L'estimation du contenu atmosphérique en aérosols

=>

Attention, cet article contient des formules !

 

Les aérosols jouent un rôle prépondérant dans les effets atmosphériques. Les aérosols sont des particules en suspension dans l'atmosphère, qui peuvent être de plusieurs types : grains de sable ou poussières, suies issues de combustion, sulfates ou sels marins entourés d'eau... Leur taille peut varier de 0.1 µm à quelques microns, en fonction du type d'aérosols ou de l'humidité de l'air. Quant à leur quantité, elle est extrêmement variable, une pluie pouvant réduire brutalement leur abondance (on parle d'"épaisseur optique d'aérosols"). Ils peuvent faire varier fortement d'un jour à l'autre les réflectances observables depuis le sommet de l'atmosphère et il est donc nécessaire de connaître leur quantité et leur type afin de pouvoir corriger leurs effets.

 

Malheureusement, pour corriger les effets des aérosols, on ne dispose pas de réseau global d'observation des aérosols, seulement d'observations locales, sur les quelques centaines de points du réseau Aeronet. Ce réseau ne peut donc pas être utilisé pour corriger opérationnellement les images de satellites sur de grandes étendues.
Des modèles météorologiques commencent à prédire les quantités d'aérosols, en se basant sur les observations de satellites et la modélisation des sources et du transport des aérosols par les vents, mais ces données ne semblent pas encore avoir une précision suffisante pour être utilisées pour la correction atmosphérique des images.

 

Notre méthode de correction atmosphérique (MACCS) repose donc sur une estimation de l'épaisseur optique des aérosols à partir des images elles-mêmes. Pour bien comprendre le fonctionnement de cette méthode, il faut déjà comprendre les effets des aérosols sur le rayonnement. On a vu, dans ce billet, que les effets de la diffusion peuvent être modélisés ainsi (on suppose l'absorption gazeuse corrigée) :

ρTOA = ρatm +Td ρsurf

La réflectance au sommet de l'atmosphère ρTOA (Top of Atmosphere) est la somme de la réflectance atmosphérique ρatm et de la réflectance de surface ρsurf transmise par l'atmosphère. On cherche à connaître la réflectance de surface, mais à chaque mesure réalisée au sommet de l'atmosphère, on a trois inconnues à déterminer. Pour séparer les effets de l'atmosphère et les effets de la surface, il faut donc utiliser d'autres informations.

 

Méthode du pixel noir

Lorsque l'image contient une surface dont la réflectance est quasi nulle, la réflectance observée au sommet de l'atmosphère devient ρTOA= ρatm. On peut donc en déduire la réflectance atmosphérique, et en utilisant un modèle de transfert radiatif, l'épaisseur optique des d'aérosols. On peut enfin en déduire la transmission diffuse, et finalement calculer ρsurf. Une version encore plus simple et plus approximative consiste à soustraire directement la réflectance du pixel sombre (soit ρatm) à toute l'image. [Chavez, 1988]

 

Cependant, cette méthode revient à supposer qu'il existe bien une surface très sombre dans l'image (ce qui n'est pas toujours le cas), et que la réflectance de cette surface sombre est connue. La méthode suppose aussi que la quantité d'aérosols est constante dans l'image et elle néglige les effets du relief. Les résultats obtenus par cette méthode peuvent donc être assez imprécis. Dans notre méthode (MACCS), nous utilisons cependant la méthode du pixel noir déterminer la valeur maximale de l'épaisseur optique dans la zone.

 

Méthode Multi Spectrale, dite "DDV"

Si on connaît le type d'aérosols présent dans l'atmosphère, il est possible de déduire les  propriétés des aérosols dans une bande spectrale, à partir des propriétés optiques dans une autre bande spectrale.

 

Si on dispose de deux bandes spectrales, on dispose de deux mesures ρsurf et de trois inconnues( les deux réflectances de surface dans ces bandes, et la quantité d'aérosols). Une équation supplémentaire peut être obtenue si on connaît la relation entre les réflectances de surface des deux bandes.

 

La méthode  méthode "Dark Dense Vegetation" (DDV ) est basée sur des hypothèses de relations entre réflectances de surface sur la végétation dense exploitant le fait que le spectre de la végétation dense et verte est un peu toujours le même. La version la plus connue de cette méthode est celle utilisée par la NASA pour le projet MODIS [Remer 2005]. Elle relie les réflectances de surface dans le bleu et dans le rouge avec celles dans le moyen infra-rouge. On dispose ainsi de deux équations qui permettent d’estimer le type d’aérosols et l’épaisseur optique. Cette méthode fonctionne bien en zones tempérées et boréales, mais pas en zones arides, où il est difficile de trouver de la végétation dense. Les premières versions utilisaient les équations suivante :

 

ρBleu = 0.5 ∗ ρSWIR

ρRouge = 0.25 ∗ ρSWIR

 

Les versions suivantes ont un peu compliqué ces équations, sans en modifier le principe. Nos travaux ont montré que l’utilisation de l'équation ci dessous  (la valeur exacte du coefficient est à ajuster en fonction des bandes spectrales de l'instrument):

ρBleu = 0.5 ∗ ρRouge

 

permet une détermination plus précise de l’épaisseur optique, pour des couverts végétaux moins denses (jusqu’à un NDVI de 0.2), car les sols nus de couleur marron respectent aussi cette relation. La méthode ne permet pas, par contre, de déterminer le modèle d’aérosols. Dans le cas de SPOT4 (Take5) l'absence d'une bande bleue ne nous permet pas d'utiliser cette dernière équation, d’où une légère perte en précision.

Ce diagramme montre que la corrélation entre réflectances de surface au dessus de la végétation est bien meilleure pour le couple de bandes spectrales (bleu, rouge) que pour les couples incluant le moyen infra rouge. (SWIR)

 

Méthode Multi Temporelle

On observe dans la plupart des cas que les réflectances de la surface terrestre évoluent lentement avec le temps, alors que le propriétés optiques des aérosols varient très rapidement, d'un jour à l'autre. On peut donc considérer que ce qui change d'une image à l'autre (en dehors de cas particuliers souvent liées à des interventions humaines) est lié aux aérosols, et donc en déduire les propriétés des aérosols pour ensuite corriger les effets atmosphériques. Cette méthode est un peu trop complexe pour être expliquée en détails ici, les lecteurs intéressés pourront se reporter à [Hagolle 2008].

 

Pour que les réflectances de surface soient quasi constantes d'une image à l'autre, il faut cependant que les images soient acquises sous un angle de vue constant. Les changements d'angles d'observation font en effet varier les réflectances : c'est ce qu'on appelle les effets directionnels. Cette méthode ne s'applique donc qu'aux seuls satellites permettant des observations à angle constant.  Elle ne s'applique donc pas aux données SPOT normales mais par contre convient parfaitement aux données SPOT4 (Take5). Elle s'appliquera aussi à Landsat, Venµs et Sentinel-2.

 

En résumé :
Performance de l'estimation de l'épaisseur optique des aérosols sur des séries temporelles d'images Formosat-2,, en fonction de la méthode (multi-spectrale, multi-temporelle, combinée), par comparaison avec les mesures fournies par le réseau de mesures in-situ Aeronet. La méthode multi spectrale fonctionne mieux sur des sites couverts de végétation et moins bien sur des sites arides, la méthode multi-temporelle marche un peu moins bien sur les sites verts, mais beaucoup mieux sur les sites arides. La combinaison des deux méthodes garde le meilleur des deux méthodes élémentaires.

 

Notre méthode MACCS, utilisée pour l'expérience SPOT4 (Take5), et pour les données LANDSAT, VENµS et Sentinel-2, combine les trois méthodes présentées ci-dessus pour obtenir des estimations robustes des épaisseurs optiques d'aérosols. Ces méthodes fonctionnent dans un grand nombre de cas, mais peuvent parfois échouer quand les hypothèses sur lesquelles elles reposent s'avèrent fausses. Elles ont en général tendance à mieux fonctionner sur des zones couvertes de végétation plutôt que dans des zones arides. pour le moment, elles supposent le modèle d'aérosol connu, et dans les prochaines années, nous chercherons des manières fiables d'identifier le type d'aérosols.

 

References :
Chavez Jr, P. S. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, 24(3), 459-479.

Remer, L. A., and Coauthors, 2005: The modis aerosol algorithm, products, and validation. J. Atmos. Sci., 62, 947–973.

Hagolle, O and co-authors, 2008. « Correction of aerosol effects on multi-temporal images acquired with constant viewing angles: Application to Formosat-2 images ». Remote sensing of environment 112 (4)

Hagolle, O.; Huc, M.; Villa Pascual, D.; Dedieu, G. A Multi-Temporal and Multi-Spectral Method to Estimate Aerosol Optical Thickness over Land, for the Atmospheric Correction of FormoSat-2, LandSat, VENμS and Sentinel-2 Images. Remote Sens. 2015, 7, 2668-2691.

SPOT4 (Take5) after 3 months

=>

The SPOT4 (Take5) is already 3 months old and will only last for one month and a half. For the in-situ measurements among the users teams, there is also only one month left.

 

On that occasion, we just created a quicklook page that shows all the images acquired between January the 31st and April the 15th.

 

With the help of Vincent Poulain (of Thales, funded by CNES Image Quality service (thank you!)), large improvements have been made on the settings for ortho-rectification SIGMA software, in order to eliminate much of the poor correlations that disrupted our measurements. With the exception of two very uniform rainforest sites (Borneo and Sumatra), the registration performance for all sites are now excellent. Selection thresholds are however a little too strict for two other rainforest sites (Gabon and Congo), where most images are rejected. The work is going on...

 

In this April 6 to Cameroon picture, one of the rainforest sites, whose ortho-rectification was greatly enhances, small cumulus clouds are present at above the ground and not above the sea If a meteorologist passes by, an explanation of this phenomenon frequently encountered would be welcome .

Despite very bad weather in many places, especially in France early this year, SPOT4 managed to take some beautiful pictures without clouds on almost all sites. The quick-looks from images clear enough to be ortho-rectified are now available on this blog. On many of these sites (in Brittany, Alsace, Sumatra, China), it will require using partially cloudy images to obtain a correct repetitivity. You may judge for yourself that the repeatability of 5 days is absolutely necessary (in some cases even a little insufficient) to properly monitor vegetation growth.

 

On CNES side, the Take5 production center was installed on April the 30 th. The official production can start (I guess we'll have to experiment to configure all the settings). The  distribution served of the French Land Data Center is also ready. It is just waiting for the opening of its domain name (ptsc.fr), that requires a few signatures. A special data server for Take5 is also being finalized. The next weeks will be busy, but the data should be released in June as planned.
Finally, CNES and Astrium have agreed on a very liberal license for SPOT4(Take5) data, that should be issued in the coming days.

SPOT4 (Take5) : déjà trois mois écoulés

=>

 

L'expérience SPOT4 (Take5) a démarré depuis trois mois et il ne reste plus qu'un mois et demi de prises de vues, et aussi un mois et demi de collecte de données de terrain pour les équipes d'utilisateurs.

 

A cette occasion, nous avons créé une page de quicklooks fournissant toutes les images acquises jusqu'au 15 ou au 20 avril.

 

Grâce à l'aide de Vincent Poulain (de la société Thales, financé par le service SI/QI du CNES (Merci !)), de grosses améliorations ont été obtenues sur le paramètrage du logiciel d'ortho-rectification SIGMA, afin d'éliminer une bonne part des mauvaises corrélations qui perturbaient nos mesures. A l'exception de deux sites très uniformes de forêts équatoriales (Borneo et Sumatra), les performances de superposition sont maintenant excellentes. Les seuils de sélection sont cependant un peu trop sévères pour deux autres sites (Gabon et Congo), pour lesquels la plupart des images sont rejetées. Le travail se poursuit.

 

Image du 6 avril au Cameroun, l'un des sites difficiles de forêts équatoriales, dont l'ortho-rectification s'est nettement améliorée. Sur cette image, on observe que les petits cumulus ne sont présents qu'au dessus de la terre et pas au dessus de la mer. Si un météorologue passe par là, une explication de ce phénomène fréquemment rencontré serait la bienvenue.

Malgré une météo très mauvaise sur de nombreux sites, notamment en France en ce début d'année, SPOT4 a réussi à prendre quelques belles images sans nuages sur à peu près tous les sites. Les quick-looks des images suffisamment claires pour pouvoir être orthorectifiées sont maintenant disponibles sur ce blog. Sur plusieurs de ces sites (en Bretagne, en Alsace, à Sumatra, en Chine), il faudra utiliser les images partiellement nuageuses pour obtenir une répétitivité correcte. Vous pouvez juger par vous mêmes que la répétitivité de 5 jours est absolument nécessaire (dans certains cas même un peu insuffisante) pour bien suivre les évolutions de la végétation.

 

Côté CNES, le centre de production des images Take5 vient d'être installé au CNES, le 30 Avril. La production officielle peut démarrer (j'imagine que nous devrons faire plusieurs essais pour tout configurer). Le serveur de distribution des données du Pôle Thématique Surfaces Continentales est lui aussi en place, en version préliminaire. Il ne lui manque plus que l'ouverture de son nom de domaine (ptsc.fr), en attente de quelques signatures. Un serveur de données spécial pour Take5 est également en cours de finalisation. On ne va pas chômer, mais les données devraient donc sortir en Juin comme prévu.

 

Enfin, le CNES et Astrium Geo se sont mis d'accord pour une license très libérale pour les données SPOT4(Take5). Cette license sera publiée dans les jours qui viennent.

There is an issue with Paris

=>

When Mireille Huc steps in my office saying "il y a un problème" (there is an issue), it is generally due to a new case that is not handled by our level 2A methods. This time, she said : "there is an issue with Paris".

 

Such issues happen regularly each time we observe a new type of Landscape. That's why it so important to process a wide range of landscapes and images to qualify our methods. Here are a few examples of the issues we encounter once in a while :

  • The very turbid Gironde estuary classified as snow, because very bright in the visible while dark in the SWIR, as for snow
  • false clouds due to drying white soils whose reflectance is increasing
  • False  Cloud Shadows after fields were irrigated in Mexico, whose reflectance decreases quickly
  • Snow in the middle of desert in South Tunisia (a dry salt lake,  bright in the visible, and dark in the SWIR)

 

This time, on this SPOT4 (Take5) time series near Versailles, the clouds are well classified, the atmospheric correction seems to work, but ... but, this zone oulined in blue in the North East Corner, it is Paris centre. It means the region is under water, but if Paris had been under water for two months, we would have known (given what they say when there is only one inch of snow). Mireille checked the data, and it turns out that Paris centre meets all the criteria we use to detect water (computed at 200m resolution):

  • NDVI <0

    SPOT4(Take5) time series near Versailles. Colour composite: (R,G,B)=(NIR, Red, Green). The clouds are circled in green, their shadow in black, and wter bodies and Paris centre in blue. Click twice on each image to see it at 40m resolution.

  • NDWI <0
  • Red Reflectance  < 0.1

 

It is the first town for which we observe this issue, maybe because of Paris huge density, of its slate roofs, and because of the winter period with no leaves on the trees.

A solution would be to process the water mask at a higher resolution (100m, 60m). Or could we just say that our "water" mask is in fact a "water and dense town centre with slate roofs" mask ? Or even better ask Parisians to grow plants on their roofs.

 

Meanwhile,  one can note on this time series that despite a repetitivity of 5 days, we only got one partially clear image in March, but this month was exceptionally cloudy, they say in Paris. The onset of vegetation can also be clearly seen on the last image of the series, after nice weather came back at the beginning of April.

 

 

 

Il y a un problème avec Paris

=>

Quand Mireille Huc entre dans mon bureau en disant "il y a un problème", c'est en général qu'un nouveau cas, non prévu dans nos méthodes, est apparu. Cette fois-ci, c'était "il y a un problème avec Paris".

 

Ce genre de cas arrive quasiment à chaque nouveau type de paysage, c'est pourquoi il est très important de valider nos méthodes dans un grand nombre de cas. Voici quelques exemples de problèmes déjà rencontrés :

  • l'estuaire de la Gironde déclaré "couvert de neige" car très brillant dans le visible, avec sa charge en sédiments, mais très sombre dans le SWIR, comme la neige
  • des faux nuages sur des sols blancs qui sèchent et dont la réflectance augmente
  • des fausses ombres après une irrigation au Mexique, et dont la réflectance diminue
  • de la neige en plein désert en Tunisie (un lac salé, brillant dans le visible, sombre dans le SWIR)

 

Cette fois-ci, sur cette série d'images SPOT4 (Take5) centrée sur Versailles, les nuages sont bien détectés, les corrections atmosphériques ont l'air correctes, mais ... mais, cette zone entourée de bleu dans le coin Nord Est, c'est Paris. Les zones soulignées en bleu sont, normalement, des étendues d'eau. Si Paris était inondée depuis deux mois, nous en aurions entendu parler (vu le bruit qu'il font quand ils ont deux centimètres de neige). Mireille a enquêté, et a observé que le centre de Paris respecte bien tous nos critères de détection de l'eau (calculés à 200 mètres de résolution) :

  • NDVI négatif

    Série d'images SPOT4(Take5) obtenues sur le site centré sur Versailles début 2013. Composition colorée: (R,V,B)=(PIR, Rouge, Vert). Les nuages sont entourés de vert, leurs ombres sont entourées de noir, les zones en eau et Paris sont entourés de bleu. Cliquer deux fois sur chaque vignette pour voir l'image à 40m de résolution.

  • NDWI négatif
  • Réflectance dans le rouge < 0.1

 

C'est la première ville pour laquelle ce problème est observé, peut-être en raison de sa grande densité, de ses toits en ardoise, et de la période hivernale avec des arbres sans feuilles. Pour le moment, nous n'avons pas encore trouvé de parade. Nous pourrons peut-être nous en sortir en traitant le masque d'eau à une meilleure résolution (100m, 60m ?). Ou en déclarant que notre "masque d'eau" est en fait un "masque d'eau et de villes denses aux toits en ardoise" ? Ou en suggérant aux Parisiens de faire pousser des plantes sur leurs toits, d'ici le lancement de Sentinel-2 ?

 

Au passage, on peut remarquer que malgré une répétitivité de 5 jours, on dispose d'une seule image partiellement claire au mois de mars, il faut dire que ce mois de mars a été particulièrement couvert. On peut aussi observer nettement le démarrage de la végétation sur la dernière image après le retour du beau temps au début du mois d'avril (les parcelles agricoles au sud-ouest de l'image deviennent plus rouges).

 

 

 

 

SPOT4 (Take 5) : As a clockwork, but no bed of roses...

=>

I have written that SPOT4 (Take 5) was working  as a clockwork, but  I have to admit that the ortho-rectification of SPOT4 images is not as easy as I thought initially.

 

This plot provides the location error along the West-East axis (x) and along the North South axis( y) for each image, with a different color for each decade, A strong bias is observed, particularly during the last decade of February and the first decade of March, for sites other Europe. This location error is corrected after the ortho-rectification.

The location error of an image is the average difference between the actual position of the pixels of an image, and the position calculated knowing the position of the satellite, its orientation (in space science, we say "attitude") , the  orientation of the mirror and the location of the detectors in the instrument. While the SPOT4 image localization performance measured at CNES, has usually a standard deviation of 450 meters, we met over a fifty scenes with localization errors greater than 1000 meters. Most of them were acquired close to Europe.

 

We have not yet an explanation for this issue, which is still within SPOT4 requirements (1500m RMS). On recent satellites,the attitude is measured very precisely by star trackers. These sensors are small optical instruments that identify  stars in the sky whose position is known to determine the attitude of the satellite, as the walker lost at night can use the North Star to find his or her way. But when SPOT 4 was designed in the early 1990s, these star trackers were not operational yet, and SPOT4 used another type of sensor, the earth sensor. This device works in the thermal infrared : it scans the horizon of the earth, and deduces the position of the center of the earth. However, its accuracy is altered by the presence or absence of high clouds that modify slightly the horizon. For this reason, earth sensors are less accurate than star trackers.

 

In short, the location of SPOT4 (Take5) images is quite poor sometimes, and when we search for a ground control point, we need to search its match in a range that reaches 2.5 kilometers. This long distance research increases the probability of matching similar neighborhoods that do not correspond in fact to the same places. Therefore, within the set of ground control points that we use for the orthorectification, we may obtain erroneous ground control points more frequently than usually. Because of that,  some images might be misregistered.

 

SPOT4(Take5) multi-temporal registration accuracy, for te images of NASA's site Maricopa, Which is observed twice every 5 days under two different angles. The accuracy is expressed for 80% of pixels. The 20% remaining measurements are considered as due to registration measurement errors. The registration is slightly better when the images are observed with the same viewing angle.

With the help of some CNES colleagues (Cécile Déchoz, Stéphane May, Sylvia Sylvander), I have spent the last month tuning a parameter set that would minimize the amount of false GCP's by selecting them carefully, without removing too many of the good ones, in order to be able to ortho-rectify images with a large cloud cover. Results are now enhancing, but once in a while, misregistered images are still encountered.

 

Same plot for JRC's site in Tanzania. This site is much more cloudy than Maricopa, but the performance is equivalent.

Finally, in most of the cases, the registration of Take5 data should be quite good, with most of the pixels within 0.5 pixel accuracy, but some images may have higher errors. The ortho-retification diagnostics enable us to detect these cases, as in the image below, but the images will not be delivered at Level 1C.

Kind of image (Sumatra) for which the registration error is higher. The cloud cover is high, the surface is quite uniform, and the LANDSAT reference image itself is quite cloudy.

 

Comme sur des roulettes, mais pas une sinécure.

=>

J'avais écrit que l'expérience SPOT4 (Take 5) se déroulait comme sur des roulettes, mais il faut se rendre à l'évidence, obtenir une ortho-rectification parfaite des images SPOT4 n'est pas une sinécure.

 

Ce graphe montre l'erreur de localisation selon les axes x (est-ouest) et y (Nord-sud) de chaque image SPOT4(Take5). Un fort biais vers l'est est observé, particulièrement durant la dernière décade de février et la deuxième décade de mars. Cette erreur est corrigée lors de l'ortho-rectification.

L'erreur de localisation d'une image est l'écart moyen entre la position réelle des pixels d'une image, et la position calculée en connaissant la position du satellite, son orientation, la position du miroir et la position des détecteurs dans l'instrument. Alors que la performance de localisation des images SPOT4 habituellement mesurée par le CNES a un écart-type de 450 m RMS, nous avons rencontré plus d'une cinquantaine de scènes avec des erreurs de localisation supérieures à 1000 mètres. La plupart d'entre elles ont été acquises à proximité de l'Europe.

 

Nous n'avons pas encore d'explication pour ce problème, qui reste toutefois largement dans les spécifications de la mission SPOT4 (localisation à 1500m RMS). Sur les satellites récents, l'orientation du satellite (dans le jargon spatial, on parle d'"attitude") est mesurée très précisément par des senseurs stellaires. Ces senseurs sont de petits instruments optiques qui repèrent dans le ciel des étoiles dont la position est connue, ce qui permet de déterminer l'attitude du satellite, comme le promeneur égaré, de nuit, peut utiliser l'étoile polaire pour s'orienter. Mais lors de la conception de SPOT 4, au début des années 1990, ces senseurs stellaires n'étaient pas encore opérationnels, et on utilisait un autre type de senseur, le senseur terrestre. Celui ci fonctionne dans l'infra-rouge thermique. Il balaye l'horizon de la terre, et en déduit la position du centre de la terre. Sa précision est cependant perturbée par la présence ou non de nuages d'altitude qui vont modifier légèrement l'horizon, d'où une précision inférieure à celle des senseurs stellaires.

Précision de superposition multi-temporelle des données SPOT4(Take5) acquises sur Maricopa, site de la NASA acquis deux fois tous les 5 jours sous deux angles différents. La précision est exprimée pour 80% des pixels, en fraction de pixels. Pour les 20% de pixels restants, il s'agit en général davantage d'erreurs de mesure que d'erreur de superposition. Ce site est observé sous deux angles différents, la performance de superposition est meilleure pour les images vues sous le même angle

 

 

Même graphique pour le site du JRC situé en Tanzanie. Ce site présente une couverture nuageuse bien plus importante que Maricopa, mais la performance est similaire.

Bref, la localisation des données SPOT4 (Take5) n'est pas excellente, et nous devons donc aller chercher la position réelle des points d'appuis à plus de deux kilomètres. Cette recherche à grande distance augmente la probabilité de trouver des voisinages qui se ressemblent sans correspondre aux mêmes endroits. Nous avons donc, dans les points d'appuis que nous prenons, une proportion de points d'appuis erronés beaucoup plus importante que d'habitude. Il peut donc arriver que le recalage des données soit imprécis, heureusement assez rarement.

 

Depuis plus d'un mois, avec l'aide de quelques collègues du CNES (Cécile Déchoz, Stéphane May, Sylvia Sylvander), nous cherchons le meilleur jeu de paramètres qui permettrait de minimiser la proportion de mauvais points d'appuis, tout en conservant suffisamment de points d'appuis pour pouvoir ortho-rectifier des images très nuageuses. Les résultats s'améliorent (cf ci-dessus), mais laissent encore de temps en temps passer quelques erreurs.

 

Exemple d'image présentant encore des erreurs de superposition supérieures au pixel. La surface est très uniforme, exceptés les cours d'eau dont les limites peuvent varier. L'image de référence issue de LANDSAT est elle aussi nuageuse et date de 8 ans...

Finalement, dans la plupart des cas, la superposition des données Take5 devrait être tout à fait correcte (80% des pixels avec un écart inférieur à 0.5 pixels), mais il est possible que quelques images soient un peu décalées, surtout en présence de nuages. Les diagnostics de l'ortho-rectification permettent d'éliminer ces images, qui ne pourront donc pas être livrées.

 

Nous jouerons Take5 jusqu'à la fête de la musique !

=>

La fin de l'expérience SPOT4(Take5) était initialement prévue le 28 mai, mais le CNES a accepté de prolonger l'expérience de près d'un mois, jusqu'à la fin du printemps. SPOT4 prendra donc ses dernières images autour du 21 Juin.

 

Cette prolongation nous permettra d'observer, en France, la fin du cycle des cultures d'hiver et le début des cultures d'été, d'observer la fonte de la neige tombée en abondance cet hiver en France, et de disposer de davantage de données pour valider nos algorithmes. Au total, nous aurons donc près de 5 mois de données.

 

Un grand merci à nos collègues du CNES !

 

We will play Take5 until the end of Spring !

=>

The end of SPOT4 (Take5) experiment was initially planned the 28th of May, but CNES just decided to extend it until the end of Spring.  The last SPOT4 images should be acquired around June the 21st. In France, and in many other countries, June 21st is the "Music Day" : we will be playing Take5 'til the Music Day.

 

In France, this extra time will enable us to monitor the end of winter crops and the start of summer crops, we will also see the end of snow melt in the mountains, and we will have more data to validate our algorithms. The total duration of the experiment will be around 5 months

 

Many thanks to our CNES colleagues !

Offre spéciale / Special offer

 

Non, nous n'avons pas encore décidé de financer nos travaux par la publicité... Il s'agit simplement de vous rappeler que la communication est une part importante du projet SPOT4 (Take5), afin de montrer tout l'intérêt des séries temporelles. Ce blog peut non seulement présenter les excellents (hum) résultats, côté CNES et CESBIO, mais aussi les applications des séries temporelles.

Donc, les utilisateurs qui nous enverront pour ce blog des textes présentant leurs projets auront accès à un traitement dédié et anticipé des séries temporelles SPOT4(Take5) sur leurs sites.

 

Certains d'entre vous l'ont déjà fait :

 

No, we did not decide yet to fund our projects via adverts !

But, I would like to recall that communication is a key element of SPOT4 (Take5) project to help promote the use of high resolution time series. This blog can not only show the excellent (?) results obtained at CNES and CESBIO, but can also display your projects to use time series.

Users who will send us a description of their project with SPOT4 (Take5) for this blog will receive a dedicated processing and anticipated delivery of preliminary data above their site.