Water turbidity in West Africa : the Bagré (Take5) experiment

=> 

The aim of "Bagré 2015" campaign was to closely monitor the spatio-temporal evolution of turbidity and Total Suspended Matters (TSM) in the water of Bagré Lake, the second biggest lake in Burkina Faso, where the concentrations are particularly heavy. Micro-organism find a favourable terrain in the suspended matters. The turbid waters which are absorbed or used by inhabitants to wash themselves or clothes or food, or to play, with a high risk of contamination. In Sub-Saharan Africa, many regions lack water quality networks and their health systems can be insufficient. Monitoring water quality can therefore contribute to mitigating this health hazard.

SPOT5 (Take5) images over Bagré Lake.

 

Monitoring of turbid waters


The SPOT5 (Take5) image time series shows the propagation of turbid waters after the start of the reain season, beginning inthe upstream part in june, the middle  part in July and August and the downstream part in September. It may be seen on the images above, acquired on the 11/04, 15/06, 05/07, 04/08, 19/08, 13/09, where the initially blue waters progressively turn yellow and green).

 

In order to asses our methods for turbidity and TSM monitoring, routine measurements were set-up from April the 16th, at the downstream end of the lake. A terrain campaign was also held between the 21st of July and the 5th of August 2015 (thanks to a French PNTS funding). Water samples were analysed to quantify turbidity (70 measures) and TSM (53 measures). 28 radiometric measurements (pictures 1 &2) and 12 absorption coefficients (Kd) (Picture 3 and map) were also recorded from a boat in all the lake parts (Picture 4).

Picture 1 :TriOs radiometer for reflectance measurements Picture 2: Reflectance measurements Picture 3 : TriOs Radiometer absorption coefficient measurement

Picture 4 : the boat used for water sampling and radiometric measurements

 

Preliminary results

The early results show nice relations between the NIR/RED surface reflectance ratio, and the in-situ turbidity and TSM. on a large range of values. The high resolution images will allow us to precisely document the lake dynamics, the contribution of each tributary and catchment, and the role of their land use. The measurements cruises also enabled to spot a few hippos, but the crocodiles did not show themselves...

 

Some samples were analysed with a scanning electro microscope to measure the size and type of the particles. Most of them have a diameter between 1 and 2 microns, and are mostly clays (kaolinite, illite and smectite).

 

All this work is done in the broader framework on continental water colour group within THEIA, in view of Sentinel-2 data use.

 

Elodie Robert, Manuela Grippa, Laurent Kergoat, Jean-Michel Martinez, Sylvain Pinet, Laetitia Gal, Nogmana Soumaguel

Turbidité des eaux en Afrique de l'Ouest: la campagne "Take 5" Bagré 2015.

=>

L’objectif de la campagne 'Bagré 2015' était de suivre finement l’évolution spatio-temporelle de la turbidité et des matières en suspension (MES) dans l’eau du lac de Bagré, deuxième plus grand réservoir du Burkina-Faso, dans un contexte où les valeurs de ces paramètres sont particulièrement élevées. Les matières en suspensions sont des vecteurs des contaminants microbiologiques, les microorganismes se développant particulièrement sur les particules en suspension. Les eaux fortement turbides, qui sont consommées directement ou avec lesquelles les habitants sont en contact (lessive, bain, lavage des légumes, jeux) constituent donc un risque important pour la santé. En Afrique subsaharienne, de nombreuses régions ne bénéficient pas de réseaux de suivi de la qualité de l'eau, et disposent de systèmes de santé parfois insuffisants. Le suivi de la turbidité est donc important pour quantifier cet aléa sanitaire.

 

Arrivée des eaux turbides


La série d'images SPOT5 (Take5) montre une propagation des eaux fortement turbides avec l'arrivée de la saison des pluies, depuis l’amont du lac en juin, les zones médianes en juillet-août jusqu’à l’aval en septembre (voir les images ci-dessus acquises les 11/04, 15/06, 05/07, 04/08, 19/08, 13/09). Vous pouvez voir le changement de couleur des eaux de ce lac avec un passage du bleu au marron-beige.

 

Pour valider l’algorithme à retenir pour suivre la turbidité et les MES, des relevés de routine ont été mis en place depuis le 16 avril 2015 sur un point localisé à l’aval du réservoir. Une mission terrain s’est également déroulée entre le 21 juillet et le 5 août 2015 (financement du PNTS). Des relevés d’eau ont été effectués mesurer la turbidité et les MES (70 et 53 mesures). Nous avons aussi pris 28 mesures radiométriques de terrain (photos 1 et 2) et 12 mesures de coefficient d’absorption (Kd) (photo 3 et carte). Ces mesures se sont déroulées à l’aide d’un bateau dans les différentes zones du lac de Bagré depuis l’amont jusqu’à l’aval (photo 4).

Photo 1 : Radiomètre TriOs, mesures de réflectance Photo 2: Mesures de réflectance avec les radiomètres TriOs Photo 3 : Radiomètre TriOs pour la mesure du coefficient d'absorption

Photo 4 : Bateau utilisé pour les prélèvements d’eau et les mesures radiométriques

 

Résultats préliminaires de la campagne

Les résultats en cours d'analyse montrent de très bonnes relations entre les rapports des réflectances PIR/rouge in situ et les MES et la turbidité, sur une gamme importante de variation. La haute résolution permettra de décrire finement le fonctionnement du lac, le rôle des différents affluents, des différents bassins versant et de l'usage des sols associé.  Les relevés de terrain ont permis de détecter également quelques hippopotames, mais les crocodiles sont restés invisibles...

 

Des échantillons ont été analysés au microscope électronique à balayage afin d'identifier la taille et les types de particules rencontrées et détectées. La majorité des particules a une taille variant entre 1 et 2 microns. Il s’agit principalement d'argiles (kaolinite, d’illite et de smectite).

 

Ce travail participe à une action plus large sur la couleur des eaux continentales (CES Couleurs des eaux continentales - Theia) et l'utilisation de Sentinel 2 en particulier.

 

Elodie Robert, Manuela Grippa, Laurent Kergoat, Jean-Michel Martinez, Sylvain Pinet, Laetitia Gal, Nogmana Soumaguel

Sentinel-2A first data gap

Sentinel-2 is a brand new and complex system, it is not a full surprise if it is experiencing some glitches. ESA is publishing weekly status reports, and the last two ones quote an issue with the mass memory.

 

From weekly report #11, 24 Oct – 30 Oct 2015:

The spacecraft has experienced this week an anomaly of the Mass Memory and Formatting Unit (MMFU), which is currently under investigation with the full support of the satellite prime contractor and the MMFU manufacturer

 

This anomaly was not yet solved at the end of last week, as said in weekly report #12 : 31 Oct–6 Nov 2015 :
The anomaly of the Mass Memory and Formatting Unit (MMFU) experienced since last week still persists. Analysis is ongoing with the full support of the satellite prime contractor and the MMFU manufacturer. An MMFU application software fix is being prepared and trouble-shooted on Engineering Functional Model and the Sentinel-2B platform.

 

I do not have much more information, but if the issue can be solved by a software modification, it means that all the equipments are fine. The ESA teams do not seem to be worried, as the outlook is :

Resolution of the MMFU anomaly and return to nominal S2A ramp-up activities
However, the release of Sentinel-2A preliminary product seems to be postponed a little, as the outlook also tells :
Opening of S2A core products access to all users –pending resolution of the ongoing on-board anomaly

 

To get more information here is where the status reports are provided, and we should thank ESA for sharing the information in such an open manner.

Les coefficients SMAC pour la correction atmosphérique de Sentinel-2A sont disponibles

=>

Les coefficients SMAC pour la correction atmosphérique des images Sentinel-2A ont été calculés et ajoutés à la collection du CESBIO. Cette fois, les coefficients ont été calculés par le service Physique de la Mesure Optique du CNES. Si vous les utilisez, n'oubliez donc pas de remercier le CNES et le CESBIO.

 

Comme je l'ai dit dans un ancien article :

Le Simplifié Modèle d'Atmosphérique Correction (SMAC) est parfaitement adapté à l'implémentation rapide et moyennement précise de corrections atmosphériques. Il utilise des fonctions analytiques dérivées du modèle 5S. Les 49 coefficients de ce modèle sont ajustés à partir de simulations de transfert radiatif obtenues avec le modèle 6S (l'ancienne version, pas la récente version vectorielle). SMAC n'est pas un modèle très précis (beaucoup moins que MACCS), et il faut lui fournir des données auxiliaires pour l'épaisseur optique des aérosols ou pour les contenus atmosphériques en ozone et vapeur d'eau. Quand ces données sont précisément connues, la précision des simulations est en général meilleure que deux à trois pour cent, sauf parfois pour les grands angles (au dessus de 70°) ou dans de fortes bandes d'absorption et si on ne prend pas en compte les effets d'environnement et les effets de pente.

 

Nous mettons aussi à disposition un code en python qui utilise ces coefficients. Ce code est décrit et distribué ici.


References

[1] Rahman, H., & Dedieu, G. (1994). SMAC: a simplified method for the atmospheric correction of satellite measurements in the solar spectrum. REMOTE SENSING, 15(1), 123-143.
"[2]"Tanré, D., Deroo, C., Duhaut, P., Herman, M., Morcrette, J. J., Perbos, J., & Deschamps, P. Y. (1990). Technical note Description of a computer code to simulate the satellite signal in the solar spectrum: the 5S code. International Journal of Remote Sensing, 11(4), 659-668.
"[3]"Vermote, E. F., Tanré, D., Deuze, J. L., Herman, M., & Morcette, J. J. (1997). Second simulation of the satellite signal in the solar spectrum, 6S: An overview. Geoscience and Remote Sensing, IEEE Transactions on, 35(3), 675-686.>
"[4]"Kotchenova, S. Y., Vermote, E. F., Matarrese, R., & Klemm Jr, F. J. (2006). Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part I: Path radiance. Applied Optics, 45(26), 6762-6774.
"[5]"Kotchenova, S. Y., & Vermote, E. F. (2007). Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part II. Homogeneous Lambertian and anisotropic surfaces. Applied Optics, 46(20), 4455-4464.

SMAC coefficients for quick Sentinel-2A atmospheric correction

=> 

The SMAC coefficients for Sentinel-2A are now available, and have been added to the CESBIO repository for SMAC coefficients. These coefficients were computed and checked by CNES colleagues in the Optical Measurement Physics service. If you happen to use these coefficients in your work, please thank CNES and CESBIO for providing them.

As already said in an earlier post :

The Simplified Model for Atmospheric Correction (SMAC) is the perfect model to perform easy, quick and not too dirty atmospheric corrections. It is based on very simple analytic formulas, based on the 5S model. The 49 coefficients of this model are fitted using a large number of radiative transfer simulations with the 6S model (the old historic version, not the recent vector version). This software is not very accurate (much less than MACCS), and it requires in-situ measurements for the aerosol optical thickness, and weather analyses for ozone and water vapour. If these data are available,  in most cases, its accuracy is within 2 and 3 percent, if we do not account for adjacency effects and slope effects, and it may be worse for large viewing and solar angles (above 70°) or within strong absorption bands.

 

We are also providing a python code to use these coefficients. This code is described and available here.

References

[1] Rahman, H., & Dedieu, G. (1994). SMAC: a simplified method for the atmospheric correction of satellite measurements in the solar spectrum. REMOTE SENSING15(1), 123-143.

 

Real time production of land cover maps without terrain data of the current time period.

=> 

With the new availability of repetitive image time series after atmospheric correction over France from the Theia Land Data Centre, it is now possible to imagine the automatic production of land cover maps continuously with the availability of new images.

 

In the framework of the SYRHIUS project, a prototype was developed at CESBIO to assess the results of this kind of classification method at the scale of a medium scale catchment. The study zone is the Fresquel catchment (937 km2), close to the famous medieval city of Carcassonne. The main crops present in this catchment are cereals, sunflower and vineyards, and also some corn and rapeseed.
A supervised classification is used, based on Support Vector Machines, but for which the learning data base is not derived from terrain surveys held during the time period to process, as in the classical supervised methods. The learning data base which is used is created from previous years observations and from terrains data acquired in the past. Such a method has the advantage of needing no terrain data on the present period, knowing that these data often come too late to allow a real time processing, but it requires a very large data volume from several years. In case of a time period with an exceptional climate, errors might arise if the training data base does not contain the necessary information to recognise the crops.


View of the real time land cover processor

 

To test this approach, we used the Common Agriculture Policy plot data base, for years 2011 and 2012, for the Fresquel catchment, along with LANDSAT5/7 time series, which allow a time evolution of reflectances for the plots in the data base. Both data sources were used to create the learning data base. which was then use to classify the data of 2013, 2014 and 2015 for the Fresquel catchment.

 

THEIA LANDSAT8 Level 2A (corrected from atmospheric effects and provided with a cloud mask) are used as input or the processor. Due to the late availability of the Commpon Agriculture Policy data base, we are not able to provide validation figures, but previous campaigns provided Kappa in the 0.65-0.7 range for Midi Pyrénées region.
Of course, at the beginning of the crop season, the available information is not complete and the accuracy might be reduced. For that reason, the nomenclature and the number of classes evolves with the number of available LANDSAT dates. Three key dates are used : end of March, end of July and end of year. For each of the dates a new land cover map is computed with an increased detail level, as shown in next figure.

 

Three land cover maps are produces along the year, first one (S1) in March, Second one in July (S2), and the last one at the end of the year with an increasing number of classes.

We will however stress the fact that steady observations are necessary, and that on certain years, the cloud cover might degrade the quality of the results, as in the case of spring 2013, for which the LANDSAT observations only started in April. In 2013, some parts of the Area where only observed 3 times along the whole year. The results at the beginning of season are quite bad, but they enhance along the year. For the subsequent years, results are better and should further enhance with the availability of Sentinel-2 and its far better observation frequency.

The SIRHYUS project

The SIRHYUS project aims at developping and setting operationnal services related to managing water resources thanks to the integration, assimilaton and valorisation of satellite earth observation  : Veolia Environnement Recherche&Innovations, Veolia Eau, EDF, G2C environnement, Acri ST, l’UMR TETIS-IRSTEA, le CNES, VERI et le CESBIO. It was funded by the 12th Fonds Unique Interministériel, by the ministry in charge of water  and by the Provence and Languedoc-Roussillon, and the aeronautics and space foundation.

The aim is to provide new services, based on the know how of experience companies. In this framework, CESBIO implemented or enhances methods for 4 products : snow cover, land cover, evaop-transpiration and soil water content. In the future, these products will be applied to Sentinel-2. In this framework, two posts will be published on this blog : tis one, and a second related to evapotranspiration estimates in this same catchment.

 

 

 

Yoann Moreau et Isabelle Soleihavoup

Calcul automatique de cartes d'occupation du sol sans données de terrain

=>

Avec la mise à disposition régulière d’images corrigées des effets atmosphériques et téléchargeables librement par le pôle Theia, il est possible d’imaginer la production de classifications de l’occupation du sol automatique et en continu au fil de la mise à disposition de nouvelles images.

 

Dans le cadre du projet SYRHIUS, un prototype a été développé au CESBIO pour tester les résultats de ce type de classification à l’échelle d’un bassin versant.  La zone d’étude retenue est le Fresquel, un bassin versant de 937 km², situé entre Castelnaudary (le cassoulet) et Carcassonne (la forteresse). Les principales cultures présentes sont : céréales, tournesol, vigne et dans une moindre mesure maïs et colza.

 

Le type de méthode de classification utilisée est une classification supervisée (SVM), pour laquelle les échantillons d’apprentissage ne sont pas des zones connues des images à classer (comme les méthodes supervisées classiques, par exemple celle qui sera utilisée dans le projet THEIA) mais sont issues d’une base de données d’apprentissage créée à partir d’années antérieures et de données de terrain acquises pour ces dates. Une telle méthode présente l’avantage de ne nécessiter aucune connaissance à priori sur l’année en cours (et donc aucune étape manuelle d’apprentissage si la base d’apprentissage est exhaustive) mais présente le défaut de nécessiter un très grand volume de données (les chroniques des années antérieures) et peut entraîner une forte confusion dans le cas d’années au climat exceptionnel.

Illustration de la chaîne de traitement mise en place pour la production des cartes d'occupation du sol.

 

Afin de tester cette approche, le RPG (référentiel parcellaire graphique) a été utilisé sur les années 2011 et 2012 pour le bassin du Fresquel apportant une connaissance spatialisée des cultures semées,  conjointement aux séries landsat5/7 qui permettent de suivre l'évolution temporelle de la réflectance des parcelles du RPG. L’association de ces deux types de données a permis de créer une base d’apprentissage, utilisée dans un second temps pour la classification des années 2013, 2014 et 2015 pour l’ensemble du bassin du Fresquel.

 

Les images de niveau 2A (corrigées des effets atmosphériques et accompagnées d'un masque de nuages) utilisées en entrée du traitement, sont mises à disposition par le centre de données THEIA.  La validation des classifications proposées ne sera possible que lorsque le RPG 2013 sera disponible, néanmoins, de précédentes campagnes ont fait état de résultats convenables avec un kappa autour de 0.65-0.7 pour la région Midi-Pyrénées.

 

Une approche de production en continu de ces classifications a été testée afin de fournir à l’utilisateur des résultats dès le début de la saison agricole. Une nomenclature évolutive a donc été proposée, celle-ci s'enrichissant à mesure de la mise à disposition des images satellite Landsat. Trois dates-clés ont été retenues : fin mars, fin juillet et fin de l’année d’étude : à chacune de ces dates la carte d'occupation est alors recalculée. Plus l'année en cours avance, plus la classification des diverses espèces végétales sera fine et précise. Le niveau de détail augmente donc au fur et à mesure pour atteindre son maximum lors de la production de la dernière carte, à la fin de l'année, comme illustré sur la figure suivante.

 

Production de trois cartes d'occupation durant l'année : la première (S1) en mars, la seconde (S2) en juillet et la dernière (S3) à la fin de l'année, avec des nomenclatures de plus en plus riches

 

Les résultats de cette étude sont disponibles via une interface Web.


On notera cependant l’importance d’une couverture régulière et les problèmes liés à l’ennuagement qui peuvent pour certaines années être très contraignants  comme dans le cas de l’année 2013, très pluvieuse (et dépourvue de données LANDSAT avant la mise en service de LANDSAT 8 en Avril).  En 2013, certaines zones n’ont été observées que trois fois durant l’ensemble de l’année. De très mauvais résultats sont donc obtenus en début de saison agricole, qui s'améliorent par la suite. Heureusement, l'arrivée de Sentinel-2 devrait permettre d'assurer une bien meilleure répétitivité dès 2016.

Le projet SIRHYUS

Le projet SIRHYUS a pour objectifs de concevoir,  de développer et de mettre en œuvre des services opérationnels dédiés à la gestion des ressources en eau douce continentale grâce à l'intégration, l'assimilation et à la valorisation des données satellitaires d’observation de la Terre. Ce projet est mené par un consortium de huit partenaires complémentaires : Veolia Environnement Recherche&Innovations, Veolia Eau, EDF, G2C environnement, Acri ST, l’UMR TETIS-IRSTEA, le CNES, VERI et le CESBIO. Il est financé dans le cadre du 12ème Fonds Unique Interministériel par le ministère en charge de l’eau, les régions Paca et Languedoc- Roussillon, ainsi que par la Fondation Sciences et Techniques pour l’Aéronautique et l’Espace. La finalité de ce projet est de pouvoir proposer de nouveaux services, s'appuyant sur des savoir-faire scientifiques et industriels reconnus. Dans ce cadre, le CESBIO a développé ou amélioré les algorithmes de création de quatre produits : le produit manteau neigeux, le produit occupation du sol, le produit évapotranspiration et le produit quantité d’eau dans le sol. Ces algorithmes sont principalement dédiés à l’exploitation des données Sentinel-2. Dans le cadre de ce projet, deux articles sont publiés sur ce blog : le premier (ci-dessus) concerne l'occupation du sol et le second l'estimation de l'évapotranspiration et du bilan hydrique à l'échelle d'un bassin versant (lien).

 

Yoann Moreau et Isabelle Soleihavoup

The Sentinel-2 tiles, how they work ?

=> 

The Sentinel-2 Level 1C products will be split into tiles. and I have searched a little how the naming convention of Sentinel-2 tiles works. I have found some interesting resources in Sentinel-2 website :

  • A User Handbook for Sentinel-2 products (which does not explain the naming convention of the tiles)
  • A kml file that provides the footprint of all the tiles, and their name.

 

 

 

 

Here is  what I have guessed :

  • The first 2 numbers of a tile name (such as 31TCJ) correspond to the UTM zone. The world is divided in 60 UTM zones of 8 degrees width in longitude, with numbers increasing towards the East. Zone 1 is over the Pacific Ocean.
  • Each zone is divided in latitude, by chunks of 6 degrees. This is represented by a letter, which increases from South to North.
  • And finally, each chunk is divided in 110 km tiles, with a 10 km overlap, from West to East, 4th Letter, and South to North, 5th Letter. What is not easy to guess is the fact that the forth and fifth letters are not reset for each chunk, but continue to increase when changing zone and chunk, but are reset to A when the counter exceeds Z.

 

For instance :

  • the tile in Toulouse, id 31TCJ. 31 is the UTM zone, T is the latitudinal chunk. C denotes the West-East tile position within the chunk and J the South-North position.
  • If you want to see the tile in the East of Toulouse, which includes Castres, it will be 31TDJ.
  • If you want to see the tile in the North East of Toulouse, which includes Aurillac, it will be 31TDK.
  • If you want to see the tile at the West of Toulouse, which includes the Armagnac region, it will be... 30TYP. 30T because it is a different UTM zone, and YP ... because this numbering is not practical  ?
  • The tile at the South of that one, for which we processed our first Level 2A products is  30TYN (because the O letter is excluded, to avoid confusion with 0)

 

Sorry for that, I would like to have a formula which guesses the tile name as a function of the longitude and latitude, but I am not able to figure out one. Has any of you heard of one ?

 

What I am happy with is the fact that tiles overlap by 10km. This ovelap means an increase of 21 % of the data volume, which is already large, but enables to process Level 2A products independently. It is very difficult to detect a cloud shadow when you do not see the corresponding cloud. And on the edge of the tiles, you will have shadows on clouds you do not see. But thanks to the overlap, the shadows will be well detected on the other overlapping tile.

 

A colleague of mine told me this grid was born in the brain of an American solldier (yes, soldiers have brains ). Here is a description, which sadly does not tell how the two last letters were defined.

 

 

This said, in 1789, during the French revolution, a project to devide French territory in tiles had been set-up by the Sieyes-Thouret comittee. The project was not appproved, but if it had been, I am quite sure that Lamartine would have found much more poetic names than those used for Sentinel-2.

 

 

 

 

Les tuiles de Sentinel-2, comment ça marche ?

=>

J'ai récemment cherché des informations sur la convention de nommage des tuiles sur lesquelles seront découpées les données de Niveau 1C de Sentinel-2, et voici ce que j'ai trouvé :

  • Un Manuel de l'utlisateur pour les produits de Sentinel-2 (qui n'explique pas vraiment la convention de nommage des tuiles)
  • Un fichier kml qui fournit l'emprise de chaque tuile ainsi que son nom. L'accès au fichier se trouve dans le menu "key resources" sur la droite, cliquer sur "Sentinel-2 Level 1C tiling grid"

A partir de ces deux informations, voici ce que j'ai pu deviner :

  • les 2 premiers numéros du nom d'une tuile (comme par exemple 31TCJ) correspondent à la zone UTM. Le monde est divise en 60 zones de 8 degrés de largeur en longitude, avec des numéros qui s'accroissent en allant vers l'est. La zone 1 se trouve sur l'océan pacifique..
  • Chaque zone est divisée en latitude, en bandeaux de 6 degrés. Cette division est représentée par une lettre, qui s’accroît du Sud au Nord. Les deux premiers chiffres, et la première lettre définissent donc une grille de cases UTM.
  • Chaque case de ce découpage est divisée en tuiles de 110*110 km², avec une superposition de 10 km des tuiles adjacentes. D'est en Ouest, c'est la 4e Lettre, du Sud au Nord, c'est la 5e lettre.  Ce qui est étonnant, c'est que ces lettres ne commencent pas à A pour chaque case de la grille UTM, mais continuent à croître de case en case, mais sont remises à la valeur A quand le compteur dépasse Z.

Quelques exemples :

  • La tuile de Toulouse porte le numéro, 31TCJ. 31 est la zone UTM, T désigne bandeau en latitude.. C correspond à la position de la tuile sur l'axe ouest-est, et J sur l'axe Sud Nord.
  • Si vous cherchez la tuile à l'Est de Toulouse, qui contient Castres, c'est 31TDJ.
  • Si vous cherchez la tuile au Nord Est de Toulouse, qui contient Aurillac, c'est 31TDK.

 

Il serait pratique d'avoir une formule pour déterminer la ou les tuiles qui contiennent un point de coordonnées (longitude et latitude) connues. Mais ça ne me parait pas évident. Il devrait être plus facile de créer un programme. Si quelqu'un a l'un ou l'autre, merci de nous le faire suivre !

 

Un collègue m'a dit que cette grille est née dans le cerveau d'un militaire américain (oui, les militaires ont un cerveau), en voici une description, pour laquelle on reste sur sa faim quand à la manière dont les deux dernières lettres ont été définies.

 

Ceci dit, en 1789, lors de la révolution Française, un découpage administratif en tuiles avait déjà été envisagé par le comité Sieyes-Thouret. Le projet n'a finalement pas été adopté, mais je pense que les sages auraient trouvé des noms plus poétiques que les noms de tuiles de Sentinel-2.

 

 

 

 

 

 

Nos premiers traitements de niveau 2A avec Sentinel-2

2015/07/06

=>

 

Maintenant que Sentinel-2A a commencé à acquérir des séries temporelles d'images sur l'Europe, nous avons pu tester notre chaîne de niveau 2A, MACCS, pour faire des corrections atmosphériques. Comme vous le savez probablement si vous avez suivi ce blog, MACCS travaille avec des séries temporelles d'images, pour détecter les nuages,les ombres, l'eau et pour estimer l'épaisseur optique des aérosols. Cette chaîne a donc besoin de quelques images pour s'initialiser correctement.

 

2015/07/16

2015/07/26

Beatrice Petrucci, du CNES, a lancé le premier traitement avec une série temporelle d'images de niveau 1C acquise par Sentinel-2A sur les Pyrénées au cours du mois de juillet. Les données N1C ont été produites au CNES sur le Ground Processing Prototype (GPP), qui a servi à mettre au point et valider les traitements et est utilisé maintenant pour produire les données nécessaire à la "recette en vol" du satellite.

 

Les résultats obtenus sont déjà chouettes, avec une très bonne détection des nuages et de leurs ombres, comme vous pouvez le voir sur les quicklooks ci-joints. Sur ces images, les nuages détectés sont entourés en rouge, les ombres en noir et l'eau en bleu. N'hésitez pas à cliquer sur les images pour les regarder à 100m de résolution (les fournir à 10m aurait accru les temps de transfert...). Les lecteurs observateurs pourraient se demander pourquoi, sur le Nord de l'image du 26/7, certains nuages sont entourés en noir : c'est un artefact de l'outil de calcul des quicklooks, qui fait disparaître le contour rouge quand un contour noir se superpose exactement.

 

La correction atmosphérique a l'air correcte, mais il faudra valider cela plus scientifiquement, quand nous aurons traité un plus grand nombre de données.

 

Ces bons résultats ont été obtenus avec un jeu de paramètres issus de notre expérience avec d'autres capteurs. Ce sont donc les paramètres adaptés à LANDSAT 8 qui ont été utilisés. On peut s'attendre à quelques améliorations encore quand nous aurons réglés ces paramètres avec un plus grand nombre d'images Sentinel-2.