AbstractNowadays, modern Earth Observation systems continuously generate huge amounts of data. A notable example is the Sentinel-2 Earth Observation mission, developed by the European Space Agency as part of the Copernicus Programme, which supplies images from the whole planet at high spatial resolution (up to 10 m) with unprecedented revisit time (every 5 days at the equator). In this data-rich scenario, the remote sensing community is showing a growing interest toward modern supervised machine learning techniques (e.g., deep learning) to perform information extraction, often underestimating the need for reference data that this framework implies. Conversely, few attention is being devoted to the use of network analysis techniques, which can provide a set of powerful tools for unsupervised information discovery, subject to the definition of a suitable strategy to build a network-like representation of image data. The aim of this work is to provide clues on how Satellite Image Time Series can be profitably represented using complex network models, by proposing a methodology to build a multilayer network from such data. This is the first work to explore the possibility to exploit this model in the remote sensing domain. An example of community detection over the provided network in a real-case scenario for the mapping of complex land use systems is also presented, to assess the potential of this approach.
International audience ; A wide range of environmental and societal issues such as food security policy implementation requires accurate information on biomass productivity and its underlying drivers at both regional and local scales. While many studies in West Africa are conducted with coarse resolution earth observation data, few have tried to relate vegetation trends to explanatory factors, as is generally done in land use and land cover change (LULCC) studies at finer scales. In this study, we proposed to make a bridge between vegetation trend analysis and LULCC studies to improve the understanding of the various factors that influence the biomass production changes observed in satellite time series (using integrated Normalized Difference Vegetation Index [NDVI] as a proxy). The study was conducted in two steps. In the first step, we analyzed MODIS NDVI linear trends together with TRMM growing season rainfall over the Sahel region from 2000-2015. A classification scheme was proposed that enables better specification of the relative role of the main drivers of biomass production dynamics. We found that 16% of the Sahel is re-greening-but found strong evidence that rainfall is not the only important driver of biomass increase. Moreover, a decrease found in 5% of the Sahel can be chiefly attributed to factors other than rainfall (88%). In the second step, we focused on the "Degré Carré de Niamey" site in Niger. Here, the observed biomass trends were analyzed in relation to land cover changes and a set of potential drivers of LULCC using the Random Forest algorithm. We observed negative trends (29% of the Niger site area) mainly in tiger bush areas located on lateritic plateaus, which are particularly prone to pressures from overgrazing and overlogging. The significant role of accessibility factors in biomass production trends was also highlighted. Our methodological framework may be used to highlight changing areas and their major drivers to identify target areas for more detailed studies. Finer-scale assessments of the long-term vulnerability of populations can then be made to substantiate food security management policies. ; De nombreux problèmes environnementaux et sociétaux, tels que la mise en œuvre de politiques de sécurité alimentaire, nécessitent des informations précises sur la productivité de la biomasse et ses facteurs sous-jacents aux niveaux régional et local. Alors que de la plupart des études en Afrique de l'Ouest reposent sur des données d'observation de la Terre à faible résolution spatiale, peu d'entre elles ont tenté de relier les tendances de la production végétale à des facteurs explicatifs, comme c'est généralement le cas dans les études sur le changement d'utilisation et d'occupation des sols (LULCC) à des échelles plus fines. Dans cette étude, nous avons proposé d'établir un pont entre l'analyse des tendances de la végétation et les études LULCC afin d'améliorer la compréhension des divers facteurs qui influencent les changements de production de biomasse observés dans les séries chronologiques satellites (en utilisant l'indice de végétation par différence normalisée [NDVI] intégré). L'étude a été réalisée en deux étapes. Dans un premier temps, nous avons analysé les tendances linéaires de MODIS NDVI ainsi que les précipitations TRMM, sur la région du Sahel, pendant la saison des pluies, de 2000 à 2015. Un système de classification a été proposé, qui permet de mieux préciser le rôle relatif des principaux facteurs de la dynamique de la production de biomasse. Nous avons constaté que 16% du Sahel est en train de reverdir, mais nous avons trouvé des indications solides que les précipitations ne sont pas le seul facteur important d'augmentation de la biomasse. De plus, une diminution constatée dans 5% du Sahel peut être principalement attribuée à des facteurs autres que les précipitations (88%). Dans un deuxième temps, nous nous sommes concentrés sur le site "Degré Carré de Niamey" au Niger. Ici, les tendances de la biomasse observées ont été analysées en relation avec les changements de l'occupation des sols et un ensemble de facteurs potentiels de LULCC, avec l'algorithme Random Forest. Nous avons observé des tendances négatives (29% de la superficie du site du Niger) principalement dans les zones de brousses tigrées situées sur des plateaux latéritiques, particulièrement sujettes aux pressions dues au surpâturage et à la surexploitation. Le rôle important des facteurs d'accessibilité dans les tendances de la production de biomasse a également été mis en évidence. Notre cadre méthodologique peut être utilisé pour mettre en évidence les zones en évolution et leurs principaux moteurs afin d'identifier les zones cibles pour des études plus détaillées. Des évaluations plus précises de la vulnérabilité à long terme des populations peuvent ensuite être effectuées pour justifier les politiques de gestion de la sécurité alimentaire.
International audience ; A wide range of environmental and societal issues such as food security policy implementation requires accurate information on biomass productivity and its underlying drivers at both regional and local scales. While many studies in West Africa are conducted with coarse resolution earth observation data, few have tried to relate vegetation trends to explanatory factors, as is generally done in land use and land cover change (LULCC) studies at finer scales. In this study, we proposed to make a bridge between vegetation trend analysis and LULCC studies to improve the understanding of the various factors that influence the biomass production changes observed in satellite time series (using integrated Normalized Difference Vegetation Index [NDVI] as a proxy). The study was conducted in two steps. In the first step, we analyzed MODIS NDVI linear trends together with TRMM growing season rainfall over the Sahel region from 2000-2015. A classification scheme was proposed that enables better specification of the relative role of the main drivers of biomass production dynamics. We found that 16% of the Sahel is re-greening-but found strong evidence that rainfall is not the only important driver of biomass increase. Moreover, a decrease found in 5% of the Sahel can be chiefly attributed to factors other than rainfall (88%). In the second step, we focused on the "Degré Carré de Niamey" site in Niger. Here, the observed biomass trends were analyzed in relation to land cover changes and a set of potential drivers of LULCC using the Random Forest algorithm. We observed negative trends (29% of the Niger site area) mainly in tiger bush areas located on lateritic plateaus, which are particularly prone to pressures from overgrazing and overlogging. The significant role of accessibility factors in biomass production trends was also highlighted. Our methodological framework may be used to highlight changing areas and their major drivers to identify target areas for more detailed studies. Finer-scale assessments of the long-term vulnerability of populations can then be made to substantiate food security management policies. ; De nombreux problèmes environnementaux et sociétaux, tels que la mise en œuvre de politiques de sécurité alimentaire, nécessitent des informations précises sur la productivité de la biomasse et ses facteurs sous-jacents aux niveaux régional et local. Alors que de la plupart des études en Afrique de l'Ouest reposent sur des données d'observation de la Terre à faible résolution spatiale, peu d'entre elles ont tenté de relier les tendances de la production végétale à des facteurs explicatifs, comme c'est généralement le cas dans les études sur le changement d'utilisation et d'occupation des sols (LULCC) à des échelles plus fines. Dans cette étude, nous avons proposé d'établir un pont entre l'analyse des tendances de la végétation et les études LULCC afin d'améliorer la compréhension des divers facteurs qui influencent les changements de production de biomasse observés dans les séries chronologiques satellites (en utilisant l'indice de végétation par différence normalisée [NDVI] intégré). L'étude a été réalisée en deux étapes. Dans un premier temps, nous avons analysé les tendances linéaires de MODIS NDVI ainsi que les précipitations TRMM, sur la région du Sahel, pendant la saison des pluies, de 2000 à 2015. Un système de classification a été proposé, qui permet de mieux préciser le rôle relatif des principaux facteurs de la dynamique de la production de biomasse. Nous avons constaté que 16% du Sahel est en train de reverdir, mais nous avons trouvé des indications solides que les précipitations ne sont pas le seul facteur important d'augmentation de la biomasse. De plus, une diminution constatée dans 5% du Sahel peut être principalement attribuée à des facteurs autres que les précipitations (88%). Dans un deuxième temps, nous nous sommes concentrés sur le site "Degré Carré de Niamey" au Niger. Ici, les tendances de la biomasse observées ont été analysées en relation avec les changements de l'occupation des sols et un ensemble de facteurs potentiels de LULCC, avec l'algorithme Random Forest. Nous avons observé des tendances négatives (29% de la superficie du site du Niger) principalement dans les zones de brousses tigrées situées sur des plateaux latéritiques, particulièrement sujettes aux pressions dues au surpâturage et à la surexploitation. Le rôle important des facteurs d'accessibilité dans les tendances de la production de biomasse a également été mis en évidence. Notre cadre méthodologique peut être utilisé pour mettre en évidence les zones en évolution et leurs principaux moteurs afin d'identifier les zones cibles pour des études plus détaillées. Des évaluations plus précises de la vulnérabilité à long terme des populations peuvent ensuite être effectuées pour justifier les politiques de gestion de la sécurité alimentaire.
Accurate cropland maps at the global and local scales are crucial for scientists, government and nongovernment agencies, farmers and other stakeholders, particularly in food-insecure regions, such as Sub-Saharan Africa. In this study, we aim to qualify the crop classes of the MODIS Land Cover Product (LCP) in Sub-Saharan Africa using FAO (Food and Agricultural Organisation) and AGRHYMET (AGRiculture, Hydrology and METeorology) statistical data of agriculture and a sample of 55 very-high-resolution images. In terms of cropland acreage and dynamics, we found that the correlation between the statistical data and MODIS LCP decreases when we localize the spatial scale (from R2 = 0.86 *** at the national scale to R2 = 0.26 *** at two levels below the national scale). In terms of the cropland spatial distribution, our findings indicate a strong relationship between the user accuracy and the fragmentation of the agricultural landscape, as measured by the MODIS LCP; the accuracy decreases as the crop fraction increases. In addition, thanks to the Pareto boundary method, we were able to isolate and quantify the part of the MODIS classification error that could be directly linked to the performance of the adopted classification algorithm. Finally, based on these results, (i) a regional map of the MODIS LCP user accuracy estimates for cropland classes was produced for the entire Sub-Saharan region; this map presents a better accuracy in the western part of the region (43%-70%) compared to the eastern part (17%-43%); (ii) Theoretical user and producer accuracies for a given set of spatial resolutions were provided; the simulated future Sentinel-2 system would provide theoretical 99% user and producer accuracies given the landscape pattern of the region.
International audience ; For the semi-arid Sahelian region, climate variability is one of the most important risks of food insecurity. Field experimentations as well as crop modelling are helpful tools for the monitoring and the understanding of yields at local scale. However, extrapolation of these methods at a regional scale remains a demanding task. Remote sensing observations appear as a good alternative or addition to existing crop monitoring systems. In this study, a new approach based on the combination of vegetation and thermal indices for rainfed cereal yield assessment in the Sahelian region was investigated. Empirical statistical models were developed between MODIS NDVI and LST variables and the crop model SARRA-H simulated aboveground biomass and harvest index in order to assess each component of the yield equation. The resulting model was successfully applied at the Niamey Square Degree (NSD) site scale with yield estimations close to the official agricultural statistics of Niger for a period of 11 years (2000-21 2011) (r=0.82, pvalue<0.05). The combined NDVI and LST indices based model was found to clearly outperform the model based on NDVI alone (r=0.59, pvalue<0.10). In areas where access to ground measurements is difficult, a simple, robust and timely satellite-based model combining vegetation and 2 thermal indices from MODIS and calibrated using crop model outputs, can be pertinent. In particular, such a model can provide an assessment of the year-to-year yield variability shortly after harvest for regions with agronomic and climate characteristics close to those of the NSD study area. ; En région sahélienne semi-aride, la variabilité climatique constitue l'un des risques les plus importants d'insécurité alimentaire. Les expérimentations sur le terrain ainsi que la modélisation des cultures sont des outils utiles pour la surveillance et la compréhension des rendements à l'échelle locale. Cependant, l'extrapolation de ces méthodes à l'échelle régionale reste une tâche difficile. Les ...
International audience ; For the semi-arid Sahelian region, climate variability is one of the most important risks of food insecurity. Field experimentations as well as crop modelling are helpful tools for the monitoring and the understanding of yields at local scale. However, extrapolation of these methods at a regional scale remains a demanding task. Remote sensing observations appear as a good alternative or addition to existing crop monitoring systems. In this study, a new approach based on the combination of vegetation and thermal indices for rainfed cereal yield assessment in the Sahelian region was investigated. Empirical statistical models were developed between MODIS NDVI and LST variables and the crop model SARRA-H simulated aboveground biomass and harvest index in order to assess each component of the yield equation. The resulting model was successfully applied at the Niamey Square Degree (NSD) site scale with yield estimations close to the official agricultural statistics of Niger for a period of 11 years (2000-21 2011) (r=0.82, pvalue<0.05). The combined NDVI and LST indices based model was found to clearly outperform the model based on NDVI alone (r=0.59, pvalue<0.10). In areas where access to ground measurements is difficult, a simple, robust and timely satellite-based model combining vegetation and 2 thermal indices from MODIS and calibrated using crop model outputs, can be pertinent. In particular, such a model can provide an assessment of the year-to-year yield variability shortly after harvest for regions with agronomic and climate characteristics close to those of the NSD study area. ; En région sahélienne semi-aride, la variabilité climatique constitue l'un des risques les plus importants d'insécurité alimentaire. Les expérimentations sur le terrain ainsi que la modélisation des cultures sont des outils utiles pour la surveillance et la compréhension des rendements à l'échelle locale. Cependant, l'extrapolation de ces méthodes à l'échelle régionale reste une tâche difficile. Les observations de télédétection apparaissent comme une bonne alternative ou un complément aux systèmes de surveillance des cultures existants. Dans cette étude, une nouvelle approche basée sur la combinaison d'indices de végétation et thermiques pour l'évaluation du rendement en céréales en culture pluviale dans la région sahélienne a été étudiée. Des modèles statistiques empiriques ont été développés entre les variables MODIS NDVI et LST et le modèle de culture SARRA-H simulé de la biomasse aérienne et de l'indice de récolte afin d'évaluer chaque composante de l'équation de rendement. Le modèle résultant a été appliqué avec succès à l'échelle du site du degré carré de Niamey (DCN) avec des estimations de rendement proches des statistiques agricoles officielles du Niger pour une période de 11 ans (2000-21 2011) (r = 0,82, pvalue <0,05). Le modèle combiné basé sur les indices NDVI et LST s'est révélé nettement supérieur au modèle fondé sur le NDVI seul (r = 0,59, pvalue <0,10). Dans les zones où l'accès aux mesures au sol est difficile, un modèle satellite simple, robuste et opportun combinant végétation et 2 indices thermiques de MODIS et calibré à l'aide des résultats du modèle de culture peut s'avérer pertinent. En particulier, un tel modèle peut fournir une évaluation de la variabilité du rendement d'une année à l'autre peu après la récolte pour les régions présentant des caractéristiques agronomiques et climatiques proches de celles de la zone d'étude du DCN.
International audience ; For the semi-arid Sahelian region, climate variability is one of the most important risks of food insecurity. Field experimentations as well as crop modelling are helpful tools for the monitoring and the understanding of yields at local scale. However, extrapolation of these methods at a regional scale remains a demanding task. Remote sensing observations appear as a good alternative or addition to existing crop monitoring systems. In this study, a new approach based on the combination of vegetation and thermal indices for rainfed cereal yield assessment in the Sahelian region was investigated. Empirical statistical models were developed between MODIS NDVI and LST variables and the crop model SARRA-H simulated aboveground biomass and harvest index in order to assess each component of the yield equation. The resulting model was successfully applied at the Niamey Square Degree (NSD) site scale with yield estimations close to the official agricultural statistics of Niger for a period of 11 years (2000-21 2011) (r=0.82, pvalue<0.05). The combined NDVI and LST indices based model was found to clearly outperform the model based on NDVI alone (r=0.59, pvalue<0.10). In areas where access to ground measurements is difficult, a simple, robust and timely satellite-based model combining vegetation and 2 thermal indices from MODIS and calibrated using crop model outputs, can be pertinent. In particular, such a model can provide an assessment of the year-to-year yield variability shortly after harvest for regions with agronomic and climate characteristics close to those of the NSD study area. ; En région sahélienne semi-aride, la variabilité climatique constitue l'un des risques les plus importants d'insécurité alimentaire. Les expérimentations sur le terrain ainsi que la modélisation des cultures sont des outils utiles pour la surveillance et la compréhension des rendements à l'échelle locale. Cependant, l'extrapolation de ces méthodes à l'échelle régionale reste une tâche difficile. Les observations de télédétection apparaissent comme une bonne alternative ou un complément aux systèmes de surveillance des cultures existants. Dans cette étude, une nouvelle approche basée sur la combinaison d'indices de végétation et thermiques pour l'évaluation du rendement en céréales en culture pluviale dans la région sahélienne a été étudiée. Des modèles statistiques empiriques ont été développés entre les variables MODIS NDVI et LST et le modèle de culture SARRA-H simulé de la biomasse aérienne et de l'indice de récolte afin d'évaluer chaque composante de l'équation de rendement. Le modèle résultant a été appliqué avec succès à l'échelle du site du degré carré de Niamey (DCN) avec des estimations de rendement proches des statistiques agricoles officielles du Niger pour une période de 11 ans (2000-21 2011) (r = 0,82, pvalue <0,05). Le modèle combiné basé sur les indices NDVI et LST s'est révélé nettement supérieur au modèle fondé sur le NDVI seul (r = 0,59, pvalue <0,10). Dans les zones où l'accès aux mesures au sol est difficile, un modèle satellite simple, robuste et opportun combinant végétation et 2 indices thermiques de MODIS et calibré à l'aide des résultats du modèle de culture peut s'avérer pertinent. En particulier, un tel modèle peut fournir une évaluation de la variabilité du rendement d'une année à l'autre peu après la récolte pour les régions présentant des caractéristiques agronomiques et climatiques proches de celles de la zone d'étude du DCN.
Ce rapport a pour objectif de faire un état des lieux des usages des technologies satellitaires dans le développement et l'analyse des agricultures africaines, afin de mieux cerner les difficultés actuelles, identifier les contraintes sur lesquelles la recherche et le partenariat peuvent avoir un effet, et imaginer les actions nécessaires pour lever ces contraintes à court et moyen termes. L'ensemble du continent africain est traité, avec un focus sur l'Afrique de l'Ouest. L'échelle abordée est l'échelle nationale à laquelle se mettent en place les politiques publiques agricoles. Dans une 1èrepartie est dressé le panorama de la télédétection en Afrique pour l'agriculture, avec l'analyse des besoins prioritaires en informations, et les principaux programmes et projets en cours pour le développement de services. La 2ème partie présente l'offre actuelle et future en imagerie satellitaire et en outils logiciels, et les produits globaux descriptifs des états de surface aux échelles globale et régionale. Les principales applications de la télédétection sont illustrées en 3ème partie.
Vegetated coastal ecosystems provide goods and services to billions of people. In the aftermath of a series of recent natural disasters, including the Indian Ocean Tsunami, Hurricane Katrina and Cyclone Nargis, coastal vegetation has been widely promoted for the purpose of reducing the impact of large storm surges and tsunami. In this paper, we review the use of coastal vegetation as a "bioshield" against these extreme events. Our objective is to alter bioshield policy and reduce the long-term negative consequences for biodiversity and human capital. We begin with an overview of the scientific literature, in particular focusing on studies published since the Indian Ocean Tsunami in 2004 and discuss the science of wave attenuation by vegetation. We then explore case studies from the Indian subcontinent and evaluate the detrimental impacts bioshield plantations can have upon native ecosystems, drawing a distinction between coastal restoration and the introduction of exotic species in inappropriate locations. Finally, we place bioshield policies into a political context, and outline a new direction for coastal vegetation policy and research.