Comparaison quantative des masques de MAJA et Sen2Cor vis à vis des masques manuels de GEOSYS.

=>

Comme nous l'avons expliqué dans un article précédent, nous avons obtenu de la part de la société GEOSYS des masques de nuages de référence faits main pour Sentinel-2, qui nous ont permis de valider les masques de MACCS/MAJA. Nous avons voulu aller plus loin et comparer avec les masques de Sen2cor.

 

Mais cette comparaison nécessite de résoudre une petite difficulté : les masques de GEOSYS sont généreusement dilatés pour ne pas prendre le risque de laisser passer des nuages dans la chaîne de traitement. Ceux de MACCS/MAJA le sont aussi, alors que ceux de Sen2cor ne le sont pas du tout. Dans ce qui suit, j'ai utilisé les masques de SEN2COR Medium Probability, fournis par la version 2.3.0 de SEN2COR (qui fournit 3 niveaux (High, Medium et Low). Les précisions obtenues pour les deux chaînes sont celles exposées ci-dessous :

 

Comparaison des pourcentages de pixels bien classés par MACCS/MAJA (en rouge) et par Sen2cor, en bleu.

 

Le reste de l'article expose la méthodologie utilisée pour obtenir ce résultat et montre quelques exemples. Continue reading

La première carte d'occupation des sols 2016 de la France avec Sentinel-2

(article copié depuis le blog OSO)

La carte d'occupation des sols 2016 est là

Poster_OSO_V4.png

Une fois n'est pas coutume, nous sommes en avance. Enfin, presque. Nous avions promis une carte d'occupation des sols 2016 de la France métropolitaine avant la fin du premier trimestre 2017. Elle existe et est disponible ici. Il s'agit d'une carte à 10 m de résolution, avec la même nomenclature que celle utilisée pour les derniers produits prototypes Landsat à 17 classes.

La carte est principalement basée sur des données Sentinel-2 allant de fin 2015 à fin 2016, mais nous avons aussi utilisé des données Landsat-8. Nous vous donnons les détails de la procédure de production plus bas.

Continue reading

MUSCATE S2 product versions

V1_0 was a preliminary processing performed with early version of MACCS adapted to Sentinel-2. It was plagued with a bug in the cloud shadow mask : when more than 255 clouds were present in one image, shadow detection went completely wrong and shadows were detected anywhere. V1_0 was not produced in MUSCATE operationnal context, but in an earlier validation context. Production was available over France only.

 

V1_1 replaces V1_0 over France, Production started mid November, but was only released in February because of many difficulties encountered by MUSCATE. It corrects for the bug related to cloud shadows observed with V1_0, and  was fully processed by the operational MUSCATE center.

 

V1_2 was used in another context not related to MUSCATE, you will not find any product with this version number within MUSCATE server.

 

V1_3 was applied starting from February 2017, to data sets produced above Reunion, Burkina, Senegal, Tunisia, Morocco.The aerosol estimate is improved compared to V1_1. Together with Bastien Rouquié, from CESBIO, we worked on the tuning of the blue-red ratio which is used in the multi-spectral method to estimate aerosols (which is combined with a multi-temporal method). Initially, we used bands B2 (Blue) and B4 (Red), with a ratio of 0.45. We found out that better results were obtained with B1 (Blue) and B4 (Red), still with a ratio of 0.45. More accurate studies tend to recommend a higher value, closer to 0.5

 

As can be seen in the figure below, the estimates obtained with V1_3 are not biased anymore, and have a reduced standard deviation. As a consequence of getting a lower aerosol optical thickness, the surface reflectances of V1_3 products are 2% higher than those of the earlier versions (some user feedbacks from V1_0 said reflectances were sometimes too low).

 

Using B2/B4 ratio

Using B1/B4 ratio

 

V1_4 will be provided with a better shadows mask, as it has been found that the shadows masks are too severe and contain too many commission errors. It is in its final stages of validation.

 

 

"A real advantage over these bloody clouds"

CESBIO's first Sentinel-2 Landcover map of France, obtained with S2A was uncovered by Selma Cherchali (CNES) at the launch event in Darmstadt.

The night was short, but it is with great pride that we have seen the VEGA rocket bring Sentinel-2B to orbit. According to the late night news, Sentinel-2B was in good health, with its solar panels already rotating ! With its full capacity, The Sentinel-2 system will provide us with images every 5 days, over all land surfaces. A geek agronomist and farmer who wrote to me this morning, Xavier Bailleau, summarized perfectly importance of this launch  : "Sentinel-2B will bring us a real advantage over these bloody clouds !"

 

 

 

The CESBIO team who attended the launch event at CNES. L'équipe du CESBIO qui a assisté au lancement cette nuit

La nuit a été courte, mais c'est avec une grande fierté que nous avons vu la fusée européenne VEGA amener Sentinel-2B sur son orbite. Selon les nouvelles de fin de nuit, Sentinel-2B est en pleine santé, avec ses panneaux solaires déployés et en rotation ! Avec sa constellation au complet, le système Sentinel-2 va nous fournir de belles images tous les 5 jours au dessus de toutes les terres. Xavier Bailleau, un agronome et agriculteur geek, qui m'a écrit ce matin, résume la situation à la perfection : "Sentinel-2B va nous donner un sacré avantage sur ces satanés nuages"

 

 

The blog special envoy (Simon Gascoin) to Darmstadt launch event

No word from Simon since he posted this picture of a Space Cake. Should we worry ?

La lettre à Elise Lucet

Chère Elise,

 

au Cesbio, notre laboratoire, nous apprécions beaucoup ton émission "Cash Investigation" et le travail des journalistes de ton équipe. Nous savons que tu ne recules devant rien pour mettre à jour les méfaits des pollueurs et d'ailleurs nous non plus. Pour l'enquête "Razzia sur le bois" diffusée le 24 janvier, tu as même fait appel à la technologie de la NASA (carrément !) pour enquêter sur les incendies dans les plantations d'arbres en Indonésie. Nous avons reconnu en effet les images prise par le capteur MODIS de l'agence spatiale américaine. Ce capteur permet de détecter les feux avec une très bonne fréquence mais les images ne sont pas très détaillées car la résolution d'un pixel est proche de 500 m.

Continue reading

Monthly cloud free syntheses merging Sentinel-2 and Landsat 8

To compute a cloud free synthesis of surface reflectances every month, a good repetitivity of observations is necessary. The weighted average method we developed at CESBIO, and which will be part of ESA's sen2agri system was coded by Cosmin Udroiu at CS Romania. It was meant to work with both Sentinel-2 sensors and an observation every fifth day. As we are still waiting for the launch of Sentinel-2B, the monthly syntheses obtained with Sentinel-2A alone really lack cloud free data.

 

On the left, the Sentinel-2A monthly synthesis, above Odessa (Ukraine) in May, and on the right its flag, with, in black, the areas flagged as cloud or cloud shadow. When a pixel is flagged as cloud or cloud shadow, the monthly synthesis provides the minimum blue reflectance, which tends to avoid clouds (if possible), but often selects cloud shadows.

 

Fortunately, the Sen2agri L3A processor is designed to work with LANDSAT 8 too, as both satellites have similar spectral bands, and as the MACCS atmospheric correction used to produce the L2A input products works for both sensors. Of course LANDSAT 8 geometric resolution is not that of Sentinel-2, so to avoid degrading Sentinel-2 imagery when LANDSAT8 data are available, we give Landsat 8 a very low weight in the weighted average. As a result, Landsat is really taken into account only when no cloud free Sentinel-2 was available during the synthesis period.

 

Same result as above, but including LANDSAT 8 data. A cloud free date at least is now found for every pixel. The water mask obtained from Level 2A product is a little wrong on the Landsat 8 image due to the presence of turbid waters and thin clouds. A solution for this problem will be implemented in next MACCS L2A version. Note that the monthly synthesis of both Sentinel-2 and LANDSAT-8 leaves nearly no visible artifacts on the lands.


For a better comparison of both versions, here is a little animation of composites with and without Landsat 8.

The Sen2Agri system is still in validation phase and should be released as open source next May, 6 months from now. The L3A synthesis processor will be also implemented within Theia and monthly L3A products will be distributed by Theia as it is already the case for L2A products.

ART Midi-Pyrénées - journée des utilisateurs THEIA, le 1er décembre au CESBio

Dans le cadre du pole Theia, L'ART Midi-Pyrénées (Animation Régionale Theia) organise une rencontre avec les utilisateurs (réels ou potentiels) de données spatiales, le 1er décembre 2016 de 14h à 17h au CESBio, à Toulouse.

 

Cette journée est ouverte aux spécialistes comme aux débutants en télédétection : géomaticiens, techniciens, gestionnaires, décideurs. Tous les publics (recherche, services publics, privés) sont invités.

 

Le CESBio présentera les images, traitements et quelques produits (CES produits) obtenus à deséchelles régionales et nationales, à partir de séries temporelles d'images décamétriques de type SENTINEL-1 et 2.

 

Le Cerema, l'Onera et IGN espace présenteront les équivalents en très haute résolution spatiale (métrique).

 

D'autres journées sont prévues en 2017, en particulier sur la forêt, les relations agriculture, territoire, aménagement...

Détail et inscription (obligatoire) sur : http://hervegibrin.wixsite.com/art-midi-pyrenees
Contact : jean-francois.dejoux@cesbio.cnes.fr

High spatial and temporal resolution optical remote sensing data to estimate maize biomass and yield

=>

Climate variability has a strong impact on maize yield. For example, the strong drought that occurred in 2016 led to lower yields across France, even for irrigated fields. Yield estimates have a significant strategic and economic importance. High spatial and temporal resolution remote sensing data are a valuable tool for providing yield estimates at a large scale.

 

In a recent study (Battude et al. 2016) based on optical image time series (combination of Formosat-2, Landsat-8, SPOT4-Take5 and Deimos-1, about two images per month), CESBIO researchers have developed a new method for the estimation of maize yield. A new formulation of SAFY agro-meteorological model taking into account of the observed seasonal variation of the specific leaf area (SLA) and the effective light use efficiency (ELUE) was proposed.

 

Results show that these modifications improve biomass estimates at local scale.

 

Comparison of measured and simulated Dry Aboveground Mass (DAM) with the original version of SAFY (left) and the new model version (right)


Yield estimates are compared to annual statistical values (Agreste) on two departments in the southwest of France : the Gers and the Haute-Garonne. Results show that the model reproduces well yields (R = 0.96; RRMSE = 4.6%), even if it sometimes overestimates the values for rainfed fields.

 

Comparison of simulated yield and Agreste values [t.ha-1] for the Gers and Haute-Garonne departments in 2013 (left) and 2014 (right), with the distinction between irrigated and rainfed fields. Standard errors associated to simulated values are reported.


GAI thus seems to be a good indicator for estimating the irrigated maize yield at regional scale. For rainfed fields, coupling SAFY with a water balance module simulating the soil water content  may improve yield estimates. Sentinel-2 mission offers new perspectives and its data should improve the model estimates.

 

Reference : Battude M., Al Bitar A., Morin D., Cros J., Huc M., Marais Sicre C., Le Dantec V., Demarez V. (2016) Estimating maize biomass and yield over large area using high spatial and temporal resolution Sentinel-2 like remote sensing data. Remote Sensing of Environment 184, 668-681 DOI: 10.1016/j.rse.2016.07.030

La télédétection optique à haute résolution spatiale et temporelle au service de l’estimation de la biomasse et du rendement du maïs

=>

La variabilité climatique a un fort impact sur le rendement du maïs. Par exemple, les fortes sécheresses de 2016 ont conduit, même pour les parcelles irriguées, à une baisse des rendements à travers la France. Les estimations des rendements présentent un enjeu stratégique et économique important. La télédétection à haute résolution spatiale et temporelle est un outil précieux pour l’estimation à large échelle de ces rendements.

 

Dans une étude récente (Battude et al. 2016) basée sur des séries temporelles d'images optiques (combinaison d'images Formosat-2, Landsat-8, SPOT4-Take5 et Deimos-1, environ deux images par mois), les chercheurs du CESBIO ont mis en place une  nouvelle méthode d’estimation du rendement de mais. Une nouvelle formulation du modèle agro-météorologique SAFY prenant en compte la variation saisonnière observée de la surface spécifique foliaire (SLA) et de l’efficience de conversion de la lumière (ELUE) a été proposée.

 

Les résultats montrent que ces modifications améliorent les estimations de la biomasse à l’échelle locale.

 

Comparaison de la biomasse (DAM pour Dry Aboveground Mass) simulée et  mesurée avec à gauche la version d’origine du modèle SAFY  et à droite la nouvelle version proposée.

 

Les estimations de rendement sont comparées à des valeurs statistiques annuelles (Agreste) sur deux départements du Sud-ouest de la France : le Gers et la Haute-Garonne. Les résultats montrent que le modèle reproduit bien les rendements (R = 0.96; RRMSE = 4.6%), même s’il surestime parfois les valeurs pour les parcelles non irriguées.

 

Comparaison du rendement simulé et des données Agreste [t.ha-1] pour les départements du Gers et de la Haute-Garonne en 2013 (à gauche) et en 2014 (à droite), avec la distinction entre les parcelles irriguées et non irriguées. L’erreur standard associée aux valeurs simulées est reportée.

 

Le GAI s’avère donc être un bon indicateur pour l’estimation du rendement du maïs irrigué à l’échelle régionale. Pour les parcelles non irriguées, le couplage de SAFY avec un module de bilan hydrique simulant le contenu en eau du sol pourrait permettre d’améliorer les estimations de rendement. La mission Sentinel-2 offre de nouvelles perspectives et les données devraient permettre d'améliorer les estimations du modèle.

 

Référence : Battude M., Al Bitar A., Morin D., Cros J., Huc M., Marais Sicre C., Le Dantec V., Demarez V. (2016) Estimating maize biomass and yield over large area using high spatial and temporal resolution Sentinel-2 like remote sensing data. Remote Sensing of Environment184, 668-681 DOI: 10.1016/j.rse.2016.07.030

Irrigated crop maps for a better water management in agriculture

=>

In a previous post, i have briefly presented:

  • issues related to the inherent water use in irrigated maize growing in France;
  • research projects related to this thematic where Cesbio is involved.

To classify irrigated farmland, within the growing period and at the scale of a territory, we focused on the use of optical remote sensing images. In the lines below, I will introduce the work to generate maps of irrigated crops usin Landsat-8 time series level 2A made available by Theia Land data center..

Continue reading