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.

Une image claire en Bretagne, une !

Mosaïque de 120*120 km sur la Bretagne. (c) CNES, traitement CESBIO.

Ça n'arrive pas tous les jours d'observer une grande partie de la Bretagne (120*120 km²) sans aucun nuage, surtout au cours de ce mois de février 2013 très nuageux en France.

Évidemment, en prenant une image tous les 5 jours, la probabilité d'observation augmente, mais je pense que nous avons eu beaucoup de chance...

 

 

 

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.

Première série temporelle de produits de niveau 2A pour SPOT4(Take5)

=>

Nous poursuivons la vérification des différentes étapes de nos chaînes de traitement. Nous avons obtenu jeudi dernier nos premières séries temporelles, je les ai ortho-rectifiées et mosaïquées vendredi, et nous avons pu tester nos chaînes de détection de nuages et de correction atmosphérique à partir de la première série temporelle de trois images traitée. Celle-ci a été obtenue sur le site Marocain de la vallée du Tensift : Marrakech se trouve près du centre de l'image et la chaîne de montagnes au Sud-Est de l'image est l'Atlas.

 

Les images sur la colonne de gauche sont des images ortho-rectifiées, exprimées en réflectance au sommet de l'atmosphère (les produits de Niveau 1C), alors que les images de la colonne de droite, produites par Mireille Huc au Cesbio, sont des données après correction atmosphérique et détection des nuages, de l'eau et de la neige (les produits de Niveau 2A). Tout de suite, nous avons constaté que la détection des nuages ne poserait pas trop de de problèmes, mais en regardant bien, sur l'image du 10 février, il y a dans le coin nord ouest quelques traces d'avions très diffuses ainsi que leurs ombres, partiellement détectées (traces d'avions entourées en rouge, ombres en noir). Les zones en eau et les zones neigeuses sont également correctement détectées, même s'il manque quelques zones où la couverture de neige est partielle.

 

Quant à la correction atmosphérique, basée sur une méthode multi-temporelle de détection des aérosols, elle a réussi à déterminer que l'image du 5 février est beaucoup plus "brumeuse" (on dit "chargée en aérosols") que les images du 31 janvier et du 10 février. L'image du 5 février (colonne de gauche) a un subtil voile bleuté, dû aux aérosols, plus accentué. Sur la colonne de droite, on ne distingue pas de changement de teinte d'une image à l'autre, ce qui montre que la détection des aérosols et la correction atmosphérique ont bien fonctionné. Il y a sur ce site un photomètre qui sert à mesurer l'épaisseur optique des aérosols, malheureusement, il est tombé en panne juste au moment du démarrage de l'expérience Take5. C'est la loi de Murphy...

 

Voilà, nous avons donc parcouru tous les éléments de la chaîne de traitement, il ne nous reste plus qu'à vérifier que nos paramètres fonctionnent dans toutes les conditions offertes par les 42 sites de l'expérience, ce qui n'est pas un mince travail.

 

Produits de Niveau 1C exprimés en réflectances au sommet de l'atmosphère. (c) CNES, traitement CESBIO Produits de Niveau 2A exprimés en réflectances de surface après correction atmosphérique (c) CNES, traitement CESBIO

Les images d'épaisseur optique des aérosols sont affichées ci-dessous. On note la plus forte épaisseur optique sur l'image du 5 février, au Nord de l'Atlas, alors que l'épaisseur optique n'a pas changé au sud de l'Atlas. Cette situation est très vraisemblable car les montagnes forment souvent une barrière aux aérosols qui restent en général à basse altitude. Les zones oranges correspondent au masque de neige tandis que les zones rouges correspondent au masque de nuages. Les taches brillantes sur la dernière image pourraient bien être des artefacts.

L'ortho-rectification, comment ça marche ?

=>

L' "ortho-rectification" est une correction géométrique des images qui a pour but de les présenter comme si elles avaient été acquises depuis la verticale (en télédétection, on dit "au nadir"). En pratique, il s'agit de rendre l'image acquise par le satellite superposable à une carte.

Nous disposons de beaucoup d'informations pour réaliser cette opération :

  • on sait où il se trouve au moment de la prise de vue
  • on sait comment il est orienté
  • on sait comment l'instrument est orienté dans le satellite.

Sur les satellites récents (Pleiades), la précision de ces informations permet de positionner les pixels à mieux que 10 mètres près. Ce n'est pas le cas pour SPOT4, dont l'écart-type de la précision de localisation est de l'ordre de 400 mètres.

Image SPOT4 de niveau 1A en géométrie brute (en Angola) Image de Niveau 1C, ortho-rectifiée

 

Dans le cas de SPOT4, il faut donc "recaler les images", en utilisant des points d'appuis. Prendre un point d'appui consiste à lier un pixel de l'image à un point sur la carte. On peut créer des points d'appuis manuellement en identifiant, par exemple, un même croisement de routes sur la carte et sur l'image.

 

On peut aussi heureusement le faire automatiquement en utilisant une technique appelée "corrélation automatique" que je ne décrirai pas ici. Pour cela, on utilise une image de référence bien localisée et un bon modèle numérique de terrain (une carte du relief). La méthode que nous utilisons est la suivante :

  1. A partir de l'image de référence et des informations fournies par le satellite (les "données auxiliaires"), on simule l'image observée par SPOT4,
  2. on utilise la corrélation automatique (il existe d'autres méthodes) pour observer les décalages entre l'image simulée et l'image réelle.
  3. On en déduit une correction des données auxiliaires pour supprimer les décalages
  4. On peut donc trouver pour chaque point de la carte son correspondant dans l'image
  5. Il ne reste plus qu'à créer la carte par interpolation.

 

Dans nos chaînes, toutes ces opérations sont réalisées à partir d'un logiciel du CNES appelé SIGMA. Ce logiciel n'est pas distribué, mais des fonctions équivalentes existent dans l'OTB (Cf ci-dessous)

 

Pour l'expérience Take5, sur les sites situés en France, nous utilisons une image de référence réalisée par le projet GEOSUD (composante du PTSC), sur la France entière, obtenue à partir de données des satellites RapidEye. Le travail géométrique de correction de ces données RapidEye a été réalisé par l'IGN, les performances de localisation sont très bonnes.

 

Hors de France, nous ne disposons pas d'une telle référence, et nous avons décidé d'utiliser des données issues des satellites LANDSAT, dont la qualité de positionnement est honorable quoique d'un niveau inférieur à celui de GEOSUD (de l'ordre de 30 mètres), mais qui sont disponibles sur le monde entier. Mais nous ne pouvons pas nous permettre de rechercher, pays par pays les meilleures cartographies disponibles.

 

Cette opération demande une dizaine de minutes par image sur nos machines.

 

Pour en savoir plus :

  • Baillarin, S., P. Gigord, et O. Hagolle. 2008. « Automatic Registration of Optical Images, a Stake for Future Missions: Application to Ortho-Rectification, Time Series and Mosaic Products ». In Geoscience and Remote Sensing Symposium, 2008, 2:II‑1112‑II‑1115. doi:10.1109/IGARSS.2008.4779194.

Première mosaïque sur le site SudMiPy / 13 images mosaic on SudMipy site

Mosaique de 13 images ortho-rectifiées exprimées en réflectance au sommet de l'atmosphère. Il s'agit bien sûr d'une image sous échantillonnée, l'image entière fait 1.3 GO, et 14000*12000 pixels. Sur cette composition colorée (Rouge,PIR,MIR), la neige apparaît en bleu et se distingue bien des nuages


=>

Et voici la première ortho-image (N1C) fusionnant les 13 images prises par SPOT4 sur le site SudMiPy, les 16 et 17 février. La zone couvre 280*160 km². Les 13 images de Niveau 1A ont été livrées par SpotImage ce matin, et nous avons produit les ortho-images dans l'après midi, en utilisant le prototype du centre de production MUSCATE du Pôle Thématique Surfaces Continentales (seule la supervision des traitements se fait encore à la main, plus pour très longtemps)

bleu

Comme prévu, l'image est totalement claire, à part quelques brouillards dans la vallée de la Garonne et quelques cirrus sur l'ouest des Pyrénées (Au nord-est et au sud, il s'agit de neige).
Les observateurs attentifs auront remarqué la frontière entre la zone acquise le 16 et celle acquise le 17. Cette frontière est due en partie aux effets directionnels et en partie aux effets atmosphériques. Je vous en reparlerai une autre fois.


=>

Here is the first ortho-image (Level 1C) obtained from the 13 images taken by SPOT4 above the SudMiPy site in the South West of France, on the 16th and 17th of February 2013. The Level 1A images were delivered by SpotImage this morning, and we processed them this afternoon using the prototype of MUSCATE processing center. Only the scheduling of the processing was hand made, but we will soon have an automatic scheduler.

Enfin, du ciel bleu sur SudMipy !

Après 15 jours de nuages, le soleil est revenu sur le Sud Ouest de la France, pour le week-end des 16 et 17 février.  C'est l'occasion de démarrer la campagne de prises de vue sur le site SudMiPy. Les images acquises par SPOT4 ce week-end n'ont pas encore été descendues du satellite, mais d'autres satellites (MSG) nous ont montré que le ciel était clair. Il me semble aussi que le ciel était assez clair sur la Bretagne et l'Aquitaine, lors du passage du 15 février.

Image MSG (Visible) du 16/2 (source Eumetsat)
Image MSG (Visible) du 17/2 (source Eumetsat)

Pour visualiser les images MSG des derniers jours.

Avancement de SPOT4 (Take5)

=>
L'expérience SPOT4(Take5) a commencé il y a deux semaines, voici où nous en sommes :

  • Les acquisitions se produisent nominalement, mais en France nous sommes en train de battre des records d'absence de ciel bleu. Les sites hors de France sont souvent mieux lotis.
  • La production des données de Niveau 1A chez Astrium (SpotImage) a démarré. Elle a lieu chaque Jeudi. En comptant le temps de rétention des données dans les enregistreurs, et le délai de production, il peut se passer près de deux semaines avant que les données de Niveau 1A ne soient disponibles. Quelques ajustements sont en cours pour bien veiller à ce que l'emprise de chaque image soit constante avec le temps. Nous ne sommes donc encore en mode nominal, mais ça ne devrait pas tarder.
  • Nous avons créé les premières ortho-images avec succès, et nous avons pu fusionner 4 images SPOT acquises quasi-simultanément par les deux instruments de SPOT4 (HRVIR1, HRVIR2). La couture entre les différentes images est difficile à voir.

    Premier produit de Niveau 1C (artisanal), obtenu sur le site Provence, à partir d'une mosaïque de 4 images SPOT4 acquises simultanément, et ortho-rectifiées.

  • Dès que nous aurons obtenu plusieurs images claires sur un même site, nous pourrons tester la création de produits de Niveau 2A (corrections atmosphériques, détection de nuages)
  • Enfin, le centre de traitement MUSCATE du PTSC est en train d'adapter à SPOT4 ses outils d’enchaînement des productions. Dans quelques semaines, nous pourrons donc passer de quelques productions artisanales à la production opérationnelle des données.

Lancement réussi pour Landsat 8 / Successful launch for Landsat 8

(English Version)

La NASA vient de réussir parfaitement le lancement de LANDSAT 8.  A la fin de sa période de vérification et étalonnage en orbite (au CNES, on dit "recette en vol"), dans environ 3 mois, les données de Landsat 8 seront distribuées gratuitement par l'USGS. L'objectif minimal de Landsat 8 est de fournir au moins une image claire par saison sur toutes les terres émergées.

Chaque point des USA sera observé tous les 16 jours, mais dans le reste du monde, les données seront un peu moins fréquentes, et les acquisitions seront tentées ou non en fonction des prévisions météorologiques et de la dernière observation claire disponible. L'immense intérêt de Landsat est la disponibilité de données depuis 40 ans.

Le Pôle Thématique Surface Continentales devrait mettre à disposition des utilisateurs des produits de Niveau 2A basés sur Landsat 8 avant la fin 2013.

Continue reading

Premières mesures de terrain dans les Alpes pour SPOT4 (Take 5)

Des nouvelles très fraîches de nos collègues du Centre d'Etudes de la Neige, du laboratoire CNRM-GAME à Grenoble, par Marie Dumont.

Mesure d'albédo avec vue sur la Meije (sommet des écrins)

Après une semaine de mauvais temps, les prévisions étaient formelles, ciel dégagé sur le col du Lautaret ce vendredi, un peu de vent et des températures un peu trop de saison (-18°C). Bonne nouvelle car ce vendredi correspond au second passage de SPOT4 au dessus du domaine Alpes.

C’est parti donc pour la première d’une longue série de mesures de terrain simultanément au passage du satellite. Afin de mieux pouvoir interpréter les images du satellite nous mesurons à chacun de ses passages :

1/ le rayonnement solaire incident

2/ la réflectance spectrale de la neige

3/ la taille de grains, le type et la densité proche de la surface.

 

Ces mesures sont effectuées de manière à caractériser la variabilité intrapixellaire et interpixellaire

Caractérisation de la neige

de la surface du manteau neigeux sur le site choisi. Ces images à haute résolution vont nous permettre de mieux comprendre les données des imageurs à plus basse résolution. Elles vont également rendre possible l'évaluation spatiale du modèle détaillé de neige Crocus qui est actuellement utilisé pour la prévision opérationnelle du risque d'avalanche.