Fully automatic land cover map generation at country scale over France

=> 

Up to now, over France, there is no Land Cover Map generated annually at a decameter resolution.  The Corine Land Cover map, which is widely used, is only produced every 5 years, and 2012 version was issued in 2015. This map is mainly produced using photo interpretation, and therefore requires a very large amount of work.  The very accurate Land Cover layer from IGN (French cartographic institute), is updated regularly, region wise, over a cycle of 3 to 4 years, and therefore only provides the perennial land cover information. Two other products exist, the Global Land Cover 30m produced at LANDSAT resolutions, et the Copernicus HR layers, but with a quite low quality,  for instance on the Landes forest in France.

 

Thanks to its high resolution observations, Sentinel-2 should enable an automatic generation of land cover maps at country scale. Based on a several years of research at CESBIO,  our project to automatically produce land cover maps over the whole France is gaining momentum. Research efforts are being organised within the THEIA Expertise Center on Operational Land Cover.

 

The first prototype products were computed using the LANDSAT 8 Level 2A data from Theia, pending availability of a whole year of Sentinel-2 data. The first products span over one third of France, and have 15 to 20 classes according to the versions.

 

The land cover maps processor is based on Orfeo Tool Box applications, set to music by Marcela Arias, under Jordi Inglada's direction, and with large contributions of several CESBIO colleagues for reference data collection of for the development of processors.

 

Extract of the version 1 of land cover product, computed using LANDSAT8 data in 2013. Click on the image for an interactive display

Warning :

These prototype products were not created in ideal conditions. The LANDSAT-8 2013 data set starts in April only, as the satellite was not yet operational before. The start of vegetation cycle has been missed. The future operational products will use a complete year of data. Moreover, LANDSAT 8 data do not have the same repetitivity and resolution as Sentinel-2, and therefore, the final map quality is not what we expect from Sentinel-2.

 

However, it is still the same type of data, and their processing needs to overcome the same difficulties. It is therefore a full-scale test of our methodology. And finally, although not as accurate, the maps have the same nature as our final product and should allow users to get a first idea of the products Theia will deliver.

 

These products contain errors and must only be considered as a draft. We release them in order to get feedback on their quality and usefulness. Please tell us how they might be useful to you. Tell us also if you find them too inaccurate, or if there is something missing.

 

Prototype product description and download

These products are delivered under the Open Data Commons Attribution Licence. This license allows you to  :

  • share, copy, distribute and use the data
  • create other products based on the data
  • adapt, change and transform the data

with the following constraint : you have to quote the data source (CESBIO) for any use or distribution of the data.

 

These maps were processed with Landsat-8 Level 2A data (30 m resolution and 7 spectral bands) obtained with a 16 days revisit. The first images were taken on the 1th April 2013, until the 30th december 2013. Due to cloud cover, every point on the surface was observed between 8 and 25 times, 16 times on average. Some zones in the Pyrenees, because of cloud and snow cover were not observed often, and this causes artefacts on the maps.

 

Sentinel-2 images, with a better resolution and repetitivity should allow production of far better quality maps.

These maps are made using a machine learning based on reference data bases which provide land cover on a large set of places over France. The following data bases were used :

  • The European Common Agriculture Policy data base for the following classes :
    • annual crops (winter and summer)
    • woody crops (Orchards, Wineyards, Olive groves)
    • permanent meadows
    • estives and moors
  • Corine Land Cover 2012 for the following classes :
    • Dense habitat
    • Industrial or commercial zones
    • Grassland
    • Beaches and dunes
    • Sea and oceans
    • Mineral surfaces
    • Glaciers and permanent snow
  • IGN BD TOPO for the following classes :
    • Water
    • Persistent forest
    • Deciduous Forest
    • Mixed Forest
    • Woody moor

These data bases can have been based on various time period and be older than the satellite time period. Several versions were released to test slightly different nomenclatures.

V2

The following classes were merged

  • estives-moors and woody moors
  • Mixed forests were removed
  • All classes of orchards, vineyards
  • Inland waters and oceans

Product statistics and display are available here..

The full resolution product can be downloaded here.

Génération automatique et opérationnelle de cartes d'occupation des sols

=>

Pour le moment,  il n'existe pas de cartes d'occupation des sols en France produites annuellement à résolution décamétrique. La carte Corine Land Cover, largement utilisée, n'est produite que tous les 5 ans, et la version de 2012 est sortie il y a tout juste quelques mois. Celle-ci est en effet produite par photo-interprétation, ce qui demande une énorme quantité de travail. La couche d'occupation des sols de l'IGN, de grande précision, est mise à jour progressivement, zone par zone, sur un cycle de 3 à 4 ans, et ne fournit donc  que les occupations du sols pérennes.. Il y a aussi le produit Global Land Cover 30m, fourni à la résolution de LANDSAT, et les couches HR de Copernicus, mais leurs qualités sont assez décevantes, par exemple sur la forêt des Landes.

 

Grâce à la répétitivité de ses observations à haute résolution, Sentinel-2 devrait permettre la production automatique de cartes d'occupation des sols à l'échelle de pays entiers. En se basant principalement sur des travaux de recherche menés au CESBIO depuis plusieurs années, le projet de produire opérationnellement des cartes d'occupation des sols sur tout le territoire Français commence à prendre de l'ampleur. Les efforts de recherche se sont récemment fédérés dans le cadre du Centre d'Expertise Scientifique du pôle thématique surfaces continentales de Theia, consacré à l'Occupation des Sols Opérationnelle , le bientôt fameux CES-OSO.

 

Ce zozo vient de mettre à disposition ses premiers produits prototypes, réalisés avec les données LANDSAT 8 produites par Theia, en attendant la disponibilité d'une année entière de données Sentinel-2. Les premiers produits couvrent près d'un tiers du territoire Français, et, selon les différentes versions, comportent entre 15 et 20 classes.

 

La chaine de production de cartes d'occupation des sols utilisées pour ce travail est largement basée sur les applications de l'Orfeo Tool Box. Elle a été mise en musique par Marcela Arias, sous la direction de Jordi Inglada, avec de nombreuses contributions de collègues du CESBIO, pour la collecte et la mise en forme des données de référence, comme pour le codage de la chaîne.

 

Extrait de la Version 1 du produit prototype CESOSO réalisé avec les données acquises par LANDSAT8 en 2013. Cliquer sur l'image pour une visualisation interactive des données

Avertissement :

Ces produits n'ont pas été élaborés dans des conditions idéales. Ils ont été crées à partir de données acquises à partir du mois d'avril 2013, date à laquelle LANDSAT-8 a été déclaré opérationnel. Le début du cycle végétal n'a pas été observé. Les produits opérationnels utiliseront quant à eux une année entière de données. Par ailleurs, les données LANDSAT 8 n'ont pas la répétitivité ni la résolution de Sentinel-2, la qualité des résultats ne peut pas être du même niveau que celle attendue de Sentinel-2.

 

Mais il s'agit du même type de données et leur traitement présente pour nous les mêmes difficultés, il s'agit donc de tests en vraie grandeur de notre méthodologie. Enfin, bien que moins précis, les résultats sont de même nature, et doivent permettre aux utilisateurs d'avoir une première idée des produits qui seront distribués par Theia.

 

Ces produits contiennent des erreurs et ne doivent être considérés que comme des documents de travail. Nous les publions dans le but d'obtenir des retours sur leur qualité et leur utilité. N'hésitez pas à nous dire si ces produits vous seraient utiles, et pour quels besoins. N'hésitez pas à nous dire aussi s'ils sont trop imprécis ou s'il manque quelque chose à leurs caractéristiques pour que vous puissiez les utiliser pleinement.

 

Les données ont été produites en utilisant des applications de l'Orfeo Tool Box, mises en musique par Marcela Arias,  sous la direction de Jordi Inglada, avec de nombreuses contributions de collègues du CESBIO pour la collecte et la préparation des données de référence et pour la réalisation des chaînes de traitement,

 

Description des prototypes de produits

Les produits sont mis à disposition avec la licence Open Data Commons Attribution Licence. Cette licence permet de :

  • partager : copier, distribuer et utiliser les données
  • créer des produits dérivées à partir de ces données
  • adapter : modifier, transformer la base de données

sous la contrainte d'attribution suivante : vous devez citer la source de la base de données (le CESBIO) dans toute utilisation ou diffusion.

Ces cartes ont été produites avec des images du satellite Landsat-8 (résolution 30 m. et 7 bandes spectrales) acquises avec une revisite de 16 jours.

Les acquisitions ont démarré le 12 avril 2013 et s'étalent jusqu'au 30 décembre 2013. Chaque point de la surface a été vu (hors nuages et autres artefacts) entre 8 et 25 fois, et en moyenne, 16 fois. Sur les Pyrénées, il y a des zones qui, à cause des nuages, ont été vues peu de fois, et on remarque des artefacts dans les cartes.

Les images Sentinel-2, avec une résolution spatiale de 10 m., une revisite de 5 jours et 12 bandes spectrales, permettront la génération de cartes de bien meilleure qualité.

 

Les cartes sont réalisées en utilisant un apprentissage automatique sur des bases de données de référence dans lesquelles l'occupation des sols est connue pour certains points du territoire. Les bases de données suivantes ont été utilisées :

  • Registre parcellaire graphique (RPG) pour les classes suivantes :
    • cultures annuelles herbacées (été et hiver)
    • cultures ligneuses (vergers, vignes, arboriculture, oliviers)
    • prairies permanentes
    • estives-landes
  • Corine Land Cover 2012 pour les classes
    • Bâti dense
    • Zones industrielles et/ou commerciales
    • Pelouses
    • Plages et dunes
    • Mer et océans
    • Surfaces minérales
    • Glaciers et neiges éternelles
  • BD TOPO pour les classes suivantes :
    • Eau
    • Forêt de feuilles persistantes
    • Forêt de feuilles caduques
    • Forêts mélangées
    • Lande ligneuse

Ces bases de données peuvent correspondre à des périodes différentes et être plus anciennes que la période d'acquisition des images satellite. Plusieurs versions des cartes ont été réalisées en choisissant des nomenclatures légèrement différentes.

V2

Regroupement des classes suivantes :

  • estives/landes et landes ligneuses
  • élimination des forêts mélangées
  • fusion des classes vergers, oliviers, arboriculture
  • fusion des classes eau et mers et océans

Une visualisation en ligne ainsi que les statistiques de validation sont disponibles ici.

Le produit à pleine résolution peut être téléchargé ici.

 

 

 

Quelle projection pour les produits Sentinel-2 de Theia autour de la France ?

Plusieurs équipes sont en train de préparer leurs réponses à l'appel à propositions Theia pour le traitement des données de niveau 2 Sentinel-2 (date limite le 8 décembre). Parmi les projets dont j'ai entendu parler, deux d'entre eux concernent les massifs des Pyrénées et des Alpes. Si ces deux projets sont sélectionnés, ils vont nous amener à faire un choix difficile sur la projection cartographique à utiliser. Je vais exprimer ici le problème à résoudre, sachant que je ne suis absolument pas un spécialiste de ce sujet. Merci aux cartographes qui passent par ici de faire preuve d'indulgence et de me signaler mes erreurs.

 

UTM

Les données Sentinel-2 sont fournies en projection UTM (Universal Tranverse Mercator). La projection UTM est en fait un ensemble de projections, courant sur 60 fuseaux ou zones de longitudes dont la largeur est 6 degrés. Pour chaque zone, on projette sur un cylindre, d'axe équatorial, et tangent aux méridiens qui délimitent la zone. La France métropolitaine est parcourue par 3 fuseaux, les zones 30, 31 et 32. La zone 30 se trouve à l'ouest de l'axe qui va de Tarbes au Mont Saint Michel (à peu près), la zone 32 contient la Corse, la Côte d'Azur, les Alpes et l'Alsace, alors que la zone 31 se trouve au milieu (de 0 à 6° de longitude). Cette projection ne permet donc pas de traiter la France dans son ensemble et de manière continue sans reprojection.

Système UTM

 

LAMBERT 93

La France utilise maintenant le système Lambert 93, qui consiste à projeter les données sur un cône qui intersecte deux méridiens et deux parallèles sur la France. C'est cette projection que nous avons utilisée pour les données LANDSAT et SPOT distribuées par Theia sur la France.Cependant, cette projection n'est pas utilisée sur les pays limitrophes de la France, l'Espagne, l'Italie, La Suisse et a fortiori l'Autriche. Pour les utilisateurs de données sur les Pyrénées ou les Alpes, cette projection n'est pas donc pas bien adaptée.

 

Projection Lambert pan-Européenne

Il existe par ailleurs des projections Pan-Europennes, et des recommandations ont été émises dans le cadre de la norme INSPIRE. J'ai trouvé le document suivant, qui ne simplifie pas tout à fait le travail, puisqu'il recommande 3 projections :

- To adopt ETRS89 Lambert Azimuthal Area coordinate reference system of 2001 [ETRS-LAEA] for spatial analysis and display

- To adopt ETRS89ETRS89 Lamber Conic Coformal coordinate reference system of 2001 [ETRS-LCC] for conformal pan-European mapping at scales smaller or equal to 1:500.000

- to adopt ETRS89 Transverse Mercator coordinate erference systems [ETRS-TMzn] for conformal pan-European mapping at scales larger than 1:500.000

Ceci dit, il semble que l'Agence Européenne de l'Environnement EEA ait choisi la projection ETRS-LAEA pour ses produits pan-Européens, par exemple les couches à haute résolution générées dans le cadre de Copernicus GIO. Cette projection est une projection équivalente (qui conserve les surfaces), mais vue l'échelle à laquelle elle est utilisée, elle doit être loin d'être conforme (qui respecte les angles).

 

Que faire  ?

  1. Utiliser la projection Pan-Européenne équivalente pour toutes les zones demandées en Europe
  2. Utiliser Lambert 93 sur la France, une autre projection sur les Pyrénées (à déterminer), et rester en UTM 32 sur l'arc Alpin ? Un tel choix implique de traiter deux fois la zone d'intersection des zones Pyrénées et Alpes avec la France. Donc de réduire la surface totale que Theia traitera, au détriment de la sélection d'autres zones.
  3. Rester dans la projection UTM utilisée pour Sentinel-2 (qui elle aussi présente des superpositions entre fuseaux) et induit donc de traiter quelques tuiles en double.

 

 

Nous avons besoin de votre avis, que préférez vous ? N'hésitez pas à vous exprimer en commentant cet article.

 

Notes

ETRS89 The European Terrestrial Reference System 1989 (ETRS89) is the geodetic datum for pan-European spatial data collection, storage and analysis. This is based on the GRS80 ellipsoid and is the basis for a coordinate reference system using ellipsoidal coordinates.

 

 

 

 

Beware of time series!

=> 

Regular readers of this blog are probably convinced that the time series of satellite images are perfectly suited to describe the evolution of the Earth's surface. Space agencies are stepping up efforts to make available products to ease the use of these data. If one sets aside the main author of this blog (note : no need to put aside, he is far behind), it is of course NASA that has most contributed to disseminate advanced remote sensing products such as land surface reflectance or indices describing the vegetation health. These products are convenient to use but can also mask the measurement artifacts that are likely to mislead users like me. Continue reading

Méfiez-vous des séries temporelles

=>

Les lecteurs assidus de ce blog sont sans doute convaincus que les séries temporelles d'images satellites sont des données magnifiques pour décrire l'évolution de la surface terrestre. Les agences spatiales redoublent d'effort pour mettre à disposition des produits issus de ces observations afin de faciliter l'exploitation de ces données. Si on met à part l'auteur principal de ce blog (NDLR, inutile de le mettre à part, il est loin derrière), c'est la NASA qui a le plus contribué à diffuser des produits de télédétection avancés tels que la réflectance de la surface continentale ou des indices décrivant l'état de santé de la végétation. Ces produits sont commodes à utiliser mais ils peuvent aussi masquer des artefacts de mesure qui sont susceptibles de tromper des utilisateurs comme moi. Continuer à lire

Une conférence sur Sentinel-2

J'aurais dû être à Paris aujourd'hui, pour la quatrième journée thématique du Programme National de Télédétection Spatiale, mais la conférence a été annulée après la soirée d'horreur du 13 novembre. La journée était consacrée au programme Sentinel, et je devais y présenter Sentinel-2. J'avais passé deux ou trois jours à préparer ma présentation, je vous en fais donc profiter ici, mais en silence, et sans l'accent Toulousain.

http://www.cesbio.ups-tlse.fr/multitemp/wp-content/uploads/2015/11/PNTS_Sentinel-2_OH.pdf

MACCS/MAJA, how it works

=> 


MACCS (Multi-sensor Atmospheric Correction and Cloud Screening) is a level 2A processor, which detects the clouds and their shadows, and estimates aerosol optical thickness (AOT), water vapour and corrects for the atmospheric effects. The processor was jointly developed by CESBIO and CNES. CESBIO developed the methods and a prototype, while CNES funded the operational version of the processor, with a strong support from CESBIO for the validation.

 

More recently CNES+CESBIO and DLR joined their efforts to develop a joint processor named MAJA, for MACCS-ATCOR Joint Algorithm. MAJA is an evolution  of MACCS, in which a couple of methods inspired by ATCOR software have been added. MAJA V1_0 could have been called MACCS V6.0, but we wanted to celebrate the association of both entities with a new name.

MAJA runs at CNES within the Muscate ground segment of Theia (data are available here) and within the Venµs ground segment. And finally, MAJA is freely available in binary version for non commercial use.

 

MAJA's distinctive feature is its dedication to high resolution time series and its wide use of multi-temporal methods. For this reason, MAJA can only be applied to the optical missions which observe the earth under constant viewing angles. However, MAJA was already applied to several satellites :

 

MAJA is briefly described in the joined figure.

Atmajaspheric absorption

In the case of Sentinel-2 and Venµs, which include a water vapour channel at 940 nm (resp. 910nm) in a strong water vapour absorption band, a first step consists in estimating the atmospheric water vapour content. For the other satellites, weather analysis data can be used. After that, the processor can correct for the gaseous absorption using the SMAC model.

 

Composite imajage

The next steps deeply involve multi-temporal methods. Of course, to do that, a time series must be processed in chronological order. After each processing, a composite image is updated with with the unclouded pixels from the processed date. This composite image is used as a reference for the cloud detection and the AOT estimate.

 

The cloud majasks

Our cloud detection method is based on a large number of tests, the most efficient of which are :

  • a test based on the  cirrus band (at 1380 nm), available on Landsat 8 and Sentinel-2, which detects very well the high clouds (above 2000m)
  • a multi-temporal test, which detects a steep increase of the blue surface reflectance, which is the sign of presence of a cloud.
  • and finally, to avoid over detections of clouds, for each potential detected by one of the previous tests, a last test measures the correlation of the pixel neighbourhood with the previous images. As it is unlikely that two different clouds at the same location on successive dates have the same shape, if a large correlation is observed, the pixel is finally not declared as a cloud.

Having detected the clouds, we can follow with the detection of  cloud shadows, water, and snow.

Aerosol optical thickness estimajate

The aerosol optical thickness (AOT) estimate combines several criteria in the computation of a global cost function, which is then inverted using non linear least mean squares inversion.

  • A multi-temporal criterion : after atmospheric correction, two successive observations of the same neighbourhood should provide nearly the same surface reflectances. The squared residuals after atmospheric correction are inserted in the cost function.
  • A multi-spectral criterion : above vegetation, and also above many bare soils, the surface reflectance in the blue is close to half the reflectance in the red. The squared residuals to this relation after atmospheric correction are also added to the cost function.
  • Optical Thickness minimum and maximum : AOT cannot be negative, and should not get higher that the one measured using the dark pixel method. When the AOT values are above maximum or under minimum, a high cost is added to the cost function.

 

The cost function evaluation is evaluated using neighbourhoods of coarse resolution pixels (240m), spreading over 2 kilometres. The obtained AOT images are then smoothed, the gaps are filled to obtain finally an AOT map with a 5 km resolution. The aerosol type is not estimated, it is a processing parameter which can be fixed per geographic region.

Atmajaspheric correction

One of he quicklooks we produce with each image for visual verification, here for Chiapas site in Mexico, with the TOA reflectance, top left, the AOT and cloud mask, bottom left, surface reflectance after adjacency effect correction, top right, and the same with slope correction, bottom right.

 

Once the AOT is known, we can retrieve the surface reflectances. To do that, we are using look-up tables (LUT) which are computed using the SOS radiative transfer code (Successive Orders of Scattering, Lenoble, 2007). These LUT are also used in the AOT estimation.

 

The surface reflectance of the cloud free pixels obtained there are used to update the composite image, which will be used for the processing of the next image in the time series.

 

Before editing the output product, we still need to correct for two other points, already described in this blog : the adjacency effects and the effects of terrain slopes on the illumination.

 

MAJA development started in 2005, and the contributor list is starting to be quite long :

  • at CESBIO : H.Tromp, V. Debaecker, M. Huc, P.Gely, Bastien Rouquié and O.Hagolle,
  • at CNES : B. Petrucci, D.Villa-Pascual, Camille Desjardins, Pierre Lassalle
  • at DLR : A. Makarau and R.Richter
  • at CS-SI : T.Feuvrier, C.Ruffel, A.Bricier and many others
  • at CAP GEMINI : M.Farges, G. Rochais, E.Durand
  • at Magellium : E. Hillairet

For more details, we have published 4 papers about MACCS methods and validation :

  • A multi-temporal method for cloud detection, applied to FORMOSAT-2, VENµS, LANDSAT and SENTINEL-2 images, O Hagolle, M Huc, D. Villa Pascual, G Dedieu, Remote Sensing of Environment 114 (8), 1747-1755
  • Correction of aerosol effects on multi-temporal images acquired with constant viewing angles: Application to Formosat-2 images, O Hagolle, G Dedieu, B Mougenot, V Debaecker, B Duchemin, A Meygret, Remote Sensing of Environment 112 (4), 1689-1701

 

On retournera écouter de la musique au Bataclan

Je ne le dirai pas aussi bien, alors autant vous laisser lire cet article de Libé qui traduit bien, et avec style, mon état d'esprit d'aujourd'hui.

 

Quelques extraits ci-dessous :

 

On va pleurer nos morts. On va prendre le temps nécessaire pour réaliser ce que vous avez osé nous faire. Et puis on va recommencer comme avant, meurtris, entamés, mais convaincus que vous ne pouvez pas nous prendre ce qui nous constitue.(...)

On retournera écouter de la musique au Bataclan. On retournera dîner au restaurant le Petit Cambodge. On se prendra à nouveau pour les rois du monde, rue de la Fontaine-au-Roi. On sera une belle équipe qui va réinventer une belle époque, rue de Charonne. (...)

Demain, on tombera le voile et on ôtera la capuche pour regarder la nuit étoilée. Et on se dira que c’est tant mieux si le ciel est vide, car c’est comme ça qu’il est le plus beau. Et que peut y briller le souvenir de ceux que vous avez tués.

Luc Vaillant, Libération

 

MACCS/MAJA, comment ça marche ?

=>

MACCS (Multi-sensor Atmospheric Correction and Cloud Screening) est une chaîne de traitement de niveau 2A, qui, comme son nom l'indique, détecte les nuages et leurs ombres, estime l'épaisseur optique des aérosols, la quantité de vapeur d'eau, et corrige les effets atmosphériques. La chaîne a été développée conjointement par le CESBIO et le CNES. Le CESBIO a mis au point les méthodes et développé un prototype, tandis que le CNES a pris en charge la version opérationnelle de la chaîne, que le CESBIO a largement contribué à valider. Le développement de la chaîne opérationnelle a été confié par le CNES à la compagnie CS-SI, et depuis peu, sa validation est gérée par CAP Gemini et le CNES.

 

Plus récemment, le CNES+CESBIO et le DLR ont décidé de mettre en commun leurs efforts pour développer la chaîne MAJA (MACCS-ATCOR Joint Algorithm). Cette chaîne est une évolution de la chaîne MACCS dans laquelle des méthodes issues de la chaîne ATCOR du DLR seront ajoutées progressivement. MAJA V1.0 a MACCS aurait dû s'appeler MACCS V6.0, mais le CNES et le DLR ont préférer changer de nom pour célébrer leur entente dans ce domaine.

 

MAJA est exploité au CNES dans le segment sol MUSCATE de Theia (données disponibles ici) et dans le segment sol du satellite Venµs. Enfin MAJA est disponible gratuitement en version binaire pour utilisation non commerciale.

 

MAJA a la particularité de s'appliquer à des séries temporelles d'images de résolution décamétrique, et de faire une large utilisation de méthodes multi-temporelles. Pour cette raison, elle ne s'applique qu'aux mission dont les observations se font sous des angles quasi constants. Ceci dit, MAJA a déjà été appliqué à de nombreux satellites :

 

Macroscopiquement, le fonctionnement de MAJA est expliqué dans le schéma ci-contre.

Correction de l'absorption atmajasphérique

Dans le cas de Sentinel-2 et de Venµs, qui disposent d'un canal 940 nm (resp 910 nm), situé dans une forte bande d'absorption de la vapeur d'eau, une première étape estime la quantité de vapeur d'eau dans  la colonne d'air traversée par l'observation. Pour les autres satellites, ce sont des données météo qui sont utilisées. Puis on passe à la correction de l'absorption gazeuse. Cette phase est réalisée avec le code SMAC.

Imajage composite

Les étapes suivantes font un grand usage de méthodes multi-temporelles. Et pour cela, une série temporelle doit être traitée dans l'ordre chronologique. En sortie de chaque traitement, une image composite est mise à jour avec les derniers pixels non nuageux acquis. Cette image sert de référence au traitement de détection des nuages et d'estimation de l'épaisseur optique des aérosols.

Les majasques de nuages

La détection des nuage repose sur une batterie de tests, dont les plus importants et plus efficaces, sont :

  • celui qui utilise la bande Cirrus (à 1380 nm) présente sur Landsat 8 et Sentinel-2 qui détecte les nuages hauts,
  • le test multi-temporel, qui détecte une soudaine augmentation de la réflectance dans le bleu, signe de la présence d'un nuage.
  • enfin, pour éviter des sur-détections, pour chaque nuage potentiellement détecté, un dernier test mesure le taux de corrélation d'un voisinage du pixel avec les images précédentes. Comme il est peu probable que plusieurs nuages successifs se ressemblent, au même endroit, si une bonne corrélation est obtenue avec l'une des images, le pixel n'est finalement pas classé nuageux

Après la détection des nuages, il faut aussi détecter leurs ombres, l'eau, et la neige.

Estimajation de l'épaisseur optique des aérosols

L'estimation de l'épaisseur optique combine plusieurs critères, décrits dans cette page, dans le calcul d'une fonction coût, qui est ensuite inversée par la méthode des moindres carrés non linéaires.

  • Critère multi-temporel ; après correction atmosphériques, deux voisinages successifs non nuageux (celui de l'image en cours, et celui du satellite) doivent avoir quasiment les mêmes réflectances. Les écarts résiduels après correction atmosphérique sont inclus dans la fonction coût.
  • Critère multi-spectral ; au dessus de la végétation, et aussi au dessus de nombreux sols nus, la réflectance de surface dans le bleu est proche de la moitié de la réflectance dans le rouge. Les écarts à cette relation après correction atmosphérique sont donc inclus aussi dans la fonction coût
  • Minimum ou maximum de l'épaisseur optique : l'épaisseur optique ne peut pas être négative, et elle ne peut normalement pas dépasser la valeur estimée par la méthode du pixel sombre. Lorsque les erreurs dépassent ces seuils, une forte erreur est ajoutée dans la fonction coût.

 

La minimisation de cette fonction coût est réalisée sur un voisinage de pixels à 240 m,  s'étendant sur environ deux kilomètres. Les résultats obtenus sont ensuite lissés, et les trous dûs au nuages sont bouchés, pour obtenir finalement une carte d'aérosols à une résolution de 5 km. Le type d'aérosols n'est pas estimé, c'est un paramètre de la méthode qui peut être fixé par zone géographique.

Correction atmajasphérique

 

L'un des quicklooks que nous produisons systématiquement à chaque traitement de MACCS, pour vérifier le bon fonctionnement d'un coup d'oeil, ici pour le site SPOT5 (Take5) du Chiapas, au Mexique. En haut à gauche, l'image au sommet de l'atmosphère, en bas à gauche, l'AOT et le masque de nuages, en haut à droite, les réflectances de surface corrigées des effets d'environnement,,en bas à droite, les mêmes, corrigées aussi des effets de pente.

Une fois connue l'épaisseur optique des aérosols, nous pouvons calculer les réflectances de surface.  Pour celà, nous utilisons des tableaux précalculés, à partir du code de transfert radiatif SOS (Successive Orders of Scattering, Lenoble, 2007). Ces mêmes tableaux sont aussi utilisés pour l'estimation des aérosols.

Les réflectances ainsi obtenues peuvent être utilisées pour mettre à jour l'image composite.

Avant d'éditer le produit de sortie, il reste cependant à corriger deux autres points, déjà détaillés dans ce blog,  les effets d'environnement et les effets de pentes en présence de relief.

 

Le développement de MACCS a démarré depuis plus de 10 ans, et de très nombreuses personnes y ont contribué au cours de ces années :

  • au CESBIO (H.Tromp, V. Debaecker, M. Huc, P.Gely, B.Rouquié et O.Hagolle),
  • au CNES (B. Petrucci, D.Villa-Pascual, Camille Desjardins),
  • au DLR (A.Makarau, R.Richterà
  • Chez CS-SI (T.Feuvrier, C.Ruffel, A.Bricier et plusieurs autres personnes)
  • Chez Cap Gemini (M.Farges, G.Rochais, E.Durand)
  • Chez Magellium (E. Hillairet)

 

Nous avons publié quatre articles dans des revues à comité de lecture, sur les méthodes et la validation de MACCS :