Using Quad‐Pol and Single‐Pol RADARSAT‐2 Data for Monitoring Cold Alpine and Outlet Antarctic Glaciers

• Main Authors: Harant, Olivier, Le Meur, Emmanuel, Vasile, Gabriel, Bombrun, Lionel, Ferro-Famil, Laurent, Gay, Michel, Trouvé, Emmanuel
• Other Authors: GIPSA - Signal Images Physique (GIPSA-SIGMAPHY), Département Images et Signal (GIPSA-DIS), Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), Laboratoire de glaciologie et géophysique de l'environnement (LGGE), Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB Université de Savoie Université de Chambéry )-Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB Université de Savoie Université de Chambéry )-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), Sondra, CentraleSupélec, Université Paris-Saclay (COmUE) (SONDRA), ONERA-CentraleSupélec-Université Paris Saclay (COmUE), Institut d'Electronique et de Télécommunications de Rennes (IETR), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Ecole Supérieure d'Electricité - SUPELEC (FRANCE)-Centre National de la Recherche Scientifique (CNRS), GIPSA-Services (GIPSA-Services), Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance (LISTIC), Université Savoie Mont Blanc (USMB Université de Savoie Université de Chambéry )
• Format: Conference Object
• Language: English
• Published: HAL CCSD 2011
• Subjects: [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing; [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing; Antarc*; Antarctic
• Online Access: https://hal.science/hal-00640859; https://hal.science/hal-00640859/document; https://hal.science/hal-00640859/file/p45_harant.pdf

International audience This paper presents some applications of the Maximum Likelihood (ML) texture tracking on displacement estimation of some alpine and antarctic glaciers surfaces. This method is adapted to the statistical characteristic of the new High Resolution (HR) Polarimetric SAR (Pol- SAR) data. The ML texture tracking method is firstly reminded and a statistical model of HR PolSAR data is explained. The main part of this paper is focused on the application of this method on glaciers monitoring. Three different glaciers have been chosen to test the algorithm: a cold alpine glacier, a temperate alpine glacier and an outlet antarctic glacier. The accuracy and limits of the method are highlighted in each case and results application is discussed.