Avec l’arrivée de nouvelles plateformes de télédétection (Sentinell-2, Sentinell-3, EnMAP, etc.), le nombre de bandes spectrales disponibles pour extraire des paramétres biophysiques (principalement Leaf area Index et concentration en Chlorophylle) de la végétation augmente. Cela pose naturellement la question des méthodes à mettre en place pour estimer ces paramétres au mieux. Afin de faire un point sur les méthodes actuellement disponibles pour produire des estimations de ces paramétres, un consortium de chercheurs issus de l’UPL de Valencia, de l’université d’Antwelp et de Wageningen proposent un état de l’art de ces méthodes. L’article est intéressant car il donne un bon aperçu de la diversité des principes actuellement mis en oeuvre ; de la régression paramétrique à l’utilisation de modèles biophysiques et de méthodes hybrides. Il propose également une analyse critique des différentes approches sur la base d’un cas d’étude.
Résumé de l’article :
Forthcoming superspectral satellite missions dedicated to land monitoring, as well as planned imaging spectrometers, will unleash an unprecedented data stream. The processing requirements for such large data streams involve processing techniques enabling the spatio-temporally explicit quantification of vegetation properties. Typically retrieval must be accurate, robust and fast. Hence, there is a strict requirement to identify next-generation bio-geophysical variable retrieval algorithms which can be molded into an operational processing chain. This paper offers a review of state-of-the-art retrieval methods for quantitative terrestrial bio-geophysical variable extraction using optical remote sensing imagery. We can categorize these methods into (1) parametric regression, (2) non-parametric regression, (3) physically-based and (4) hybrid methods. Hybrid methods combine generic capabilities of physically-based methods with flexible and computationally efficient methods, typically non-parametric regression methods. A review of the theoretical basis of all these methods is given first and followed by published applications. This paper focusses on: (1) retrievability of bio-geophysical variables, (2) ability to generate multiple outputs, (3) possibilities for model transparency description, (4) mapping speed, and (5) possibilities for uncertainty retrieval. Finally, the prospects of implementing these methods into future processing chains for operational retrieval of vegetation properties are presented and discussed.
Références :
J. Verrelst, G. Camps-Valls, M. Marí, J. P. Rivera, F. Veroustraete, J.G.P.W. Clevers, J. Moreno, 2015. Optical remote sensing and the retrieval of terrestrial vegetation bio-geophysical properties – A review, ISPRS Journal of Photogrammetry and Remote Sensing, doi:10.1016/j.isprsjprs.2015.05.005.