Comme sur des roulettes, mais pas une sinécure.

=>

J’avais écrit que l’expérience SPOT4 (Take 5) se déroulait comme sur des roulettes, mais il faut se rendre à l’évidence, obtenir une ortho-rectification parfaite des images SPOT4 n’est pas une sinécure.

L’erreur de localisation d’une image est l’écart moyen entre la position réelle des pixels d’une image, et la position calculée en connaissant la position du satellite, son orientation, la position du miroir et la position des détecteurs dans l’instrument. Alors que la performance de localisation des images SPOT4 habituellement mesurée par le CNES a un écart-type de 450 m RMS, nous avons rencontré plus d’une cinquantaine de scènes avec des erreurs de localisation supérieures à 1000 mètres. La plupart d’entre elles ont été acquises à proximité de l’Europe.

Nous n’avons pas encore d’explication pour ce problème, qui reste toutefois largement dans les spécifications de la mission SPOT4 (localisation à 1500m RMS). Sur les satellites récents, l’orientation du satellite (dans le jargon spatial, on parle d' »attitude ») est mesurée très précisément par des senseurs stellaires. Ces senseurs sont de petits instruments optiques qui repèrent dans le ciel des étoiles dont la position est connue, ce qui permet de déterminer l’attitude du satellite, comme le promeneur égaré, de nuit, peut utiliser l’étoile polaire pour s’orienter. Mais lors de la conception de SPOT 4, au début des années 1990, ces senseurs stellaires n’étaient pas encore opérationnels, et on utilisait un autre type de senseur, le senseur terrestre. Celui ci fonctionne dans l’infra-rouge thermique. Il balaye l’horizon de la terre, et en déduit la position du centre de la terre. Sa précision est cependant perturbée par la présence ou non de nuages d’altitude qui vont modifier légèrement l’horizon, d’où une précision inférieure à celle des senseurs stellaires.

Bref, la localisation des données SPOT4 (Take5) n’est pas excellente, et nous devons donc aller chercher la position réelle des points d’appuis à plus de deux kilomètres. Cette recherche à grande distance augmente la probabilité de trouver des voisinages qui se ressemblent sans correspondre aux mêmes endroits. Nous avons donc, dans les points d’appuis que nous prenons, une proportion de points d’appuis erronés beaucoup plus importante que d’habitude. Il peut donc arriver que le recalage des données soit imprécis, heureusement assez rarement.

Depuis plus d’un mois, avec l’aide de quelques collègues du CNES (Cécile Déchoz, Stéphane May, Sylvia Sylvander), nous cherchons le meilleur jeu de paramètres qui permettrait de minimiser la proportion de mauvais points d’appuis, tout en conservant suffisamment de points d’appuis pour pouvoir ortho-rectifier des images très nuageuses. Les résultats s’améliorent (cf ci-dessus), mais laissent encore de temps en temps passer quelques erreurs.

Finalement, dans la plupart des cas, la superposition des données Take5 devrait être tout à fait correcte (80% des pixels avec un écart inférieur à 0.5 pixels), mais il est possible que quelques images soient un peu décalées, surtout en présence de nuages. Les diagnostics de l’ortho-rectification permettent d’éliminer ces images, qui ne pourront donc pas être livrées.