How MACCS estimates Aerosol Optical Depth.

=>

I already explained in this blog  the principles of estimation of the aerosol optical thickness that we use to process the LANDSAT or SPOT5 (Take5) data, and soon Venµs or Sentinel-2 data, within the MACCS method developed at CESBIO, and used at CNES by THEIA. We started writing an article in 2010 to explain the method details and show the validation results, but we only found a sufficiently quiet period this autumn to finish it. The paper has just been published in remote sensing (MDPI), with open access. Enjoy your reading !

 

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.

From left to right, validation results for Aerosol Optical Thickness (AOT) measures by the multi-temporal method, the multi-spectral method and the combination of both. The combination of both methods allows to measure AOT in a much larger range of cases without degrading accuracy.

L'estimation de l'épaisseur optique des aérosols dans MACCS

=>

J'ai expliqué dans ce blog les principes de mesure de l'épaisseur optique des aérosols que nous utilisons pour traiter les données LANDSAT ou SPOT(Take5), et bientôt Sentinel-2 ou Venµs, avec la méthode MACCS développée au CESBIO et utilisée par THEIA. Nous avions commencé un article en 2010 (!) pour présenter les détails de la méthode et les résultats de sa validation, mais il nous a fallu un moment de calme relatif cet automne pour enfin trouver le temps de le terminer. Il est maintenant publié dans le journal remote sensing (MDPI), en libre accès. Bonne lecture !

 

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.

De gauche à droite, les résultats de validation d'épaisseurs optiques d'aérosols pour la méthode multi-spectrale, pour la méthode multi-temporelle, et pour la combinaison des deux, utilisée dans MACCS. La combinaison des deux méthodes permet de mesurer l'épaisseur optique dans de plus nombreux cas, sans dégrader l'estimation.

Slides from the second SPOT (Take 5) Workshop

Voici les présentations des Journées SPOT4 (Take5) du 18 et 19 novembre 2014.  Cette réunion a réuni une centaine de personnes au CNES pour faire un bilan des acquisitions et des produits distribués, prendre connaissance des travaux et résultats des utilisateurs et obtenir un retour d'expérience.
J'en profite pour remercier chaleureusement les deux organisatrices, Sylvia Sylvander et Danielle Barrère, du CNES (DCT/ME/OT), ainsi que les 23 orateurs qui nous ont proposé de brillantes présentations.

 

Here are the presentations from SPOT4 (Take5) users day on November 18th and 19th 2014. Around 100 people attended this meeting at CNES, which aimed at making an assessment of the acquisitions and products, show the users studies and results and obtain their feedback.
I would like to thank a lot the organisers, Sylvia Sylvander and Danielle Barrère from CNES, and the 23 speakers, who gave us amazing talks.

The table below gives access to all the slides.

 

S. Sylvander CNES Introduction
S. Sylvander CNES Preparation and progress of SPOT4 (Take5) experiment
O.Hagolle CESBIO/CNES SPOT4 (Take5) validation, users feedback and lessons learned
M.Kadiri CESBIO Definition, test evaluation of a monthly composite product for Sentinel-2 based on SPOT4 (Take5) data
M.Claverie U. Maryland / NASA An update on the LANDSAT8/Sentinel-2 merged reflectance product project
M.Le Page CESBIO SAT-IRR : Satellite for irrigation scheduling
V.Simonneaux CESBIO Water budget monitoring of irrigated perimeters in semi-arid areas using high resolution NDVI image time series
O.Arino ESA ESA Studies: Agriculture, Forest, Wetland, Costal Water. Preparing for Sentinel-2
M.El-Hajj TETIS/IRSTEA Estimation of soil moisture using radar and optical images over Grassland areas
J.Inglada CESBIO Automatic land-cover map production of
agricultural areas using supervised classification of SPOT4(Take5) and Landsat-8 image time series
S.Valero CESBIO Real-time crop mask production using high-spatial-temporal resolution image times series
D.Morin CESBIO Estimation of biophysical variables and cartography of irrigated surfaces with high temporal and spatial resolution images
W.Li INRA Avignon Deriving ECVs GAI and FAPAR from SPOT4 and LANDSAT8 sensors: evaluation of the consistency and comparison with ground measurements
A.Roumiguié Dynafor/EI-Purpan Forage production monitoring
C.Jacqueminet EVS-ISTHME, U. Saint-Etienne
Discrimination of herbaceous habitats using multitemporal Spot and Landsat images (Massif central – France)
V.Gond CIRAD Phenological monitoring of tropical forest ecosystems in the North of Congo
A.Verhegghen JRC Assessing Forest Degradation in the tropics using Time Series of Fine Spatial Resolution Imagery
M.Szulkin CEFE-CNRS Inferring blue tit reproductive phenology using SPOT4 imagery
S.Sylvander / O.Arino ESA SPOT5(Take5) Operations in 2015
J.P.Dedieu LTHE / CNRS Snow cover monitoring in the French Alps physical properties of surface snow, snow cover dynamics impact on vegetation
A.Facello IRPI-CNR (Italy) Snow Water Equivalent and Slope Movements from Satellite Data: potential of space-borne observations with high spatial and temporal sampling. Case study: Tena Valley (Central Pyrenees, Spain)
S.Cerisier GIP Loire-Estuaire Remote sensing data with high repetitivity : a contribution to coastal and estuarine processes knowledge
V.Lafon Geo-Transfert / EPOC, U. Bordeaux
SPOT4 (Take5) Experiment: simulation of Sentinel-2 time-series to monitor the maximum turbidity zone of tidal estuaries

The good things with Sunday work

=>

I am not the kind of person to give lessons or to blame my colleagues, but I have to tell that some of them do not work on Sundays. And their excuses are variable and numerous : family, errands, work in the flat/house or in the garden, the necessity to rest from stressful weeks, do some sports, see friends...

 

Without meaning to boast, I know how to help you solve these issues that could prevent you to work on Sundays

  • a reason to delay the errands or the garden work to another day ("I have no choice, that's for work")
  • A way to do sports and  to relax
  • A reason to see friends or family  (to teach them how to work on Sundays)

 

OK, I'll give you my secret :

Moorland with broom shrubs

Mountain meadow

Woody crop (vineyard)

- thanks to the nice autumn in France, and thanks to the ODK* Collect android application, that you may download on Google Play, It was my pleasure to work on the last two week-end. More accurately, I worked at sampling land cover.

 

15 days ago, I spent my Sunday sampling moorlands in the Pyrenees, thanks to a very nice hike near Tarascon sur Ariège. all types of mountain moors were present, with either ferns, brooms, rhododendrons, blueberries or juniper.

The next week-end allowed me to sample Mediterranean vegetation, and its transition to mountain vegetation in the Fenouillèdes region, at the foot or the Eastern Pyrenees, thanks to a lovely bike tour. Bike is a very efficient way of collecting samples, and it is also an excuse to stop every half mile when the slope is too steep. I tend to sample much more places when going up rather than going down.

 

At the end of the hike, the data are transfered on a websites that comes with ODK and they will be soon transferred to the CESBIO PostGIS data (Thanks to Jérôme Cros) to finally be used, along with other data sources to train and validate land cover classifications.

Alfalfa meadow

 

As I did work a lot on Sundays, I have collected about 2000 samples in 18 months that I'd like to release as open data.

 

A start for a European data base for landcoverl

If you'd like to enjoy working on sundays, please do. adding more users would be a way to provide data to our project to provide annual land cover over France, or to help our Sen2Agri project, with Sentinel-2, starting next year.

If you want to see the data, or to start collecting data, you may use this site, I created a guest account "invite", and the password is composed of the account name followed by the name of my lab, without any space or capital letter. The most recent samples are in OS V2.3 form. If you want to collect data, ask me for a personal account. There is a user guide here.

* ODK : Open Data Kit

Les bienfaits du travail dominical

Loin de moi l'idée de vouloir donner des leçons ou de faire des reproches, mais bon, il faut le signaler, j'ai des collègues qui ne travaillent pas le week-end ou pendant les vacances. Et pour justifier cela, les prétextes les raisons sont nombreuses : la famille, les courses, la haie à tailler, la besoin de se détendre pour évacuer le stress de la semaine, un bon repas avec les amis, faire du sport...

 

Sans me vanter, je dispose de la solution à une bonne partie de ces problèmes :

  • une justification pour reporter les courses et la taille de la haie à un autre jour (c'est pour le travail, je suis obligé)
  • un moyen de faire du sport et de se détendre
  • l'occasion de réunir des amis et/ou la famille, et de leur apprendre à travailler pour vous le week-end

 

Allez, je vous explique :

Lande à genêts

Pelouse-Estive (au premier plan)

Culture ligneuse (vigne)

- grâce au beau temps de cet automne, et grâce à l'application ODK* Collect qui fonctionne sur tous les téléphones sous Android, et qu'on télécharge sur Google Play, j'ai eu le plaisir de travailler les deux derniers week-ends. Plus précisément, j'ai travaillé à récolter des échantillons d'occupation des sols.

 

Il y a quinze jours, le week-end fut consacré à collecter des échantillons de landes de montagne, et à faire une belle randonnée : tous les types de landes étaient représentés : landes de fougères, bruyères, genêts, rhododendrons, myrtilles ou genévriers) dans les Pyrénées Ariégeoises.

Le week-end suivant m'a permis d'échantillonner la végétation méditerranéenne et sa transition vers la végétation de montagne dans le Fenouillèdes, dans le piémont de l'est des Pyrénées, sur un bel itinéraire à vélo, Le vélo se prête très bien au relevé d'échantillons, et vous donne un prétexte pour vous arrêter tous les kilomètres dans les cols un peu trop difficiles. J'ai tendance à relever beaucoup plus de points en montée qu'en descente...

 

Les données sont disponibles sur un site de l'application ODK dès la fin de la randonnée, elles seront ensuite insérées dans la base de données PostGIS du labo (Merci à Jérôme Cros) et finalement, j'espère, utilisées pour l'apprentissage ou la validation de cartes d'occupation des sols.

Prairie semée, luzerne

 

Comme j'ai beaucoup travaillé, ce sont quelques 2000 points qui ont été relevés en 18 mois, et sont à votre disposition.

 

Les débuts d'une base de données Européenne de l'occupation du sol

Si vous souhaitez comme moi vous adonner au travail dominical, voire même au travail pendant la semaine, n’hésitez pas ! Multiplier les utilisateurs serait un bon moyen de faire avancer notre projet de créer une carte d'occupation des sols annuelle sur la France, avec Sentinel-2 et Landsat 8, à partir de l'an prochain. Les meilleurs contributeurs seront récompensés par des cartes d'occupation des sols plus précises sur leur lieux de travail. Pour le moment, je n'ai converti que deux utilisateurs du CESBIO à ce mode de travail dominical, mais j'espère que ces belles photos, prises depuis le portable avec l'application ODK, vous motiveront.

 

SI vous souhaitez regarder les données acquises et même tester l'application, vous pouvez utiliser le site suivant, j'ai créé un compte pour les visiteurs, "invite", et le mot de passe se compose du nom du compte suivi du nom de mon laboratoire, sans aucun espace ou majuscule. Mais je préfèrerais que vous me demandiez un compte, afin que les relevés soient identifiés (il se peut qu'un releveur de terrain fasse toujours les mêmes erreurs (confondre l'Est et l'Ouest par exemple...). Les derniers relevés vont se ranger dans le formulaire OS V2.3. J'avais écrit un manuel de l'utilisateur, qui est toujours disponible ici, et Google diffuse aussi un manuel de l'utilisateur.

* ODK : Open Data Kit

Une station d'observation permanente au sommet d'une falaise

Des collègues du CESBIO, du LTHE, de l'ONERA et de l'INRA, ont mis en place une station permanente au sommet d'une falaise, dans le massif de la Chartreuse, près de Grenoble en France, pour y installer un énorme radiomètre micro-ondes. Cet instrument fonctionne sur le même principe que le satellite SMOS et permet donc de mesurer des températures de brillance et d'en déduire l'humidité des sols.

 

Cette station est maintenant quasiment opérationnelle. Depuis cette falaise, il est possible d'observer très régulièrement au cours de la journée toute une zone de forêts, prairies, et quelques cultures. Un programme d'expérimentations et d'observations in-situ se met en place au sol pour valider les mesures de télédétection... depuis le haut de la falaise. Et tout ceci pourra être utilisé pour valider les mesures de télédétection depuis le satellite, et pour préparer de nouvelles missions spatiales.

 

La plate-forme accueille aussi un radiomètre thermique (Pyromètre KT19) et une petite caméra optique. Elle pourrait accueillir d'autres instruments (sur la petite plat-forme au dessus du radiomètre) qui fourniraient de superbes séries temporelles à la fois à long terme mais aussi pour étudier les variations diurnes. Je pense notamment à des observations dans le thermique. N'hésitez pas à contacter mon collègue arnaud.mialon@cesbio.cnes.fr, si ce projet vous intéresse.

SPOT4 (Take5) surface reflectance validation using CNES ROSAS station in la Crau.

=>

More than 10 years ago, on the Crau plain, in Provence, CNES set up an automatic calibration station to measure the atmospheric optical properties and the surface reflectances. This station, named ROSAS (RObotic Station for Atmosphere and Surface), is at the top of a 10 meter mast, and is equipped with a CIMEL instrument similar to the ones of the AERONET network that are used to characterize the atmospheric aerosols. But this one has been modified to observe also the ground. The initial objective of this station was to check the absolute calibration of optical remote sensing instruments with a high resolution (because the site uniformity is not sufficient for satellites with a kilometric resolution). But this station proves also useful to validate the surface reflectances from satellite level 2A products.

 

This work was done by some CNES colleagues, Vincent Lonjou, Sébastien Marcq et Aimé Meygret, using the level 2A products obtained from SPOT4 (Take5) experiment.

The ROSAS station needs 90 minutes to fully characterize the downward radiance and thus the atmosphere, and the upward radiance. The ratio of both measurements enable to compute the surface reflectance. However, the process is a little more complex than described here, as the surface around the mast is not perfectly uniform and the reflectances are affected by directional effects. A bidirectional model is therefore fitted to the measurements, and this model is then used to predict the reflectances measured by the satellite.

B2

The ROSAS instrument, during the SPOT4 (Take5) experiment, was equipped with 10 spectral bands described in the table below. The instrument is now being modified in view of Sentinel-2 and Venµs launches, to accommodate new spectral bands, in the near infra-red mainly, where the sampling of the spectrum was not sufficient.

Band λ (nm), detector
1 1020Si
2 1600 InGaAs
3 870 Si
4 670 Si
5 440 Si
6 550 Si
7 1020 InGaAs
8 937 Si
9 380 Si
10 740 Si

B3 (clear symbols for SPOT4, dark symbols for ROSAS)

 

B4 (clear symbols for SPOT4, datk symbols for ROSAS)

The agreement of ROSAS and SPOT4(Take5) surface reflectance measurement is excellent, in all band but near-infrared : better than 5% in the green (B1), red (B2) and SWIR (B4) channels, and 7-8% in the NIR (B3). The differences observed in the NIR are being investigated, but could be linked to the spectral interpolation, as SPOT4 B3 band is quite far from ROSAS spectral bands.

In the SWIR, the greater variations of surface reflectances with time may be noticed, with large reflectance drops after rains. The SWIR band is very sensitive to the soil moisture, at least when the vegetation cover is sparse, which is the case at La Crau. In the other bands, these variations are much less visible, and what should be noticed is the great stability of surface reflectances with time, thanks to the acquisitions with constant viewing angles and also to the quality of atmospheric correction...

 

 

A poster was shown by Aimé Meygret at the "Sentinel-2 for science" symposium in Frascati in may 2014.

 

 

 

Validation des réflectances de surface de SPOT4 (Take5) sur la Crau, avec la station ROSAS du CNES

=>

Sur la plaine de Crau, en Provence, le CNES a mis en place une station automatique de mesure des conditions atmosphériques et des réflectances de surface. Cette station, nommée ROSAS (RObotic Station for Atmosphere and Surface), est installée au sommet d'un mât de 10 mètres, et est équipée d'un instrument CIMEL analogue à ceux du réseau AERONET qui servent à caractériser l'atmosphère, mais modifié pour observer aussi le sol. L'objectif initial de cette station était de vérifier l'étalonnage absolu des instruments en orbite, pour les satellites à haute résolution (car l'uniformité du site n'est pas suffisante pour les capteurs à résolution kilométrique). Mais cette station peut aussi être utilisée pour valider les réflectances de surface fournies dans les produits de niveau 2A
.

C'est le travail qu'ont effectué des collègues du CNES, Vincent Lonjou, Sébastien Marcq et Aimé Meygret, à partir des produits de niveau 2A issus de l'expérience SPOT4 (Take5).

 

La station Rosas effectue un cycle de mesure toutes les 90 minutes, caractérisant successivement le rayonnement descendant (et donc l'atmosphère), puis le rayonnement montant provenant de la surface. Le rapport des deux permet de calculer la réflectance de surface. Le processus est un peu plus complexe que ce que je décris ici, car il faut tenir compte de la non-uniformité de la surface autour du mât, et des variations directionnelles des réflectances. Un modèle bidirectionnel des réflectances de surface est donc ajusté sur les mesures, et ce modèle permet de prédire les réflectances que doit mesurer le satellite.

 

B1 (vert)

B2 (rouge)

L'instrument disposait, lors de l'expérience SPOT4 (Take5) des longueurs d'ondes du tableau ci-dessous. Il est en cours de modification pour ajouter de nouvelles bandes spectrales, notamment dans le proche infra-rouge, dont l'échantillonnage n'était pas suffisant, et en préparation des activités d'étalonnage et de validation des satellites Sentinel-2 et Venµs.

Band λ (nm), detector
1 1020Si
2 1600 InGaAs
3 870 Si
4 670 Si
5 440 Si
6 550 Si
7 1020 InGaAs
8 937 Si
9 380 Si
10 740 Si

B3 - PIR (symboles clairs pour SPOT4, sombres pour ROSAS)

 

B4 - MIR (symboles clairs pour SPOT4, sombres pour ROSAS)

On note que l'accord entre les réflectances de surface obtenues avec la station ROSAS et celles issues des produits de niveau 2A de SPOT4 (Take5) est excellent, dans toutes les bandes sauf dans le proche infra-rouge : mieux que 5% en B1, B2, B4 et 7-8% en B3. Les différences observées dans le proche infra-rouge sont en cours d'investigation et pourraient être liées à l'interpolation spectrale, la bande spectrale de SPOT4 étant très éloignée de celle de ROSAS.

 

On peut remarquer aussi les variations plus importantes des réflectances de surface dans le moyen infra-rouge, avec de fortes baisses de la réflectance observées après des pluies. On peut en déduire que les données optiques multi-temporelles acquises sous des angles constants pourraient être utilisées pour détecter des variations de l'humidité superficielle des sols, au moins quand la couverture végétale n'est pas très importante, comme c'est le cas sur la prairie clairsemée de la Crau. Dans les autres bandes spectrales les variations dues à l'humidité des sols sont bien moins prononcées, et c'est surtout la grande stabilité des réflectances avec le temps qui doit être notée, grâce aux angles de visée constants et à une bonne correction des effets atmosphériques.

 

Un poster a été présenté par AImé Meygret au colloque "Sentinel2 for science" à Frascati au mois de mai 2014.

"

Produits de Niveau 3A : comparaison avec la méthode classique du maximum de NDVI

=>

Comme nous le disions dans un précédent article, nous utilisons les données SPOT4 (Take 5) pour tester différentes méthodes de création de produits de niveau 3A. Le pôle Thématique appliquera par la suite ces méthodes aux données Sentinel-2.   Pour rappel, si vous n'avez pas cliqué sur le lien ci-dessus, les produits de niveau 3A sont des synthèses périodiques (a priori mensuelles) de réflectances de surface sans nuages. Notre méthode est basée sur des moyennes pondérées de réflectances des pixels non nuageux obtenus pendant une certaine période de temps. Pour plus de détails, il faudra vraiment aller voir ce lien...

 

Les travaux de Mohamed Kadiri au CESBIO, financés par le budget CNES de THEIA, ont d'abord porté sur la mise au point d'indices de qualité (décrits dans le lien ... bon, j'arrête), et ont permis de montrer que notre méthode produit de bonnes performances. Nous avons voulu comparer ces résultats avec la méthode du "Maximum de NDVI", développée par nos ancêtres télédétecteurs, et appliquée depuis des temps immémoriaux aux données de moyenne résolution comme celles des instruments AVHRR. Cette méthode consiste, pour chaque pixel, à utiliser dans le produit de Niveau 3A, la date dont le NDVI est le plus grand. Pourquoi ce choix ? Principalement parce que le NDVI d'un nuage est très faible, et donc que cette méthode permettra de choisir préférentiellement les pixels non nuageux. Cette méthode date d'un temps où les masques de nuages n'étaient pas très précis.

 

Extrait de synthèse mensuelle obtenue avec la méthode du maximum de NDVI Extrait de synthèse mensuelle obtenue avec la méthode de la moyenne pondérée.

Nous vous présentons ici, avec les données SPOT4-(Take5), une comparaison des résultats obtenus sur le site de Versailles, avec  la méthode du maximum de NDVI à gauche et la méthode de moyenne pondérée à droite.  On note, sur l'image de gauche, la présence de nombreux artefacts sous la forme de points brillants ou sombres que l'on ne voit pas sur l'image de droite. Ces points de niveau différents sont dûs au fait que d'un pixel à l'autre, une date différente a été utilisée, en fonction de la valeur du maximum de NDVI. Ces artefacts sont moins présents sur les zones couvertes de végétation (en rouge), car pour cette synthèse obtenue au printemps, la croissance de la végétation fait que le maximum de NDVI correspond à la date la plus tardive de la synthèse..

 

Si l'on regarde les valeurs de nos critères de qualité, décrits dans l'article précédent (cela faisait longtemps ;) ), on note que les performances de la méthode par moyenne pondérée sont bien meilleures que celles de la méthode du maximum de NDVI, vis à vis de la fidélité à l'image de la date centrale de la synthèse mensuelle (en Jaune, pour les 70% de pixels les meilleurs, et Vert, pour les 95% de pixels les meilleurs), et surtout, vis à vis de la présence ou non d'artefacts (en bleu). L'abscisse des courbes correspond à la moitié du nombre de jours utilisés pour chaque synthèse, nous recommandons la valeur 21.

 

Maximum de NDVI Moyenne Pondérée

Utilisation de séries temporelles d'images à haute résolution spatiale pour le suivi de biomasse fourragère

Figure 1 : Profil moyen de fCover sur la parcelle 4 calculé à partir d'images des différents capteurs utilisés.

=>

Le fCover est un paramètre biophysique calculé à partir d'observations satellitaires. Il permet de mesurer la fraction de couvert vert par unité de surface dans des conditions d'observation au nadir. Dans le cadre du produit d'assurance des prairies, ce paramètre est calculé à partir de synthèses décadaires d'images à moyenne résolution spatiale. Nous utilisons l'intégrale du profil annuel de fCover pour estimer la biomasse prairiale et construire l'Indice de Production Fourragère.

Notre premier travail de validation consiste tout d'abord à tester la relation existante entre la biomasse prairiale et la somme de fCover calculée sur des images à haute résolution spatiale. Un protocole de mesure terrain (d'après PV PROTIN, 2010. ARVALIS – Institut du Végétal) mis en place sur 6 parcelles de prairies dans la région toulousaine a été réalisé entre les mois de Mars et Juin 2013. Ces parcelles ont été choisies dans le but de faire varier les espèces prairiales et les modes d'exploitation des prairies (Tableau 1). Tous les 15 jours, une série de prélèvements est faite afin de mesurer la biomasse des parcelles à des endroits définis. Au total sur les 6 parcelles, il y a 320 points pour lesquels nous disposons d'une information de production à comparer avec le rendement estimé par télédétection.

Les parcelles se situent sur la zone SudMipy définie dans le programme d'acquisition SPOT4(Take5). De ce fait, nous avons pu bénéficier des images acquises dans le cadre de ce programme pour constituer nos séries temporelles sur chaque parcelle. Compte tenu des conditions climatiques du printemps 2013, nous avons du compléter le jeu d'images SPOT-4 (Take5) avec des images acquises par les capteurs Landsat-8, SPOT-6 et Formosat-2. Au final, nous disposons d'une image tous les 15 jours environ (Tableau 1).

Nom Couvert Surface (ha) Exploitation 

prairie

Couverture 

images

Parcelle 1 Luzerne 7,3 Fauche Take 5 : 6 / Spot 6 : 2 / Landsat 8 : 1
Parcelle 2 Prairies naturelles 9,4 Fauche Take 5 : 4 / Spot 6 : 1 / Landsat 8 : 1 / Formosat2 : 4
Parcelle 3 Ray-Grass 8,6 Ensilée début Mai /  Fauché fin Juin Take 5 : 5 / Spot 6 : 3 / Landsat 8 : 1
Parcelle 4 Prairies naturelles 6,0 Fauché fin juin Take 5 : 7/ Spot 6 : 2 / Landsat 8 : 1 / Formosat2 : 1
Parcelle 5 Fétuque / Dactyle / Trèfle Blanc 11,5 Fauche puis pâture Take 5 : 5 / Spot 6 : 2 / Landsat 8 : 2 / Formosat2 : 1
Parcelle 6 Fétuque / Dactyle 6,8 2 fauches, pas de pâturage Take 5 : 3 / Spot 6 : 2 / Landsat 8 : 1 / Formosat2 : 1

Tableau 1 : Caractéristiques des 6 parcelles sélectionnées

 

Figure 2 : Régression entre l'IPF et la Production

La figure 1 présente le profil moyen de fCover sur la parcelle 4 calculé à partir d'images des différents capteurs utilisés.La figure 2 présente la relation entre la production mesurée aux champs et estimée par télédétection. Le résultat de la régression linéaire entre l'IPF et la production mesurée  montre une corrélation forte entre les deux variables (R² = 0,76; α < 0,0001).

 

Cependant, plus les valeurs de productions sont fortes, plus l'écart à la moyenne des valeurs d'IPF tend à augmenter. Ceci s'explique en partie par la méthode de calcul de l'IPF qui ne prend pas en compte la partie en sénescence du couvert végétal. Il en résulte un écart entre la biomasse mesurée au champs et l'IPF.

 

En résumé, l'utilisation du fCover sur des séries temporelles à haute résolution spatiale montre qu'il est possible d'estimer la production des prairies à ce niveau d'échelle. L'IPF étant calculé à partir d'images à moyenne résolution spatiale, la prochaine étape consistera à exploiter le jeu de données SPOT-4 (Take5) pour valider l'indice sur un territoire représentatif du territoire que pourrait viser le produit d'assurance.

 

Anne Jacquin

Antoine Roumiguié

Université de Toulouse, Institut National Polytechnique de Toulouse, Ecole d’Ingénieurs de Purpan, UMR 1201 DYNAFOR, France.