From Multitemp blog to Nature Geoscience

You probably remember Simon Gascoin's story about the Aru glacier avalanches, which started from Simon's observations of the twin avalanches using the Sentinels. It was one of the big buzz pages of the blog in 2016. The first images were published here, then spread out in many scientific websites and the social networks.

 

The same mountain valley in Tibet is shown before and after part of a glacier sheared off on 17 July 2016. Credit: NASA/Joshua Stevens/USGS/ESA

It seems that the story finally made its way to Nature Geoscience, after a large work from many scientists lead by Andreas Kaab.  Congratulations to all the team !

 

So, dear CESBIO colleagues, or remote sensing time series users, it is time to submit your work to this blog as a first step to future publications in Nature ;) !

 

 

Ceci n'est pas un aéroport

Sentinel-2 a acquis cette belle image de la campagne autour de Notre-Dame-des-Landes le 17 janvier 2018, le jour même où le Premier ministre annonçait que le projet d'aéroport du Grand Ouest était abandonné. Pour fêter l'occasion le ciel breton s'était éclairci !

Image Sentinel-2 de Notre-Dame-des-Landes. La zone d'aménagement différé (ZAD) est délimitée en rouge (polygone téléchargeable sur data.gouv.fr).

Revised spectral bands for Sentinel-2A

The Sentinel-2 mission status document, edited by ESA, is a very interesting reading. On its last edition of 2017, ESA announced very discretely that the spectral bands of Sentinel-2 had been revised, following a review of the pre-flight measurements. Very few details are provided on the nature of the error contained in the previous version, and on the validation of the new ones. But still, a new version of the spectral response function is available here,, since the 19th of December 2017. The site provides an excel file with the spectral response functions.

All the visible and near infrared bands have changed a little, even if only three bands have significant changes, B1, B2 and B8: B2 equivalent wavelength changes by 4 nm, B1 by 1 nm, and B8 by 2 nm. The SWIR bands did not change.

Old and new versions of five VNIR S2A spectral bands, together with that of S2B.

Most users should not use bands B1 and B2, as they are affected by atmospheric effects. So I do not think much of you will have to change the coefficients in your methods. But for us, who take charge of the atmospheric correction, and heavily rely on B1 and B2, it probably has an effect, and we are changing our look-up tables to account for that. Stay tuned for the results.

Tous nos voeux pour 2018 !

=>

Que cette nouvelle année vous apporte joie et bonheur, et pas seulement dans l'utilisation de séries temporelles !

 

Sans aucune originalité, ce début d'année est l'occasion de faire un petit bilan de l'année 2017. Voici, dans notre domaine, quelques uns des faits que je retiendrai :

  • la consécration du programme Copernicus, et des satellites Sentinel. Plus de 110 000 personnes se sont inscrites pour accéder aux données depuis 2015 !  A mon avis, ce succès est dû à la combinaison de plusieurs facteurs : les données sont gratuites et faciles d’accès, les observations sont répétitives, régulières et fréquentes sur le monde entier, et les données sont de grande qualité. Un grand bravo à l'ESA et à l'UE, sans oublier la contribution du CNES pour la qualité des images de Sentinel-2 et l'étalonnage de Sentinel-3. Continue reading

Canigou 3D

Lo Canigó és una magnòlia immensa
que en un rebrot del Pirineu se bada
- Jacint Verdaguer i Santaló

 

The Canigó is an immense magnolia
that blooms in an offshoot of the Pyrenees

 

3D view of the Canigou on 19-Dec-2017 (with a fancy tiltshift effect)

Continue reading

[MUSCATE] A little error on Sentinel-2B L2A products processed before December 1st.

When we started making tests of the L2A production at MUSCATE with Sentinel-2B data, we considered using a small correction of Sentinel-2B to correct for a eventual bias between the reflectances of each satellite. Such differences were observed by colleagues form CNES, and were comprised between 0 and 2.5%.  Finally, we decided not to implement this in the operational line, because the figures we had were based on a small duration of acquisitions and were possibly not accurate enough.

 

Band name Coefficient
B1 1.002
B2 0.995
B3 1.000
B4 1.008
B5 1.009
B6 1.017
B7 1.014
B8 1.024
B8A 1.012
B9 1.000
B10 1.000
B11 1.004
B12 0.986

 

Due to a human error, it turns out that the parameter file that we used for these tests made its way to the operational line. MAJA parameters are kept under a GIT version manager, which should reduce the probablility of such errors, but that parameter file is a parameter of MUSCATE, not MAJA, which was not managed yet. And as you know, according to Mr Murphy, when something can turn wrong, it turns wrong. the test calibration adjustment made its way to the production line.

 

For the Sentinel-2B L2A products produced until the 30th of November, the L1C TOA reflectance  values were divided by the coefficients provided in the table above. On the first of December, this error was corrected. As the differences are quite small, we have not removed the Sentinel-2B products produced before December 1st, but we are going to reproduce them and replace them by the correct values during the coming weeks.

 

We are sorry for hat error, which will make us improve our verification procedure.

 

 

Premières validations de la carte d'occupation du sol OSO

En 2017, le Centre d'Expertise Scientifique OSO (Occupation du SOl) par l'intermédiaire du CESBIO a produit une carte d'occupation du sol de l'année 2016 à l'échelle du territoire métropolitain français et corse. On l'appelle la carte d'occupation du sol OSO ! Cette carte est le résultat de traitements automatiques massifs de séries temporelles d'images satellites optiques Sentinel-2. Comme les images Sentinel-2, cette carte a une résolution spatiale de 10 m correspondant à une unité minimale de collecte (UMC) de 0.01 ha. L'occupation du sol est décrite grâce à 8 classes au premier niveau et 17 classes à second niveau de détail, définies en fonction des potentialités de détection de l'imagerie Sentinel-2 et des besoins exprimés par des utilisateurs finaux. Ces classes couvrent les grands thèmes d'occupation du sol (surfaces artificialisées, agricoles et semi-naturelles).

Son principal avantage en comparaison avec d'autres cartes d'occupation du sol existantes, (loin de nous l'idée de les critiquer) est son exhaustivité territoriale et surtout sa fraîcheur ! Disposer d'une carte d'occupation du sol exhaustive sur l'ensemble du territoire national au premier trimestre de l'année suivante, c'est ce qu'OSO vous propose !

Quelle richesse thématique ?

Les classes détectées par télédétection sont celles du second niveau, celles du premier niveau sont obtenues par agrégation des classes du second niveau :

  • Culture annuelle
    • Culture d'hiver
    • Culture d'été
  • Culture pérenne
    • Prairie
    • Verger
    • Vigne
  • Forêt
    • Forêt de feuillus
    • Forêt de conifères
  • Formation naturelle basse
    • Pelouse
    • Lande ligneuse
  • Urbain
    • Urbain dense
    • Urbain diffus
    • Zone industrielle et commerciale
    • Surface route / asphalte
  • Surface minérale
    • Surfaces minérales
    • Plages et dunes
  • Eau
    • Eau
  • Glaciers et neiges éternelles
    • Glaciers et neiges éternelles

Avec quelle qualité ?

Valider une carte d'occupation n'est pas une procédure simple. Il s'agit de s'interroger sur :

  • la spécification des classes
  • l'échelle de validation
  • le jeu de données de validation

Dans tous les cas, il est rarement possible d'établir une validation exhaustive sur l'ensemble d'un territoire. Classiquement, une validation statistique permet d'appréhender partiellement la précision de la cartographie obtenue, et ne permet pas d'identifier l'ensemble des confusions thématiques et des erreurs géométriques de classification.

La suite de cet article tente de qualifier la précision de la carte d'occupation du sol OSO de 2016 grâce à des jeux de données de partenaires du CES OSO. Une première validation, intrinsèque au processus de classification, a été effectuée. Les résultats statistiques sont visibles ici.

Le jeu de données d'échantillons de la couverture de surface a été produit grâce à des bases de données nationales telles que la BD Topo, le Registre Parcellaire Graphique (RPG) et Corine Land Cover. 70% de ces échantillons ont été utilisés pour l'apprentissage et 30% pour la validation a posteriori visible sur la figure ci-dessous. Cette validation, bien que pertinente, s'appuie sur des échantillons dont la génération suit la même procédure que les échantillons d'apprentissage, biaisant quelque peu l'indépendance de la validation.

Validation de la carte d'occupation du sol OSO avec 30% des échantillons extraits des 3 jeux de données utilisés lors de la classification - BD Topo, Registre Parcellaire Graphique et Corine Land Cover)

De plus, il nous était impossible de valider les deux cultures annuelles de la classification. En effet, l'indisponibilité du RPG pour l'année 2016 et 2015 (toujours indisponible le jour de l'écriture de cet article), nous a amené à développer une méthode d'apprentissage basée sur le principe de l'adaptation de domaine utilisant des échantillons du RPG 2014. Cette méthode est très bien expliquée ici. Quoiqu'il en soit, il nous était impossible de valider la classification des cultures d'été et d'hiver de 2016, seuls des échantillons issus du terrain nous le permettait, en voilà la preuve !

Continue reading

Using aerosol type from Copernicus Atmosphere in MAJA

=>

The main difficulty of the atmospheric correction comes from the determination of the aerosols optical properties: one has to know the optical properties of the aerosol type present in the atmosphere and determine their optical thickness. Using Sentinel-2 data to determine the aerosol type is very complicated, and our MAJA processor, used to generate Theia L2A products, only computes the aerosol optical thickness, while assuming a specific aerosol type.

 

The current operational version of the MAJA processor uses a constant aerosol type during the atmospheric correction, independently from the location and from the time of the year, thus affecting the quality of the atmospheric correction if the chosen aerosol type is not appropriate.

 

As an alternative, we tried to use the information from CAMS (Copernicus Atmosphere Monitoring Service), whichprovides forecasts of the Aerosol Optical Thickness (AOT, see figure below) of five different aerosol types: dust, black carbon, sea salt, sulfate and organic matter.

 

CAMS aerosol optical thickness (AOT) forecasts at 550 nm on 14 June 2016, 03:00 UTC: (top left) Dust, (top right) Sea Salt, (bottom left) Black Carbon, and (bottom right) Sulfate.

Continue reading

Utilisation de Copernicus Atmosphere dans la correction atmosphérique de MAJA

=>

La principale difficulté de la correction atmosphérique réside dans la détermination des propriétés optiques des aérosols : il faut connaître les propriétés optiques du type d'aérosols présent dans l'atmosphère et déterminer leur quantité, symbolisée par l'épaisseur optique. Il est très difficile, à partir des données Sentinel-2, de déterminer le type d'aérosols, et notre chaîne MAJA, utilisée pour générer les produits L2A de Theia se contente de déterminer l'épaisseur optique des aérosols en supposant le type d'aérosols connu.
 
La version opérationnelle actuelle de MAJA utilise, durant la correction atmosphérique, un type d'aérosol constant spatialement et temporellement, ce qui affecte la qualité de la correction atmosphérique si le type d'aérosol choisi n'est pas le bon. L'alternative proposée ici est d'utiliser l'information venant de CAMS (Copernicus Atmosphere Monitoring Service), qui fournit des prévisions d'épaisseur optique (AOT pour Aerosol Optical Thickness, voir figure ci-dessous) pour cinq types d'aérosols différents : dust, black carbon, sea salt, sulfate et organic matter.

Cartes d'épaisseur optique des aérosols issues de CAMS (AOT) à la longueur d'onde 550 nm le 14 Juin 2016, 03:00 UTC: (haut gauche) pussières, (haut droit) sel de mert, (bas gauche) carbone noir, and (bas droit) sulfate.

Continue reading