An overview of irrigation evolution in Central Asia with Landsat

In Central Asia former soviet republics, pre-independence water allocation and irrigation system infrastructure were well maintained and operated with massive funding from the central government of the Former Soviet Union. Since independence, the situation has changed dramatically politically, institutionally and technically. Political transition from a planned to a market economy has introduced ‘new’ concepts such as land tenure, water rights and different kinds of ownership. The institutional changes are described as a transition from former state collective farms – kholkhoz and sovkhoz – to smaller private farms. (FAO report #39)
The Kyrgyz Republic is a landlocked country in Central Asia with a total area of 198 500 km2 and about 6 million inhabitants. It became independent from the Soviet Union in August 1991. Most of the land formerly controlled by the 195 kolkhoz (collective farms) and 275 sovkhoz (state farms) has been distributed to their employees and dependants in the form of certificates extending 99 years of land-use rights. 1 million hectares of fields are irrigated : almost all irrigation uses surface water, and only 4.4% of the water comes from groundwater (FAO report #39). FAO Aquastat surveys show that the Kirghiz consumption of water for agriculture has dropped from 9486Mm3 in 1994 to 7447 Mm3 in 2006 (-21%), but they also say that « These data should be used with caution, since the reason for this is not clear. It may be the result of computation methods, data quality, changed cropping pattern or improved irrigation techniques. »


We (1) have been looking at the evolution of an irrigated scheme on the southern bank of the Issyk Kul lake. The water which is coming from Karak Batak glacier melt, snow melt, and other rain runoff flows along the Chon Kyzyl Suu river which is then diverted to the Bolshoi and Polanski canals.


The statistics of water diversion (2) to those two canals show a huge drop between 1996 and 2004, followed by a flat evolution until 2012. The volume diverted in the 2000s is half the volume of the 1990s, so we would expect that the cropped area of the 90’s was much bigger than in the 2010’s.

Continue reading

Theia's Landsat data are moving


It is true that many of us can be moved by the Landsat L2A data produced by THEIA, but this time, the data were literally moved. The presently used downloading site is being prepared to host Sentinel-2A data produced by the operational MUSCATE ground segment, and meanwhile, the prototype center goes on producing LANDSAT L2A data abovce France. However, their format is not compatible with the new server.

As a result, LANDSAT data will stay hosted on the old server, whose address has just been changed. THEIA's L2A LANDSAT data are now distributed at :

Continue reading

Les données LANDSAT de THEIA déménagent


Beaucoup d'utilisateurs nous l'ont dit, "elles déménagent vos données", mais cette fois, c'est au sens propre. En effet, le site de téléchargement actuel se prépare à accueillir les données sentinel-2 produites par le centre de production MUSCATE opérationnel,. Pendant ce temps, le centre prototype continue à traiter les données LANDSAT sur la France, mais l+eur format n'est pas compatible avec le nouveau serveur.

Pour cette raison, les données LANDSAT vont rester sur l'ancien serveur, qui va changer d'adresse. Provisoirement, les données LANDSAT sont donc distribuées sur ::

Continue reading

Sentinel-2 et Landsat-8 font équipe pour suivre la coulée de lave du volcan Kilauea



Le volcan Kilauea à Hawaï est un des plus actifs au monde. Cela fait déjà plus de trente ans qu'il est entré en éruption, mais il a fait les gros titres récemment car ses coulées ont atteint l'océan Pacifique, agrandissant le territoire hawaïen de deux hectares d'un coup ! Voilà une technique efficace pour lutter contre la hausse du niveau de la mer...

Photo aérienne de la coulée de lave 61G au point d'entrée dans l'océan Pacifique le 19 août 2016. Crédit: U.S. Geological Survey Department of the Interior/USGS U.S. Geological Survey.

Continue reading

Sentinel-2A and Landsat-8 team up to track Kilauea Volcano's lava flow



Kilauea Volcano in the largest active volcano in Hawaii and one of the most active on Earth. It has been erupting for over 30 years now but hit the headlines recently because a large lava flow traveled up to the ocean, adding 2 brand new hectares to the Hawaiian Islands.

Aerial view of the 61G lava flow ocean entry on August 19, 2016. Credit: U.S. Geological Survey Department of the Interior/USGS U.S. Geological Survey.

Continue reading

Sentinel-2A (and Landsat-8) capture a giant ice avalanche in Tibet

After reading my previous post about the Rutog ice avalanche, my distinguished colleagues Antoine R. and Olivier H. challenged me to look for a pre-event image to better highlight the avalanche area. The closest clear-sky image that I could find is a Landsat-8 image that was acquired on June 24 (23 days before the slide).


Sequence of two Landsat-8 and Sentinel-2A images. Both images are level 1 product displayed as natural color composites. Click to enlarge.

Continue reading

The iota2 Land cover processor has processed some Sentinel-2 data


You already heard about iota2 processor, and you must know that it can process LANDSAT 8 time series et deliver land cover maps for whole countries. These las days, Arthur Vincent completed the code that allows processing Sentinel-2 time series. Even if atmospherically corrected Sentinel-2 data are not yet available above the whole France, we used  the demonstration products delivered by Theia to test our processor.


Everything seems to work fine, and the 10 m resolution of Sentinel-2 seems to allow seeing much more details. The joined images show two extracts near Avignon, in Provence, which show the differences between Landsat 8 and Sentinel-2. Please just look only at the detail level, and not at the differences in terms of classes. Both maps were produces using different time periods, and a period limited to winter and beginning of spring for Sentinel-2, and the learning database is also different. Please don,'t draw conclusions too fast about the thematic quality of the maps.


First extract shows a natural vegetation zone, with some farmland (top LANDSAT8, bottom Sentinel-2)


Continue reading

La chaîne d'occupation des sols iota2 sait maintenant traiter Sentinel-2


Vous connaissez déjà la chaîne iota2 et vous savez qu'elle sait traiter les séries temporelles Landsat8 et générer des cartes d'occupation des sols. Ces derniers jours, Arthur Vincent a terminé le code permettant d'utiliser les séries temporelles Sentinel-2. Même si nous n'avons pas encore des séries Sentinel-2 sur toute la France (mais elles devraient arriver bientôt), nous avons utilisé des produits de démonstration fournis par THEIA pour valider la chaîne de traitement.


Tout a l'air de bien marcher et la résolution de 10m. de Sentinel-2 permet d'avoir beaucoup plus de détails au niveau des cartes produites. Voici 2 extraits (près d'Avignon) qui montrent la différence entre Landsat8 (en haut) et Sentinel-2 (en bas). Attention, la comparaison n'a de sens qu'en termes de détail spatial : les cartes ne correspondent pas aux mêmes périodes d'acquisition, seuls quelques mois de données Sentinel-2 ont été utilisés, sans la période estivale, et les données de référence sont légèrement différentes. Il ne faut pas tirer donc de conclusion par rapport à la qualité thématique de ces cartes.


Le premier extrait montre une zone de végétation naturelle avec un peu d'agriculture (en haut LANDSAT8, en bas Sentinel-2)


Continue reading

New version of fully automatic land cover map of France for 2014 from LANDSAT8


Over the last months, we worked a lot on our method for Land Cover map production. Three main topics (1) were studied with Arthur Vincent and David Morin at CESBIO :

  1. porting and validating the iota2 processor on the CNES High Performance Computing facilities (HPC);
  2. enhancing the method for reference data preparation. Reference data are used both for training and validation;
  3. developing a stratification method which allows to train and apply classifiers per eco-climatic area, for instance.

Using all these new features, we produced a lot (really a lot!) of maps for the continental France. We just released the 4 following examples, produced using all the available LANDSAT8 data in 2014 :

  • regarding reference data :
    1. including 4 classes of artificial surfaces : continuous urban , dicontinuous urban, road surfaces, and commercial and industrial areas (2);
    2. only one artificial class that gathers the 4 above (3);
  • regarding the stratification method :
    1. using eco-climatic areas (4);
    2. without stratification, but using a fusion of several classifiers trained over different sets of tiles.
The pink urban spot, in the center of brown zone, is the village of Chateauneuf du Pape which is famous for its wine, and the brown color is the vineyard class. Validated !

Continue reading

Nouvelle version des produits d'occupation des sols OSO sur la France en 2014


Nous avons beaucoup travaillé sur la procédure de génération des cartes d'occupation des sols ces derniers mois. Trois axes principaux1 ont été abordés par Arthur Vincent et David Morin au Cesbio :

  1. Le portage et la validation de la chaîne de traitement iota2 sur l'infrastructure de calcul à haute performance (HPC) du Cnes.
  2. L'amélioration de la procédure de préparation des données de référence utilisées pour l'apprentissage des classifieurs et la validation des cartes produites.
  3. La mise au point de la stratification qui permet de spécialiser les algorithmes de classification par zone éco-climatique, par exemple.

En utilisant toutes ces nouveautés, nous avons produit beaucoup (vraiment beaucoup!) de cartes sur la France métropolitaine. Nous venons de mettre en ligne quelques exemples sur l'année 2014 en utilisant toutes les données Landsat8 disponibles. Nous avons choisi de vous montrer les 4 cas qui correspondent aux combinaisons suivantes :

  • sur la donnée de référence :
    1. utilisation de 4 classes de surfaces artificielles (abusivement appelées "bâti") : urbain continu, urbain discontinu, surfaces "route" et zones industrielles et commerciales (2);
    2. regroupement a posteriori de ces 4 classes (3);
  • sur le mode de stratification :
    1. avec stratification par zone éco-climatique (4);
    2. sans stratification, mais avec une fusion de plusieurs (10) classifieurs appris sur des tuiles images différentes.

Le village en rose, au centre de la zone marron, c'est le village de Chateauneuf du Pape, et la zone marron autour du village, ce sont des vignes ! Pas besoin de vérité terrain pour le vérifier, mais on veut bien aller vérifier quand même.

Arthur nous a concocté une interface assez pratique pour la visualisation et la comparaison des différentes cartes.  Vous pouvez y accéder ici. L'icône en haut à droite vous permet de sélectionner les cartes qui seront affichées. A gauche, sous les boutons qui gèrent le niveau de zoom, vous avez la possibilité de sélectionner 2 des cartes pour lesquelles les statistiques de qualité (FScore par classe5) seront affichées sous la zone de visualisation. Cela vous permet d'apprécier les différences entre les approches.


Aux 4 nouvelles cartes, nous avons ajouté la version que nous avions publié en début d'année, dont la qualité est inférieure. Si vous regardez la précision globale de cette carte (Overall Accuracy) vous verrez qu'elle est en fait supérieure à celle des nouvelles cartes. Ceci est dû au fait que dans cette ancienne version, nous utilisions beaucoup de pixels d'eau pour la validation, et l'eau est très facile à classer. Le problème principal de cette ancienne version est le sur-classement des zones urbaines au dépens des surfaces minérales naturelles et des vergers. Ceci a été amélioré grâce au travail sur la préparation de la donnée de référence.


Pour comparer des cartes, il est utile de regarder les FScore par classe. Vous verrez ainsi que la stratification éco-climatique apporte des améliorations importantes sur les valeurs moyennes et sur les intervalles de confiance.


Si vous voulez récupérer les fichiers GeoTiff complets (attention, c'est volumineux!), vous pouvez utiliser les liens suivants :

N'hésitez pas à nous faire des retours. Nous continuons à travailler sur les améliorations des méthodes.


1Beaucoup d'autres tâches ont été réalisées, dont la préparation de l'ingestion des données Sentinel-2, par exemple.

2Ces 4 classes correspondent à la nomenclature de Corine Land Cover, dont les polygones du millésime 2012 ont été affinés en utilisant une procédure développée par David et Marcela et décrite dans cette présentation (à partir de la planche 33).

3L'apprentissage et la classification sont toujours faits avec les 4 classes séparées, mais elles sont regroupées à la fin, ce qui permet d'augmenter la précision de la carte en échange d'une perte de finesse thématique. Mais les pixels de 30 m. de Landsat ne nous permettent d'être très précis pour ces classes.

4Nous avons utilisé la carte publiée par Joly et al.

5Nous utilisons cette métrique, car elle combine les erreurs d'omission et de commission.