Dana EL HAJJAR

PhD Student

Presentation

Website :

https://danaelhajjar.github.io/

Phd supervisors / Directeurs de thèse :

Yajing YAN, Mohammed Nabil EL KORSO and Guillaume GINOLHAC

Thesis Title/ Titre de la Thèse :

« Recursive learning for incomplete SAR displacement time series for Earth deformation observation »

Abstract/ Résumé :

The systematic acquisition of and free access to Sentinel-1 A/B Synthetic Aperture Radar (SAR) images covering Europe every 6 days (every 12 days elsewhere) provide scientists with both opportunities and challenges for operational monitoring of Earth deformation by SAR image time series. Actually, the displacement estimation with SAR image time series has been well studied with the development of numerous multi-temporal Interferometry SAR (InSAR) methods, such as Small BAseline Subset, Permanent Scatterer Interferometry, SqueeSAR, Phase Linking methods, Multi-link InSAR, CAESAR, Least-Square estimator and EMI. However, incremental methodological development still seems necessary to reply to the operational requirement, that is, the processing should be efficient and robust, and the results should be reliable.

__________________________________________________________________________________________

L’acquisition systématique et le libre accès aux images SAR (Radar à ouverture synthétique) Sentinel-1 A/B couvrant l’Europe tous les 6 jours (tous les 12 jours ailleurs) offrent aux scientifiques à la fois des opportunités et des défis pour la surveillance opérationnelle de la déformation de la Terre par les séries temporelles d’images SAR. Actuellement, l’estimation des déplacements à l’aide de séries chronologiques d’images SAR a été bien étudiée grâce au développement de nombreuses méthodes d’interférométrie SAR (InSAR) multitemporelles, telles que le sous-ensemble de petites lignes de base, l’interférométrie à diffuseur permanent, SqueeSAR, les méthodes de liaison de phase, InSAR multiliaison, CAESAR, l’estimateur des moindres carrés et EMI. Cependant, un développement méthodologique progressif semble encore nécessaire pour répondre aux exigences opérationnelles, c’est-à-dire que le traitement doit être efficace et robuste, et les résultats doivent être fiables.

Keywords / Mots-clefs :

SAR interferometry, robust statistics, recursive estimation, missing data imputation, time series

__________________________________________________________________________________________

Interferométrie SAR, statistiques robustes, estimation robuste, imputation des données manquantes, séries temporelles