Horizon / Plein textes La base de ressources documentaires de l'IRD

IRD

 

Publications des scientifiques de l'IRD

Rodriguez-Fernandez N. J., Aires F., Richaume P., Kerr Yann, Prigent C., Kolassa J., Cabot F., Jimenez C., Mahmoodi A., Drusch M. (2015). Soil moisture retrieval using neural networks : application to SMOS. Ieee Transactions on Geoscience and Remote Sensing, 53 (11), 5991-6007. ISSN 0196-2892

Lien direct chez l'éditeur doi:10.1109/tgrs.2015.2430845

Titre
Soil moisture retrieval using neural networks : application to SMOS
Année de publication2015
Type de documentArticle référencé dans le Web of Science WOS:000359541100016
AuteursRodriguez-Fernandez N. J., Aires F., Richaume P., Kerr Yann, Prigent C., Kolassa J., Cabot F., Jimenez C., Mahmoodi A., Drusch M.
SourceIeee Transactions on Geoscience and Remote Sensing, 2015, 53 (11), p. 5991-6007. ISSN 0196-2892
RésuméA methodology to retrieve soil moisture (SM) from Soil Moisture and Ocean Salinity (SMOS) data is presented. The method uses a neural network (NN) to find the statistical relationship linking the input data to a reference SM data set. The input data are composed of passive microwaves (L-band SMOS brightness temperatures, T-b's) complemented with active microwaves (C-band Advanced Scatterometer (ASCAT) backscattering coefficients), and Moderate Resolution Imaging Spectroradiometer (MODIS) Normalized Difference Vegetation Index (NDVI). The reference SM data used to train the NN are the European Centre For Medium-Range Weather Forecasts model predictions. The best configuration of SMOS data to retrieve SM using an NN is using T-b's measured with both H and V polarizations for incidence angles from 25 degrees to 60 degrees. The inversion of SM can be improved by similar to 10% by adding MODIS NDVI and ASCAT backscattering data and by an additional similar to 5% by using local information on the maximum and minimum records of SMOS Tb's (or ASCAT backscattering coefficients) and the associated SM values. The NN-inverted SM is able to capture the temporal and spatial variability of the SM reference data set. The temporal variability is better captured when either adding active microwaves or using a local normalization of SMOS T-b's. The NN SM products have been evaluated against in situ measurements, giving results of comparable or better (for some NN configurations) quality to other SM products. The NN used in this paper allows to retrieve SM globally on a daily basis. These results open interesting perspectives such as a near-real-time processor and data assimilation in weather prediction models.
Plan de classementTélédétection [126] ; Bioclimatologie [072] ; Limnologie physique / Océanographie physique [032]
LocalisationFonds IRD
Identifiant IRDPAR00013605
Lien permanenthttp://www.documentation.ird.fr/hor/PAR00013605

Export des données

Disponibilité des documents

Télechargment fichier PDF téléchargeable

Lien sur le Web lien chez l'éditeur

Accès réservé en accès réservé

HAL en libre accès sur HAL


Accès aux documents originaux :

Le FDI est labellisé CollEx

Accès direct

Bureau du chercheur

Site de la documentation

Espace intranet IST (accès réservé)

Suivi des publications IRD (accès réservé)

Mentions légales

Services Horizon

Poser une question

Consulter l'aide en ligne

Déposer une publication (accès réservé)

S'abonner au flux RSS

Voir les tableaux chronologiques et thématiques

Centres de documentation

Bondy

Montpellier (centre IRD)

Montpellier (MSE)

Cayenne

Nouméa

Papeete

Abidjan

Dakar

Niamey

Ouagadougou

Tunis

La Paz

Quito