SPOT4 (Take5) : statistiques de couverture nuageuse sur un mois

=>

Nous avons reçu d'Astrium Geo toutes les images de niveau 1A de l'expérience SPOT4(Take5), acquises entre le 31/01/2013 et le 10/03/2013, qui ne sont pas entièrement couvertes de nuages. Nous ortho-rectifions ces images pour obtenir des produits de Niveau 1C. Il arrive cependant que la couverture nuageuse soit trop importante pour pouvoir fabriquer un produit de Niveau 1C

Toutes ces productions nous permettent de calculer des statistiques sur la proportion d'images nuageuses.

 

Proportion d'images produites au niveau 1A et au niveau 1C
Organisme Images acquises N1A produits N1C produits N1A (%) N1C (%)
CNES 324 184 157 56 % 49 %
JRC 54 29 27 53 % 50 %
ESA 84 41 34 49 % 40 %
NASA 48 26 26 54% 54%
CCRS 6 1 1 17 % 17 %

 

En moyenne, la moitié des images acquises sont inutilisables car entièrement nuageuses ou presque, et l'autre moitié des images (60*60 km2) contient assez de pixels clairs (au moins 15%) pour que l'ortho-rectification soit possible. Lorsque nous aurons produit les masques de nuages au Niveau 2A, nous pourrons en déduire, pour chaque pixel, le nombre d'observations claires par mois.
Nous n'en sommes pas là, mais nous avons constaté visuellement sur les acquisitions en Europe ou en Afrique du Nord,  que la totalité des pixels de ces sites ont été vus sans nuages au moins une fois en février, à l'exception de 3 sites : CAlsace, EBelgium, CTunisie (!). Pour le site Alsacien, il a fallu attendre le 4 mars, et pour le site Tunisien, le 10 mars. Enfin, seule une petite partie du site Belge a été vue, le 8 mars.

 

Nombre d'images acquises en février en fonction de leur taux de couverture nuageuse
Site nuages<10% 10%<nuages<50% 50%<nuages<80% Nuages>80%
Alpes 2 0 2 2
Alsace 0 0 0 6
Ardèche 1 1 0 4
Loire 1 0 3 2
Bretagne 1 0 1 4
Languedoc 0 2 2 2
Provence 2 3 1 0
SudmipyO 1 1 1 3
SudmipyE 1 1 1 3
VersaillesE 2 0 1 3

 

Le mois de février 2013 a été très nuageux en France, mais malgré cela, la répétitivité de 5 jours a permis d'observer la quasi totalité des sites au moins une fois en un mois, parfois davantage, mais pas toujours. Si SPOT4 n'était passé qu'une fois sur deux, seuls les sites Provence, Alpes et Versailles auraient été observés entièrement à coup sûr.

 

Ce résultat montre qu'il est absolument nécessaire de lancer les deux satellites Sentinel-2 à des dates très proches, afin de pouvoir assurer une utilisation opérationnelle et fiable des données. Il ne faudrait pas que les récentes réductions du budget de l'Union Européenne consacré à GMES/Copernicus conduisent à retarder le lancement du second satellite, réduisant la répétitivité de Sentinel-2 à seulement 10 jours pendant de longues années.

La détection des ombres de nuages, comment ça marche ?

=>

Les ombres des nuages sont sombres, et ont été causées par la présence d'un nuage.

A l'exception de ces deux faits, on ne dispose pas de beaucoup d'informations pour détecter une ombre, et pour cette raison, les ombres sont encore plus difficiles à détecter que les nuages. Les ombres ne sont pas les seuls objets sombres, et les ombres de nuages peuvent être confondues avec des parcelles de sols nus humides, avec des étendues d'eau, ou avec des ombres projetées par le relief.

Ici encore, l'observation multi-temporelle peut aider à la détection, puis qu'il y aura moins de confusions si on détecte un assombrissement brutal de l'image. Cependant, l'effet d'une pluie ou d'une irrigation sur un sol nu peut-être similaire à l'effet d'une ombre de nuages.

Pour être sûr que les pixels détectés comme une ombre sont bien des ombres, il est donc bien utile de vérifier si l'on trouve le nuage qui les auraient créées.

Dans notre chaîne de traitement, nous procédons de la manière suivante :

1. Détection des nuages
2. Calcul de la différence entre l'image à traiter, et une image de référence acquise précédemment, dans la bande rouge
3. Recherche de l'altitude des nuages. Pour une altitude allant de 500 à 10000m :

  • calcul de la position éventuelle des ombres.
  • calcul de l'assombrissement moyen observé pour cette position à partir de l'image différence calculée lors de l'étape 2.

4. Recherche de l'altitude pour laquelle l'assombrissement est maximal
5. Calcul du masque d'ombres à partir du masque de nuages projeté pour l'altitude calculée lors de l'étape 4

Malheureusement, il se peut que des nuages situés en dehors de l'image projettent leurs ombres dans l'image. Ces ombres là ne seront pas détectées par la méthode ci-dessus. Si l'on tient compte du fait que les nuages peuvent atteindre 5 à 10 kilomètres d'altitude, et qu'en hiver, l'élévation solaire peut être faible, la surface concernée par ce problème peut être assez étendue. Sur ce plan là, les meilleures images sont les plus grandes, et c'est Sentinel-2 avec 300 km de largeur, qui remportera la palme.

La détection des nuages, comment ça marche ?

=>

Les nuages sont blancs, brillants, plutôt hauts dans le ciel. Leur température est en général plus basse que celle de la surface. Ils se déplacent et changent d'aspect, il n'y a donc jamais le même nuage au dessus du même endroit. Les nuages produisent des ombres sur le sol.

Toutes ces propriétés peuvent être utilisées pour détecter automatiquement les nuages.

 

Détection classique

Lorsqu'on ne dispose pas d'une série temporelle, la technique de base consiste à seuiller l'image d'une des bandes spectrales dans les courtes longueurs d'onde, de préférence dans le bleu. Les pixels dont la réflectance dépasse le seuil sont déclarés nuageux. Cette méthode n'est cependant pas très subtile et souvent ne parvient pas à détecter les nuages fins, elle fait aussi de nombreuses fausses détections. On peut aussi vérifier que le nuage est blanc, mais l'apport de cette vérification n'est pas énorme car les nuages fins ne sont pas parfaitement blancs, alors que de nombreux pixels brillants sont blancs, dans les villes par exemple.

 

Détection multi-temporelle

Les nuages détectés par la méthode multi-temporelle sur cette image Formosat-2 sont entourés de blanc. Noter que certaines parcelles agricoles sont plus brillantes que certains nuages. Cliquer sur l'image pour voir l'animation.

Lorsqu'on dispose de séries temporelles d'images de satellites à acquisition systématique, obtenues sous un angle à peu près constant, comme c'est le cas pour SPOT4(Take5),  Venµs, LANDSAT, Sentinel-2, on peut utiliser des critères temporels pour détecter les nuages.

 

La réflectance des surfaces terrestres évolue en général lentement, mais lorsqu'un nuage apparaît, la réflectance augmente brusquement. En comparant donc l'image à traiter avec une image précédente, on peut classer comme nuages les pixels pour lesquels la réflectance dans le bleu a notablement augmenté. On peut aussi vérifier que les pixels ainsi détectés ont un spectre plus blanc que dans l'image précédente. Cette méthode améliore très fortement la discrimination entre pixels nuageux et pixels clairs.

 

Cependant, cette méthode de détection présente un coût, car elle oblige à traiter les données dans l'ordre chronologique et empêche un traitement indépendant par image. Elle complique donc le centre de traitement et nuit également à la parallélisation des traitements. C'est cependant cette méthode que nous mettons en place dans MUSCATE, pour traiter les données de SPOT4(Take5), LANDSAT, Venµs et Sentinel-2.

 

Pour en savoir plus sur cette méthode, utilisée dans la chaîne de niveau 2A MACCS :

Hagolle, O., Huc, M.,  Villa Pascual D., & Dedieu, G. (2010). A multi-temporal method for cloud detection, applied to FORMOSAT-2, VENµS, LANDSAT and SENTINEL-2 images. Remote Sensing of Environment, 114(8), 1747-1755.

 

Détection des nuages hauts dans une bande d'absorption

Les traces d'avion seront beaucoup plus faciles à détecter avec la nouvelle bande 1380nm présente sur Landsat 8 et Sentinel-2.

Sur Sentinel-2 et sur Landsat 8, une nouvelle bande spectrale sera disponible, avec une longueur d'onde de 1380 nm. Cette bande spectrale correspond à une bande d'absorption totale de la vapeur d'eau. A cette longueur d'onde, le rayonnement solaire est totalement absorbé dans son aller retour entre le sommet de l'atmosphère et la surface. En revanche, le rayonnement réfléchi par un nuage à plus de 3000 mètres d'altitude n'est pas totalement absorbé car la vapeur d'eau est majoritairement située dans les basses couches de l'atmosphère. Cette bande va donc nous permettre de détecter les nuages élevés, même s'ils sont fins. Les cirrus sont en général très difficiles à détecter, ce n'est plus le cas avec cette méthode, que avons mise en place dans MACCS pour ces deux satellites.

 

Détection par la température

Les nuages hauts sont en général plus froids que la surface, la présence d'une bande thermique sur les satellites Landsat permet d'utiliser ce critère de détection. Cependant, les variations thermiques de la surface sont importantes d'un jour à l'autre, il est donc difficile de détecter les nuages bas, dont la température est proche de celle de la surface. Nous n'avons pas retenu cette méthode qui ne s'applique qu'à LANDSAT.

 

Détection stéréoscopique

Le satellite Venµs possède deux bandes identiques qui observent les scènes sous deux angles différents. Cette bande permet donc de voir le relief, avec une précision modérée, mais suffisante pour distinguer les nuages de la surface terrestre. Nous utiliserons cette méthode pour Venµs, en complément de la méthode multi-temporelle. Elle devrait permettre de détecter les nuages situés à plus de 500 mètres d'altitude, et surtout, la connaissance de cette altitude facilitera la détection des ombres.

 

Détection des ombres

La détection des ombres est expliquée ici.

The cloud detection : how it works.

=>

Clouds are white, bright, rather high in the sky. Their temperature is generally lower than that of the surface. They move and change appearance, and they cast shadows on the ground.

All these properties can be used to automatically detect clouds.

 

Standard detection

The basic technique consists in thresholding the image of a spectral band in the short wavelength range (preferably a blue band). Pixels whose reflectance is above the threshold are declared cloudy. This method is not very subtle and often does not detect thin clouds, it also makes many false detections. We can also check that the cloud is white, but the contribution of this verification is not really effective, because thin clouds are not perfectly white, while many bright pixels are white, in cities for example.

 

Multi-temporal detection

The clouds detected by the multi-temporal methodon this FORMOSAT-2 image are outlined by white contours. Note that some agricultural plots are brighter than some clouds, with nearly no confusion. Click on the image to view animation

A multi-temporal detection may be applied when time series of satellite images are available, if they are acquired with a roughly constant viewing angle, as in the case of SPOT4 (Take5), Venμs, LANDSAT, and Sentinel-2.

Usually, reflectances of land surfaces change slowly, but when a cloud appears, the reflectance increases sharply. So, by comparing the processed image with a previous image, the pixels for which the reflectance in the blue increased significantly can be classified as clouds, provided the detected pixels have a whiter spectrum than in the previous image. This method greatly improves the discrimination between cloudy and clear pixels.

However, this detection method has a cost, because it requires to process the data in chronological order and therefore prevents processing the image independently. It complicates the processing center and also affects the parallelization of processing. However, this method is implemented in MUSCATE center, to process SPOT4 (Take5), LANDSAT, Venμs and Sentinel-2 time series.

For more details on this method, used in MACCS Level 2A processor :

Hagolle, O., Huc, M., Villa Pascual D., & Dedieu, G. (2010). A multi-temporal method for cloud detection, applied to FORMOSAT-2, VENµS, LANDSAT and SENTINEL-2 images. Remote Sensing of Environment, 114(8), 1747-1755.
Detection of high clouds using an absorption band

Plane contrails will be much easier to detect with the new 1380nm band available on Landsat 8 and Sentinel-2.

On Landsat 8 and Sentinel-2,  a new spectral band is available, at 1380 nm. This spectral band corresponds to a strong water vapour absorption band. At this wavelength, the solar radiation is totally absorbed in his back and forth between the top of the atmosphere and the surface. In contrast, the radiation reflected by a cloud above 3000 meters is not totally absorbed as water vapor is mainly located in the lower layers of the atmosphere. Therefore, a simple threshold on the reflectance of this band enables to detect high clouds. Cirrus clouds are usually very difficult to detect, it will not be the case with this method which is also used within MUSCATE for LANDSAT-8 and Sentinel-2 satellites.

 

Thermal Infrared detection

High clouds are usually colder than the surface, the presence of a thermal band on Landsat satellites enables to use this property as a detection criterion. However, the thermal variations of the earth surface from a day to another are large, and prevent from detecting low clouds which have a temperature close to that of earth surface. We have not used this method as it applies only to LANDSAT.

 

3D detection

The Venµs satellite has two identical bands that observe scenes from two slightly different angles. This couple of bands makes it possible to see the terrain in 3D, with a moderate accuracy, but sufficient to tell the clouds from the surface. We use this method to detect clouds on Venμs data, in addition to the multi-temporal method. It should detect clouds  more than 500 meters high, and most importantly, knowing the cloud altitude will help detecting shadows.

 

Shadow detection

To be continued

Une grande affluence pour Take5-SudMiPy

Nous avions disposé 80 chaises dans la salle de conférences du CESBIO, mais les derniers arrivants ont du s'asseoir sur les tables au fond de la salle. Il s'agissait d'une réunion d'information et de présentation des projets liés à l'expérience SPOT4 (Take5) en Midi-Pyrénées. Sont venus :

  • de nombreux acteurs de terrain, chambre d'agriculture, parc naturels, forestiers...
  • plusieurs représentants de sociétés de services en informatique ou fournisseurs de produits issus de la télédétection
  • des chercheurs et représentants de plusieurs laboratoires et réseaux de recherche de Midi-Pyrénées,
  • plusieurs participants du CNES
  • quelques ambassadeurs d'autres sites Take5, venus voir ce qu'il se passe en Midi-Pyrénées
  • les quelques représentants du CESBIO qui ne sont pas encore fatigués d'entendre parler de SPOT4(Take5).

Pour ceux qui n'auraient pas pu entrer dans la salle (il ne faisait pas assez beau pour installer un écran géant dehors), ou qui n'ont pu venir, suivez les liens pour récupérer les planches présentées lors de la réunion.

1- le contexte, le programme GMES/Copernic : par Gérard Dedieu

2- le Pôle Thématique Surfaces Continentales, par Marc Leroy

3- objectifs et déroulement de l'expérience SPOT4(Take5), par Olivier Hagolle

4- les projets d'utilisation des données SPOT4 (Take 5) sur le site SudMiPy, par Jean François Dejoux

5- un outil de relevé de terrain sur SmartPhone Android : ODK

<a title="Emprises des sites au format kmz" href="./wp-content/uploads/2013/01/Sites_V4.kmz"><strong>kmz ci-joint</strong></a>

Acquisitions systématiques ou à la demande ?

Exemple de programmation de Pleiades (CNES). Parmi les sites demandés, seuls ceux qui sont reliés à l'orbite sont acquis.

=>

Les satellites d'observation à haute résolution peuvent être répartis en deux catégories :

  • les Satellites à Acquisition à la Demande  (SAD) :

Les utilisateurs demandent une acquisition sur leur site au fournisseur d'images, qui optimise la programmation de manière à satisfaire le maximum d'utilisateurs (et aussi de manière à optimiser son bénéfice). Le fournisseur d'images facture fréquemment un surcoût si l'image doit être acquise à une date précise, et l'utilisateur n'est pas certain d'obtenir une acquisition, sauf s'il paye le coût d'une acquisition prioritaire.

SPOT, Pleiades, Ikonos, Quickbird, Formosat-2, et la plupart des satellites Radar sont des SAD.

 

  • les Satellites à Acquisition Systématique (SAS)

Continue reading