Agronomie 22 (2002) 547-553
DOI: 10.1051/agro:2002036

Validation of neural net techniques to estimate canopy biophysical variables from remote sensing data

Marie Weiss^a, Frédéric Baret^b, Marc Leroy^c, Olivier Hautecoeur^a, Cédric Bacour^d, Laurent Prévot^b and Nadine Bruguier<sup>b

a</sup>  NOVELTIS, parc technologique du canal, 2 avenue de l'Europe, 31520 Ramonville Saint-Agne, France
^b  INRA CSE, Domaine Saint-Paul, Site Agroparc, 84914 Avignon Cedex 9, France
^c  CESBIO, 18 avenue E. Belin, BPI 2801, 31401 Toulouse Cedex 4, France
^d  LED, Université Paris 7, UFR des sciences physiques de la Terre, case postale 7071, 2 place Jussieu, 75251 Paris Cedex 05, France

(Received 25 September 2001; accepted 11 December 2001)

Abstract
A Bidirectional Reflectance Distribution Function (BRDF) catalog of different crops (mainly wheat, alfalfa, sunflower and maize) was acquired thanks to the Alpilles/ReSeDA campaign, over the whole crop cycles in 1997, using the airborne POLDER sensor. The aim of this study was to test the ability of neural network techniques to accurately estimate canopy biophysical variables from reflectance data. The biophysical variables of interest considered were cover fraction and leaf area index. A well-known and validated canopy radiative transfer model (SAIL) was first used to simulate two BRDF databases: (1) a learning data set to train the neural networks; (2) a validation data set. We used ReSeDA POLDER products and applied the calibrated neural networks to derive biophysical variable estimates. These estimates were then compared with in situ measurements for the 16 acquisition dates and different fields and crops. We also compared ANN performances versus a NDVI-based technique.

Résumé
Validation d'une méthode basée sur l'utilisation de réseaux de neurones pour l'estimation de variables biophysiques des couverts végétaux à partir de données de télédétection. Un catalogue de données de réflectance bidirectionnelle (BRDF), acquis avec le capteur aéroporté POLDER, correspondant à plusieurs types de cultures (principalement du blé, de la luzerne, du tournesol et du maïs) a été acquis lors de la campagne Alpilles/ReSeDA, tout au long des cycles de cultures en 1997. Le but de cette étude est de tester l'aptitude des réseaux de neurones à estimer des variables biophysiques des couverts végétaux à partir de données de télédétection. Les variables biophysiques considérées sont la fraction de couverture du sol et l'indice foliaire. Deux jeux de données ont été simulés à l'aide d'un modèle de transfert radiatif dans le couvert (SAIL) : (1) un jeu d'apprentissage permettant d'entraîner les réseaux de neurones, (2) un jeu de validation. Les réseaux de neurones ainsi calibrés sont appliqués aux données ReSeDA-POLDER pour estimer les variables biophysiques. Ces estimations sont ensuite comparées à des mesures in situ pour les 16 dates d'acquisition de la campagne, les différentes parcelles et les différentes cultures. Les performances des réseaux de neurones sont également comparées à celles d'une méthode classique, basée sur le NDVI.

Key words: canopy structure variables / leaf area index / cover fraction / remote sensing / neural networks

Mots clés : variable de structure du couvert végétal / indice foliaire / fraction de couverture du sol / télédétection / réseaux de neurones

Correspondence and reprints: Marie Weiss
    e-mail: weiss@avignon.inra.fr

Communicated by Andres Kuusk (Toravere, Estonia)

© INRA, EDP Sciences 2002