Méthodologie de l’algorithme de cartographie des glaces de mer avec MODIS

AVHRR Visible et IRT 1 jour 1,1 km

7.3 Méthodologie de l’algorithme de cartographie des glaces de mer avec

MODIS

L’algorithme, nommé IceMap250 (Gignac et al., 2017), fournit une cartographie journalière de la présence de glace à partir de l’imagerie visible et PIR et ce, à une résolution spatiale de 250 m.

Les données MODIS de la collection 6 à résolution de 1 km (MOD021KM), 500 m (MOD02HKM), 250 m (MOD02QKM), un masque de nuages (MOD35_L2) ainsi que les informations de géolocalisation (MOD03) sont nécessaires pour lancer IceMap250.

Un algorithme obtenu auprès du Centre Canadien de Télédétection (Trishchenko et al., 2006) permet de désagréger (en anglais : downscale) les données des bandes 3 à 7 de MODIS qui sont à une résolution spatiale de 500 m vers une résolution de 250 m (figure 51) en réflectances exo-atmosphériques (en anglais : Top-of-Atmosphere reflectances ou TOA).

La transformation vers des réflectances de surface, grâce à une approche de correction atmosphérique n’a pas été réalisée étant donné le volume important d’images à traiter, l’importance d’une cohérence entre les scènes adjacentes utilisées pour cartographier la glace pour une seule journée (c.-à-d. jusqu’à 3 scènes pour couvrir le HBS) et par le fait que l’approche utilise les seuils naturels (présentés plus bas) qui reposent principalement sur le contraste entre l’eau et la glace, ce dernier étant très peu altéré par les corrections atmosphériques.

105

généré pour chacune des scènes MODIS disponibles. Il est reconnu comme inconstant et tends à sous-estimer la couverture nuageuse au-dessus de la glace et à surestimer la couverture nuageuse au-dessus de l’eau (Chan et al., 2013).

Pour maximiser l’étendue cartographiée, un masque de visibilité a été développé (VIS). Une différence normalisée est calculée entre les bandes thermiques 20 et 32 (équation 50), reconnue comme respectivement sensibles aux températures de la surface et des nuages (Kilpatrick et al., 2015). La distribution des résultats est ensuite centrée et mise à l’échelle et les pixels présentant une valeur plus grande que 0,5 sont considérés comme visibles (équation 50). Le masque VIS est volontairement trop permissif car ce dernier est utilisé uniquement afin de récupérer les pixels que le masque MOD35 aurait rejeté et qu’il est possible d’identifier comme étant de l’eau libre, pixels qui présentent un fort contraste avec la couverture nuageuse.

Figure 50: Résultat en composé coloré couleurs réelles de la désagrégation spatiale du produit MODIS à 500m (A) vers une résolution spatiale de 250m (B) grâce à l’algorithme du CCT (Trishchenko et al., 2006)

𝑅 (𝐵20 𝐵32 ) = (𝐵20− 𝐵32)/(𝐵20+ 𝐵32) (50) 𝑉𝐼𝑆 = 𝑅 (𝐵_𝐵20 32) − 𝜇 𝜎 , 𝑜𝑢 𝑉𝐼𝑆 > 0,5 𝑒𝑠𝑡 𝑣𝑖𝑠𝑖𝑏𝑙𝑒 (51)

Où B20 et B32 sont les températures de brillances mesurées respectivement en bande 20 et 32, μ est la valeur moyenne des différences normalisées B20/B32 mesurées et σ l’écart-type de la distribution des différences normalisées B20/B32 mesurées.

106

Chacun des masques est appliqué distinctement aux bandes spectrales désagrégées à 250 m de MODIS, générant ainsi deux jeux de données, les données masquées MOD35_L2 et les données masquées VIS (figure 51). L’algorithme IceMap250 est appliqué distinctement à ces deux jeux de données, des approches de fusion étant appliquées post- classification afin de maximiser l’étendue cartographiée.

Figure 51: Application des masques MOD35 et VIS a des scènes tirées de différents jours de l’année (en anglais: Day of Year ou DOY) correspondants à l’une des trois périodes dynamiques de la glace de mer.

Le premier paramètre utilisé pour la discrimination eau/glace est la différence normalisée NDSII-2 (Keshri et al., 2008) qui fait appel aux bandes du vert et du PIR (équation

107

52). Ce ratio présente un pouvoir discriminant plus grand que le NDSI (Dozier, 1989), originalement utilisé dans l’algorithme IceMap (Hall et al., 2001). Le NDSII-2 présente également l’avantage d’être applicable tant sur MODIS-Terra que MODIS-Aqua, ce dernier présentant une défectuosité de fonctionnement de la bande IR ondes courtes (bande 6) utilisée pour le calcul du NDSI.

𝑁𝐷𝑆𝐼𝐼 − 2 = (𝑉𝑒𝑟𝑡 − 𝑃𝐼𝑅)/(𝑉𝑒𝑟𝑡 + 𝑃𝐼𝑅) (52)

La première étape de l’algorithme consiste à appliquer un premier seuil, basé sur la méthode des seuils naturels de Jenks (Jenks, 1967), sur les données NDSII-2 afin de discerner deux classes. Les données qui se retrouvent dans la classe 1 (valeurs les plus faibles) seront associées à la glace, cette dernière ayant une valeur NDSII-2 qui tendra vers 0. Les données dans la classe 2 (valeurs les plus élevées) seront, à l’opposé, associées à l’eau. Prétextant un contraste marqué entre les pixels d’eau et les pixels de glace, l’utilisation des seuils naturels constitue une approche cohérente de discrimination dans ce cas précis d’utilisation.

La seconde étape de l’algorithme vise à appliquer un second seuil utilisé pour la discrimination eau/glace sur la réflectance exo-atmosphérique (TOA) dans la bande verte. Un seuil de 17 %, initialement proposé par Riggs et al. (1999) est utilisé dans IceMap250. Le choix de ce seuil a été validé en vérifiant, à l’aide de 220 points capturés aléatoirement sur une banque de 11 images réparties entre des englacements, fontes et périodes stables, les réflectances exo-atmosphériques associées au pixel selon qu’il soit de classe eau ou glace, grâce à une classification réalisée par photo-interprétation manuelle (figure 52). Le seuil de 0,17 est justifié par le fait que, dans la bande verte, la neige tend à présenter une réflectance élevée contrairement à l’eau (voir la figure 47 au chapitre 6). Les pixels catégorisés de type glace selon les seuils naturels (étape 1), doivent satisfaire le seuil de 17 % de TOA en bande verte (étape 2). Si leur réflectance TOA est inférieure à 17 %, ils sont reclassés comme étant de l’eau. Si leur réflectance exo-atmosphérique est supérieure, ils conservent le statut « glace ».

La dernière étape de l’algorithme consiste à fusionner les cartes correspondantes produites à partir des données masquées MOD35_L2 et masquées VIS. Les pixels « glaces » des données MOD35_L2 et les pixels « eau » des données VIS sont fusionnés dans un seul et même fichier final, nommé carte composite. Ensuite, une fusion des produits composites,

108

générés pour une même date est réalisée, joignant ainsi toutes les observations du HBS pour une date donnée dans un seul et même produit journalier (carte finale).

Figure 52: Réflectances exo-atmosphériques relevés aléatoirement sur 220 points de validation de classe eau ou glace. Figure tirée de Gignac et al. (2017)

Enfin, il est possible d’utiliser l’ensemble des cartes finales produites par IceMap250 pour une durée donnée (semaine ou mois) et d’en produire une carte de synthèse grâce à une fonction de type majorité (c.-à-d. la carte présente la valeur la plus fréquente durant la période évaluée). C’est d’ailleurs de cette manière que les cartes IceMap250 hebdomadaires sont générées, ce qui permet d’améliorer l’étendue cartographiée comparativement au produit journalier. La figure 53 synthétise les étapes de l’algorithme.

109

Figure 53: Schéma synthèse de l’algorithme IceMap250. Figure traduite de Gignac et al. (2017)