Evaluating Sentinel-1 Capability in Classifying Dieback in Chestnut and Oak Forests

Marie Parrens, Véronique Chéret et Jean-Philippe Denux, tous 3 enseignants-chercheurs à l'Ecole d'Ingénieurs de Purpan (EI-Purpan) et membres de l'UMR Dynafor, sont co-auteurs d'un article sur l'étude du dépérissement de forêts de châtaigniers et de chênes par télédétection, publié dans la revue IEEE Geoscience and Remote Sensing Letters.

Mouret, F.; Parrens, M.; Cheret, V.; Denux,J.P.; Vincent-Barbaroux, C. et al. (2024). Evaluating Sentinel-1 Capability in Classifying Dieback in Chestnut and Oak Forests. IEEE Geoscience and Remote Sensing Letters, pp.1-1. ⟨10.1109/LGRS.2024.3445459⟩. ⟨hal-04684672⟩

Abstract: This letter analyzes the contribution of the Sentinel-1 (S1) satellites, which provide C-band synthetic aperture radar (SAR) data, to the monitoring of forest dieback. Multispectral satellites (typically Landsat 8 or Sentinel-2, S2) have been found to be effective in detecting early signs of dieback, while little work has been done with SAR data despite its sensitivity to canopy structure and water content and its ability to pass through clouds. Our analysis is conducted on two study sites in France, where the dieback of chestnut and oak plots have been labeled. Classifications have been conducted to measure the ability of S1 data to identify plot in dieback. Our results show that S1 time series are not very sensitive to forest dieback. Using a single S2 images lead to more powerful classification results than using 1 year of S1 data. While S1 data may not be suitable for stand-alone forest dieback detection, it could be interesting to use it for other forest monitoring applications that should not be affected by dieback (species identification, clear-cut detection, etc.).

Résumé: Ce papier analyse la contribution des satellites Sentinel-1 (S1) qui fournissent des données de radar à synthèse d'ouverture (SAR) en bande C à la surveillance du dépérissement forestier. Les satellites optiques tels que Sentinel-2 (S2) se sont avérés efficaces pour détecter les premiers signes de dépérissement mais peu de travaux ont été réalisés avec les données SAR malgré leur sensibilité à la structure de la canopée et à la teneur en eau ainsi que leur capacité à s’affranchir des nuages. Notre analyse s’est appuyée sur deux sites d'étude en France comprenant des parcelles de châtaigniers et de chênes. Des classifications ont été réalisées pour mesurer la capacité des données S1 à identifier les parcelles en dépérissement. Nos résultats montrent que les séries temporelles S1 ne sont pas très sensibles au dépérissement forestier. L'utilisation d'une seule image S2 conduit à de meilleurs résultats de classification que l'utilisation d'une année de données S1. Bien que les données S1 ne soient pas adaptées à la détection du dépérissement forestier, il pourrait être intéressant de les utiliser pour d'autres applications de surveillance des forêts qui ne devraient pas être affectées par le dépérissement (identification des espèces, détection des coupes à blanc, etc.).