• 28 June 2019
• 17:13

  India water crisis: Sentinel-1 detects surface water, ForEarth app restitutes and shares water stresses

  sur Séries temporelles (CESBIO)

  In the framework of an open call Science4society funded by ESA, researchers at CESBIO have implemented a surface water detection algorithm from radar data Sentinel-1 on a cloud computing system. An API developed by Geomatys and JeoBrowser, two IT companies in France, is used to send the resulting surface water masks to a smartphone App named ForEarth, which display the surface water fluctuation in time for Indian regions.

  The beta version is available on PlayStore and displays statistics and water masks for the Hyderabad region, Telangana, India.

  

  Select your area of Interest

  
  The radar data are able to monitor for any weather the numerous small surface water reservoirs that are used for agriculture as well as the biggest dammed reservoirs used for both irrigation and domestic water.

  

  Select a date to explore the water mask

  The application aims at providing a domestic or agricultural shortage alert system based on surface water fluctuation for lay users.
  

  It quantifies the surface water fluctuation as a proxy of water stress for Hyderabad domestic water.

  

  The beta version will be replaced by an improved version based on the feedback of urban lay users located in Hyderabad. It is planned to deploy the algorithm over South India.

• 27 June 2019
• 18:33

  Major changes for Venµs data processing

  sur Séries temporelles (CESBIO)

  

  We are about to implement a major change in the ground segment of VENµS. Until now, L1C and L2A products were produced in the Venµs Image Processing (VIP) center, and imported into THEIA catalog. Next week, this will be changed.

   

  L1C products will still be produced by the VIP, but the L2A will be generated by MUSCATE center within Theia. Moreover, it will soon be possible to generate L3A products which are bi-weekly composites of cloud free surface reflectances. And the cherry on the cake, all these products will be delivered at 5m resolution, while the L2A products were only available at 10m resolution.

   

  This change comes with some drawbacks for users : the formats will slightly change to keep homogeneity between all the products distributed by MUSCATE.

  • the metadata format is different, the keywords have changed.
  • the images are still provided with TIFF format, but there is now one file per band. For L2A only, The scaling factor has changed, it is now 10000, as for Sentinel-2.
  • the L2A resolution is now 5m !
  • the grid used corresponds to that of Sentinel-2, you only have to account for the upper left origin of each site to obtain the registration of the images. No reprojection and no resampling is necessary.

   

  These changes will be first applied to the real time processing, but the whole archive will be reprocessed later on.

   

  A description of the new formats is provided in the following references :

  • L1C : [www.cesbio.ups-tlse.fr]

  • L2A : [www.cesbio.ups-tlse.fr]

   

  During a few days, both versions will coexist in Theia distribution server. The new products contain the "_XS_" string in their filenames, so they are easy to recognise.

   

• 11:22

  MAJA and LIS selected for the next Pan European high resolution snow and ice monitoring service

  sur Séries temporelles (CESBIO)

  The European Environment Agency (EEA) has selected a consortium led by Magellium to implement the next Pan European high resolution snow and ice monitoring of the Copernicus Land Monitoring Service.

  

  EEA 34 countries and corresponding Sentinel-2 tiles

  This future service aims to monitor three variables at 20 m resolution over the tiles displayed above:

  1. Fractional Snow Cover (FSC)
  2. Permanent Snow Line (PSL)
  3. River and Lake Ice (RLI)

  All products should be generated from atmospherically corrected Sentinel 2 data. For FSC and RLI the product should be available no later than 3 hours after the input Sentinel-2 is published on the Copernicus Open Access Hub. Cesbio and Cnes provide MAJA software for the atmospheric correction and cloud detection and LIS for the snow cover detection and permanent snow mapping. Astri Polka is responsible for the RLI implementation. Meteo-France contributes to the FSC and PSL evaluation and University of Oslo to the RLI. Magellium is in charge of developing the production system and to operate it on one of the DIAS centers. The products will be freely distributed to any user.

   

  

  Snow and ice in the Swedish Lapland by Sentinel-2. The image is centered on Salmijärvi near Kiruna where is located the prime ground station for Sentinel-2 mission control. The image was acquired on 23 Apr 2019, the day of the EEA contract award notice.

  PS. If you'd like to join the project we are recruiting! [https:]]

• 9:54

  Le catalogue Theia/Muscate compte maintenant 200 000 produits Sentinel2 de niveau 2 et 3

  sur Séries temporelles (CESBIO)

  =>

  Le centre de production THEIA MUSCATE a franchi une nouvelle étape dans la nuit du 26 au 27 juin 2019. Il y a maintenant 200 000 produits Sentinel-2 N2A et N3A dans notre catalogue. Il a fallu deux ans et demi pour passer le cap des 100 000 produits en août dernier , mais nous avons doublé ce nombre en moins d'un an. C'est la preuve que notre système de production est maintenant mature et robuste, même s'il demande encore beaucoup de travail de la part de l'équipe d'exploitation, que nous remercions beaucoup !

   

  Mais comme vous pouvez le voir ci-dessous, si le nombre de produits Sentinel-2 est le plus élevé, et aussi le plus téléchargé, le nombre de types de produits que nous fournissons aux utilisateurs augmente régulièrement. Nous vous parlerons bientôt du produit " qualité de l'eau" qui vient d'apparaître à la fin de la liste.

  

   

• 9:44

  200 000 Sentinel-2 L2A and L3A products in Theia catalog

  sur Séries temporelles (CESBIO)

  =>

  THEIA MUSCATE production center passed a new milestone during the night of the 26th to 27th of June 2019. There are now 200 000 Sentinel-2 L2A and L3A products in our catalog generated with MAJA. It had taken two years and half to pass the 100000 products milestone last august, but it took less than a year to double that number. This is a proof that our production system is now mature and robust, even if it still requires a lot of work from the exploitation team, which we thank a lot for their hard work !

   

  But as you can see below, if the  number of Sentinel-2 products is the highest, and also the most downloaded by far, the catalogue has grown a lot, and the number of products we provide to the users is steadily increasing. We will soon tell you about the water quality product that just appeared at the end of the list.

  

   

   

• 26 June 2019
• 9:59

  [VENµS] Venµs data production currently stalled

  sur Séries temporelles (CESBIO)

  

  As the CNES project team was celebrating the 10 000th orbit of VENµS satellite (without me, I had another meeting at the same time ), the exploitation received a bug report: the production of the Venµs Image processing  had stopped.

   

  That was not a coincidence to ruin the joy of the social event, and it was not jealousy from my side, but just the fact that somewhere in the ground segment, the orbit number was coded with 4 digits.

  Update 26/06/2019-16h30

  The bug has been corrected and production resumed.

• 23 June 2019
• 22:41

  Sentinel-2 captures new data centers in Iceland

  sur Séries temporelles (CESBIO)

  In a remote sensing study published in Nature, the authors claimed that they used "101 CPU-core years of computation (..) within the Google data centres". This made me wonder what could be the carbon footprint of such a study?. I estimated that it should be 65 tonnes of carbon dioxide, but a Google engineer replied:

  Google purchases enough renewable energy to offset 100% of its energy use for its offices and data centers.

  In just a few years, the company has made an impressive move to renewables, true to its famous motto "don't be evil". Google is the largest corporate purchaser of renewable energy on the planet. However, it's better to save energy than to buy renewable energy, as explained by Forbes:

  It is true that Google is buying all its electricity from renewable sources, but it is unlikely that all the electricity it is using comes from renewable sources. This is because solar and wind, Google’s choices for renewable sources, are both variable, while Google’s electricity demand is not. In other words, there are times and locations when Google must use electricity that comes from traditional sources, while simultaneously the electricity generated from the renewable projects funded via Google’s PPAs is curtailed and lost.

  To save energy (and cost), large tech companies are moving data centers in Nordic countries like Iceland to take advantage of the "free air cooling". Moreover in Iceland the electricity production relies primarily on hydropower and geothermal heat.

  

  Sentinel-2 images of data centers in Reykjanesskagi, Iceland

  
  
  This is how it looks inside these buildings:
  
  
  However, even Icelandic data centers based on carbon-neutral energy can be problematic. We as scientist could also save energy by carefully evaluating the advantage of using computationally-intensive algorithms as done here by Jordi Inglada. For example, we could use the energy consumption of an algorithm as a weighting factor of standard performance metrics like the RMSE or the kappa coefficient. The implementation of the algorithm should also be considered as it can drastically change its energetic performance.

  Which Programming Languages Use the Least Electricity? [https:]]

  (hint: it's not #Python)

  — NumFOCUS (@NumFOCUS) June 21, 2019

• 19 June 2019
• 19:03

  Detecting inaccurate glacier outlines with Sentinel-2 snow maps

  sur Séries temporelles (CESBIO)

  Two years ago I posted an animation of the snow cover area evolution near Zermatt, Switzerland from Sentinel-2 L2A data processed by LIS.
  
  From this time series of snow maps I generated a snow cover duration map and
  added the glacier outlines from the Randolph Glacier Inventory 5.0.
  
  

  Colors: Snow cover duration between 01 Sep 2016 to 31 Aug 2017 (in days). Black line: Glacier outline from RGI.

  
  
  I was satisfied by the overall good agreement between the areas with a high snow cover duration and the glacier outlines. However by looking more closely at the small isolated glacier in the eastern part I noticed a mismatch between both datasets..
  
  
  

  Oberrothorn mountain. Colors: Snow cover duration between 01 Sep 2016 to 31 Aug 2017 (in days). Black line: Glacier outline from RGI.

  
  
  Which dataset is wrong? To check the location of the glacier, I uploaded the RGI polygon to the Swiss geoportal.
  
  

  Oberrothorn glacier outline from RGI 5.0 (red line) and areal ortho-photos from the Swiss geoportal.

  
  
  According to Swiss Topo the standard deviation of the orthophotos geolocation accuracy in complex terrain is +/- 3-5 m, which is lower than the observed offset between the glacier polygon and the glacier photo. Hence, the RGI polygon is not well geolocated, whereas the areas with a snow duration above 300 days from the Sentinel-2 data seems to align well with the orthophoto.
  
  But then, can we use Sentinel-2 snow cover duration maps to automatically detect inaccuracies in the RGI polygons?
  
  This question was investigated by Florent Veillon, a student of the master of geography at Strasbourg University under the supervision of Pierre-Alexis Herrault. In only 2 months, Florent did a very nice work [1]. His report is available here, including all the source code to reproduce his results in R. To sum up the method, he (i) rasterized the glacier polygons from the RGI 6.0 (a more recent version than the one I used) to the same resolution as the Sentinel-2 product, (ii) binarized the Sentinel-2 annual snow duration map with a 300 days threshold to make a map of the permanent snow areas, and (iii) compared both binary images on a pixel basis.
  
  In general, Florent confirmed that there is a very good agreement between both datasets. Yet, the Sentinel-2 data led him to identify a systematic shift in the NW-SE direction in some of the glacier polygons. These errors are shown in black in the picture below [2].
  
  

  Top: the colors indicate the results of the comparison between the pixels having a snow duration > 300 days in 2016-2017 and the RGI. (AI: true negative, AS: false negative, RI: false positive, RS: true positive). The lower panel is a verification of this shift using the Swiss geoportal. Source: Veillon, F. (2018).

  
  
  This error is about 2 to 3 pixels of 20 m as shown in this figure:
  

  Horizontal shift between the RGI 6.0 and the Sentinel-2 permanent snow map (Moiry Glacier, Switzerland).

  
  
  To conclude it seems that the Sentinel-2 snow cover duration maps can be used to evaluate the RGI. However the method only works for the glacier accumulation areas where the surface is permanently covered by snow. Previous studies [3] have shown that Sentinel-2 observations are effective to map full glacier extents based on a single acquisition (typically an end-of-summer image). A multi-temporal strategy was developed by [4] with Landsat to deal with "the increasing amount of images which makes it difficult to manually select the best glacier mapping scene.". The global reprocessing of the Sentinel-2 data by ESA to enhance multi-temporal registration should even further increase the value of Sentinel-2 for accurate glacier mapping.
  
  Notes
  
  [1] Veillon F., Evaluation de la qualité de l'inventaire des glaciers à partir du produit de durée annuelle d'enneigement (Sentinel 2) [link]
  
  [2] The orange pixels ("RI: false positive") are not actual errors, but only reflect the fact that the glacier surface in summer at low elevation is often a mixture of ice and debris therefore is not classified as "snow" by the LIS processor. The glacier firn however should be classified as snow but I did not look carefully into this. The snow detection on glacier is specifically addressed within Theia by Antoine Rabatel.
  
  [3] Paul, F.; Winsvold, S.H.; Kääb, A.; Nagler, T.; Schwaizer, G. Glacier Remote Sensing Using Sentinel-2. Part II: Mapping Glacier Extents and Surface Facies, and Comparison to Landsat 8. Remote Sens. 2016, 8, 575. doi:10.3390/rs8070575
  
  [4] Winsvold, S. H., A. Kääb and C. Nuth, "Regional Glacier Mapping Using Optical Satellite Data Time Series," in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 9, no. 8, pp. 3698-3711, Aug. 2016. doi:10.1109/JSTARS.2016.2527063
  
  
  360°-Panorama from Oberrothorn. Source Whgler CC BY-SA 3.0, Link

• 18 June 2019
• 14:45

  THEIA's Sentinel-2 L2A processing on Sahel is progressing

  sur Séries temporelles (CESBIO)

  =>

  As we had announced in November, the MUSCATE production centre in Theia is gradually adding areas in the Sahel, which are shown in the image below. The data are processed from December 2016 onwards, which means that we have a large amount of data to process. So we started with the most westerly tiles, in Senegal on the UTM28 zone, then progressed from one zone to another towards the East.

  
  

  Theia Sentinel-2 processing area on the Sahel

   

  

  In red, the tiles available from Dec 2016 to NRT, in blue , the remaining tiles to be added.

  In recent days, Theia has completed the processing of tiles in the UTM29 area, which mainly covers northern Guinea and western Mali, but also partially covers southern Mauritania and Sierra Leone and north-western Côte d'Ivoire. The treatment of the UTM 30 zone, which covers Burkina Faso and Mali, is also well advanced. The east of this area is finished, and the west is progressing well, as shown in the animation below. The UTM31 zone has also been brought into production. Feel free to take a look from time to time at the map of areas covered by MUSCATE. The blue tiles turn red as soon as we switch to run-of-river processing.

   

  The data can be downloaded from here:

  [https:]]

   

  

  Animation in the region of the city of Mopti, Mali, with about one image per month in 2017. The displayed time series extends between two rainy seasons and covers the dry season. Many fire scars are visible during the dry season. Some shadows appear, which actually correspond to the shadows of cirrus clouds corrected by MAJA. Shadows and cirrus are marked in the products.

• 17 June 2019
• 17:33

  Le traitement des données Sentinel-2 L2A au Sahel progresse

  sur Séries temporelles (CESBIO)

  =>

  Comme nous l'avions annoncé en Novembre, le centre de production MUSCATE de Theia rajoute progressivement des zones au Sahel, qui sont affichées sur l'image ci-dessous. Les données sont traitées à partir de décembre 2016, ce qui nous fait une grande quantité de données à traiter. Nous avons donc commencé avec les tuiles les plus à l'ouest, au Sénegal sur la zone UTM28, puis de proche en proche vers l''Est.

  
  

  Zone de traitement Sentinel-2 sur le Sahel proposée à Theia. En vert foncées les tuiles qui déjà traitées par Theia, en teintes claires, les tuiles que nous ajoutons progressivement.

   

  Depuis quelques jours, Theia a terminé le traitement des tuiles de la zone UTM29 qui

  

  En rouge, les zones déjà disponibles en temps réel et depuis fin 2016, en bleu, les zones qui le seront bientôt.

  couvre principalement le Nord de la Guinée et l'Ouest du Mali, mais aussi partiellement le sud de la Mauritanie et la Sierra Leone et le Nord Ouest de la Côte d'Ivoire. Le traitement de la zone UTM 30 qui couvre le Burkina Faso et le Mali, est lui aussi bien avancé. L'est de cette zone est terminé, et l'ouest avance bien, comme le montre l'animation ci-dessous. La zone UTM31 a elle aussi été mise en production. N'hésitez pas à jeter un coup d’œil de temps en temps à la carte des zones couvertes de MUSCATE. Les tuiles en bleu deviennent rouges dès que l'on passe au traitement au fil de l'eau.

   

  Les données peuvent être téléchargées ici :

  [https:]]

   

  

  Animation sur la région de la ville de Mopti, au Mali, avec environ une image par mois en 2017. La série temporelle s'étend entre deux saisons des pluies et couvre la saison sèche. De nombreuses cicatrices d'incendies sont visibles pendant la saison sèche. Quelques ombres apparaissent, qui correspondent en fait aux ombres des cirrus corrigées par MAJA. Les ombres sont marquées dans les produits.

• 15 June 2019
• 10:13

  Plus de 1000 téléchargements en deux ans pour le code de correction atmosphérique MAJA

  sur Séries temporelles (CESBIO)

  =>

  Nous avons commencé à distribuer MAJA gratuitement en juillet 2017, il y a moins de deux ans, et le logiciel a déjà été téléchargé plus de 1000 fois (1068 précisément aujourd'hui). Celà représente en moyenne plus de deux téléchargements par jour de semaine, et ces dernières semaines, nous avons atteint environ 4 téléchargements par jour. Bien sûr, c'est probablement beaucoup moins que Sen2cor, qui dispose d'un financement confortable pour le rendre facile à installer et à utiliser sur un ordinateur personnel, sous Windows, IOS ou Linux. Mais les deux logiciels ne jouent pas dans la même catégorie: Sen2cor a été conçu pour fonctionner du côté client, tandis que MAJA a été conçu pour être robuste et efficace dans les environnements de production.

   

  MAJA ne fonctionne que sur linux, et ses algorithmes multi-temporels le rendent moins facile à utiliser. MAJA fait des calculs beaucoup plus complexes que Sen2cor, en deux fois moins de temps que Sen2cor grâce à une bonne parallélisation utilisant la bibliothèque Orfeo Toolbox C++ Library. Malgré cette complexité, beaucoup d'utilisateurs semblent avoir réussi à le faire fonctionner.

  
  Comparaison de séries temporelles d'images de MAJA (Gauche) and Sen2cor (droite) sur la région de Naples. Les masques de nuages sont soulignés en vert, et les ombres en jaune. Cliquez sur l'image pour l'agrandir.
  

  La version de MAJA que nous recommandons actuellement est la version 3.3 qui apporte de nombreuses améliorations.

  Deux outils permettent de faire tourner MAJA efficacement :
  - Sen2Agri, pour lequel MAJA (et son ancienne version MACCS) a été téléchargé environs 700 fois
  - Start-MAJA, qui est un petit orchestrateur que j'ai d'abord développé pour mon usage personnel, puis publié en open source sur github. Il a été téléchargé 450 fois et a reçu 18 étoiles sur la plateforme github du CNES , et 45 sur mon dépôt github personnel, où il était disponible avant de basculer vers celui du CNES.

  

  Les téléchargements de STart-MAJA sur github pendant la dernière quinzaine

   

  Cependant, il n'est pas facile de savoir combien d'utilisateurs ont réussi à l'installer correctement, et combien ont échoué. Nous savons que certains utilisateurs parviennent à l'installer facilement. Nous recevons souvent des commentaires et des questions lorsque les utilisateurs ne réussissent pas immédiatement, et nous ne connaissons pas la proportion de ceux qui abandonnent. Nous serions heureux de recevoir plus de retours sur les difficultés rencontrées et sur le taux de succès. N'hésitez pas à nous informer !

  MAJA est un logiciel développé par la société CS-SI pour le compte du CNES (service DNO/OT/IS, Imagerie Spatiale). Les méthodes ont été définies par le CESBIO avec des apports du DLR. D'autres services du CNES (DSO/SI/MO, physique de la mesure optique) et compagnies (Magellium, Cap Gemini, Thales-IS) on apporté leur concours à son développement et sa validation.

   

• 14 June 2019
• 0:13

  Les dépôts d'avalanche sur le glacier du Miage vus par le produit neige Theia

  sur Séries temporelles (CESBIO)

  Récemment j'ai extrait la carte de la durée de l'enneigement faite à partir des produits neige Theia pour la Direction Départementale des Territoires de Haute-Savoie (DDT 74). Pour cela j'ai traité quatre tuiles Sentinel-2 ce qui couvre une bonne partie des Alpes du Nord.

  

  Durée de l'enneigement du 01 septembre 2017 au 31 aout 2018 calculée à partir des produits Theai

  .

  En inspectant cette image mon œil a été attiré par des anomalies positives sur la langue rocheuse du glacier du Miage au sud du Mont-Blanc (cliquer sur l'image pour agrandir).

  

  Ces surfaces qui restent enneigées plus longtemps que leur voisinage sont des dépôts d'avalanche bien visibles sur Google Earth. Je n'ai pas trouvé la date de l'image utilisée par Google Earth mais on remarque la bonne correspondance entre les dépôts de cette photo instantanée et le produit de durée d'enneigement (un peu comme dans ce post historique) !

  

  
  Note
  
  Comme pour les Rocheuses Canadiennes, j'ai d'abord cherché la limite haute de l'altitude des zones de forêts pour ne garder que les zones ouvertes d'altitude où le produit Theia est le plus robuste. Ce qui m'a permis de conclure qu'en première approximation on peut conserver les zones situées au-dessus de 2000 m.

  

  Densité du couvert forestier dans les tuiles T31TGL, T31TGM, T32TLR et T32TLS par tranche d'altitude d'après le produit Copernicus Tree Cover Density 2015 à 100 m de résolution. Pour chaque case, le trait rouge central indique la médiane, et les bords inférieur et supérieur indiquent respectivement les 25ème et 75ème percentiles. Les boites à moustaches s'étendent jusqu'aux points de données les plus extrêmes non considérés comme des valeurs aberrantes, et les valeurs aberrantes sont tracées individuellement à l'aide du symbole «+».

• 10 June 2019
• 22:54

  More than 1000 downloads of MAJA atmospheric correction software

  sur Séries temporelles (CESBIO)

  =>

  We started distributing MAJA as a free software in July 2017, less than 2 years ago, and it already reached 1000 downloads (1043, as a mater of fact).  MAJA was in fact downloaded twice per working day, and in the very last weeks, we had about 4 downloads a day ! Of course it is probably much less than Sen2cor, which is a software with a comfortable  funding to make it easy to install and use on a personal computer, under Windows, IOS or Linux systems. But both software are not in the same category, Sen2cor was designed to run on client side,  while MAJA was designed  to be robust and efficient in production environments.

   

  MAJA only works on linux systems, and its multi-temporal features make it less easy to use. MAJA does much more complex computations than Sen2cor, about twice faster thanks to a good parallelization using the Orfeo Toolbox C++ Library. Still, despite this complexity, a lot of users seem to have managed to make it work and seem to be happy with it.
  
  Comparison of MAJA (left) and Sen2cor (right) time series over Naples, Italy. Cloud masks are outlined in green, shadows in yellow. click on the image to enlarge.

  
  

  We recommend the use of the latest version 3.3 which brings a lot of improvements.

   

  Users can run MAJA through 2 main launchers:

  • Sen2Agri, for which MAJA (or its former MACCS version) was downloaded almost 700 times

  • Start-MAJA, which is a little scheduler I developed first for my own usage and then released as open source on github. It has been downloaded 450 times and has received 18 stars on the CNES github platform, and 45 on my github repository, where it was available before moving to CNES's.

  

  Last fortnight clones of Start-MAJA scheduler

  However, it is not easy to know how many users managed to install it properly, and how many failed. We know some users manage to install it easily. We often receive feedback and questions when users do not succeed at once, and we do not know the proportion who give-up. We would be happy to receive feedback emails and know if you succeeded, and if you are happy with the results.

   

   

• 07 June 2019
• 9:34

  Les séries temporelles de niveau 3A de Sentinel-2

  sur Séries temporelles (CESBIO)

  =>

  Mise à jour: Nous avons ajouté la synthèse au premier août 2019. Attention, la synthèse du mois d'août 2018 correspond, elle, au 15 août, prenez cet élément en compte dans vos comparaisons. Nous diffuserons la synthèse au 15 août vers le 20 septembre.

   

  La boucle est bouclée, et nous avons généré sur la France plus d'un an de synthèses mensuelles de réflectance (à l'exception des mois hivernaux trop nuageux), et nous pouvons donc comparer les images d'une année sur l'autre. C'est particulièrement intéressant en cette année de canicule estivale (mais il y avait déjà une sécheresse sur le Nord et l'Est de la France en 2018). A l'exception de la Bretagne et du sud de l'Aquitaine, la sécheresse et la canicule ont quasiment fait jaunir la France entière, et notamment le Nord du massif central. N'hésitez pas à utiliser le comparateur ci-dessous pour vérifier.

  

  Comparaison des mosaiques de synthèses mensuelles Theia de juillet 2018 et 2019, obtenues avec les satelites Sentinel-2 de Copernicus

  Il y a une autre nouveauté importante. Jusqu'au mois d'Avril 2019, c'était Peter Kettig du CNES qui produisait les synthèses de niveau 3A à partir des données Sentinel-2 du mois précédent, de manière artisanale. Mais depuis juin, le centre de traitement MUSCATE a pris le relais, puisque la chaîne WASP a été intégrée au système MUSCATE. C'est donc l'équipe d'exploitation qui produit les données acquises depuis le mois de mai. La production est encore un peu complexe, et nous n'avons donc pas été en mesure d'étendre les zones traitées au delà de la France, mais les problèmes devraient se résoudre au fur et à mesure. Un grand merci en tous cas à l'équipe d'exploitation qui a réussi à produire trois mois de données au prix de quelques efforts d'essuyage de plâtres.

   

  Sur les images des mois d'avril, et mai 2019, vous trouverez des trous dans les données sur la colonne de tuiles proche du méridien 0, qui passe près de Bordeaux, la Vendée et la Normandie. De nombreuses données Sentinel-2 sont manquantes, ce qui cause des trous et des artefacts dans les données. Le problème ne vient pas de MUSCATE, mais il est dû à la récupération des données Sentinel-2 par PEPS. Ce problème affecte aussi les données de Niveau 2A, et nous devrons donc tout retraiter quand le problème sera corrigé (dans peu de temps, aux dernières nouvelles). L'image de juin est aussi un peu spéciale, car en raison d'une petite erreur de concerptionlors de l'intégration de WASP à MUSCATE, nous avons du limiter la synthèse à 30 jours au lieu de 46. Pour cette raison il reste davantage de nuages qu'en temps normal, et c'est notamment le cas près de Toulouse, où nous avons eu des nuages à chaque fois que Sentinel-2 passait.
  Les données à pleine résolution, avec leurs masques de qualité, peuvent être téléchargées depuis le serveur de distribution Theia au CNES.

   

  Si vous n'avez pas peur d'y passer trop de temps, alors que de nombreuses urgences vous attendent, vous pouvez jeter un œil aux mosaïques de ces produits disponibles sur la France depuis Juillet 2018. Une chouette interface de visualisation (merci à Michel Lepage !), est aussi disponible ci-dessous, pour comparer les différentes synthèses avec celle de juillet 2018 que nous uilisons comme référence.

  
  voir en plein écran

  Pour bien citer nos données :
  Images Sentinel-2 du programme Copernicus de l'Union Européenne traitées par le CNES
  pour le PoleTheia à partir de méthodes développées au Laboratoire CESBIO

  
  En Juin 2019 , les effets de la canicule de la fin du mois ne sont pas encore trop sensibles, car la synthèse porte sur le mois entier. En raison d'un problème dans MUSCATE, la synthèse n'a été calculée que sur 30 jours au lieu de 45, ce qui fait que la couverture nuageuse reste importante, notamment au dessus de Toulouse, où il y a eu des nuages tous les 5 jours au moment du passage de Sentinel2.
  En Mai 2019 , la couverture nuageuse est restée importante et la synthèse garde un certain nombre de pixels nuageux. Les tuiles situées près du méridien de Greenwich sont dégradées voire absentes du fait d'un bug dans PEPS.

  En Avril 2019 , le temps a été très nuageux, avec quelques éclaircies, et du beau temps fin mars et début mai, ce qui a permis de produire une synthèse sans nuages sur 46 jours, centrée sur le 15 avril. A part sur une colonne de tuiles, où PEPS a semble t'il oublié de rapatrier la moitié des données depuis les serveurs de l'ESA, je n'ai quasiment pas vu d’artefacts. Nous allons bien entendu retraiter cette colonne. La couverture neigeuse s'est réduite, mais modestement, en raison de chutes de neige tardives cette année. En revanche, le verdissement des cultures, prairies et forêts est très net. Comme dans la chanson que mes enfants apprenaient à l'école maternelle, "houli houlà, le printemps est là" !

  En mars 2019 , le temps est resté beau et chaud, et l'on commençait à parler de sécheresse. Heureusement pour les agriculteurs, et malheureusement pour les synthèses mensuelles, le mois d'avril a été bien plus nuageux et arrosé. Je n'ai quasiment pas trouvé d'artefacts, excepté sur l'eau et en bordure des zones neigeuses. Il y a peut-être un bord d'orbite visible entre Paris et la Bretagne, mais ce n'est pas évident quand on zoome. La couverture neigeuse a fortement réduit, notamment sur le massif central, et les cultures ont commencé à verdir, surtout au sud, beaucoup moins en Alsace. Les forêts de feuillus ont sagement attendu le mois d'avril pour mettre leurs feuilles.

  En février 2019 le temps a été magnifique et anormalement chaud et sec. Nous avons donc pu cumuler plusieurs acquisitions sans nuages sur la plupart des régions, à quelques exceptions près. Si on compare au mois de juillet, la neige est très présente, les cultures d'hiver sont vertes, et les forêts de feuillus on perdu leur feuilles. Bref, le paysage auquel on s'attend pour février, sans les nuages. En parlant de nuages, un nuage bas et semi transparent a échappé à la détection par MAJA, au Nord de Bourges. Une bonne piqûre de rappel pour nous motiver à améliorer encore notre logiciel (la version 3.3 de MAJA devrait résoudre ce problème, elle est presque prête!). Si vous zoomez sur les zones neigeuses, vous constaterez aussi qu'il y a quelques artefacts, là, c'est WASP qui doit être amélioré. Enfin, avec la forte inclinaison solaire à cette période de l'année, la correction des effets directionnels n'est pas parfaire. On voit des bords d'orbite du côté de l'ouest de la France.

  En novembre , en France, nous avons eu une météo française de novembre, et plusieurs régions sont restées couvertes à chaque passage de Sentinel-2, sur la période de synthèse de 45 jours, centrée sur le 15 Novembre. Dans ce cas, nous fournissons les réflectances de la date où la réflectance dans le bleu est minimale, et nous indiquons dans les produits, pas sur la mosaïque, que le pixel est nuageux. Donc, la synthèse du mois de novembre n'est pas aussi belle que les précédentes. Comme en octobre (voir ci-dessous), des bords d'orbite deviennent visibles.

  Ceci dit, les résultats restent corrects sur de nombreuses régions, et on peut observer les sols plus humides et plus sombres, le démarrage des cultures d'hiver, la chute des feuilles dans les forêts de feuillus, et les sommets enneigés.

  En octobre, pour la première fois, un artefact de bord d'orbite apparaît clairement du côté de Cambrai. Même si c'est un endroit où l'on peut faire des bêtises, cet artefact est dû au changement de date. la partie Ouest est brune, et la partie Est est verte. A cause de la couverture nuageuse importante, la date moyenne de la partie Est se situe bien après celle de la partie Ouest. Le seul moyen d'éviter ce genre d'artefacts sera d'ajouter un ou deux satellites Sentinel-2 de plus, pour faire des synthèses sur des données moins longues (ici nous utilisons 45 jours).

  Methode, artefacts et limites

  Les synthèses mensuelles sont produites avec le processeur WASP, qui est décrit ici en détails. En quelques mots, nos synthèses calculent une moyenne pondérée des réflectances de surface pour les observations non nuageuses, issues des produits de niveau 2A obtenus avec la chaîne MAJA. Cette méthode est très sensible à la qualité du masque des nuages, qui, dans le cas de MAJA, est heureusement plutôt bon.

  En comparant les différentes synthèses vous verez l'évolution du paysage avec le temps, mais cette représentation met aussi en évidence les artefacts dûs au traitement et au mode d'acquisition de Sentinel-2. les artefacts ne sont pas encore très nombreux, mais vous en trouverez :

  • sur certains navigateurs (firefox V58), des différences géométriques qui apparaissent à basse résolutions. Chez d'autres navigateurs, l'effet n'est pas aussi fort. Ce défaut n'est vraiment pas dû à Sentinel-2 ni aux produits Theia
  • sur l'eau et la neige (là, c'est vraiment un problème de la méthode, nous testons une autre solution)
  • là où la couverture nuageuse est restée constante à chaque passage de Sentinel-2. Ces pixels sont indiqués dans les produits (mais pas sur la mosaïque).
  • là où des nuages ou des ombres n'ont pas été détectés par MAJA (en général, des nuages fins ou petits)
  • en bordure d'orbite, en raison du changement de date
  • sur quelques bordures de tuiles en Juillet, car les produits de niveau 3 n'avaient pas été générés à la même date, mais du 15 juilet au 26 juillet). Cela a été corrigé pour les mois suivants

   

  Accès à chaque mosaique

  Chaque mosaïque est accessible à partir des liens ci-dessous :

  • Juillet 2018
  • Août 2018
  • Septembre 2018
  • Octobre 2018
  • Novembre 2018
  • Février 2019
  • Mars 2019
  • Avril 2019
  • Mai 2019
  • Juin 2019
  • Juillet 2019
  • May 2019
  • June 2019
  • July 2019
• 30 May 2019
• 23:32

  Sen2Agri final version was just published

  sur Séries temporelles (CESBIO)

  The Sen2Agri system was just released in version 2.0. As the project is now terminated and will not receive more funding from ESA, V2_0 is the final version, apart maybe for a few bug fixes.

   

  Sen2Agri is a very complete ground segment that automates download and processing of Sentinel-2 data to obtain multi-temporal syntheses, crop/non crop, and crop type masks as well as biophysical variables and phenological indicators. It was designed to be able to process the Sentinel-2 data over whole countries.

   

  The Sen2AGri system has been a huge success. I receive an email each time MACCS/MAJA is downloaded, and I just counted 651 downloads after sorting them out the double download,

  

  The new version includes the most recent version of MAJA (3.3) for atmospheric correction and cloud detection (but without using the CAMS data, which are not always easy to access), an early version of WASP to make the composites, an early version of Iota2 to obtain crop types, a processor to obtain the crop/non Crop mask, and a processor to compute biophysical variables inspired by the works of F.Baret and M.Weiss at INRA.

   

  The consortium, funded by ESA, was lead by Sophie Bontemps et Pierre Defourny at the Université Catholique de Louvain. The system was developed by CS-SI France and Romania, and most of the methods were designed in CESBIO.

   

   

   

• 27 May 2019
• 18:55

  Snow cover duration in the Canadian Rockies from Sentinel-2 observations

  sur Séries temporelles (CESBIO)

  Recently I generated one year of snow maps from Sentinel-2 in the Canadian Rockies for a talented colleague who is working on the numerical simulation of the snow cover at high-resolution with an exciting new hydrological model. The area is not covered by Theia, hence I used Start_Maja to generate the L2A products and then LIS to generate the snow masks on the CNES supercomputer (thanks!).
  
  

  Study area (four Sentinel-2 tiles)

  This area is quite challenging for snow optical remote sensing: the terrain is steep and there are a lot of forests. After processing this area, I also found some unexpected issues in the LIS processor, which need to be fixed, like turbid rivers detected as snow, or wildfires smoke detected as snow. I tried to use Pekel's water mask to remove the rivers and lakes pixels but there are some glaciers that are misclassified as water in this product hence I simply masked out areas below 2000 m. This eliminates most of the water surfaces but not all the forests, hence I used Hansen's global forest product to mask out pixels with a tree cover density larger than 50%.

  

  Peter Lougheed Provincial Park

  
  
  With these snow products I computed a time series of cloud-free snow products by linear interpolation in the temporal dimension from 01 Mar 2018 to 01 Aug 2018 (154 days). From this stack I could compute the snow cover duration map, i.e. the number of days with snow for each pixel. This simple method provides an indicator that is similar but different to the "snow persistence" or "snow probability" i.e. for each pixel, the number of times that snow was observed divided by the number of clear-sky observations. The disadvantage of the "snow probability" is that it is weighted by the seasonal distribution of the cloud cover, therefore I prefer to work with the snow cover duration to reduce a time series of snow maps into a single map.
  

  

  Snow cover duration from 01 Mar 2018 to 01 Aug 2018 over Sentinel-2 tiles 11UNS, 11UNT, 11UPS, 11UPT

  
  
  As a sanity check I often look if areas with high snow cover duration match the glacierized areas. Here I zoomed on Haig Glacier (50°43'N, 115°18'W) in Kananaskis Country and plotted the glaciers outlines from the Randolph Glacier Inventory 6.0:
  
  

  Snow cover duration from 01 Mar 2018 to 01 Aug 2018 (zoom near Glacier Haig, Kananaskis Country)

  
  
  As noted by Marshall (2014), "Haig Glacier is the largest outlet of a 3.3 km² ice field that straddles the North American continental divide", which means that melt water from Haig Glacier flows towards the Atlantic Ocean!
  
  

• 21 May 2019
• 18:46

  Near real time detection of deforestation in French Guiana

  sur Séries temporelles (CESBIO)

  Marie Ballère started in October 2018 a Ph.D. funded by WWF and CNES. The aim of her Ph.D. is to characterize animal habitats in tropical forest using radar and optical data. The first results on near real time forest disturbances assessment using radar Sentinel-1 data in French Guiana were shown at the ESA Living Planet Symposium 2019 in Milano, and they are striking !

   

  The near real time forest disturbances detection method used by Marie has been described in Bouvet et al. (2018) and successfully tested over a test site in Peru. Classical methods are based on the hypothesis that the radar backscatter decreases when disturbances occur. However, the backscatter does not necessarily decrease, because rainfalls and/or trees remaining on the ground for example, lead to an increase of radar backscatter.

   

  To get around this problem, the method from Bouvet et al. (2018) is based on the detection of radar shadowing. Shadowing occurs in radar images because of the particular side-looking viewing geometry of radar systems. A shadow in a radar image is an area that cannot be reached by any radar pulse. Shadows created by trees at the borders between forest and non-forest areas can be observed in high-resolution radar images (Figure 1), depending on the viewing direction. Shadows that appear are characterized by a sudden drop of backscatter in the radar time series. Thanks to the purely geometrical nature of the shadowing effects, this decrease of backscatter is expected to be persistent over time. New shadows should consequently remain visible for a long time and are easily detectable when dense time series of radar data, such as Sentinel-1 time series, are available.

  

  Figure 1 Illustration of the SAR shadowing effect at the border between forests and deforested areas

   

  This method has been tested over various sites in South American, African and Asian tropical forests for three years now and significantly improved. Marie Ballère participated to the improvement of the method, applied it over the whole French Guiana using Sentinel-1 data acquired from 2016 to 2018, and validated the resulting maps. Slashing deforestation (farming method that involves the cutting and burning of trees) detection has been validated using 94 reference data (surface area of 48.2 ha) kindly shared by Pierre Joubert and Eloise Grebic from the Parc Amazonien de Guyane. Producer and user accuracies related to disturbed forests reached 83% and 99% respectively. Gold mining detection has been validated using 36 reference data (surface area of 76 ha), leading to producer and user accuracies of 86% and 99% respectively.

   

  In addition, we compared our results with the deforestation patches detected in the University of Maryland (UMD) Global Land Analysis and Discovery (GLAD) Forest Alert dataset (Hansen et al., 2016), a Landsat-based humid tropical forest disturbance alert system over the tropics [glad.geog.umd.edu] Producer accuracies of 24% and 44% were found for slashing deforestation and gold mining respectively. A small area showing the comparison between the CESBIO and UMD-GLAD methods is shown in the maps in Figure 2.

  

  Figure 2 Comparison between the CESBIO and UMD-GLAD near real time forest disturbances detection methods in French Guiana in 2018. Gold mining reference plots are shown in green. Producer accuracies of 86% and 44% were found using the CESBIO and UMD-GLAD respectively

  Figure 3 shows the number of disturbed areas detected per month using the CESBIO and UMD-GLAD methods (note that disturbed plots that were not detected using the UMD-GLAD method were not taken into account). Slashing deforestation, occurring mainly during the dry season, was detected timely using both methods. However, because clouds hamper the GLAD optical-based forest disturbances detection during the rainy season, gold mining occurring all year long was detected 72±58 days in advance using the CESBIO method.

  

  Figure 3 Slashing deforestation, occurring mainly during the dry season, was detected timely using CESBIO and UMD-GLAD methods. Gold mining occurring all year long was detected 72±58 days in advance using the CESBIO method

  

  Figure 4 Forest disturbances detection using the CESBIO method in French Guiana from 2016 to 2018

  The CESBIO method has been applied over the whole French Guiana for the years 2016, 2017 and 2018 (Figure 4). The deforestation rates were found to be -0.7%, -0.5% and -0.5% respectively, relatively to French Guyana area.

   

  A lot of exciting research can now be performed based on these results (e.g. for understanding the causes related to the spatial and temporal evolution of disturbances patterns). In addition, Sentinel-1 and Sentinel-2 data are being currently used by Marie to identify the drivers of deforestation.

  References:

  • Bouvet, A., Mermoz, S., Ballère, M., Koleck, T., & Le Toan, T. (2018). Use of the SAR Shadowing Effect for Deforestation Detection with Sentinel-1 Time Series. Remote Sensing, 10(8), 1250.
  • Hansen, M. C., Krylov, A., Tyukavina, A., Potapov, P. V., Turubanova, S., Zutta, B., ... & Moore, R. (2016). Humid tropical forest disturbance alerts using Landsat data. Environmental Research Letters, 11(3), 034008.
• 09 May 2019
• 14:54

  Combined exploitation of VEN?S, Sentinel-2 and Landsat-8: the spectral bands

  sur Séries temporelles (CESBIO)

  =>

  The combined use of VEN?S, Sentinel-2 and Landsat-8 data can increase the likelihood of obtaining cloud-free images or may allow detailed tracking of rapidly evolving phenomena.

  In order to facilitate this combination, the table below summarizes the correspondences between the spectral bands of the instruments. VEN?S does not have a spectral band in the middle infrared.

  

  The figure below shows the spectral bands of VEN?S and Sentinel-2 in the 400 to 1000 nm range. The SWIR bands of Sentinel-2 are not included.The table below shows the usual band combinations

  
  

  The figure below makes it possible to assess the degree of similarity of the spectral responses of these usual bands.

  

  The detailed spectral responses of each instrument are available via the following web pages:

  VENµS

  [www.cesbio.ups-tlse.fr]

  SENTINEL-2

  [https:]]

  LANDSAT

  [https:]]

  [https:]]

   

   

   

• 14:54

  Exploitation combinée de VENµS, Sentinel-2 and Landsat-8 : les bandes spectrales

  sur Séries temporelles (CESBIO)

  =>

  L’utilisation combinée des données de VENµS, Sentinel-2 et Landsat-8 peut permettre d’augmenter la probabilité d’obtenir des images sans nuage ou de suivre de manière détaillée des phénomènes à évolution rapide.

  Afin de faciliter cette combinaison, le tableau ci-dessous présente de manière résumée les correspondances entre les bandes spectrales des instruments. VENµS ne comporte pas de bande spectrale dans le moyen infrarouge.

  

  La figure ci-dessous présente les bandes spectrales de VENµS et Sentinel-2 dans le domaine 400 à 1000 nm. Les bandes SWIR de Sentinel-2 ne sont incluses.Le tableau ci-dessous présente les combinaisons de bandes usuelles

  La figure ci-après permet d'apprécier le degré de similarité des réponses spectrales de ces bandes usuelles.

  

  Les réponses spectrales détaillées de chaque instrument sont disponibles via les pages web suivantes :

  VENµS

  [www.cesbio.ups-tlse.fr]

  SENTINEL-2

  [https:]]

  LANDSAT

  [https:]]

  [https:]]

   

   

   

• 08 May 2019
• 15:10

  MAJA 3.3 is available, with a LOT of improvements

  sur Séries temporelles (CESBIO)
  What's new ?

  Pfew ! It has been quite long, but MAJA 3.3 is available, and it improves a LOT of things !

  • Some bugs have been fixed, like the one which caused detection of cloud or cloud shadows on the edges of the images

  • It seems we have finally solved the bugs that plagued the CAMS option since we released MAJA V3.0. Since V3.0, this option uses the Copernicus Atmosphere aerosol forecasts to set the aerosol type before retrieving the aerosol optical thickness (AOT) from Sentinel-2 data
  • We now also use CAMS AOT as a default value, when it is not possible to estimate AOT using the images, for instance above a snow covered landscape or for small gaps in a large cloud cover. Before that, we used 0.1 everywhere as a default value. The default value is used in the cost function with a very low weight, it has no impact when conditions for AOT estimates are good, but a large impact in bad conditions.
  • The cirrus correction module was over correcting the impact of thick cirrus clouds, providing images with dark clouds. We have limited the correction in order to get more realistic values
  • We have improved the cloud detection, with a better compromise between false positives and false negatives. We also handle better the variation against altitude of the cirrus cloud detection with band 10 (1.38 µm). MAJA 3.3 is the version with which we obtained the results of our recently published article. This paper shows that MAJA has slightly better performances than FMask 4.0, and much better performances than Sen2Cor.
    • Reference : Baetens, L.; Desjardins, C.; Hagolle, O. Validation of Copernicus Sentinel-2 Cloud Masks Obtained from MAJA, Sen2Cor, and FMask Processors Using Reference Cloud Masks Generated with a Supervised Active Learning Procedure. Remote Sens. 2019, 11, 433.

    

  Moreover, when we validated the results, we figured out that one of the parameters in our settings had a wrong value (10 instead of 1). It is easy to make such errors, because there are about 150 parameters in MAJA, and it's easy to make an error. We have set up a version management of MAJA settings since 2017, but the erroneous value was already there before that. And this value has a big impact ! The standard deviation of errors in AOT estimates is reduced by 30 to 40% !!
  

  The W_dark parameter controls the weight of the dark pixel method in the AOT estimation. This method is just supposed to be used as a safeguard in case the multi-temporal or multi-spectral methods provide wrong results. It should therefore have a low weight, but with a weight of 10, it was in fact the method which had the highest weight in our estimates. As this method provides a maximum value of the AOT, it tended to reduce the provide too low AOTs. This improvement is therefore a great piece of news, but it comes with some shame not to have found this error before.
  

   

  AOT validation against AERONET for 10 sites with the wrong W_dark value	AOT validation against AERONET for 10 sites with the correct W_dark value

  The blue dots correspond to validation obtained in good conditions, while red dots correspond to less reliable validation points.

  These are the results of comparison of version 3.3 with CAMS activated, changing only the W_dark parameter, but if we compare with the results of version 3.1, the improvement is even more impressive :

  AOT validation against AERONET for 10 sites, version 3.1/td>	AOT validation against AERONET for 10 sites version 3.3, with the correct W_dark value

  How to access MAJA ?

  Here is how to access MAJA 3.3 :

  • MAJA 3.3 is distributed as a free software for non commercial purposes from CNES free software site (select the 3.3 TM version in the download tab). If you need it for commercial purposes, you just have to ask me for a different licence, but it still will be free of charge.
  • The best way to use MAJA is to run it with Start_MAJA, which is a simple python code that runs MAJA for a whole time series for a given Sentinel-2 tile. The Strart MAJA readme also explains how to get the good settings, with the good W_dark value, how to prepare the DEM or how to get CAMS data.
  • PEPS on-demand processing facility will be updated soon, but it is still working with MAJA 3.2 so far
  • THEIA is also running MAJA 3.2. We will update first the wdark parameter, and then MAJA 3.3 and then start production with CAMS, hopefully before summer. If everything goes well, we will then start a reprocessing of all our data set. So, stay tuned on this information channel.
• 18 March 2019
• 2:24

  Rain-on-snow flood in Nebraska

  sur Séries temporelles (CESBIO)

  Several areas in Nebraska experienced record flooding this past week.

  

  Sentinel-2 image comparison showing the extent of the flooded areas on March 16th, 2019 near Omaha, Nebraska

  The flood was caused by a "bomb cyclone" storm, which brought heavy precipitation in the Midwest.

  

  Evolution of air pressure and precipitaiton in Omaha, NE between 11 Mar 2019 and 16 Mar 2019. Source: meteoblue.com

  The weather record in Omaha, Nebraska shows a dramatic pressure drop of about 44 hPa in 48 hours (nearly 24 hPa in 24 hours, which is the exact definition of a bomb cyclone). However, the amount of rainfall is not exceptional (17 mm on Wednesday according to meteoblue, better data should be available from the US national weather service).
  
  Sentinel-2 images show that the storm also caused the complete melt of the snow cover near Omaha, Nebraska within 5 days. It is likely this fast snow melt contributed to the flood, in addition to rainfall (what is called a rain-on-snow event).

  

  True color Sentinel-2 images of Omaha, NE.

  Here are additional weather variables from meteoblue.com to better understand the causes of this fast melt:

  

  Evolution of air temperature, humidity, wind speed and precipitation in Omaha, NE between 11 Mar 2019 and 16 Mar 2019. Source: meteoblue.com

  I could not find much information on snow depth or snow water equivalent before the flood in this area. Previous Sentinel-2 images suggest that it was not a thin snow cover due to a recent snowfall. Snow depth measurements from the Community Collaborative Rain, Hail and Snow Network (a network of volunteer weather observers) range between 6 and 8 inches (15-20 cm) in Omaha.

  

  Snow depth on March 11 near Omaha (source: cocorahs.org)

  Hence we can hypothesize that the following factors caused this fast snow melt:

  - This late-winter snowpack in Nebraska was probably mature for melt, i.e. its temperature was close to 0°C. In this situation, any heat input causes melting.
  - The storm brought warm air (hourly temperature reached 14°C on Mar 13th) which transferred heat to the snowpack by turbulent sensible heat flux.
  - This turbulent heat transfer from the atmosphere to the snowpack was enhanced by the strong winds.
  - The storm also brought humid air, which can release substantial heat when the water vapor condenses on the snow surface.
  - Warm and humid air masses emit large energy flux by longwave radiation, which was absorbed by the snowpack.
  - On Wed 13th, the air temperature was above 5°C hence the precipitations were liquid. Rain liquid water also contains heat which accelerated snow melt (but this effect is probably not the most important).
  - The day after the storm (Mar 15th) the temperature rose again, the sky was clear and the solar radiation contributed to melt.
  
  To estimate the relative contribution of these different processes we would need to run an energy-balance model of the snowpack using accurate weather data.
  
  Edit: The NOAA/NOHRSC provides the output of their snow reanalysis in near-real time. The map below shows that the area near Omaha was subject to intense snow melt between March 12th to 14th. According to this model the melt water added about 200 mm water equivalent to the storm rainfall in 48h only!

  

  Total modeled snow melt during 48h preceding March 14, 5:00 UTC (source: NOAA/NOHRSC)

  
  
  Rain-on-snow flood risk is projected to increase over western North America due to climate change.
  
  Thanks to Nick Wayand for telling me about the CoCoRaHS and NOHRSC webpages. I'm always amazed by the availability of meteorological data in the USA!

• 14 March 2019
• 10:58

  [MUSCATE news] back to nominal production

  sur Séries temporelles (CESBIO)

  Good news, MUSCATE is back to nominal production !

  

  The source of the issue (archiving the produced data) is not solved yet, but it has been mitigated to allow to come back to real time production. A big thanks to the exploitation team and to the CNES computing center who gave us extra disk space to store the files we do not send immediately to the archiving facility.

   

   

• 10 March 2019
• 1:10

  Snow melt patterns in Andorra in February 2019

  sur Séries temporelles (CESBIO)

  The animation below shows the evolution of the snow cover area near Andorra la Vella, the highest capital city in Europe and a popular ski resort, from 15-Feb-2019 to 27-Feb-2019.

  
  
  This time series is quite exceptional. It is not common to find 6 successive cloud-free Sentinel-2 images over mountain areas in winter! This is due to the high pressure system which brought unusual warm temperatures and clear skies in west Europe. In addition, the average revisit time of Sentinel-2 in the Principality of Andorra is 2.5 days, thanks to the overlap of acquisitions from two adjacent orbits.
  
  We can identify melt areas by differencing the first and the last image of the time series.

  

  

  We can already observe that the snow is gone (red pixels) preferentially in the south-facing slopes near Andorra la Vella. To verify this observation at larger scale (country scale !) I extracted the slope orientation (i.e. aspect) of all the red pixels in the full Sentinel-2 tile using the SRTM DEM.

  

  This is the polar histogram of the red pixels aspect. Our first impression was correct!

  

  Can we conclude from this analysis that the snow melts faster in southern slopes? Nope, because we don't know if the snow accumulation was homogeneous at the beginning of the time series on Feb 15!
  
  The snow maps were obtained from the Theia Sentinel-2 snow collection.

• 09 March 2019
• 16:33

  [MUSCATE news] Slow production / Production ralentie

  sur Séries temporelles (CESBIO)

  Following the installation of MUSCATE version 2.5, the production has resumed, but very slowly. It seems to be hampered by the archiving of data, which takes too much time. This causes traffic jams in the scheduler, an the team has no other solution right now than reducing the throughput of MUSCATE.We hope to solve this issue very soon.

  We apologize for the delays due to this issue.

   

  Après l'installation de la version 2.5 de MUSCATE, la production a repris, mais très lentement. La production semble être limitée par l'opération d'archivage des produits, ce qui cause des embouteillages dans notre orchestrateur. L'équipe d'exploitation a donc du réduire la taille des zones à traiter pour éviter ces plantages.Nous espérons résoudre ces problèmes au plus vite.

  Nous vous prions de nous excuser pour les retards actuels de notre production.

   

   

• 07 March 2019
• 19:17

  Summer in the Southern Alps by Venµs

  sur Séries temporelles (CESBIO)

  Venµs is a French-Israeli satellite mission which captures high resolution multi-spectral images every two days over selected sites. The Theia land data center is kind enough to provide L2A images (bottom-of-atmosphere), which can be easily downloaded by batch (see this tutorial). Here I selected all the images of a site near Mount Cook in the Southern Alps of New Zealand from 01 Dec 2018 to today.

  
  
  
  The Southern Island is a really cloudy place but thanks to the 2-day revisit time of Venµs we can see many things that happened during this austral summer. Like the fast flowing Fox Glacier...
  

  

  Fox Glacier from 01 Dec 2018 to 05 Mar 2019 by Venµs

  
  Or the gradual color change of Lake Tasman, suddenly disrupted by the release of ice chunks from Tasman glacier tongue!

  

  Lake Tasman from 01 Dec 2018 to 05 Mar 2019 by Venµs

  The 5m resolution L1C products clearly show the calving of the Tasman glacier and destabilization of the lake bank:

  

  
  Today the CNES and the Israel Space Agency (ISA) announced that the coverage of Venµs will be extended from 108 sites to 123.

  

• 03 March 2019
• 23:02

  Sentinel-2 Level 3A products : syntheses or composites ?

  sur Séries temporelles (CESBIO)

  

  =>

  For the past few months, Copernicus has been distributing Level 3A products for the Sentinel-2 mission as part of the S2GM (Sentinel-2 Global Mosaics) .

   

  This ambitious project aims to provide monthly, quarterly or annual Level 3A products worldwide. The user defines his zone and period of interest and orders the product. The web site seems to be hosted by SInergise, and as everything done by this company, is easy and very straightforward to use.

   

  The call for tender, with two or three million euros, was launched by the Copernicus program of the European Union two years ago. It required the use of ESA Level 2A official products obtained with Sen2Cor. For this reason, we decided not to participate because our Level 3A method, which calculates a weighted average of non-cloudy observations, requires very good cloud masks, which is not quite the case of Sen2cor products.

   

  The tender was won by a consortium of Brockman Consult, Geoville and SInergise companies. To compensate for the poor quality of cloud detection, the authors of the S2GM product had to use a BAP method: "Best Available Pixel". This method chooses for each pixel the best date according to certain criteria (no cloud or shadow detected, minimum reflectance in the blue, maximum NDVI ...). This method minimizes cloud disturbances when clouds are not detected correctly, but also has the disadvantage of suddenly changing the date from one pixel to another, which causes artifacts and noise. Outputs are therefore composite products , which assemble pieces of images acquired for the different dates available over the period.

   

  Theia Level 3 products are not composites, but syntheses, which use all cloudless observations of a single pixel over the entire monthly observation period to find the value that best represents the surface reflectance we would have had at the central date of the product. Theia's syntheses use the WASP (Weighted Average Synthesis Processor) chain, which calculates a weighted average of surface reflectances over a month, after atmospheric correction and detection of clouds obtained from Level 2A products generated by our MAJA channel , of course. If the clouds are badly detected, they enter into the synthesis and disturb it.

  

  Comparison of a synthesis obtained with WASP + MAJA, with a composite product from S2GM + Sen2cor, on the Toulouse region, in October 2018. (Click on image to enlarge)

  The animation provided above shows a full resolution comparison over Toulouse region, of a synthesis of WASP and of the corresponding composite of S2GM obtained on the same date in October 2018. We see very quickly that the composite of S2GM is very noisy, much more than the synthesis from WASP. It is quite often possible to locate the areas where the synthesis tool has chosen to change the date in its composite. You will also notice the appearance of many white dots, which are in fact pixels without clouds, but quite bright that Sen2Cor systematically classifies as clouds.

   

  In short, provided you have a good level 2A product, syntheses can provide much better results than composites.

   

   

• 22:39

  Produits de Niveau 3A: Synthèses ou composites ?

  sur Séries temporelles (CESBIO)

  

  =>

  Copernicus diffuse depuis quelques mois des produits de niveau 3A pour la mission Sentinel-2 dans le cadre du projet S2GM (Sentinel-2 Global Mosaics).

   

  Ce projet très ambitieux a pour but de fournir, à l'échelle mondiale, des synthèses mensuelles, trimestrielles ou annuelles. L'utilisateur définit sa zone et sa période d'intérêt et commande le produit. Le site est très bien conçu et très évident à utiliser.

   

  L'appel d'offres, doté de deux ou trois millions d'€uros quand même, avait été lancé par le programme Copernicus de l'Union Européenne il y a deux ans. Il imposait d'utiliser les produits officiels de niveau 2A de l'ESA, obtenus avec Sen2Cor. C'est pour cette raison que nous avons décidé de ne pas participer, car notre méthode de synthèse, qui calcule une moyenne pondérée des observations non nuageuses, a besoin de très bons masques de nuages, ce qui n'est pas tout à fait le cas des produits de Sen2cor.

   

  L'appel d'offres a été remporté par un consortium composé des sociétés Brockman Consult, Geoville et SInergise. Pour compenser la piètre qualité de la détection des nuages, les auteurs du produit S2GM ont dû utiliser une méthode BAP : "Best Available Pixel". Cette méthode choisit, pour chaque pixel la meilleure date selon certains critères (pas de nuage ou d'ombre détecté, réflectance dans le bleu minimale, NDVI maximal...). Cette méthode permet de minimiser les perturbations nuageuses lorsque les nuages sont mal détectés, mais présente aussi l'inconvénient de changer brutalement de date d'un pixel à l'autre, ce qui cause des artefacts et du bruit. Les sorties sont donc des produits composites, qui assemblent des morceaux d'images acquis lors des différentes dates disponibles sur la période.

   

  Les produits de Niveau 3 de Theia ne sont pas des composites, mais des synthèses, qui utilisent toutes les observations sans nuage d'un même pixel sur la période d'observation mensuelle en entier pour trouver la valeur qui représente le mieux la réflectance de surface qu'on aurait eu à la date centrale du produit. Les synthèses de Theia utilisent la chaîne WASP (Weighted Average Synthesis Processor), qui calcule une moyenne pondérée des réflectances de surface sur un mois, après correction atmosphérique et détection des nuages obtenus à partir de produits de niveau 2A générés par notre chaîne MAJA, bien sûr. Si les nuages sont mal détectés, ils entrent dans la synthèse et la perturbent.

  

  Comparaison d'une synthèse obtenue avec WASP+MAJA, avec un produit composite issu de S2GM+Sen2cor, sur la région de Toulouse, en Octobre 2018. (cliquer sur l

  L'animation fournie ci-dessus présente une comparaison sur la région de Toulouse, et à pleine résolution, d'une synthèse de WASP et du composite correspondant de S2GM obtenu à la même date en octobre 2018. On constate très vite que le composite de S2GM est très bruités, beaucoup plus que les synthèses issues de WASP. Il est assez souvent possible de repérer les zones où l'outil de synthèse a choisi de changer de date dans son composite. Vous remarquerez aussi l'apparition de nombreux points blancs, qui sont en fait des pixels sans nuages, mais assez brillants que Sen2Cor classe systématiquement comme nuages.

   

  Bref, à condition d'avoir un bon produit de niveau 2A, les synthèses peuvent fournir de bien meilleurs résultats que les composites.

   

• 19 February 2019
• 22:37

  Etat de l'enneigement dans le bassin de la Durance

  sur Séries temporelles (CESBIO)

  L'enneigement est plutôt bon cette année dans les Alpes comme le remarque le chef du centre Météo-France des Alpes du Nord.
  

  Aperçu positionnement de l'#enneigement dans les #Alpes : bon à très bon tous massifs - toutes altitudes. Fonte-tassement actuels: 2 à 4 cm/jour orientation Nord, plus de 5 cm/j orienté Sud. Fin février sans précipitations attendues: plus de neige versants Sud basses altitudes. pic.twitter.com/GKshIonoQB

  — Serge Taboulot (@sergetab) February 18, 2019

  Les cartes ci-dessous montrent la durée de l'enneigement dans le bassin de la Durance depuis le 01 septembre jusqu'à aujourd'hui pour les trois dernières années (soit une période de 172 jours). Elles ont été calculées à partir des produits neige Theia.
  
  

  Durée de l'enneigement du 01 septembre au 19 février dans le bassin de la Durance à Serre-Ponçon. La durée moyenne d'enneigement sur tout le bassin est 52, 71 et 65 jours.

  En voyant ces cartes, Pascal Dumoulin du Syndicat Mixte d'Aménagement de la Vallée de la Durance a fait ce commentaire :
  "on retrouve les caractéristiques suivantes :
  -2016-2017 relativement peu de neige, concentrée en haute altitude
  -2017-2018 enneigement abondant même à basse altitude
  -2018-2019 enneigement à basse et haute altitude, persistant à haute altitude grâce au froid"

   
  Le graphique suivant fait à partir des données Theia confirme bien son analyse :
   
  

  Durée d'enneigement moyenne par tranche d'altitude de 100m

  
  Voici la situation actuelle à Serre-Chevalier au coeur du bassin versant de la Durance

  

• 10:13

  A pause in MUSCATE production, end of February

  sur Séries temporelles (CESBIO)

  The MUSCATE production centre will be offline for a week from February 25th to March 4th (or maybe the week after, please see Theia's RSS feed to see the exact date). This pause will be necessary to upgrade the processing centre to V2.5. As a result, we will not be able, for a week, to process Sentinel-2 data in real time, and hope it will not be too inconvenient to you. In case you need some data urgently, you can ask PEPS to produce MAJA L2A data for you during that period.

   

  The main change regards the internal format used by MUSCATE for Sentinel-2 Level 2A products. This internal format is different from the external format that we distribute, and this results in unnecessary product format conversions, as well as the necessity to develop drivers for the various formats (internal and external) for the processors that use Sentinel-2 L2A data within MUSCATE. To enable this modification, it will be necessary to convert all the L2A data from the internal format to the external format, which will take a whole week.

   

  MUSCATE V2.5 will bring other improvements, such as the integration of MAJA 3.1, with possibility to use Copernicus Atmosphere data, or a new version of LIS, the processor that delivers the snow maps.

  MUSCATE  V2.6 is also ready and queuing to be installed, with MAJA 3.2, WASP and the possibility to process Venµs L2A data within MUSCATE and not externally on Venµs ground segent.

   

   

   

• 18 February 2019
• 17:21

  Black snow in Prokopyevsk

  sur Séries temporelles (CESBIO)

  The snow cover is not always white. Sometimes it is orange, sometimes it is black. The images below were captured by Sentinel-2 in Prokopyevsk, Russia.

  According to the Siberian Times the deposition of black dust on snow in February 2019 was due to the failure of a filtering system in a coal processing plant. Looking at the picture below, I have the feeling that this kind of event was not exceptional in Prokopyevsk this winter...

  

  Source: Siberian Times 15 Feb 2019. Pictures from Kemerovo region by Orlovprklife, Willravilov, Typical Kemerovo

  Thanks to François Tuzet for pointing this to me!

• 12 February 2019
• 9:43

  Apport des images radar et optiques pour la cartographie des surfaces irriguées

  sur Séries temporelles (CESBIO)

  (English version below)

  

  Dans le cadre du projet Simult’eau (partenaires : Arvalis, CACG, Chambres d’Agriculture du Tarn et des Hautes-Pyrénées, financement CASDAR) nous avons testé l’apport d’une utilisation combinée des images radar et optiques pour la cartographie des surfaces irriguées (maïs et soja) dans le Sud-Ouest de la France. Les résultats publiés dans Remote Sensing ( [https:]] ) ont révélé que l’utilisation d’images radar Sentinel-1 combinées aux images optiques (Landsat-8) permettait de détecter les surfaces irriguées plus précocément qu’avec les images optiques seules. En effet ces dernières sont souvent perturbées par la présence de nuages qui rendent la détection impossible à certaines périodes de l'année. Ce résultat, qui doit être confirmé par des études complémentaires (autres lieux et autres dates), est très encourageant. Il ouvre de nouvelles perspectives pour une gestion "optimisée" des ressources en eau notamment pour des organismes tels que la CACG (Compagnie d'Aménagement des Coteaux de Gascogne) ou les Organismes de Gestion Collective de l’eau (OUGC). Les cartes produites sont en libre accès sur le site Theia: [www.theia-land.fr] .

  
  Ces recherches se poursuivent actuellement dans le cadre de la thèse de
  Yann Pageot financée par le CNES, l'Agence de l'Eau Adour-Garonne et la CACG.
  

  

  As part of the Simult'eau project (partners: Arvalis, CACG, Tarn and Hautes-Pyrénées Chambers of Agriculture, CASDAR funding), we tested the potential of the joint use of radar and optical images for mapping irrigated areas (maize and soybean) in southwestern France. The results published in Remote Sensing ( [https:]] ) revealed that the combined use of the radar and optical images improves the early classifications of the irrigated crops compared to classifications obtained using optical images only. Indeed during rainy periods, unlike radar images, the optical images are inexploitable due to cloud coverage. This result, which must be confirmed by further studies (in other places and for other dates), is very encouraging. It offers new perspectives for the water resource managers to reach a more sustainable water resources management. The maps produced are freely accessible on the Theia website: [www.theia-land.fr] .

  This research is currently ongoing as part of Yann Pageot's PhD funded by CNES, the Agence de l'Eau and the CACG.

• 11 February 2019
• 10:41

  Release of MAJA 3.2

  sur Séries temporelles (CESBIO)

  The version 3.2.2 of MAJA cloud detection and atmospheric correction software has just been released! It brings a lot of improvements. It can be used to process Sentinel-2 data in four different manners that will be described below :

  • as a free executable software for linux,
  • as an on-demand production on PEPS
  • included in Sen2Agri software
  • downloading its products from Theia processing center.

  Improvements

  MAJA 3.2.2 brings a lot of improvements:

  • MAJA 3.2 adapts to a bug from Sentinel-2 L1C products, which sometimes (but quite frequently) provides the detector footprints (DEFOO masks) in an incorrect order since October 2018. When this happened, MAJA crashed, but with MAJA 3.2.2, it is over.
  • MAJA 3.2 still only works for linux systems, but not anymore for only with Red Hat and CentOS, as it is now provided with the complete set of necessary libraries. It was for instance successfully tested on Ubuntu systems.
  • We have updated the water vapour LUT to cancel a bias we had for high water vapour contents. The improvement was already described in this post.
  • We have slightly changed a few parameters for a stricter cloud detection, but the cloud mask will significantly improve with MAJA V3.3.
  • If the option to use Copernicus Atmosphere Monitoring Service (CAMS) data is selected, the CAMS Aerosol Optical Thickness can be used not only to define the type of aerosol, as introduced in MAJA 3.1, but also as a default value with a low weight in the cost function. If MAJA does not find many suitable pixels to estimate the AOT, the CAMS value will have an influence, but in general, a large number of measurements are available in an image, and in that case, CAMS has no influence (except on the aerosol type, see below, V3.1). Finally, this improvement will be useful over snow covered landscapes, or bright deserts, of for images almost fully covered by clouds.

  

  Left, without default CAMS value, right with default CAMS value, for neighbourhoods for which more than 50% of pixels can be used to estimate aerosols. In that case, use of CAMS does not really change the results.

  

  Left, without default CAMS value, right with default CAMS value, for neighbourhoods for which less than 50% of pixels can be used to estimate aerosols. These situations correspond to a large proportion of snow or cloud covered pixels. Before version 3.2.2, these pixels were gap filled. A notable improvement is observed.

  Free executable version

  MAJA free executable version can be downloaded from CNES free software site. It has already been downloaded 800 times from this site. MAJA now works on any Linux workstation, with at least 8GB of RAM. We have tested it on Red Hat, Cent OS and Ubuntu. To run it and obtain all the necessary inputs and parameters, we advise to use our simple pyhon orchestrator Start_MAJA.py, which handles the processing of a whole time series of images for a given tile.

   

  Start_MAJA.py has been updated, it is now available on CNES github repository. The script itself has been improved. Generation of DEM file is much easier as the parameters of each tile are generated thanks to the kml file provided by ESA (a contribution from Peter Kettig). We also enabled the script to work with zipped input files if you prefer to save disk space even if it may cost processing time.

  
  

  On demand processing with PEPS

  As already mentioned here, you may ask PEPS, the French collaborative ground segment, to process data with MAJA for you. Thanks to MAJA 3.2.2, we have solved several of the issues we had so far because of the errors in ESA L1C format (already mentioned above).

  

  The user manual is available here, and a script to launch it via a command line interface is available on github. Here is an example of command line :

  python ./peps_maja_process.py  -l Toulouse -a peps.txt -d 2017-11-01 -f 2017-12-01 -p prod_list_toulouse.txt

  However, the current version is still a beta version. We should have an alpha version very soon which will be much more efficient in terms of computing resources, and will be able to produce for you up to a whole year of data, for a given tile, with just one command line to start.
  

  Operational processing in MUSCATE processing center

  As Theia's MUSCATE processing center is an operational service, every new version has to go through a large number of tests. Introducing MAJA 3.2.2 in MUSCATE processing center is complex, because we had to introduce a new interface with MAJA, using CAMS data. For this, we also have to take care of the fall-back strategies in case CAMS is not available.

  We are currently doing the last tests in operational configuration before starting the production, and we hope to start the production very soon. And when we have controlled the real time production is OK, we will do a complete reprocessing, probably this summer; as we expect a large improvement in data quality.
  

  MAJA processing within Sen2Agri

  
  MAJA 3.2.2 will also be added in the next version of Sen2Agri system. Sen2Agri is a processing systems, which provides advanced tools to monitor agriculture at the scale of a country. All its products are based on Level 2A products obtained with MAJA.

   

  Acknowledgements

  This new version is the result of a LOT of work, with the contribution of

  - CS-SI team, who develops the operational version of MAJA (many thanks to Aurelien Bricier and Benjamin Esquis)

  - CNES team, who handles that development, organises the validation and contributes to Start-MAJA processor. Many thanks to Peter Kettig and Pierre Lassalle. They were helped in 2018 by Bruno Angeniol, from Cap Gemini.

  - CNES image quality team (Camille Desjardins) with the help of Elsa Bourgeois from Cap Gemini, for the maintenance of the reference MAJA processor, and for validation and several improvements ncluding water vapour estimation.

  - CESBIO team, Bastien Rouquie and myself, for the research part, including the use of CAMS data and the cloud mask adjusments.

• 06 February 2019
• 22:52

  Diffusion d'un premier lot des données Sentinel-2A de niveau 2A sur le Sahel

  sur Séries temporelles (CESBIO)

  Il y a quelques semaines, nous annoncions la sélection d'une nouvelle zone de production de données Sentinel-2 au niveau 2A par Theia, au Sahel. La production a démarré, et Theia a déjà produit les tuiles de la zone UTM28 (à l'ouest). Les tuiles en vert foncé existaient déjà, mais nous avons rajouté celles en vert clair, qui permettent de couvrir l'ensemble du Sénégal, la Gambie,  une partie de la Guinée Bissau, de la Guinée, et le nord de la Sierra Leone.

  

   

  Les données disponibles ont été traitées du premier janvier 2017 à hier, soit plus de deux ans de données. Les nouvelles données seront maintenant traitées en temps réel au fur et à mesure de leur arrivée.

  Nous procéderons de même avec les différentes zones  de l'ouest vers l'est : UTM29, UTM30...

   

• 04 February 2019
• 10:24

  Our blog's audience in 2018

  sur Séries temporelles (CESBIO)

  A seventh year begins for the "Séries temporelles" blog, and as usual, it is an opportunity to review its audience, and to get a little self-satisfaction. We usually publish this post early January, but it seems there was no January this year (or was I too busy ?). The blog is still receiving more visits every year, with a sharp growth this year : +35% of visits ...

  

  Blog traffic from December 2012 to January 2019 (the trends were computed using the Theil–Sen estimator), computed by Simon Gascoin.

  So, if we look at the trends on the plots above, the audience growth is remarkably linear, but if we sum-up everything per year, we see a sharp increase. The cause is that outlier in the top-right corner or each graph above, related to a big buzz in Japan for SImon's article about Xe-Namnoy lake dam failure in July, that flooded several villages, and killed too many people.

   

  	2013	2014	2015	2016	2017	2018
  Number of visits	13985	22928	34723	47773	57692	79243
  Number of viewed pages	30922	46940	66947	89555	105846	131846

   

  French visitors only counted for 25% of visits, much less than the other years. Japan ranked second with 16%,  United States ranked third, followed by European countries (UK, Germany, Italy, Spain) and by India, Canada and Morocco.

   

  In 2018, contrarily to the other years, the authors list is very short, 95 % of the posts were written either by Simon Gascoin, who is specialized in catastrophies, hydrology and snow (which are often related), and myself, about optical data quality, Sentinel-2 and Theia's news. But we welcomed two new authors, Gerard Dedieu, who tells us about the Venµs satellite, and Vincent Thierion, about land cover, and Jordi Inglada contributed a few articles about machine learning. We are still missing an author to tell us about the results obtained with Sentinel-1 at CESBIO.

   

  This blog is open, writing a post does not take long (the first one always more than the second and third ones), and we are waiting for you to contribute, even if you are not a CESBIO member. If you are a user of remote sensing time series, especially those from Theia, please tell us about your findings, results, hopes and regrets.

   

  Here are the top ranking pages, after having removed the tags, author names, article lists, and summed French and English versions...

  1	Xe-Namnoy lake dam failure	11213
  2	Radiometric quantities : irradiance, radiance, reflectance	4433
  3	Mapping flooded areas using Sentinel-1 in Google Earth Engine	3945
  4	A python module for batch download of Sentinel data from ESA	3196
  5	MACCS/MAJA, how it works	3160
  6	The land cover classification for France in 2016 is available	2622
  7	A seamless and cloudless Sentinel-2 image of France in July 2018	2277
  8	The Sentinel-2 tiles, how they work ?	2131
  9	THEIA’s L2A product format	2107
  10	La production de cartes d’occupation du sol, comment ça marche?	1821
  11	The product level names, how they work ?	1668
  12	L’ortho-rectification, comment ça marche ?	1420
  13	Using NDVI with atmospherically corrected data	1273
  14	How to automatically download Sentinel data from PEPS collaborative ground segment	1101

   

  What can we tell from that ?

  • There was a huge buzz in Japan about Xe-Namnoy lake dam failure. We guess it comes from a highly visible website, which recommended this article (but our japanese is not fully fluent)
  • The practical pages (download tools, codes, formats) , and the "how it works" series hold most of the first ranks
  • Blog articles reporting an event may be momentarily successful, but their reading does not last too long, except if it is about GEE
  • As for last two year, the example of using Google Earth Engine, published in 2016, attracts much more than articles that warn about its dangers (it's sad). As Simon said, we would have to quote GEE into each article title to get more traffic.
  • Some pages in French have a higher attendance than their English translation, especially those on land use in France, which is normal. But this is also the case of ortho-rectification. Why ?
  • The MACCS / MAJA description page is often visited, but I believe that 95% of my articles contain a link to this page ...
• 02 February 2019
• 23:26

  L'IGN nous fait remonter le temps

  sur Séries temporelles (CESBIO)

  L'IGN a mis en ligne un outil formidable pour comparer les photos aériennes des années 1950 avec des prises de vue récentes. Cela permet d'explorer à l'envi l'évolution des paysages, comme par exemple la reforestation des estives dans les Pyrénées (ici le secteur de l'étang de Lers, en 2016 et 1953).
  
   
  
   
  Ou bien le retrait de la Mer de Glace:
   
  
   
  ... l'urbanisation des terres agricoles vers Marne la Vallée :
   
  
   
  ... l'envasement de la Baie du Mont-Saint-Michel :
   
  
   
  Et bien sûr chacun pourra aller voir son quartier ! Voici le Cesbio (2016 vs. 1954) :
   
  

• 30 January 2019
• 21:55

  S1-Tiling, on demand orthrectification of Sentinel-1 images on Sentinel-2 grid

  sur Séries temporelles (CESBIO)

  =>

  Sentinel-1 is currently the only system to provide SAR images regularly on all lands on the planet. Access to these time series of images opens an extraordinary range of applications.
  In order to meet the needs of a large number of users, including our needs, we have created an automatic processing chain to generate "Analysis Ready" time series for a very large number of applications. Sentinel-1 data is ortho-rectified on the Sentinel-2 grid to promote joint use of both missions.

   

   

  S1Tiling was developed within the CNES radar service, in collaboration with CESBIO, to generate time series of calibrated, ortho-rectified and filtered Sentinel-1 images on any terrestrial region of the Earth. The tool benefits for the SAR ortho-rectification application from the Orfeo Tool Box. The resulting images are registered to Sentinel-2 optical images, using the same MGRS geographic reference. You will be able to access Sentinel-1 data acquired on Sentinel-2 31TCJ or 11SPC tiles.

  This Python software, is based on the Orfeo Tool Box (OTB) image processing library, developed by CNES, as well as on the PEPS platform to access the Sentinel-1 data. It can be used on any type of platform, from a large computing cluster to a laptop (the fan will make some noise during processing). It is considerably faster than the ortho-rectification tool in SNAP, and can be easily used in script form. For any questions, please use the gitlab platform, rather than leaving comments to this article.

  

  S1-Tiling works in several steps: it starts by downloading the images on PEPS mirror site, then calibrates and ortho-rectifies them on the Sentinel-2 grid, and finally applies a multi-temporal filtering of the speckle noise

  S1Tiling is currently used for many applications, such deforestation detection in the Amazon, monitoring of rice crops in Southeast Asia or monitoring of water stocks in India.

  In addition, this software is accessible as an on-demand processing service on the French PEPS collaborative ground segment, in order to make it easier for users to use.

  Use S1-Tiling within PEPS

  If you are allergic to the command line (that's a pity), you can use the on-demand processing features of PEPS, although it does not include the speckle filter yet. It's very simple.

  1. First, connect to PEPS ( [https:]] )
  2. Select the "explore" function
  3. Query the catalogue to obtain the images you wish to process (don't forget to mention you want a GRD Sentinel-1 product). For each product that fits your criteria, click on the gearing icon
  4. go to the processing page (gearing icon, top-right)
  5. select Sentinel-1 ortho-rectification
  6. select every product and start processing
  7. just wait for a while

   

  

• 18:52

  4 thèses en cours à Toulouse pour étudier les forêts tempérées par télédétection

  sur Séries temporelles (CESBIO)

  Le pôle toulousain de recherche publique en télédétection est surtout connu sur la thématique forestière grâce à la mission BIOMASS, qui sera lancée vers 2021 et qui est portée par le CESBio, mais qui concerne surtout les forêts tropicales. L’objectif de cet article est de présenter les travaux en cours sur les forêts tempérées, dans le contexte de la France métropolitaine, qui sont portées en synergie par l’UMR Dynafor (collègues INRA, Ensat et EI Purpan) et par l’UMR CESBio. En effet, 4 thèses sont actuellement en cours dont 2 qui seront soutenues fin 2019. Le point commun à ces 4 thèses comme aux travaux qui les ont précédées est l’utilisation de séries temporelles, d’abord basse résolution (Modis), puis, depuis 2015, en haute résolution spatiale avec Sentinel 1 et 2 (‘S1’ et ‘S2’).

   

  

  Figure 1. Différences de phénologie entre espèces de chênes.

  Pour mémoire, les principaux travaux ont commencé avec les données Modis suite à la sécheresse de 2003 et aux mortalités importantes de douglas et de sapins dans la Montagne Noire et les monts de Lacaune (EI Purpan). Cette thématique, en lien avec les impacts du changement climatique, a été reprise dans les années 2010-2014 dans le cadre de l’OPCC (Observatoire Pyrénéen du changement climatique) et de la thèse de Jonas Lambert (dépérissement du sapin dans les Pyrénées). D’autres travaux, toujours sur les Pyrénées, ont porté sur les aspects cartographiques des forêts (classes feuillus et résineux puis classes plus détaillées des types forestiers), soit à basse résolution spatiale Modis (cf thèse E Cano, EI de Purpan ), soit avec quelques dates d’images Landsat 5 et 7 (Cesbio).

  Depuis 2016, ce sont donc les séries temporelles à haute résolution spatiale S1 et S2 qui sont à l’honneur, sur les sujets de cartographie des peuplements (différenciation des espèces) comme de l’estimation de variables de structure des forêts (hauteur, volume…), après avoir exploré également l’apport des séries FORMOSAT-2 aux caractéristiques très similaires (publication).

   

  Thèse n°1. Télédétection Hypertemporelle des Essences Forestières.

  Nicolas KARASIAK, Dynafor (Oct 2016 à Oct 2019).

  Thèse encadrée par : Claude Monteil (Dynafor), David Sheeren (Dynafor) et Jean-François Dejoux (CESBIO). Financement Ministère (MESR).

   

  L’objectif de cette thèse est de mettre au point une démarche pour classer automatiquement les essences forestières sur de grandes étendues. L’hypothèse est que les séries temporelles de Sentinel2 permettent d’appréhender les variations saisonnières de la végétation (ce qu’on appelle en botanique la phénologie) et donc, prédire les différentes espèces. Voici un exemple simple de cet apport : pour séparer les feuillus qui perdent leur feuilles à l’automne alors que les résineux restent verts toute l’année, il est préférable d’avoir des dates hivernales dans sa série temporelle d’images satellite.

  Pour vérifier cette hypothèse, un important suivi de terrain a été effectué sur 2 saisons entières, dans la zone OSR / VENµS au sud-ouest de Toulouse sur 7 espèces de feuillus différents (chêne sessile, chêne rouge, saule, robinier, frêne, peuplier et bouleau ; 2 placettes par feuillus). Les différentes mesures de terrain sont analysées en relation avec les variations d’informations obtenues sur les séries de données Sentinel2. Les écarts de saisonnalité entre ces 7 espèces de feuillus ont été significatifs, ce qui permet d’évaluer l’apport de la phénologie dans la cartographie des essences. Il s’agit maintenant de comprendre jusqu’à quel point le signal reçu par le satellite est influencé par l’évolution saisonnière de l’arbre (ouverture/fermeture de la canopée, coloration et chute des feuilles). D’autres axes de recherches sont explorés dans cette thèse, comme (i) la valorisation de 9 années d’archives Formosat sur cette zone OSR (2006 à 2014) : test et analyse des stabilités de classification entre années, analyse des problèmes d’autocorrélation spatiale ; (ii) étude de la transférabilité des modèles  et de leur capacité prédictive sur de grands territoires (adaptation de domaine).

  La figure 1 illustre la différence de phénologie entre deux espèces de chênes (Chêne des marais à gauche, et Chêne sessile à droite). Les écarts de phénologie peuvent être importants à certaines périodes de l'année. Ce cas concret montre la complexité de cartographier les essences depuis un satellite : parfois les écarts entre deux espèces d'un même genre sont plus importants comme c'est le cas sur ces photos qu'entre deux genres différents (un chêne et un bouleau par exemple).

   

  

  Figure 2. Evolution de la canopée des forêts au fil de l'année.

  La figure 2 illustre l’évolution de la canopée des forêts au fil de l'année. En été, elle sera la plus dense, ce qui signifie que le signal reçu par le satellite ne sera que peu ou pas affecté par le sous-bois. Cependant, au printemps ou en hiver les végétations qui se situent sous les arbres dominants seront d'autant plus visibles, ce qui signifie par exemple que les fougères ou le fragon peuvent influencer le signal de l'image.

   

  Thèse n°2. Estimation et suivi de la ressource en bois en France par valorisation de séries temporelles optique et radar.

  David MORIN, CESBio, (Oct 2016 à Oct 2019).

  Thèse encadrée par : Gérard Dedieu et Milena Planells (CESBio).

  Financement Ademe-CNES.

   

  L'objectif de cette thèse est de mettre en place et évaluer une méthode pour l'estimation et la cartographie de variables de structure des forêts (biomasse, surface terrière, diamètre moyen, hauteur, densité d'arbres, etc.) avec des images satellites en libre accès ayant une couverture nationale (cf Spot6/7, Theia Geosud, France) ou globale (Alos, S1, S2). Les premiers résultats sur des plantations de pin maritime dans les Landes sont très prometteurs, avec des erreurs de 10 à 25 % selon les variables. Ces résultats sont en train d'être confirmés sur des forêts plus complexes avec des mélanges de feuillus et conifères. La chaîne de traitement est mise en place sur la base de logiciels open-source et de traitements semi-automatiques.

   

  Une originalité de cette thèse est est l’utilisation combinée de de séries temporelles optique et radar (Sentinel1 et 2) et de données annuelles radar (Alos) et optique à haute résolution spatiale (Spot6 ou 7 à 1,5m ou 6 m de résolution).

  	Signal	Resolution	Frequency	Coverage
  ALOS-2 (JAXA)	SAR L-band	25m	Annual	Global
  Sentinel-1 (ESA)	SAR C-band	10-20m	Weekly	Global
  Sentinel-2 (ESA)	Optical Vis-NIR-SWIR	10-20m	Weekly	Global
  Spot-6/7 (CNES)	Optical Vis-NIR	1.5-6m	Annual	France

   

  De nombreuses informations peuvent être extraites à partir de ces images :

  • le coefficient de rétrodiffusion radar en bande L (ALOS-2) : avec une longueur d'onde de ~27cm, les ondes traversent la canopée et fournissent des informations sur la structure des troncs et des grosses branches,
  • le coefficient de rétrodiffusion radar en bande C (Sentinel-1) : avec une longueur d'onde de ~5cm, les ondes pénètrent moins dans la canopée mais donnent des informations sur la structure du houppier (feuilles et petites branches),
  • les données optique (Sentinel-2 et Spot-6/7) donnent des informations sur la pigmentation des feuilles au sommet de la canopée (activité de la végétation) et son évolution dans l'année grâce aux séries temporelles de Sentinel-2,
  • à partir des différentes images à 10m, 6m ou 1,5m de résolution spatiale on peut extraire des indices de structure spatiale (chaque pixel est décrit par l'organisation des pixels voisins), ce qui donne des informations sur la structure des houppiers et de la forêt.

   

  L'estimation des variables de structure forestière (biomasse, surface terrière, diamètre moyen, hauteur, densité d'arbres, etc.) est basée sur des algorithmes d'apprentissage automatique entre les données de référence (mesurées sur le terrain) et les données satellitaires. La figure 1 montre la validation de ces estimations pour la surface terrière (BA basal area, Fig.1a) et le diamètre moyen à 1m30 (DBH, Fig.1b) pour différentes essences dominantes dans des forêts des Landes, d'Orléans et de Saint-Gobain (près de Compiègne).

   

  (a)

  (b)

  Figure 1. Basal Area and DBH validation scatterplots. SVR used with features types from Sentinel-1, Sentinel-2, ALOS-PASAR and Spot-6.

   

  Une fois ces modèles construits et validés, l'objectif est de spatialiser ces informations sur les forêts où nous n'avons pas de mesures. La Figure 2 montre un exemple de carte de la biomasse sur le site d'étude des Landes. Le modèle est appliqué sur les données satellitaires avec un masque « conifères » à partir de la carte Occupation du sol THEIA ‘OSO’ 2016.

  

  Figure 2. Aboveground biomass (AGB) map covering the Landes site area. Pixel level application of the SVR (Support Vector Regression) with features types from Sentinel-1, Sentinel-2, ALOS-PASAR and Spot-6. Non coniferous pixels are masked using the 2016 land cover map (Inglada, 2016)

   

  Sur les autres sites et essences, les résultats montrent que la précision est meilleure lorsqu'on différencie les essences dominantes pour construire les modèles. Une étape de classification sera donc nécessaire pour obtenir cette information et appliquer les modèles par essences. Ce travail se fera à partir des séries temporelles Sentinel-1 et Sentinel-2, avec un algorithme d'apprentissage automatique de type Random Forest. Il bénéficiera aussi des avancées de la thèse de Nicolas KARASIAK.

   

  Thèse n°3. Identification et suivi des peupleraies sur de grands territoires.

  Yousra HAMROUNI, DYNAFOR, (Oct 2017 à Oct 2020).

  Thèse CIFRE encadrée par : Claude Monteil, Véronique Chéret et David Sheeren (Dynafor) en collaboration avec le CNPF/IDF (Eric Paillassa)

  Financement Conseil National du Peuplier.

   

  Le peuplier est la première essence de feuillus plantée en France. Il est exploité pour la qualité de son bois et sa croissance rapide. Actuellement, le rythme de mise à jour des données cartographiques nationales est insuffisant pour le suivi de cette ressource, le peuplier étant une essence à cycle court (15  ans). L’arrivée des satellites Sentinel-1/2 offre une bonne opportunité d’étudier les capacités de la télédétection à localiser les peupleraies et suivre leur évolution.

   

  L'objectif de cette thèse est de détecter les plantations sur de grands territoires et de les caractériser (classes d’âges, phénologie). A terme, il s’agira aussi de suivre les peuplements et de détecter les coupes.

  Les premiers résultats obtenus montrent une performance de classification élevée, avec une bonne capacité à transférer le modèle appris d’un site populicole à l’autre, en l’enrichissant et en l’adaptant progressivement. L’apport des données radar en complément des données optiques s’avère limité pour la détection proprement dite mais les séries Sentinel-1 devraient révéler tout leur potentiel pour  différencier les jeunes plantations des plus âgées et cartographier les coupes.

  

  A terme, l’objectif est d’enrichir le produit annuel THEIA Occupation du sol (‘OSO’) en y ajoutant une nouvelle classe Peuplier au sein des feuillus.

   

   

  Thèse n°4. Jean-Philippe Denux, EI Purpan - DYNAFOR. à venir.

   

   

  Contexte de ces travaux de recherche.

  L’ambition de ces thèses est de mettre au point des méthodes et des démarches reproductibles pour produire de manière spatialisée, régulière (chaque année…) et peu coûteuse (car le plus automatique possible) des couches d’information utiles (distinction des essences forestières, variables de structure des forêts…) aux scientifiques thématiciens (climat, carbone, cycle de l’eau, biodiversité, paysage...) et aux gestionnaires de la forêt. A terme, ce serait donc la possibilité de mettre à jour de nombreuses informations forestières sur tout le territoire.

  Les organismes techniques et professionnels de la forêt et des scientifiques de plusieurs laboratoires ont été associés et informés par ces travaux. Plusieurs spécialistes de l’ONF, CNPF-IDF, ONF, INRA… participent aux différents comités de pilotage de ces 4 thèses.

  Les liens avec les organismes sont divers. Outre la définition des sujets et des problématiques, et l’apport d’expertises, ces organismes peuvent largement aider ces travaux en fournissant des données de terrain géoréférencées. Ce point constitue souvent un verrou crucial. La filière peuplier d’une part, l’INRA de Bordeaux et l’ONF ont été les principaux contributeurs en données de références terrain et nous les remercions vivement. Après ces thèses, la possibilité de disposer des données des placettes IFN-IGN sera particulièrement utile pour poursuivre et valider ces travaux.

  Ces travaux ont aussi de nombreux liens avec les CES et produits THEIA (réflectances, ‘OSO’ Occupation du sol, Forêts bien sûr, humidité des sols, etc…), comme utilisateurs de produits THEIA mais aussi de par les perspectives d’amélioration des produits actuels ou futurs ‘(‘OSO’ Occupation du sol, biomasse des Forêts…). Ces résultats pourront peut-être aussi aider à certaines productions comme la production de la base de données des forêts v2 gérée par l’IGN.

   

  Au moins 2 publications sont prévues dans chaque thèse ; les 1ères publications vont être soumises en février ou mars 2019. Les soutenances des 2 premières thèses auront lieu fin 2019 à Toulouse. Afin de favoriser la diffusion des résultats, il est envisagé d’organiser une journée de valorisation/transfert fin 2019 ou début 2020 dans le cadre de l’ART Occitanie. De plus, CESBio et Dynafor souhaitent continuer cette dynamique de recherche par de nouveaux projets ou thèses.

   

• 10:05

  S1Tiling : ortho-rectification à la demande des données Sentinel-1 sur la grille Sentinel-2

  sur Séries temporelles (CESBIO)

  =>

  ​Sentinel-1 est actuellement le seul système à fournir des images SAR régulièrement sur toutes les terres de la planète. L'accès à ces séries temporelles d'images ouvre un champ d'application hors du commun.

  Afin de répondre aux besoins d'un grand nombre d'utilisateurs, dont les nôtres, nous avons créé une chaîne de traitement automatique permettant de générer des séries temporelles "prêtes à l'emploi" pour un très grand nombre d'applications. Les données Sentinel-1 sont ortho-rectifiées sur la grille Sentinel-2 pour favoriser l'usage conjoint des deux missions.

   

   

  S1Tiling a été développé au sein du service radar du CNES, en collaboration avec le CESBIO, pour générer des séries temporelles d'images Sentinel-1 calibrées, ortho-rectifiées et filtrées, sur n'importe quelle région terrestre de la Terre. Il s'appuie sur l'application d'ortho-rectification d'images radar de l'Orfeo Tool Box. Les images obtenues sont superposables aux images optiques Sentinel-2, car elles utilisent le même référentiel géographique MGRS. Vous pourrez donc accéder aux données Sentinel-1 acquises sur les tuiles Sentinel-2 31TCJ ou 11SPC.

   

  Ce logiciel, écrit en Python, s'appuie sur la librairie de traitement d'images Orfeo Tool Box (OTB), développée par le CNES, ainsi que sur la plate-forme PEPS pour l'accès aux données Sentinel-1. Il est utilisable sur tout type de plate-forme, allant du grand cluster de calcul au PC portable (dont le ventilateur fera un peu de bruit à l'occasion du traitement). Il est considérablement plus rapide que l'outil analogue existant dans SNAP, et peut être facilement utilisé  sous la forme de script.  Pour toute question, merci d'utiliser la plateforme gitlab, plutôt que de laisser des commentaires en dessous de cet article.

  S1-Tiling travaille en plusieurs étapes : il commence par télécharger les images sur le miroir PEPS des données Copernicus, puis il les étalonne et les ortho-rectifie sur la grille Sentinel-2, et enfin applique un filtrage multi-temporel du bruit de speckle.

  S1Tiling est actuellement utilisé pour de nombreuses applications, comme par exemple la détection de la déforestation en Amazonie, le suivi des cultures de riz en Asie du Sud-Est ou la surveillance des stocks d'eau en Inde.

  De plus, cette chaîne est accessible en tant que service de traitement à la demande sur le segment sol collaboratif Français PEPS, afin d'en faciliter l'usage aux utilisateurs.

   

  Utilisation dans PEPS

  Si vous êtes allergique aux lignes de commande (c'est bien dommage), vous pouvez utiliser les fonctions de traitement à la demande de PEPS. La version sur PEPS n'inclut pas encore le filtrage du speckle, mais le travail est en cours. C'est tout simple à utiliser :

  1. Vous vous connectez sur PEPS ( [https:]] )
  2. Vous choisissez la fonction explorer
  3. Vous cherchez les images à télécharger avec les critères explicités dans l'image jointe (spécifiez bien le niveau de produit GRD, et Sentinel-1). Pour chaque produit qui vous intéresse, vous cliquez sur l’icône avec les engrenages
  4. Vous allez dans la fonction traitements (avec les engrenages, en haut à droite)
  5. Vous choisissez votre traitement
  6. Vous cliquez sur chaque produit à traiter et vous lancez le traitement
  7. Il n'y a plus qu'à attendre et à télécharger.

   

  

• 27 January 2019
• 23:01

  Sentinel-2 + OpenStreetMap = ♡

  sur Séries temporelles (CESBIO)

  You may have heard about the tailings dam collapse at Feijão mine in Brumadinho, Brazil. The disaster occurred two days ago on Jan 25 and at least 58 people were found dead, while 300 are still missing. A Sentinel-2 acquisition was planned for today, therefore tonight I checked the EO Browser to see if the mud flow was visible.

  

  Before/after images of Brumadinho mudflow from Sentinel2 imagery (false color composite using the near-infrared band)

  Bingo! I just needed to tinker a bit with QGIS to get an independent estimate of the mudflow area... From the EO Browser I downloaded the near-infrared band of the two above images, because the near-infrared band makes it easy to distinguish the vegetation from other surfaces and I computed the normalized difference: (Before-After)/(Before+After).

  

  Normalized difference of the NIR bands of Jan 07 and Jan 27 images (band 8)

  I converted this grayscale image to a binary image using a threshold of 0.2, vectorized the result and manually edited the polygon especially in the lower part of the deposit where a thin cloud cover dampens the contrast between both images. Then I displayed the polygon over the Openstreetmap layer... This is when I noticed that the mudflow deposit was already present in Openstreetmap!

  

  Openstreetmap snapshot near Brumadinho on 27 Jan 2019

  Using the QuickOSM plugin for QGIS, I downloaded the OSM vector data and extracted the "mudflow" polygon. Its attribute table indicates: "source:image: Sentinel Satellite S2-L1C 2019-01-27 at sentinel-hub.com". Its area is 2.9778 sq. km. My polygon has an area of 2.9585 sq. km.

  

  The extent of the Brumadinho mudlfow by myself and from OSM

  It means that someone, somewhere, has updated OSM using today's Sentinel-2 image... That's an impressive example of how open data like Sentinel-2/Copernicus data can serve collaborative projects and emergency mapping.
  
  Oh by the way! This is how it looks in Google Maps:

  

  Google Maps snapshot near Brumadinho on 27 Jan 2019

• 25 January 2019
• 23:28

  Near-real time analysis of the 2018-2019 snow season from satellite data

  sur Séries temporelles (CESBIO)

  Here in southwest France ski lovers did not really enjoy the beginning of the snow season... But how does it compare to the previous years? Using Sentinel-2 and Landsat-8 data, we computed the snow cover duration since September 01 until January 20 for the past three snow seasons in the Alps and Pyrenees.
  
  

  Snow cover duration (in days) from 01 September of year N-1 to 20 January of year N

  
  
  
  
  On January 04, Météo-France reported that "the snow cover was very deficient for the season in the Pyrenees. The lack of snow at 1,500 meters is not unusual in early January, as recently observed in 2017 or 2016. The lack of high altitude snow is rather more remarkable, as the value of 42 cm measured at the Lake of Nivôse station d'Ardiden (Haute-Bigorre, 2445 m) is the lowest since 1996, previous record of 48 cm in January 2016."
  
  Indeed we can see that the snow cover duration patterns are similar in 2017 and 2019, with lower values in the high elevation areas in 2019.
  
   
  In the Alps the beginning of the snow season was less sad. In fact, the snow conditions were close to the normal according to Météo-France, but still far from those of the exceptional winter 2017-2018. Some artifacts are visible in the 2018 map. In particular the snow near the Pô valley in the southwestern corner of the pictures is an artifact due to snow-cloud confusions in this area (we will try to fix this in the future).
  
  

  However things are changing fast... Since January 20 the snow just kept on falling in the Pyrenees!
  Edit on 26 Jan: a clear-sky Sentinel-2 image was acquired today

  Après les chutes de #neige très importantes de cette semaine dans les #Pyrénées !! via satellite #sentinel2 pic.twitter.com/PYqZqjiskg

  — Meteos (@Meteos_) January 26, 2019

• 13 January 2019
• 15:39

  Anak Krakatau before and after the December 2018 eruption

  sur Séries temporelles (CESBIO)

  Anak Krakatau (Indonesia) erupted on 22 December 2018. During the eruption the collapse of the volcano summit triggered a tsunami in Sunda Strait causing a death toll of 437. The first post-event clear-sky image was finally acquired by Sentinel-2 today on 13 Jan 2019 (after 10 cloudy acquisitions). Here is an image comparison of the Krakatau Island before and after the eruption.
  
  

  View in full screen

  Image-comparison of Anak-Krakatau before and after collapse, showing the major changes to the volcanic Island. First photo captured 5th August and second photo taken by @EarthUncutTV today. 1/3 #AnakKrakatau pic.twitter.com/uXcU3cGydt

  — Øystein Lund Andersen (@OysteinLAnderse) January 11, 2019