Fiche détaillée
| Id | 437 |
| Auteur | Charrière Dimitri |
| Titre | A comparison of the Plant Phenology Index (PPI) and the Normalized Difference Vegetation Index (NDVI) in mountainous area |
| Sous-titre | |
| Résumé | Les écosystèmes froids subissent un réchauffement deux fois plus rapide que la moyenne mondiale et sont particulièrement vulnérables aux conséquences du changement climatique. De solides processus de suivi sont nécessaires pour comprendre la réaction des écosystèmes à ces changements abrupts. Le Normalized Difference Vegetation Index (NDVI) est l'un des indices de télédétection les plus utilisés pour le suivi de la végétation. Cependant, il souffre de limitations dans la récupération d'un signal cohérent pour les zones couvertes de neige saisonnière et pour les forêts de conifères. Le Plant Phenology Index (PPI) a été mis au point pour résoudre ces problèmes, principalement dans les zones boréales. Il pourrait être utilisé pour d'autres biomes, mais n'a pas encore été évalué spécifiquement dans les zones montagneuses malgré des conditions climatiques similaires. L'objectif de cette étude est de contribuer au développement du suivi de la végétation par télédétection en effectuant une comparaison et une évaluation du PPI et du NDVI dans les régions montagneuses. Nous concentrons notre étude sur le canton du Valais (CH) dans les Alpes européennes et utilisons également la production primaire brute (PPB) dérivée de la méthode d’eddy covariance à Torgnon (IT) pour une analyse de corrélation avec des données au sol. Nous utilisons des données dérivées de l'instrument multispectral de la constellation de satellites Sentinel-2 pour les années 2018-2022 afin de construire des séries temporelles pour quatre types de végétation : arbres à feuilles caduques, arbres conifères, prairies et arbustes. En ce qui concerne le cycle saisonnier, le NDVI est particulièrement bruyant au début/à la fin de la saison enneigée et pour les conifères, ce qui est cohérent avec son problème connu de sensibilité à la neige et ses difficultés à récupérer les variations du signal dans la végétation dense et à feuilles persistantes. Le PPI semble résoudre ces problèmes mais tend à surestimer les valeurs maximales, ce qui pourrait être attribué à sa formule logarithmique et à sa grande sensibilité aux variations de la réflectance dans le proche infrarouge (NIR) et dans le rouge pendant la période de croissance maximale. En ce qui concerne la récupération des paramètres saisonniers, nous avons trouvé des résultats cohérents pour le début de la saison (SOS) et la fin de la saison (EOS) entre les indices, sauf pour les conifères. Les résultats pour le pic de la saison (POS) présentent des différences importantes entre les indices. L'analyse de corrélation avec la PPB mesurée au sol dans une prairie alpine à Torgnon (IT) montre un coefficient de corrélation de Spearman élevé à la fois pour le NDVI (0,75) et le PPI (0,72). Nos résultats sont cohérents avec la littérature existante et contribuent au développement d'un suivi plus précis de la végétation par télédétection. Le PPI est un indice de télédétection robuste pour la surveillance de la végétation dans les environnements complexes montagneux enneigés saisonnièrement. |
| Summary | Cold ecosystems are experiencing a warming rate that is twice as fast as the global average and are particularly vulnerable to the consequences of climate change. Solid monitoring process are required to understand the response of ecosystems to these abrupt changes. The Normalized Difference Vegetation Index (NDVI) is one of the most widely used remote sensing index for vegetation monitoring. However, it suffers from limitations in retrieving consistent signal for areas covered by seasonal snow and for coniferous forest. The Plant Phenology Index (PPI) has been developed to overcome these issues, primarily in northern latitudes. It could be used in other biome but has not yet been specifically assessed in mountainous areas despite similar climatic conditions. The aim of this study is to contribute to the development of remote sensing monitoring for vegetation by conducting a comparison and an assessment of the PPI and NDVI in mountainous regions. We focus our study on the canton of Valais (CH) in the European Alps and also use eddy covariance derived Gross Primary Production (GPP) from Torgnon (IT) for ground data correlation analysis. We use data derived from the MultiSpectral Instrument on the Sentinel-2 satellite constellation for the year 2018-2022 to construct time series for four types of vegetation: deciduous trees, coniferous trees, grasslands and shrubs. Regarding seasonal cycle, the NDVI is particularly noisy at the beginning/end of the snowed season and for coniferous trees, which is consistent with its known snow sensitivity issue and difficulties to retrieve signal variation in dense and evergreen vegetation. The PPI seems to deal with these problems but tends to overestimate peak values, which could be attributed to its logarithmic formula and derived high sensitivity to variations in near-infrared (NIR) and red reflectance variations during peak growing season. Concerning seasonal parameters retrieval, we find consistent results for the start of the season (SOS) and end of the season (EOS) between indices, except for coniferous trees. Peak of the season (POS) results exhibit important differences between the indices. Correlation analysis with ground- measured GPP in an alpine grassland in Torgnon (IT) shows a high Spearman correlation coefficient for both NDVI (0.75) and PPI (0.72). Our findings are coherent with the existing literature and contribute to the development of more accurate remote sensing vegetation monitoring. The PPI is a robust remote sensed index for vegetation monitoring in seasonal snow-covered and complex mountain environments. |
| Volee | 2023 |
| Soutenance | 2024-01-25 |
| Sujet | Végétation, télédétection, montagne, PPI, NDVI |
| Url 1 | Mémoire de stage disponible sur demande (admincg) |
| Url 2 | |
| Url 3 |