Combler les lacunes nuageuses de Sentinel-2 avec un ensemble Kalman–LSTM sur l’indice NDI45.
Des chercheurs du LOTERR (Université de Lorraine), en collaboration avec l’Université Babeș-Bolyai (Cluj-Napoca, Roumania), publient dans Sensors un cadre hybride qui fusionne un filtre de Kalman pondéré par la variance et un réseau LSTM pour reconstruire des séries temporelles NDI45 (bandes 4–5 de Sentinel-2) à 20 m / 5 jours, avec cartes d’incertitude au pixel.
Testée dans la Pampa septentrionale (Argentine), l’approche réduit l’MAE de 22–35 % et resserre l’IC95 % de 25–40 % par rapport aux modèles pris isolément, tout en conservant un flux “monosenseur” robuste pour l’opérationnel.
Ces avancées ouvrent la voie à un suivi plus fiable du stress végétal, de la sécheresse, de l’assurance récolte et des risques climatiques en zones à forte nébulosité.
Référence : Haidu, I. ; Magyari-Sáska, Z. ; Magyari-Sáska, A. (2025). Spatio-Temporal Gap Filling of Sentinel-2 NDI45 Data Using a Variance-Weighted Kalman Filter and LSTM Ensemble, Sensors 25(17), 5299.
Accéder à la publication
Contact au LOTERR : ionel.haidu@univ-lorraine.fr