Les données LANDSAT 5 et 7 acquises sur la France de 2009 à 2011 bientôt disponibles au niveau 2A.

=>

Comme pour LANDSAT 8, il y a quelques semaines, nous venons de produire les données de LANDSAT 5 et LANDSAT 7 acquises au dessus de la France métropolitaine (sans la Corse) de 2009 à 2011. Les données seront mises en ligne d'ici quelques jours, le temps de les transférer sur le serveur.  Les traitements ont été effectués par l'équipe MUSCATE, pour le compte du pôle THEIA, en utilisant les moyens du centre informatique du CNES. Les données seront disponibles sur le site :

http://spirit.cnes.fr/resto/Landsat/

Exemple de produit de Niveau 2A obtenu avec LANDSAT5 sur la côte atlantique. Les nuages sont entourés en vert, le masque d'eau est entouré en bleu, la neige en rose. De temps en temps, la forte turbidité des eaux charentaises fait basculer les seuils de neige, et certains zones particulièrement turbides peuvent être identifiées dans le masque de neige...

Le traitement, le format et la présentation de ces données ont beaucoup de points communs avec ceux de Landsat 8, décrits ici. Cependant, ils s'en écartent par plusieurs aspects, qui font l'objet de cet article.

Point de départ.

Le point de départ est différent pour les satellites LANDSAT 7 et LANDSAT 5.

  • Pour LANDSAT 7, comme pour LANDSAT 8, nous démarrons des produits de niveau 1T fournis par l'USGS. Ces produits présentent cependant un gros défaut, avec la présence de stries dès que l'on s'écarte du centre de l'image. Ces stries sont dues à la panne d'un miroir sur ce satellite depuis 2013. Se reporter ici pour une description du problème. Dans notre cas, nous avons décidé de n'utiliser que la partie centrale de l'image, en interpolant un peu les données manquantes, tant que les trous sont inférieurs à 4 pixels, et en éliminant directement la partie de l'image où les trous ont une largeur supérieure à 4 pixels.
  • Les données acquises par LANDSAT 5 en France ne sont malheureusement pas disponibles sur les serveurs de l'USGS. C'est l'ESA qui dispose de ces données, et qui a bien voulu nous les fournir (Merci encore à Bianca Hoersh et  Riccardo Biasutti de l'ESA, et à la société SERCO qui nous a fait parvenir les données). Le jeu de données que nous vous fournissons ici est en fait un jeu unique, qui actuellement n'est disponible sur aucun autre serveur, même si l'ESA compte en faire une production prochaînement. Ces données nous parviennent au niveau 1G, un niveau de traitement intermédiaire, pour lequel les données n'ont pas été ortho-rectifiées. Nous avons donc dû les ortho-rectifier à Theia, en utilisant l'outil SIGMA du CNES, comme pour SPOT4 (Take5).

Cette  double approche différente pour les deux capteurs a des inconvénients. La base de données de référence géométrique de LANDSAT semble avoir quelques erreurs en France, et les données obtenues par l'USGS sur la région Toulousaine par exemple sont souvent décalées d'un pixel. Ce n'est pas le cas pour les données LANDSAT 5 ortho-rectifiées par THEIA, il peut donc parfois y avoir un pixel d'écart d'une date à l'autre selon qu'elle vient de LANDSAT 5 ou LANDSAT 7. Par ailleurs, les données de l'ESA présentent des défauts, comme par exemple la présence de points brillants colorés par-ci par là, de manière aléatoire.

 

 

Reprojection en Lambert 93

Les données de l'USGS sont fournies en projection UTM. Cette projection utilise trois fuseaux différents au dessus de la France, qui se divise donc en 3 zones différentes, l'Ouest de la France, le Centre et l'Est. Comme les données de deux fuseaux différents ne se superposent pas directement, nous avons donc décidé de reprojeter les données LANDSAT 7 en Lambert 93, qui est la projection officielle pour la France.Les données LANDSAT5 ont elles aussi, bien sûr, été directement projetées en Lambert 93.

Découpage des produits en tuiles

Nous avons pris le parti de suivre la même logique que celle utilisée par Sentinel-2, et de découper les données en tuiles de 110*110 km décalées de 100 km les unes par rapport aux autres. La tuile 1x1 se trouve au sud-ouest de la France, lorsqu'on va vers l'est (vers la droite), on incrémente la première coordonnée de D0001 à D0010 (D pour Droite), lorsqu'on va vers le Nord (vers le haut), on incrémente la seconde coordonnée, de H0001 à H0010 (H pour Haut). La tuile de Toulouse s'appelle donc D0005H0002 Le découpage en tuiles est visible sur l'image ci-jointe.

 

Pour chacune des tuiles, nous fournissons l'ensemble des dates pour lesquelles une image LANDSAT (5 ou 7) a une intersection non nulle avec la tuile. Quelques dates peuvent manquer, pour plusieurs raisons, liées en général à la couverture nuageuse :

  • l'image n'a pas été acquise par LANDSAT (quand les prévisions météo indiquent un temps très couvert, les images ne sont pas acquises).
  • l'image a été acquise mais s'est avérée trop nuageuse pour être traitée au niveau 1T par l'USGS (L7) ou par le CNES (L5)
  • l'image est trop nuageuse pour être traitée par la chaîne de Niveau 2A

 

Traitement de Niveau 2A (correction atmosphériques et détection des nuages)

Il est important de noter que notre chaîne ne traite pas les bandes thermiques pour l'instant. Une correction est à l'étude, mais celle-ci ne sera pas opérationnelle avant un ou deux ans.

La méthode utilisée pour les bandes visible, proche et moyen infra rouge est quasiment la même que pour SPOT4(Take5). Le traitement a été effectué avec la même chaîne, le prototype de MACCS, développé et maintenu au CESBIO par Mireille Huc. Notre méthode de base est une méthode multi-temporelle à la fois pour la détection des nuages, des ombres de nuages, de l'eau et pour l'estimation de l'épaisseur optique des aérosols.

 

Cependant, grâce à la richesse spectrale de LANDSAT, nous avons pu enrichir nos méthodes par rapport à la version utilisée pour SPOT4 (Take5) : grâce à la bande bleue, nous pouvons utiliser un critère complémentaire pour détecter les aérosols, grâce à la relation quasi constante observée entre les réflectances des bandes bleues et rouges au dessus de la végétation. Le gain de précision dû à la présence de cette bande permet de compenser la perte de précision de la méthode multi-temporelle due à la faible répétitivité des LANDSAT. Enfin, contrairement à LANDSAT 8, la bande 1.38 n'existe pas sur LANDSAT 5 et 7, la détection des nuages hauts n'est donc pas évidente.

Images de la tuile obtenue sur la côte atlantique, en provenance de deux traces différentes de LANDSAT (à gauche au milieu, les traces 201 et 200 ). Les angles de visée sont légèrement différents sur chacune des traces (visée depuis l'ouest sur l'image de gauche visée depuis l'est sur l'image de droite). A droite une image LANDSAT 7 de la trace 201, réduite à la portion centrale.

 

Pour augmenter la précision de la détection des nuages, nous avons décidé d'utiliser les données issues de traces adjacentes de LANDSAT (5 ou 7) dans les séries temporelles de niveau 2A. Ces données ne sont pas acquises exactement sous le même angle (+/- 7 degrés), mais la différence d'angle est suffisamment petite pour qu'il y ait un vrai gain de précision sur les zones d'intersection entre traces. En raison de cette approximation, quelques artefacts peuvent être observés.

 

Format des données

Le format des produits de Niveau 2A de LANDSAT 5 et 7 est le même que celui des données SPOT4 (Take5).

 

Défauts connus :

Exemple du phénomène de rémanence observé sur les données de LANDSAT 5 à proximité d’un gros nuage. Ce défaut électronique se traduit ici par une alternance de bandes sombres et claires au dessus de la végétation.

Voici une petite liste des défauts connus des données LANDSAT 5 ou 7 :

 

  • la donnée de référence pour l'ortho-rectification à l'USGS peut présenter des biais supérieurs à 30 mètres (38 mètres à Toulouse). Les données LANDSAT 7 peuvent donc parfois être légèrement décalées par rapport aux données LANDSAT 5 ortho-rectifiées au CNES.
  • L'instrument TM sur LANDSAT 5 présente un phénomène de rémanence qui se traduit par des bandes plus ou moins sombres, perpendiculaires à la trace du satellite, a proximité de zones contrastées, comme par exemple près d'une importante masse nuageuse.
  • Exemple de parasites pouvant apparaître sur les images LANDSAT 5, sous la forme de points colorés.

     

  • Les produits LANDSAT 5 que l'ESA nous a fournis voilà deux ans présentent parfois des "parasites" sous la forme de points colorés apparaissant de manière aléatoire sur l'une ou l'autre bande.
  • Dans les produits LANDSAT, la valeur qui indique si un pixel est en dehors de l'image est égale à 0. Or cette valeur peut aussi se retrouver à l'intérieur des données. Nous avons essayé de séparer les vraies valeurs hors image des valeurs normales dans l'image mais nous n'y arrivons pas toujours, et dans ce cas, toutes les valeurs de toutes les bandes sont mise à la valeur nodata, qui chez nous vaut -10 000 justement pour éviter ces problèmes.

 

SPOT4 (Take5) communications at the Sentinel-2 Symposium

The second "Sentinel-2 for science" symposium , organised by ESA, took place in italy late may 2014. More than 400 future Sentinel-2 users participated, which is a record for a conference organised by ESA at ESA premises. Compared to the first Sentinel-2 users workshop, it turns out that most of the talks were based on time series of images, while this proportion was less than a third for the first users symposium (other talks were about spectral indexes, mono date model inversions, which is good science but is not specifically tailored for Sentinel-2). This shows that the Sentinel-2 users community state of preparation did a lot of progress during the two last years.

 

To this respect, it seems that the SPOT4(Take5) experiment has helped a lot, as at least 15 of the 55 talks (and a lot of posters) of the symposium were largely based on the data set. That was exactly the purpose of the experiment and I am quite please to see it succeeded. The data are still available there, and there are still a lot of things to do.

 

Here are the links to the 15 talks that use SPOT4 (Take5) data (I may have forgotten one of two, if so please tell me ! I have not found the links to the posters, if someone found them, please tell me !).  You may also access the whole program here (some talks, although not based on SPOT4 (Take5), were also very stimulating ;-) )

 

Ground Segment


MUSCATE : An Operational Tool for Atmospheric Corrections And Monthly Composites Sentinel-2

Marc Leroy1, Olivier Hagolle2, Mireille Huc2, Mohammed Kadiri2, Gérard Dedieu2, Joëlle Donadieu1, Philippe Pacholczyk1, Céline L'Helguen1, Selma Cherchali1

1: CNES, France; 2: CESBIO


Pre-processing


Lessons learned from the SPOT4 (Take5) experiment : simulations of Sentinel-2 time series on 45 large sites

Olivier Hagolle1,3, Mireille Huc1,2, Mohamed Kadiri1,2, Dominique Clesse4, Sylvia Sylvander3, Marc Leroy3, Martin Claverie5, Gérard Dedieu1,3

1: CESBIO Umr 5126 CNRS-CNES-IRD-UPS, Toulouse, France; 2: CNRS,France; 3: CNES, France; 4: CAP GEMINI, France; 5: NASA/GSFC, USA

Eric Vermote1, Martin Claverie1,2, Jeffrey Masek3, Inbal Becker-Reshef2, Chris Justice2

1: NASA/GSFC Code 619; 2: University of Maryland, Dept of Geographical Sciences; 3: NASA/GSFC Code 618


Restoration of Missing Data due to Clouds on Optical Satellite Imagery Using Neural Networks

Nataliia Kussul, Sergii Skakun, Ruslan Basarab

Space Research Institute NASU-SSAU, Ukraine


Agriculture


Agronomy and hydrology with Sentinel-2 type time series: Towards spatial characterization of crop productivity and its impacts on water and nutrient cycle at the catchment scale

Sylvain Ferrant1,2, Simon Gascoin2,3, Amanda Veloso2, Martin Claverie4, Gérard Dedieu1,2, Valerie Demarez2,5, Eric Ceschia2,5, Patrick Durand6, Jean-luc Probst3,7, Vincent Bustillo2,5

1: CNES, France; 2: CESBIO, France; 3: CNRS, France; 4: University of Maryland; 5: University of Toulouse; 6: INRA, France; 7: ECOLAB, France

Based on Formosat-2 rather than SPOT4 (Take5), but these data are similar and produced with the same methods.


Crop mapping in complex landscape by multi-source data mining and remote sensing for food security

Elodie Vintrou1, Valentine Lebourgeois2, Agnès Bégué2, Dino Ienco3, Maguelonne Teisseire3, Pierre Todoroff1, Fidiniaina Ramahandry Andriandrahona4

1: CIRAD UR AIDA, Station Ligne Paradis, 7 chemin de l’Irat, 97410 Saint Pierre, La Réunion; 2: CIRAD UMR TETIS, Maison de la Télédétection, 500 rue J.F. Breton, Montpellier, France; 3: IRSTEA UMR TETIS, Maison de la Télédétection, 500 rue J.F. Breton, Montpellier, France; 4: FOFIFA, Station Régionale de Recherche FOFIFA Tsivatrinikamo ANTSIRABE 110, Madagascar


Sentinel-2 Agriculture project: Preparing Sentinel-2 exploitation for agriculture monitoring

Defourny Pierre1, Bontemps Sophie1, Cara Cosmin4, Dedieu Gérard2, Guzzonato Eric3, Hagolle Olivier2, Inglada Jordi2, Rabaute Thierry3, Savinaud Mickael3, Sepulcre Guadalupe1, Valero Silvia2, Koetz Benjamin5

1: UCLouvain, Belgium; 2: CESBIO, France; 3: CS-Systèmes d’Information, France; 4: CS-Systèmes d’Information, Romania; 5: ESA, ESRIN, Italy


Crop Identification and acreage estimate using a combination of Spot4-Take5 & Landsat 8.  A preparatory study for Sentinel 2

N. Knox1,2, L.T. Tsoeleng1, C. Adjorlolo1,2, T. Newby3

1: South African National Space Agency (SANSA), South Africa; 2: University of KwaZulu-Natal (UKZN), South Africa; 3: National Earth Observation and Space Secretariat (NEOSS), c/o SIIU - CSIR, South Africa.


Multisource EO Data for the optimal agricultural drainage water management in semi-arid area of Doukkala (Western MOROCCO): Potential of Sentinel-2 Type Observation

Kamal Labbassi1, Nadia Akdim1, Silvia Maria Alfieri2,3, Massimo Menenti2

1: Chouaib Doukkaly University, Morocco; 2: Delft University of Technology, Netherlands; 3: Institute for Mediterranean Agricultural and Forest Systems, Italy


Forests


Potential of Sentinel 2 constellation to provide near real time forest disturbance mapping over cloudy areas in Gabon

Christophe Sannier, Louis-Vincent Fichet

SIRS, France


Assessing Forest Degradation from Selective Logging using Time Series of Fine Spatial Resolution Imagery in Republic of Congo

Astrid Verhegghen, Baudouin Desclée, Hugh Eva, Frédéric Achard

Joint Research Centre of the European Commission, Italy


Potential benefits that Sentinel-2 data could bring to characterise and monitor forestry, simulated through SPOT 4 Take5 data

Colette Meyer1, Hervé Yesou1, Stephen Clandillon1, Henri Giraud1, Jérôme Maxant1, Paul de Fraipont1, Arnaud Selle2

1: SERTIT, France; 2: CNES, France


 

Coastal and inland waters


Mapping estuarine turbidity using high and medium resolution time series imagery Virginie Lafon1, Arthur Robinet1, Tatiana Donnay2, David Doxaran2, Bertrand Lubac3, Eric Maneux1, Aldo Sottolichio3, Olivier Hagolle4, Alexandra Coynel3

1: GEO-Transfert, ADERA, Université de Bordeaux, France; 2: Laboratoire d'Océanographie de Villefranche, UMR 7093 - CNRS / UPMC, France; 3: UMR EPOC, Université de Bordeaux-CNRS, France; 4: CESBIO, CNRS,UPS, CNES, IRD, France


CoastColour Spot 4 Take 5

Carsten Brockmann1, Ruescas Ana1, Pinnock Simon2

1: Brockmann Consult GmbH, Germany; 2: ESA ESRIN, Italy


Sentinel-2 Time Series for GlobWetland II to map Threats in Wetlands

Kathrin Weise1, Marc Paganini2, Max Tobaschus1,3, Martin Faber1,3

1: Jena-Optronik GmbH, Germany; 2: European Space Agency, Italy; 3: Friedrich Schiller University Jena, Germnay

Une nouvelle application hydrologique pour les séries temporelles ?

Le débit des rivières naturelles est une donnée de base en hydrologie qui reste pourtant difficile à obtenir dans de nombreuses régions pour des raisons pratiques, politiques, etc.. Dans la revue Proceeding of the National Academy of Sciences, Gleason et Smith (2014) présentent une nouvelle méthode qui permet de calculer les débits d'une rivière seulement à partir d'images satellites à haute-résolution (e.g. Landsat). Continuer à lire

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.

"