L’influence de la longueur d’onde

2.2.3 L’influence de la résolution temporelle . . . . 36

2.2.4 Dimensionnalité . . . . 36

2.2.5 Conclusion. . . . 39

2.3 Le capteur MODIS . . . 40

2.3.1 Présentation générale . . . . 40

2.3.2 Les principaux produits MODIS . . . . 40

2.4 Produits optiques de couverture neigeuse . . . 41

2.4.1 Le NDSI . . . . 41

2.4.2 Le démélange spectral appliqué à la neige . . . . 42

2.5 Comparaison des approches NDSI et SU au travers des données MODIS . . . 43

2.5.1 Problématique . . . . 43

2.5.2 Produits fractionnels de neige basés sur les images MODIS . . . . 45

2.5.3 Jeu de données . . . . 47

2.5.4 Méthode pour la comparaison . . . . 50

2.5.5 Résultats . . . . 52

2.5.6 Aparté : L’incertitude apportée par l’aspect binaire de la référence . . . . 62

2.5.7 Discussion . . . . 65

CHAPITRE 2. TÉLÉDÉTECTION OPTIQUE DES SURFACES ENNEIGÉES

CHAPITRE 2. TÉLÉDÉTECTION OPTIQUE DES SURFACES ENNEIGÉES

2.1 Introduction

Le principal objectif de ce chapitre consiste à traiter la détection des surfaces couvertes par de

la neige via les capteurs multispectraux spatiaux. Pour cela un certain nombres d’approches ont

été développées et ont permis des avancées significatives dans la précision de ce type

d’observa-tion au cours du temps. Cependant avant de pouvoir éventuellement apporter des améliorad’observa-tions

à ces différentes techniques, il est nécessaire de comprendre leur fonctionnement, leurs

dépen-dances et leurs limitations, tout en évaluant leur précision. Nous verrons dans un premier temps

ce qu’il est possible d’observer sur des images optiques hyperspectrales, multispectrales et

pan-chromatiques. Cela nous permettra d’évaluer le type de grandeur que nous pourrons par la suite

étudier avec chaque capteur et plus particulièrement MODIS. Nous étudierons ensuite une

par-tie des techniques développées depuis l’apparition du satellite MODIS. Celles-ci se répartissent

en deux grandes classes que sont le NDSI et le démélange spectral. Nous verrons comment ces

approches sont appliquées aux différents satellites qui sont actuellement en orbite et nous nous

poserons la question de l’évaluation de la fiabilité de ces produits d’observation de la neige dérivé

des observations. Afin de répondre à cette question nous présenterons l’étude effectuée sur les

produits issus du capteur MODIS embarqué sur le satellite Terra et dont une partie des résultats

présentés ici a été publiée dansMasson et al.[2018b]. Ces résultats nous amèneront à identifier

différentes limitations, dont certaines sont critiques et proviennent de l’observable, tels que la

neige en forêt, et d’autres où il parait envisageable d’apporter des améliorations directement à la

conception des méthodes.

2.2 Que peut-on voir sur les images optiques dans le visible et le proche

infrarouge ?

Suivant les propriétés du matériau neige, notre choix s’est porté sur les images optiques.

Ce-pendant il existe un grand nombre d’images optiques disponibles, avec différentes résolutions

spatiales, spectrales et temporelles. Il est alors possible d’observer différents détails en fonction

de l’image utilisée. Cette section présente à la fois une partie des images utilisées par la suite, mais

également un ensemble de détails observables sans opérations importantes sur les images. Nous

verrons ainsi ce qu’apporte l’acquisition sur différentes bandes spectrales, les résolutions spatiales

et leur impact sur la définition d’un environnement, ce que la temporalité montre et pour finir

cer-tains aspects intrinsèques à l’image tel qu’une première approximation de sa dimensionnalité.

2.2.1 L’influence de la longueur d’onde

Nous avons vu que la neige avait une réflectance changeante en fonction de la longueur d’onde

observée. La plupart des capteurs que nous utiliserons étant multispectraux ou hyperspectraux, il

est possible de voir cette différence. Ainsi sur la Figure2.1que la bande 2 du satellite Sentinel-2

(centrée à 496.6 nm dans le visible) permet d’identifier les zones enneigées qui ressortent en blanc

car beaucoup plus réflectives. Le reste de l’environnement composé de roches et de végétation est

lui très absorbant. Au contraire la bande 11 (centré à 1613,7 nm dans l’infrarouge) montre un effet

inverse avec une neige qui absorbe quasiment l’intégralité des rayonnements et une végétation

beaucoup plus lumineuse.

Nous utilisons ici une représentation matricielle, cependant les données obtenues peuvent

être vues comme un cube de données, avec pour chaque pixel une "profondeur" correspondant

à sa réflectance dans les différentes bandes de l’acquisition (10 dans le cas de celle-ci). On peut

alors manuellement explorer les spectres de l’image. Nous avons représenté sur la Figure 2 trois

spectres, deux de neige et un de végétation, que nous avons pu isoler sur l’image. Nous pouvons

observer la différence entre les deux spectres de neige, le second étant « sale », c’est-à-dire soit

re-couvert de roche soit d’impuretés, expliquant la décroissance générale dans le visible de la

réflec-tance. Le spectre de végétation est en accord avec les spectres théoriques. Ces spectres expliquent

CHAPITRE 2. TÉLÉDÉTECTION OPTIQUE DES SURFACES ENNEIGÉES

F

IGURE

2.1 – Réfléctance de la bande 2 (centré à 496.6nm, gauche) et de la bande 11 (centré à 1613.7nm,

CHAPITRE 2. TÉLÉDÉTECTION OPTIQUE DES SURFACES ENNEIGÉES

bien la différence de réflectance observé sur les images de la Figure2.1.

F

IGURE

2.2 – A gauche la réflectance en fonction de la longueur d’onde pour trois pixels issus de l’acquisition

Sentinel-2 de la Figure2.1dont deux sont associés à la neige et un à de l’herbe. A droite la radiance pour

trois matériaux comparables issus de l’image hyperspectrale de la Figure

La multiplication des bandes spectrales permet de combler les vides entres les points

pré-sentés sur la Figure2.2de gauche. Celle-ci présente 10 bandes spectrales, mais certaines

acquisi-tions aéroportées permettent d’exploiter plus de 600 bandes différentes. C’est notamment le cas

de l’acquisition EUFAR 15/28 effectué au-dessus du massif du Mont-Blanc. Différentes

visualisa-tions sont alors possibles en fonction des bandes utilisées pour la composition RGB (Figure2.3).

cela permet également de combler les espaces vides dans les spectres de réfléctance de la Figure

Dans le document Fusion de données de télédétection haute résolution pour le suivi de la neige (Page 46-50)