Conclusions préliminaires

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

Introduction

Les chapitres précédents ont permis de voir que la caractérisation de la forêt en vo-lume grâce aux moyens de télédétection peuvent encore être améliorées, à la fois grâce aux futures missions qui seront prochainement lancées, mais aussi grâce à l’amélioration des algorithmes permettant de tirer pleinement partie de toutes les données, notamment en apprentissage ou machine learning.

L’objet de ce chapitre est de recenser les pistes explorées pendant cette thèse, sur dif-férents sites et pour difdif-férents capteurs. Nous présentons d’abord les difdif-férents jeux de données aéroportées qui ont été analysés. Ceux-ci représentent des situations variées en termes de types de forêts et de capteurs. Puis, nous présentons les premiers traitements qu’il a été nécessaire de développer, comme la co-registration fine de nos données, né-cessaire aux traitements de fusion ultérieurs. Par la suite, une attention particulière est portée sur le cas spécifique de la bande P sur des forêts boréales. Nous présentons l’ana-lyse qui a permis d’acquérir plus de recul à la fois sur la phénoménologie de ces forêts pour ces fréquences, sur les effets des géométries d’acquisition, et sur la mise en place des algorithmes SVM. Enfin, des premières pistes sont données sur l’utilisation poten-tielle du deep learning pour notre fonction d’upscaling. La mise en oeuvre pratique est explicitée ainsi que les limites rencontrées.

4.1 Présentation des Super-sites

4.1.1 Les campagnes aéroportées pour anticiper les campagnes

satel-lites futures

Afin de préparer la mission BIOMASS, l’Agence Spatiale Européenne (European Space Agency, ou ESA,) a financé un certain nombre d’essais aéroportées préliminaires, sur plu-sieurs sites à travers le monde, qui représentent des cas variés de forêts et de capteurs. On trouve notamment deux campagnes ESA que nous avons pu analyser : sur la site de la Suède (Campagne BIOSAR 3 menée par l’Office National d’Etudes et de Recherche Aé-rospatiale, ou ONERA, en 2010) et sur le site du Gabon (Campagne AFRISAR, réalisée en 2016). A ces deux campagnes, il faut ajouter les mesures effectuées par la NASA/JPL sur le site des Laurentides, au Canada (2008).

4.1.2 Remningstorp, Suède

La forêt de Remningstorp est une zone en Suède de 100 km² située entre les deux grands lacs de Vattern et Vanern. C’est un site de test choisi par l’agence spatiale euro-péenne en 2007. l’Agence Spatiale allemande, DLR, y a fait des premières acquisitions lors de la campagne nommée BIOSAR 1 en 2007. Puis l’ONERA a participé à la campagne BIO-SAR 3 pendant l’été 2010, en faisant l’acquisition des données BIO-SAR en bande P et bande L. L’équipe Suédoise a réalisé l’acquisition des données Lidar et a effectué avec l’ONERA l’analyse des données. Ces données sont délivrées gratuitement par l’agence spatiale Eu-ropéenne. La campagne d’acquisition est décrite dansULANDERet collab.[2011]. L’em-prise du site est montrée sur la figure 4.1, ainsi qu’une photographie au sein d’une des parcelles de forêt étudiée.

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

Le climat de Remningstorp est semi-boréal. La zone est couverte en majorité d’épicéas et de bouleaux. Les autres espèces minoritaires sont les pins sylvestres et les alisiers de Suède.

FIGURE4.1 – La forêt Suédoise de Remningstorp. A gauche, situation géographique du site d’inté-rêt, et à droite photographie sur une lisière de parcelle.

Le radar Sethi

Du coté radar, le capteur Sethi de l’ONERA a balayé la zone en mode totalement po-larimétrique, en bande L et P et en effectuant plusieurs trajectoires, donc plusieurs lignes de base interférométriques. Les travaux se sont concentrés sur la bande P dont la résolu-tion au sol est d’environ 80 cm avec un angle d’incidence allant de 20 à 60 degrés, sur les premières lignes de vol. L’empreinte des images radar est montrée sur la figure 4.2.

Les acquisitions en bande L ont été également analysées dans cette thèse. Il n’a pas été prévu de livrer de produit PolInSAR bande L à l’ESA, la mission ayant été dimension-née principalement pour la bande P, et la bande L ayant été acquise en tant que dondimension-née supplémentaire d’opportunité.

Cependant, au cours de cette thèse, nous avons tout de même généré des interféro-grammes dans cette bande. Ils nous ont permis d’analyser les niveaux de cohérence. Ce-pendant la hauteur d’ambiguïté de ces acquisitions est très faible, ce qui limite l’analyse des phases interférométriques¹.

Le LIDAR Top-Eye

Pour le LIDAR, les données pré-traitées sont issues de l’appareil Top-Eye MKIII monté sur hélicoptère. Elles ont été acquises le 29 Août 2010. Le traitement a été réalisé par le SLU (Swedish University of Agricultural Sciences) qui a converti les nuages de points li-dar, d’une part en un modèle numérique de terrain et de surface haute résolution (50 cm), et d’autre part en des données de plus faible résolution (10 m) mais porteuses d’in-formations complémentaires comme la distribution volumique verticale de la cible (RHs, niveau de bruit, nombre de photons reçus...).

1. Les deux capteurs bande P et bande L sont embarqués dans le même conteneur à bord de l’avion, la ligne de base est donc unique pour les deux longueurs d’onde, mais la hauteur d’ambiguïté est proposi-tionnelle à la longueur d’onde. Il est donc difficile de trouver un dimensionnement qui satisfasse les deux bandes de fréquence. Par ailleurs la bande L est plus sensible aux écarts de trajectographie

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

La Vérité Terrain

Parallèlement à ces acquisitions, des données de Vérité terrain sont disponibles. Un inventaire précis de la descriptions des arbres a été réalisé sur plus de 200 spots, réguliè-rement espacés spatialement. Ces spots sont indiqués en vert sur la figure 4.2, superposés à l’image maîtresse radar acquise suivant l’axe principal de vol traité.

FIGURE4.2 – Les jeux de données disponibles et la localisation des données de vérité terrain sur Remningstorp : les données Radar géoréférencées apparaissent en transparence sur un fond de cartographie optique ; les différents plots de vérité terrain sont superposés en vert. Représentation obtenue grâce au logiciel QGIS.

Différents DEM de cette zone ont été utilisés dans ces travaux de thèse : le DEM fourni en source ouverte par le capteur SRTM avec une maille de résolution de 90m ; le DEM fourni par le Swedish Defense Research Agency, ou FOI, avec une maille de résolution au sol de 50m ; enfin, le produit DEM directement déduit des acquisitions LIDAR haute résolution pour une maille de 50 cm. Ce dernier a une empreinte plus réduite. Ces DEM sont représentés sur la figure 4.3, après ré-échantillonage sur l’emprise de l’image maître SAR en bande P analysée par la suite.

4.1.3 Parc des Laurentides, Québec

La réserve nationale des Laurentides est constituée de forêts et lacs sur une superficie de 781 km² au nord de la ville de Québec, indiquée sur la figure 4.4. Elle fait partie des forêts boréales. Depuis 1981, le parc cherche à préserver la flore typique de cette forêt. Le parc regorge de monts dont l’altitude est supérieure au kilomètre et est traversé par un large canyon de 500 mètres de profondeur. Les espèces dominantes sur le plateau sont des conifères du type pin ou épinette noir alors que les arbres à feuilles sont plus présents dans la vallée comme l’érable à sucre ou le bouleau jaune.

Nous avons à disposition sur ce site des données radar, lidar et des données de terrain. Les données radar sont celles du senseur aéroporté de la NASA (UAVSAR) en bande L. La résolution au sol pour les images radar est de l’ordre du mètre. Le jeu de données lidar

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

FIGURE4.3 – Les différents DSM disponibles sur Remningstorp : de gauche à droite, le SRTM90m, le DEM50m, le LIDAR à 50cm.

FIGURE4.4 – Le Parc National des Laurentides : cartographie et photographie

provient du capteur LVIS de la NASA et donne une information sur le profil vertical des arbres tous les 25 mètres.

De nombreuses missions de vérité terrain ont eu lieu dans les Laurentides. Ces don-nées terrain peuvent être utilisées pour comparer les estimations de télédétection aux grandeurs mesurées sur place. Le Parc des Laurentides étant managés régulièrement, une collecte fidèle des données est possible 4.6. La collecte de toutes ces données, qui réper-torient la position, hauteur, espèce et biomasse de plus de 8300 arbres répartis sur tout le parc des Laurentides, est décrite dansSIMARD.

UAVSAR

Le radar à synthèse d’ouverture UAVSAR acquiert des images polarimétriques en bande L depuis les années 2008. Le capteur a survolé de nombreuses régions sur le globe, notam-ment toute la côte Pacifique du continent américain, le Québec et le Gabon, et a permis des études sur des domaines variés : foresterie, humidité des sols, déplacement de terrain, courant des rivières, classification, détection...

Concernant le Québec, nous avons à disposition des images polarimétriques et inter-férométriques avec des couvertures de 20km de large sur 100km de long. La résolution

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

FIGURE4.5 – Couvertures d’UAVSAR et LVIS au Parc des Laurentides. A gauche, les deux empreintes principales PolInSAR d’UAVSAR, avec de fines bandes recouvrantes qui correspondent aux don-nées LVIS. A droite, un zoom permet de visualiser cette empreinte LIDAR. Les dondon-nées sont repré-sentées grâce au logiciel QGIS.

FIGURE4.6 – La campagne de vérité terrain sur les Laurentides, effectuée juste avant la thèse. L’image de droite a été réalisée grâce au logiciel QGIS : elle montre l’empreinte des données UAV-SAR ainsi qu’une donnée Tandem-X utilisée pour analysée le relief, et en vert les localisations des données de relevés terrain.

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

LVIS

Le Laser Vegetation Imaging Sensor ou LVIS est un altimètre laser aéroporté qui col-lecte des données topographiques. LVIS a volé sur de nombreuses zones en Amérique, comme la Californie, le Mexique, le Costa Rica, l’Alaska, le Groenland. L’étude des glaciers et des forets/mangroves sont les deux principaux sujets d’étude.

Au Québec, LVIS a volé sur une zone comprise dans l’empreinte d’UAVSAR. Sur quasi-ment toute la longueur, un tronçon de 3km de large a été scanné avec une résolution d’un point de 15m d’empreinte tous les 25m, à la même période que les acquisitions radar.

4.1.4 La Lopé, Gabon

L’ESA a lancé une campagne d’acquisitions aériennes appelée AfriSAR au Gabon, à laquelle plusieurs grands organismes ont contribué. La campagne AfriSAR offre la toute première occasion de tester et développer des méthodes de génération de cartes de la forêt africaine.

Plusieurs sites ont été choisis à travers le pays. Ils sont indiqués sur la figure 4.7. Des efforts particuliers ont porté sur le Parc National de La Lopé, géré par l’Agence des parcs nationaux ANPN. Il s’agit d’un Parc National protégé qui contient plusieurs zones de sa-vane. Parmi les grands arbres, les espèces en présence les plus répandues sont le beli et l’okoumé. Les petits arbres sont en général mal connus.

FIGURE4.7 – Les différents sites choisis au Gabon

La première partie de la campagne AfriSAR a débuté en juillet 2015. L’ONERA a re-cueilli des mesures radar grâce au senseur Sethi et des mesures de terrain sur plusieurs forêts du pays. Une équipe de l’institut français du Cesbio a réalisé des mesures sur le ter-rain dans le parc national de la Lopé. Cette mission a été complétée, grâce au Projet de Recherche ONERA-TOTAL NAOMI, par des acquisitions hyperspectrales, et par d’autres campagnes de vérités terrain.

Par la suite, en février 2016, la NASA et le Centre allemand de l’aérospatiale (DLR) se sont joints à la deuxième étape d’AfriSAR, pour réaliser de nouvelles acquisitions aéropor-tée avec leurs systèmes (respectivement UAVSAR et E-SAR). Les empreintes des acquisi-tions UAVSAR sont représentées sur la figure 4.8. Parallèlement, au cours d’une campagne

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

de deux semaines, la NASA a recueilli des mesures de la masse végétale, de la répartition des arbres, des arbustes et du sol et la diversité des espèces végétales et animales - pas seulement sur la forêt tropicale du Gabon, mais aussi sur des zones humides du pays, des forêts de mangroves et de savane.

Grâce à l’ensemble de ces acquisitions, les scientifiques disposent aujourd’hui pour les données radar :

— de données en bande P polarimétrique et bande L (en polarimétrie partielle) ac-quises par SETHI

— de données polarimétriques en bande P et bande L acquises par E-SAR — de données polarimétriques en bande L par UAVSAR

La NASA a pu compléter toutes les acquisitions UAVSAR par des mesures LIDAR réali-sées par le capteur LVIS.

FIGURE4.8 – Les différentes empreintes des images du capteur UAVSAR au Gabon - Visualisation obtenue grâce au navigateur https ://uavsar.jpl.nasa.gov/

4.2 La coregistration des données

Le première étape indispensable à l’exploitation de l’ensemble des données est la co-registration, c’est à dire la mise en correspondance pixel à pixel d’une image sur l’autre afin que chaque coordonnée réfère à la même zone géographique. Aussi appelé recalage, cette étape est primordiale pour toute application de fusion en télédétection. Elle peut s’avérer toutefois complexe lorsque les images différent par leur angle de vue, leur réso-lution ou la physique de leur capteur. C’est le cas pour la coregistration de données SAR et LIDAR.

4.2.1 La coregistration par géoréférencement

Le géoréférencement consiste à relier une image à sa position dans l’espace par rap-port à un système de coordonnées géographiques (par exemples : Lambert II étendu pour

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

la France, WGS84 en 3D, etc.) en mètres ou en degrés. Il permet ainsi de disposer d’une in-formation de localisation des objets de la scène imagée. De manière générale, le géoréfé-rencement est une étape indispensable pour localiser avec précision les éléments imagés, et pour les processus de fusion d’informations provenant de capteurs différents. Le géo-référencement, est le processus de transformation de données image d’un repère image à un référentiel géographique. Pour cela, un modèle de distorsion, une transformation de coordonnées et un rééchantillonnage sont appliqués à l’image.

On distingue deux cas de géoréférencement :

— Le géoréférencement direct : le modèle de déformation est estimé avec une préci-sion suffisante et le modèle de déformation est appliqué à l’image.

— Le géoréférencement par affinage : les paramètres du modèle de déformation sont améliorés en s’aidant de points d’appuis dont on connaît les coordonnées dans les deux repères, le repère image et le repère de géo-référencement.

Dans la pratique, nous avons besoin pour le géoréférencement natif, que ce soit pour le LIDAR ou le SAR, des informations de prises de vue (métadonnées de géolocalisation, en particulier issues des centrales inertielles à bord d’un aéronef ) et d’un DTM pour cor-riger les déformations liées à la présence de relief.

Dans la pratique, le géoréférencement par affinage est peu utilisé dans le cadre de très grandes images (plus de 10000 pixels suivant un axe), ou à haute résolution (inférieure au mètre) car cela requiert une sélection d’un trop grand nombre de points d’appuis et il est difficile de juger de la précision de ces relevés manuels. Une tentative de coregistration de nos données entre elles à l’aide de la sélection de points d’amer a cependant été testée, et de nombreux biais de coregistration ont été constatés en pratique.

Aussi, la méthode de coregistration par géoréférencement, testées sur les données de Remningstorp, correspond à la démarche suivante :

— Les données du LIDAR ont été fournies géoréférencées par les soins du SLU sur Remningstorp, et par la NASA pour les Laurentides. Classiquement, puisque les données du lidar ont leurs propres coordonnées locales dans chaque station, un modèle de nuage de points tridimensionnel de la scène d’intérêt est créé dans le système de coordonnées local par la combinaison de ces mesures. Pour pouvoir géoréférencer les données, on intègre généralement au capteur un laser terrestre (TLS) et un récepteur du système mondial de navigation par satellite (GNSS) pour l’enregistrement des mesures du scanner laser dans le système de coordonnées géo-désiques.

— Pour le SAR, il est également essentiel de pouvoir lier précisément un pixel sur l’image à un emplacement géographique ou l’inverse. Pour fournir cette correspon-dance indépendamment de l’altitude du point (que nous ne connaissons pas pré-cisément car nous n’avons pas de DTM précis), l’ONERA fournit avec chaque en-semble de données SAR SLC un fichier fournissant une grille de transformation. Le fichier de grille permet de lier une position dans l’image (x, y) à une information de hauteur, une latitude et une longitude précises. Il peut également être utilisé pour associer une position d’image et une hauteur à une position géographique. De ce fait, le géoréférencement de l’image peut être assuré pour n’importe quel fichier de DTM mis en correspondance avec l’image.

Pour chaque image LIDAR et SAR, il est donc possible de calculer une carte de longi-tudes et une carte de latilongi-tudes, ayant les mêmes dimensions que les images d’origine.

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

Pour mettre en superposition nos deux images, nous calculons la transformation U qui permet de passer d’une grille à l’autre, comme explicité sur la figure 4.9. En pratique, nous utilisons une interpolation bilinéaire pour le passage d’un repère à l’autre.

FIGURE4.9 – Schéma de coregistration par georeférencement : les grilles de longitude et latitude sont produites pour les deux images, et servent de grilles de réinterpolation de l’une de l’image sur l’autre.

La procédure de coregistration des données de Remningstorp a été effectuée en cal-culant l’image LIDAR dans le référentiel de l’image SAR. C’est un choix qui a été effectué pour l’ensemble des jeux de données utilisés : en effet, les images complexes SAR peuvent subir par la suite un certain nombre de prétraitements, comme l’estimation des matrices de cohérence, qui nécessitent de garder les phases des signaux complexes préservées. Comme l’interpolation de données complexes est une tâche assez délicate, nous avons préféré recalculer les signaux LIDAR réels dans le domaine de l’image SAR plutôt que l’in-verse.

La qualité de coregistration des données par géoréférencement dépend fortement de la précision des données auxiliaires. Pour les images aériennes SAR avec résolution in-férieure à un mètre, le géoréférencement est difficile et nécessite un modèle d’élévation numérique fiable, des paramètres d’acquisition et une trajectoire précise.

Le recalage de nos données de Suède a été testé avec 3 modèles d’élévation pour dé-finir la grille de l’image SAR : le SRTM 90m, les données de DEM initiales fournies par l’université suédoise des sciences agricoles (SLU) sur une grille de 10m, et le DTM fourni à 50 cm de résolution par les données du LIDAR lui-même (ces DTM sont représentés sur la figure 4.3).

La coregistration avec le SRTM 90 mètres mène à des écarts locaux de superposition des objets pouvant aller jusqu’à 50m lorsqu’on le superpose au lidar. Cet écart peut s’ex-pliquer par la faible résolution du DTM et le biais du SRTM sur la forêt, qui comprend, comme expliqué au chapitre précédent, un biais causé par la présence des arbres et des bâtiments.

CHAPITRE 4. ANALYSE DES DONNÉES ET TRAITEMENTS PRÉLIMINAIRES

Le DTM lidar de 10m, acquis par l’Agence Suédoise de Recherche en Défense (FOI) et utilisé par l’ONERA pour traiter les images SAR, génère localement des erreurs de géomé-trie allant jusqu’à 30m. Enfin, Le DTM lidar de 0,5m, traité par le SLU à partir des nuages