HAL Id: hal-02598753
https://hal.inrae.fr/hal-02598753
Submitted on 16 May 2020HAL is a multi-disciplinary open access
archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Télédétection de paramètres physico-chimiques et
biologiques de plans d’eau: état de l’art et étude de cas
sur la température de surface
R.N. Simon
To cite this version:
R.N. Simon. Télédétection de paramètres physico-chimiques et biologiques de plans d’eau: état de l’art et étude de cas sur la température de surface. Sciences de l’environnement. 2013. �hal-02598753�
0
Ricardo Nouailhetas SIMON
Maître de stage : Thierry TORMOS
Tutrice de stage : Valérie DEMAREZ
Date de soutenance : septembre 2013
Institut national de Recherche en Sciences et Technologies pour l’Environnement et l’Agriculture (IRSTEA)
Office National de l’Eau et des Milieux Aquatiques (ONEMA)
Master 2 Aménagement du Territoire et Télédétection de Toulouse-Auch (M2 A3TA) – Université Paul Sabatier Toulouse III
Télédétection de paramètres physico-chimiques et biologiques de plans d'eau :
1
REMERCIEMENTS
Je tiens à remercier tout le personnel des centres IRSTEA de Lyon-Villeurbanne et d’Aix-en-Provence que, d’une façon ou d’une autre, m’ont aidé à accomplir mon stage dans les meilleures conditions.
Plus particulièrement, je voudrais remercier :
Mon maître stage, Thierry TORMOS, pour ses conseils et ses orientations, pour son enthousiasme et sa disponibilité sans faille, pour avoir toujours essayé d’assurer la suite de ce projet, pour le lourd travail de révision de ce mémoire et pour m’avoir ouvert les portes de la recherche.
Mon co-maître de stage, Pierre-Alain DANIS, pour nous avoir mis à disposition les données de terrain et pour les innombrables discussions pertinentes à l’accomplissement de mon stage.
Yves SOUCHON, directeur de recherche et responsable de l’équipe LHQ du centre IRSTEA de Lyon-Villeurbanne, pour m’avoir accueilli avec sympathie et
professionnalisme au sein de son équipe.
André CHANDESRIS, pour son soutien et pour m’avoir invité à la seule sortie de terrain de mon stage.
Jean-Marc BAUDOIN, directeur du Pôle d’Aix-en-Provence, pour son soutien au projet et pour m’avoir invité à faire une intervention lors du Séminaire
ONEMA/IRSTEA Plans d’Eau du 28 au 30 mai 2013.
Laurent VALETTE pour son aide à débloquer des problèmes sur ArcGIS, Martial FERREOL et Jérémy PIFFADY pour leur aide sur des questions
mathématiques, Jean-Philippe VIDAL pour nous avoir aiguillé vers les données météorologiques ERA Interim, et Kris VAN LOOY, Mathieu CASSEL, Marta
PRIETO-MONTES, Marion POULAIN et Bertrand VILLENEUVE pour leur soutien et pour leur sympathie sans faille.
Toute l’équipe enseignante du Master 1 Écologie et du Master 2 A3TA de l’université Paul Sabatier Toulouse III, et en particulier ma tutrice de stage, Valérie
DEMAREZ, et le responsable de la formation, Patrick MORDELET, pour leurs enseignements.
Mes collègues de Master 1 Écologie et de Master 2 A3TA, pour leur amitié et leur support.
Ma famille et mes amis, dont le soutien et la foi qu’ils ont en moi m’ont permis de traverser deux années ardues… Enfin, le Tao, ou qui/quoi/quel que ce soit, pour le voyage jusqu’ici.
En couverture : température de surface le 18/10/2012 pour le Lac de Bimont (latitude : 43.54053°, longitude : 5.53654°). Sources des images : Institut
2
Table des matières
PRESENTATION DES STRUCTURES D’ACCUEIL ... 3
INTRODUCTION ... 3
CHAPITRE I. ETAT DE L’ART ET INVENTAIRE DES DONNEES ... 5
I.1. ETAT DE L’ART ... 5
I.1.1 Critères de recherche bibliographique... 5
I.1.2 Les paramètres physico-chimiques et biologiques de plans d’eau suivis par télédétection ... 6
I.1.3 Les méthodes du domaine de l’optique ... 8
I.1.4 Les méthodes du domaine de l’infrarouge thermique (IRT) ... 11
I.1.5 Bilan : questions de recherche en suspens avant l’opérationnalisation ... 12
I.2. INVENTAIRE DES DONNEES DISPONIBLES EN FRANCE METROPOLITAINE ... 15
I.2.1 Aperçu des capteurs utilisés en télédétection de plans d’eau... 15
I.2.2 Les images disponibles pour les domaines de l’optique et de l’infrarouge thermique ... 16
CHAPITRE II. ETUDE DE CAS : TEMPERATURE DE SURFACE ... 19
II.1. INTRODUCTION ... 19
II.2. ARTICLE EN PREPARATION: « Retrieving water surface temperature from archive LANDSAT thermal infrared data: application of the mono-channel emissivity and atmospheric correction algorithm over two waterbodies in France » ... 19
CONCLUSIONS ET PERSPECTIVES ... 32
ANNEXE A ... 33
ANNEXE B ... 40
ANNEXE C ... 44
ANNEXE D ... 53
3
PRESENTATION DES STRUCTURES D’ACCUEIL
Le stage dont ce mémoire est l’accomplissement a été réalisé au sein du pôle ONEMA/IRSTEA d’Hydroécologie des Cours d’Eau (centre IRSTEA de Lyon-Villeurbanne) en collaboration avec le pôle ONEMA/IRSTEA d’Hydroécologie des Plans d’Eau (centre IRSTEA d’Aix-en-Provence).
L’Institut national de Recherche en Sciences et Technologies pour l’Environnement et l’Agriculture (IRSTEA), ancien Centre national du Machinisme Agricole, du Génie Rural et des Eaux et Forêts (CEMAGREF), est un établissement public à caractère scientifique et technologique placé sous la double tutelle du ministère en charge de l’agriculture et du ministère en charge de la recherche scientifique, et titulaire d’une convention avec le ministère en charge de l’écologie. L’activité de l’institut est caractérisée par une recherche pluridisciplinaire et finalisée d’appui aux politiques publiques agro-environnementales, et construite dans le cadre du développement durable en partenariat avec des porteurs d’enjeux de société publiques et privés (IRSTEA 2013).
Le centre IRSTEA de Lyon-Villeurbanne se caractérise par des activités de recherche et d’appui aux politiques publiques dans le domaine de l’eau. Plus particulièrement, le pôle ONEMA/IRSTEA d’Hydroécologie des Cours d’Eau fourni une expertise scientifique et technique aux politiques publiques pour la gestion durable et équilibrée des cours d’eau, en particulier pour la mise en œuvre de la Directive Cadre Européenne sur l’Eau (DCE).
Le centre IRSTEA d’Aix-en-Provence réalise des recherches dans le domaine des risques associés aux pratiques de gestion des écosystèmes terrestres et aquatiques, et aux interactions de ces écosystèmes avec certains ouvrages (barrages, digues, systèmes d’irrigation, centrales nucléaires). L’équipe Écosystèmes Lacustres de l’unité de recherche Hydrobiologie (HYAX), intégrée au pôle ONEMA/IRSTEA d’Hydroécologie des Plans d’Eau, vise à l’amélioration des connaissances par la construction de protocoles et d’indicateurs pour qualifier l’état d’un plan d’eau, la mise au point de méthodes et d’outils de diagnostic, un appui technique aux acteurs de terrain sur des opérations de gestion complexes, et la diffusion et la valorisation des connaissances opérationnelles et des outils.
INTRODUCTION
La Directive Cadre Européenne sur l’Eau du 23 octobre 2000 vise à donner une cohérence à l’ensemble de la législation européenne portant sur l’eau. Elle
définit un cadre pour la gestion et la protection des eaux par grand bassin hydrographique au plan européen, l’objectif majeur étant d’atteindre un « bon état écologique » des eaux superficielles (eaux douces et eaux côtières) en 2015 (MEDDE 2013).
Un des enjeux majeurs pour maintenir l’intégrité des écosystèmes lacustres (c’est-à-dire, leur bon état écologique) est d’améliorer et d’enrichir les
connaissances dans l’espace et dans le temps de leurs caractéristiques physico-chimiques et biologiques (température, chlorophylle-a, turbidité,
macrophytes…). Cette information est indispensable à la compréhension du fonctionnement de ces écosystèmes, à l’évaluation de leur état écologique et à l’identification des causes naturelles et anthropiques de leur altération.
4
Actuellement, les mesures in situ (via les réseaux de surveillance DCE) ne sont pas assez riches pour connaître objectivement la dynamique spatio-temporelle des caractéristiques physico-chimiques et biologiques des plans d’eau français. L’information se résume à quelques mesures ponctuelles effectuées 4 à 6 fois sur une année par plan de gestion de 6 ans. De plus, malgré les prérogatives des protocoles de mesure, la fréquence des suivis varie d’un plan d’eau à un autre, et aucune information n’est recueillie pendant la période hivernale. L’information disponible est donc lacunaire, hétérogène etnon informative pour des périodes clés de fonctionnement, ce qui limite fortement la capacité à évaluer de façon fiable l’état écologique de plans d’eau et
à diagnostiquer les altérations de fonctionnement de ces écosystèmes. Par ailleurs, ces mesures sont réalisées uniquement sur les plans d’eau DCE (c’est-à-dire, de surface supérieure à 50 ha), soit un manque d’information pour environ un tiers des plans d’eau français.
La télédétection apporte, grâce à une vision spatialement synoptique et temporellement régulière, une information stable, fiable et à moindre coût sur de grands territoires. Pour les plans d’eau, des nombreux travaux depuis les années 90 montre que l’information issue des données de télédétection permet le suivi de paramètres physico-chimiques et biologiques (LE et al. 2013, SHI et al. 2013, TRESCOTT and PARK 2013, MALTHUS et al. 2012, BRESCIANI et al. 2011, REIF 2011, GITELSON et al. 2007, RITCHIE et al. 2003, DEKKER et al. 2001b, GIARDINO et al. 2001, K. SCHNEIDER and MAUSER 1996, RITCHIE et al. 1990, JAQUET 1989). Aujourd’hui, grâce aux progrès des capteurs depuis une trentaine d’années, des séries d’images satellitaires sont disponibles pour suivre les
variations spatio-temporelles des paramètres physico-chimiques et biologiques dans le temps.
Afin d’améliorer l’information disponible sur ces paramètres pour les plans d’eau français, il est donc intéressant d’évaluer les potentialités de la télédétection optique, thermique et d’hyperfréquences. C’est actuellement un des axes de recherche commun aux deux pôles ONEMA/IRSTEA. Un stage a été donc proposé pour étudier les potentialités de la télédétection pour le suivi des plans d’eau en France.
Le premier objectif de ce stage a été de réaliser un état de l’art sur l’extraction et le suivi de paramètres physico-chimiques et biologiques en mettant l’accent sur le degré d’opérationnalité des méthodes, puis de dresser un inventaire des données disponibles en France métropolitaine. Cet objectif est l’objet du premier chapitre de ce mémoire. Le deuxième objectif a été de commencer à concevoir des méthodes opérationnelles de prétraitement et de traitement d’images à partir des conclusions issues de l’état de l’art et de l’inventaire des données. Compte tenu de la durée du stage (6 mois), un premier travail a été réalisé uniquement pour le paramètre température de surface sur deux plans d’eau disposant de données de terrain pour valider les méthodes. Ce travail, voué à être publié, est l’objet du deuxième chapitre.
5
CHAPITRE I.
ETAT DE L’ART ET INVENTAIRE DES DONNEES
I.1.
ETAT DE L’ART
I.1.1 Critères de recherche bibliographique
L’état de l’art s’est basé uniquement sur des travaux publiés dans des journaux internationaux. Il a été réalisé grâce aux moteurs de recherche Scopus, Web of Knowledge et Google Scholar à partir de combinaisons des mots-clés suivants : « lake*», « waterbod* », « reservoir* », « water quality », « water quality parameters », « remote sensing », « remote* », « sens* » et « surface temperature ». Cette recherche a été réalisé pour la période de 1970 (début des programmes d’envergure en télédétection tel que LANDSAT) jusqu’à à nos jours. 134 articles ont été ainsi retenus et sont listés dans l’annexe A (à ne pas confondre avec la liste de références bibliographiques). La figure 1 montre l’évolution de cette littérature durant cette période. Ce travail n’est bien évidemment pas exhaustif, principalement car la littérature grise1 n’a pas été prise en compte. Cependant, il en considère suffisamment pour être représentatif de la tendance globale de ces dernières années. On constate ainsi une forte augmentation de l’intérêt pour le sujet à partir du début des années 2000 jusqu’à nos jours, liée à l’arrivée de nouveaux capteurs et de nouvelles méthodes, à l’amélioration des techniques de traitements de données et aux progrès informatiques en matière de temps de calcul et de stockage.
Figure 1. Évolution de la littérature portant sur la télédétection de paramètres physico-chimiques et biologiques de plans d’eau.
1
La littérature grise est, selon l’Association Française de Normalisation (AFNOR), tout « document dactylographié ou imprimé, produit à l'intention d'un public restreint, en dehors des circuits commerciaux de l'édition et de la diffusion et en marge des dispositifs de contrôle bibliographiques ». Exemples de littérature grise : rapports d'études ou de recherches, actes de congrès, thèses, brevets, etc.
0 2 4 6 8 10 12 14 16 N o mbre d 'a rti cl es Année
6
I.1.2 Les paramètres physico-chimiques et biologiques de plans d’eau suivis par télédétection
À l’exception de la température de surface, qui relève de la télédétection infrarouge thermique (IRT), tous les paramètres physico-chimiques et biologiques relèvent de la télédétection optique. Aucun de ces paramètres n’est suivi par la télédétection d’hyperfréquences.
En télédétection infrarouge thermique, le signal enregistré par le capteur est directement converti en température de surface, relative aux premiers 100 µm de profondeur (LAMARO et al. 2013, P. SCHNEIDER and HOOK 2012, ARP et al. 2010, KAY et al. 2005, WOOSTER et al. 2001, K. SCHNEIDER and MAUSER 1996, LEDREW and FRANKLIN 1985).
En télédétection optique, le principe est que la signature spectrale d’un pixel en eau est corrélée à la concentration d’un ou de plusieurs paramètres d’intérêt qui y sont présents. Ainsi, ces paramètres peuvent être suivis car chacun d’entre eux présente, théoriquement, une signature spectrale particulière, caractéristique et spécifique. Le signal enregistré par le capteur est ainsi mis en relation aux concentrations grâce à des modèles statistiques ou déterministes. Les paramètres listés ci-dessous sont suivis grâce à ces méthodes :
la concentration en chlorophylle-a (Chl-a), indicateur de la concentration en phytoplancton de l’eau (LESHT 2013, SHI et al. 2013, DUAN et al. 2008,
BREZONIK et al. 2005, HEDGER et al. 2002, ALLEE and JOHNSON 1999, LATHROP JR and LILLESAND 1986) ;
la concentration en matière en suspension (MES), la masse totale de particules organiques (détritus et phytoplancton) et inorganiques (minéraux)
présentes par volume d’eau (LONG and PAVELSKY 2013, SUN et al. 2013, GIARDINO et al. 2010, ZHOU et al. 2006, DEKKER et al. 2002, HARRINGTON JR et al. 1992) ;
la matière organique dissoute colorée (MODC), composée d’acides humiques et fulviques issus de la dégradation de la matière organique et, selon
la méthode utilisée, de détritus organique également (KUTSER 2012, TIAN et al. 2012, BREZONIK et al. 2005, KALLIO et al. 2001, DEKKER and PETERS 1993) ;
la transparence de Secchi (TS), une mesure de la clarté de l’eau, définie comme la profondeur à laquelle un disque blanc n’est plus visible à l’œil nu
lorsqu’il est progressivement submergé (HICKS et al. 2013, DOMÍNGUEZ GÓMEZ et al. 2009, OLMANSON et al. 2008, G. WU et al. 2008, PECKHAM and LILLESAND 2006, DEKKER et al. 1996) ;
la turbidité, une autre mesure de la clarté de l’eau, mesurée en tant qu’unités d’atténuation de lumière (M. WANG et al. 2012, ALCÂNTARA et al.
2009, KOPONEN et al. 2002, HARRINGTON JR et al. 1992) ;
les efflorescences algales, principalement de cyanobactéries à partir de la concentration du pigment phycocyanine (TEBBS et al. 2013, TRESCOTT
and PARK 2013, GÓMEZ et al. 2011, M. WANG et al. 2011, VINCENT et al. 2004) ;
la concentration en matière inorganique en suspension (MIS), mesurée souvent indirectement à partir de la concentration totale de matière en
7
les concentrations en oxygène, en phosphore et en azote, mesurées souvent de façon indirecte car, selon leur modalité d’occurrence, ilsn’affectent pas la couleur ou la clarté de l’eau (J. CHEN and QUAN 2012, KARAKAYA et al. 2011, ALPARSLAN et al. 2007) ; et
les macrophytes, terme générique pour les plantes vasculaires aquatiques visibles à l’œil nu (FUSILLI et al. 2013, HUNTER et al. 2010).
La figure 2 donne la fréquence d’études par télédétection des paramètres de suivi les plus utilisés pour caractériser la qualité écologique de plans d’eau. On remarque que la concentration en Chl-a est le paramètre le plus étudié, car il définit l’indice d’état trophique (indice de l’intensité de la production primaire dans une masse d’eau) et par conséquent la qualité globale de l’eau (GONS 1999). Suivent à peu près avec les mêmes fréquences la MES, la TS et la température de surface. La TS présente l’avantage d’être facilement saisie sur le terrain, à tel point qu’elle peut y être mesurée de façon acceptable par des non spécialistes (KLOIBER et al. 2002b). Quant à la température de surface, elle exhibe des réponses rapides et directes aux fluctuations environnementales qui font d’elle un bon indicateur du changement climatique (ADRIAN et al. 2009). Moins fréquent sont les études portant sur la MODC, en raison des difficultés techniques liées à sa signature spectrale (MATTHEWS 2011). Enfin, encore moins nombreuses sont les études portant sur les paramètres suivis de façon indirecte (concentrations en azote, en phosphore et en oxygène) et ceux dont le suivi est encore dans un stade plus ou moins embryonnaire de développement (efflorescences algales et macrophytes).
Figure 2. Fréquence d’études par télédétection de paramètres physico-chimiques et biologiques de plans d’eau. La somme dépasse 100% car des nombreux articles traitent simultanément de plusieurs paramètres. Chl-a : chlorophylle-a ; EA : efflorescences chlorophylle-algchlorophylle-ales, MES : mchlorophylle-atière en suspension ; MIS : matière inorganique en suspension ; MODC : matière organique dissoute colorée ; NPO : azote, phosphore et oxygène ; Secchi : transparence de Secchi ; Turb : turbidité ; Veg : macrophytes ; T : température de surface.
0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00% 35.00%
Chl-a EA MES MIS MODC NPO Secchi Turb Veg T
Fré
qu
ence
8
I.1.3 Les méthodes du domaine de l’optique
On peut identifier deux grands groupes de méthodes dans le domaine de la télédétection optique pour l’extraction et le suivi de paramètres physico-chimiques et biologiques de masses d’eau continentales :
les méthodes empiriques, basées sur l’utilisation de méthodes de régression statistique entre des données in situ limnologiques (échantillonnage
ponctuel des paramètres d’intérêt) et de télédétection acquises simultanément (CHIPMAN et al. 2009) ; et
les méthodes analytiques, basées sur des modèles bio-optiques qui cherchent à reproduire de manière complète les interactions entre le
rayonnement incident, l’atmosphère et les substances présents dans l’eau (ODERMATT et al. 2012a).
En raison de leur simplicité conceptuelle et pratique, les méthodes empiriques sont plus répandues que les méthodes analytiques, considérées comme plus robustes mais aussi plus difficiles à mettre en œuvre (MATTHEWS 2011).
I.1.3.1. Les approches empiriques : principes et limites
Les méthodes empiriques cherchent à obtenir, à partir d’un échantillon de pixels, la meilleure relation entre le signal capté et les concentrations de paramètres mesurées sur le terrain, afin de l’extrapoler ensuite sur l’ensemble des pixels compris dans le plan d’eau (spatialisation). Pour ce faire, plusieurs techniques statistiques sont utilisées afin d’identifier la bande spectrale ou la combinaison de bandes spectrales qui sont corrélées aux concentrations observées sur le terrain. Ces techniques vont de la régression linéaire simple à des algorithmes plus complexes tels que les réseaux artificiels de neurones (ODERMATT et al. 2012b, SUDHEER et al. 2006, PANDA et al. 2004, BARUAH et al. 2001), les régressions génétiques (M. WU et al. 2009) ou encore les techniques de ségrégation spectrale (ALCÂNTARA et al. 2009, THIEMANN and KAUFMANN 2000). Cependant, le niveau de complexité de ces algorithmes n’offre pas forcément d’amélioration suffisante pour justifier leur difficulté mathématique (MATTHEWS 2011). Cela semble d’autant plus vrai que lorsque l’on considère le contexte opérationnel, où un gain relativement petit en précision pourrait signifier l’inintelligibilité de la méthode sauf pour les spécialistes. La littérature aujourd’hui est assez robuste pour indiquer le choix de bandes et/ou de ratios à utiliser pour la régression en fonction du paramètre étudié (TEBBS et al. 2013, STEFOULI and CHAROU 2012, KLOIBER et al. 2002a) (voir l’annexe B pour une brève discussion). Les ratios de bandes sont préférables car ils donnent des résultats plus précis, car ils permettent de normaliser les signatures spectrales et de réduire (mais non d’éliminer) les bruits associés aux effets atmosphériques (KOPONEN 2006). GIARDINO et al. (2001), par exemple, ont trouvés des coefficients de détermination (r²) de 0,99 pour la chlorophylle-a et de 0,85 pour la transparence de Secchi, avec des erreurs quadratiques moyennes (RMSE) de 0,054 mg/m³ et 0,452 m respectivement. Bien que les méthodes empiriques fournissent normalement des résultats robustes si l’intervalle entre les dates d’échantillonnage in situ et de prise d’image ne dépasse pas trois jours (OLMANSON et al. 2008), leur validité est limitée aux échelles spatiale et temporelle utilisées pour dériver la régression. Autrement dit, les relations établies ne sont pas immédiatement transférables à d’autres plans d’eau à d’autres moments, ni aux mêmes plans d’eau à d’autres moments (DEKKER et al. 2001b). Pourtant, des auteurs ont essayé de contourner ce problème en travaillant par type spectral de plan d’eau (LI et al.
9
2013, SHI et al. 2013, KALLIO et al. 2008, PECKHAM and LILLESAND 2006). Ces auteurs font l’hypothèse que la régression établie sur un ou plusieurs plans d’eau d’un même type est ensuite applicable sur l’ensemble de plans d’eau de ce type (car ils ont les mêmes caractéristiques spectrales). Cette hypothèse est contestable dans la mesure où une même signature spectrale peut être liée à différentes combinaisons de concentrations de paramètres (DEFOIN-PLATEL and CHAMI 2007). De plus, cette approche reste difficile à valider car rien ne garantit qu’une typologie établie à une période donnée soit stable au cours du temps.I.1.3.2. Les approches analytiques : principes et limites
La compréhension exhaustive des méthodes analytiques requiert une connaissance solide en hydrologie optique (voir l’annexe C). Ces approches sont basées sur des modèles bio-optiques établis à partir des :
propriétés optiques inhérentes (POIs) de l’eau, telles que les coefficients d’absorption et de rétrodiffusion de la lumière, qui dépendent des
caractéristiques moléculaires de l’eau pure et des substances présentes. Ces propriétés sont indépendantes de l’intensité et de la direction de la lumière incidente (MOBLEY 2010).
propriétés optiques apparentes (POAs) de l’eau, qui dépendent de l’interaction entre les POIs et la géométrie du champ lumineux (MOBLEY 2010).
On retrouve ici les grandeurs de base de la télédétection, les luminances et les réflectances.
Dans un premier temps, ces modèles sont établis afin de simuler les signatures spectrales d’une masse d’eau pour une gamme de valeurs de concentration de paramètres optiquement actifs (le phytoplancton, la MIS et la MODC) et pour différentes types d’atmosphère (IOCCG 2000). Toutes les données d’entrée nécessaires pour établir le modèle sont, à ce stade, originaires du terrain. Une fois étalonnés empiriquement à partir de données de terrain, les modèles sont utilisés dans le sens inverse pour estimer les concentrations de paramètres à partir des données de réflectance ou de luminance (figure 3). L’étalonnage empirique peut faire appel à des algorithmes mathématiquement plus complexes comme les réseaux artificiels de neurones (IOANNOU et al. 2013, DOERFFER and SCHILLER 2007), les techniques de ségrégation spectrale (OYAMA et al. 2009), ou encore des analyses en composantes principales (SVÁB et al. 2005).
Figure 3. Schéma de l’interrelation entre les propriétés optiques inhérentes (POIs), les propriétés optiques apparentes (POAs) et les substances présentes dans l’eau. Le modèle direct part des concentrations de substances dans l’eau et/ou des POIs pour dériver les POAs. Une fois établi, le modèle d’inversion permet de dériver les concentrations des substances à partir des POAs. Modifié d’après « International Ocean-Color Coordinating Group » IOCCG (2000).
Inversion
Direct
Direct
10
SUN et al. (2013), par exemple, rapportent un r² de 0,79 et un RMSE de seulement 0,00023 mg/m³ pour un modèle basé sur le ratio des concentrations de Chl-a et de MES. Mais au-delà des résultats robustes et d’une connaissance approfondie des interactions entre la lumière et les substances présentes dans l’eau, les méthodes analytiques présentent l’avantage de fournir simultanément les concentrations en Chl-a, en MIS (et non en MES, comme pour les méthodes empiriques2) et en MODC dans des nombreux cas (ODERMATT et al. 2012a). De plus, sous condition d’une caractérisation spatio-temporelle précise des POIs, ces méthodes réduirait considérablement le besoin en échantillonnage sur le terrain pour le suivi de la qualité écologique de plans d’eau (DEKKER et al. 2002).Cependant, le fait qu’il y ait trois variables à déterminer (Chl-a, MIS et MODC) dans le modèle inversé introduit de l’ambiguïté dans la mesure où plusieurs solutions sont possibles (c’est-à-dire, plusieurs combinaisons différentes de valeurs de concentration peuvent donner la même signature spectrale de l’eau) (DEFOIN-PLATEL and CHAMI 2007). Ainsi, une connaissance a priori de la gamme de valeurs de concentration de chaque paramètre pour un plan d’eau
donné est nécessaire afin de sélectionner la solution la plus réaliste (CAMPBELL et al. 2011). De plus, d’autres facteurs de complexité existent : la signature
spectrale de différents paramètres est souvent très similaire, ce qui rend difficile leur distinction (IOCCG 2000), et une erreur commise sur n’importe quel paramètre induit forcément, par répercussion, à des erreurs sur les autres (ODERMATT et al. 2012a).
Ainsi, pour opérationnaliser ces méthodes analytiques, il est impératif de connaître finement les propriétés optiques des masses d’eau d’intérêt, ce qui demande nécessairement un travail initial de campagnes de terrain conséquent (O'DONNELL et al. 2013, MATTHEWS 2011). Ce travail peut être réduit en faisant l’hypothèse que les propriétés optiques, spécifiques aux caractéristiques des substances présentes dans l’eau, sont similaires au niveau régional (IOCCG 2000). Cette hypothèse reste à tester, surtout sachant que la composition des substances peut varier rapidement dans le temps pour les masses d’eau très impactées par les différentes activités anthropiques. De plus, les propriétés optiques d’une même masse d’eau changent au fur et à mesure des fluctuations saisonnières de concentration de paramètres (G. DALL'OLMO and GITELSON 2005), ce qui doit être pris en compte dans un contexte opérationnel de suivi. Enfin, un inconvénient majeur de ces méthodes est le calcul, qui sera toujours complexe et consommateur de temps par rapport aux méthodes empiriques, même à l’aide des méthodes d’optimisation (IOCCG 2000).
Mais quoi qu’il en soit, malgré la simplicité et l’ubiquité des méthodes empiriques, on constate une nette tendance dans la littérature à la préconisation des méthodes analytiques, considérées comme plus robustes et scientifiquement plus crédibles (MALTHUS et al. 2012, ODERMATT et al. 2012a). Un travail de recherche conséquent en France est nécessaire pour essayer d’optimiser l’opérationnalité de ces méthodes.
2
Une certaine confusion règne dans la littérature à propos de quel paramètre, MES ou MIS, on obtient en sortie des modèles analytiques. Le « International Ocean-Color Coordinating Group » (2000), expert dans le domaine, retient la MIS.
11
I.1.4 Les méthodes du domaine de l’infrarouge thermique (IRT)
Ce domaine concerne essentiellement celui de la température de surface, bien qu’il soit également pertinent pour le suivi de la phénologie de la glace. Puisque le signal enregistré peut être converti directement en température, les méthodes de l’IRT sont relativement simples par rapport à celles de l’optique. Le défi est principalement de corriger les effets atmosphériques, dus essentiellement aux effets d’absorption par la vapeur d’eau (KAY et al. 2005). Si la température de surface n’est pas corrigée de ces effets, on parle de la température de brillance (« top-of-atmosphere (TOA) temperature » ou « brightness temperature »).
Il est possible de regrouper les méthodes de corrections des effets atmosphériques en deux grands groupes : les corrections basée sur image (« image-based »), qui n’utilisent que l’information spectrale présente dans les différentes bandes et éventuellement des mesures in situ de concentration de paramètres physico-chimiques et biologiques ; et les corrections par modélisation de l’atmosphère, qui nécessitent des données météorologiques afin de modéliser le processus de transfert radiatif dans l’atmosphère. Les premières sont présentées comme plus faciles à mettre en œuvre, mais font appel à des simplifications qui peuvent induire à des erreurs, tandis que les dernières n’ont pas cette limitation, mais sont considérées comme plus complexe (KAY et al. 2005). Aujourd’hui, des images déjà corrigées des effets atmosphériques sont proposées (par exemple, les produits température de surface MODIS et AVHRR), et des capteurs récemment mis en orbite sont dotés de bandes IRT supplémentaires pour la correction de ces effets (par exemple, LANDSAT 8) (IRONS et al. 2012). Cependant, pour les capteurs ayant une seule bande dans l’IRT, d’autres méthodes de correction sont nécessaires (JIMÉNEZ-MUNOZ et
al. 2009, JIMÉNEZ-MUNOZ and SOBRINO 2003).
À l’instar des méthodes optiques empiriques, il est possible de calculer directement des régressions statistiques entre la température de brillance TOA et des températures de surface in situ, afin que les coefficients de la régression prennent en compte les effets de l’atmosphère (KARAKAYA et al. 2011, LATHROP JR and LILLESAND 1986). Cette approche est cependant moins fréquente dans la littérature, du fait de la disponibilité de produits déjà corrigés (CHAVULA et al. 2009, REINART and REINHOLD 2008, BUSSIÈRES et al. 2002). Pour certains capteurs, le plus souvent possédant une meilleure résolution spatiale (comme LANDSAT et ASTER), des méthodes de correction atmosphérique sont requises si l’on s’intéresse aux valeurs absolues de température de surface (LAMARO et al. 2013, STEISSBERG et al. 2005, HOOK et al. 2004, K. SCHNEIDER and MAUSER 1996). Lorsque l’étude ne s’intéresse qu’aux variations relatives, aucune correction n’est appliquée, sous l’hypothèse que la teneur en vapeur d’eau dans l’atmosphère au-dessus du plan d’eau d’intérêt ne varie pas de façon significative dans le temps (OESCH et al. 2008).
Il est important de tenir en compte que le signal thermique enregistré par le capteur ne correspond qu’à la température de premiers 100 µm de
profondeur de la masse d’eau (HOOK et al. 2003). Pourtant, afin de comprendre le régime thermique des plans d’eau et son impact sur la dynamique du
phytoplancton et de la biodiversité lacustre, il est nécessaire de connaître les variations de la structure thermique pour la totalité de la colonne d’eau. Cela est d’autant plus vrai pour les plans d’eau des moyennes et des hautes latitudes, soumis régulièrement à des processus de stratification thermique et à la présence d’une thermocline (OESCH et al. 2005). Certains auteurs ont ainsi étudié la possibilité de déterminer la température totale d’une masse d’eau à
12
partir des images satellitaires, et ont trouvé qu’il était possible de s’approcher de cet objectif en intégrant des données météorologiques à des modèles reliant la température de surface à la température totale (HOOK et al. 2004, HOOK et al. 2003, THIEMANN and SCHILLER 2003).I.1.5 Bilan : questions de recherche en suspens avant l’opérationnalisation
Le tableau 1 présente un récapitulatif des méthodes optiques et thermiques utilisées pour l’extraction et le suivi des paramètres physico-chimiques et biologiques de plans d’eau. Il donne également les avantages et les inconvénients opérationnels de ces méthodes.
Tableau 1. Bilan des méthodes optiques et thermiques pour l’extraction des paramètres physico-chimiques et biologiques de plans d’eau. Les atouts et
les faiblesses sont relatifs au degré de l’opérationnalité de chaque méthode.
Méthodes Principes Correction
atmosphérique
Besoin en données
d’entrée Atouts Faiblesses
Optiques
Empiriques Régression
statistique Optionnelle
Concentrations de
paramètres Simple, rapide et efficace
Toujours besoin de données de terrain synchrones avec la date de prise d’images
Analytiques Modèle bio-optique Par modélisation de l’atmosphère
POIs et données météorologiques
Plus précise et complète, diminution importante du besoin en données de terrain
Demande des connaissances à priori et un travail initial de relevé terrain conséquent, temps de calcul fastidieux
Thermiques Images brutes Régression statistique ou Loi de Planck : température de brillance
Optionnelle Température de surface
in situ Simple, rapide et efficace
Besoin en données de terrain synchrones avec la date des images, valeurs relatives en sortie Images corrigées Loi de Planck : température de surface Par modélisation de l’atmosphère ou basée sur image
Éventuellement émissivité et données météorologiques
Valeurs absolues en sortie Besoin en données météorologiques
Pour le domaine de l’optique :
Comme on l’a vu précédemment, deux approches se distinguent dans le domaine. Du point de vue opérationnel, les approches empiriques semblent limitées malgré leur efficacité et leur facilité d’application. Elles ne permettent pas, au final, de réduire le coût des méthodes de suivi sur le terrain puisqu’elles requièrent toujours des mesures in situ pour établir les relations. De plus, ces mesures doivent être synchrones aux dates de prise d’images, ce qui diminue fortement l’opérationnalité de ces méthodes. Leur apport par rapport aux méthodes de terrain réside uniquement dans la spatialisation de la
13
concentration de paramètres. Pour améliorer leur caractère opérationnel, il est nécessaire d’évaluer l’hypothèse que l’évolution de la dynamique de paramètres est similaire pour les plans d’eau appartenant à une même classe, qu’elle soit spectrale (c’est-à-dire, ayant une même signature spectrale) ou établie par d’autres moyens. Cette hypothèse validée permettrait de réduire considérablement l’effort d’échantillonnage. Dès lors, le travail de recherche doit se focaliser sur la mise en place d’une typologie des plans d’eau français, ce qui est loin d’être évident compte tenu de leur diversité naturelle et des multiples pressions anthropiques qu’ils subissent.Les méthodes analytiques apparaissent plus prometteuses pour l’opérationnel. En effet, elles permettent de diminuer de façon significative les besoins en mesures in situ une fois les modèles bio-optiques étalonnés et validés, mais le travail d’étalonnage demande un effort initial considérable de relevés sur le terrain. De plus, la question de la stabilité temporelle des POIs est cruciale. Avec quelle régularité faut-il les mesurer ? S’il s’avère que les POIs ne sont pas largement stables au cours du temps, l’intérêt opérationnel des méthodes analytiques perd tout son sens. Aujourd’hui, des réponses claires à ces questions sont nécessaires avant d’opérationnaliser ces méthodes. Enfin, des corrections atmosphériques robustes sont nécessaires, et même si des avancées importantes ont été faites dans ce domaine, il s’agira d’identifier la méthode la plus opérationnelle dans le contexte français. Bien évidemment, ces questions doivent être étroitement menées en fonction de la disponibilité des données de télédétection et météorologiques sur l’ensemble du territoire national.
Pour le domaine de l’infrarouge thermique :
Les méthodes de correction par modélisation de l’atmosphère semblent plus opérationnelles car elles s’affranchissent, par rapport aux méthodes basées sur les régressions statistiques, des mesures in situ une fois le modèle validé. Cependant, bien qu’aujourd’hui des produits corrigés de ces effets sont proposés et que les nouveaux capteurs posséderont des bandes spécifiques pour améliorer ces corrections, un travail non négligeable reste à faire pour bénéficier de l’information contenue dans les séries d’images temporelles d’archive. Cette information historique est essentielle pour la compréhension de l’évolution du fonctionnement des écosystèmes lacustres. À cet égard, les travaux de JIMENEZ-MUNOZ et SOBRINO (2003) et JIMENEZ-MUNOZ et al. (2009) sont prometteurs. À partir de bases de données atmosphériques, ils proposent des modèles déjà étalonnés en fonction de la gamme de variabilité de la teneur en vapeur d’eau dans l’atmosphère. Le chapitre 2 de ce mémoire propose de tester la méthode développée par ces auteurs sur deux plans d’eau français.
Questions transversales :
Quels que soient les méthodes utilisées et les domaines concernés, des nombreuses sources d’erreur sont à prendre en compte (IOCCG 2000) :
1. le non-respect des conditions d’application du modèle (pour une régression linéaire, par exemple, il s’agit de la normalité, la homoscédasticité, l’indépendance et la linéarité des résidus) ou du jeu de données de terrain (par exemple, décalage trop important entre les dates d’échantillonnage et de prise d’image) ;
14
3. les différences d’échelle entre les données in situ et les données de télédétection ;4. les corrections des effets atmosphériques ;
5. l’étalonnage de la luminance et les limitations de précision inhérentes au capteur ;
6. les effets de fond, lorsque la profondeur ou la transparence de l’eau n’est pas suffisante pour empêcher une contribution du fond au signal enregistré par le capteur (mais peu problématique pour la télédétection IRT) ;
7. les effets de surface (réflexion spéculaire, réflexions multiples dues à la présence des vagues et/ou d’une canopée) ; et
8. la présence de pixels mixtes de bordure, dont la signature spectrale est résultante d’une combinaison entre celle de l’eau et celle du sol.
Dans un travail de recherche qui vise à identifier les méthodes d’évaluation des paramètres physico-chimiques et biologiques, la prise en compte de ces sources d’erreurs ne doit pas être oubliée et des efforts doivent être conduits pour les limiter. À noter également que ce travail de recherche ne pourra être efficace que s’il ne s’appuie sur un jeu de données de terrain exhaustif et adapté aux questions posées, et dont l’acquisition demande un temps non négligeable. Aujourd’hui, on ne dispose pas d’un tel jeu de données en France. Pourtant, il est essentiel d’intégrer les besoins de la télédétection aux
campagnes de terrain. Ainsi :
1. les campagnes de terrain doivent, dans la mesure du possible, être réalisées aux dates coïncidant aux prises d’images ;
2. la localisation géographique de points d’échantillonnage doit être enregistrée, afin qu’ils puissent être affectés à des pixels sur l’image ;
3. il est important d’inclure des points d’échantillonnage pris sur des zones suffisamment profondes pour exclure une éventuelle contribution du fond au signal enregistré ;
4. il est essentiel d’échantillonner plus d’un point par date, afin de constituer un jeu de données permettant d’établir et de valider n’importe quelle méthode (pour une même date, une partie du jeu de données servira à établir la régression ou le modèle, l’autre servira à valider la relation et calculer l’erreur) ;
5. les concentrations en Chl-a, en MIS, et en MODC, et des mesures de POAs et de POIs doivent être systématiquement réalisées pour un même point d’échantillonnage afin de permettre la mise en place et la validation des méthodes optiques analytiques ; et
15
I.2. INVENTAIRE DES DONNEES DISPONIBLES EN FRANCE METROPOLITAINE
I.2.1 Aperçu des capteurs utilisés en télédétection de plans d’eau
Divers capteurs sont utilisés en télédétection de paramètres physico-chimiques et biologiques de masses d’eau. Au niveau le plus proximal, il est possible d’utiliser des spectromètres de terrain pour un suivi directement in situ des signatures spectrales (DUAN et al. 2012, XU et al. 2009, G. DALL'OLMO and GITELSON 2005, DEKKER et al. 1992). Ces capteurs présentent l’avantage de permettre la définition par l’utilisateur des bandes spectrales d’enregistrement, et cela normalement avec une très haute résolution spectrale (de l’ordre du nanomètre). Ils sont largement utilisés pour récolter des données d’étalonnage et de validation pour les images d’origine aéroportée et surtout satellitaire (ZIMBA and GITELSON 2006, DOXARAN et al. 2002). Pourtant, puisque ces capteurs ne permettent pas d’avoir une vision synoptique des masses d’eau, leur utilisation opérationnelle n’est pas viable. On ne tiendra donc pas compte de ce moyen de capture dans cet inventaire de données.
Les capteurs aéroportés (c’est-à-dire, dont le vecteur est un avion) permettent de s’affranchir de cette limitation sans perte de résolution spectrale et avec une haute résolution spatiale (de l’ordre du centimètre). Ils autorisent ainsi des études détaillées sur les masses d’eau qui ne sont pas forcément réalisables autrement, ce qui explique le grand nombre d’études ayant utilisé cette source de données (LI et al. 2013, BRESCIANI et al. 2012, MOSES et al. 2012, HUNTER et al. 2010, RANDOLPH et al. 2008, KOPONEN et al. 2002, THIEMANN and KAUFMANN 2002, KALLIO et al. 2001, KELLER 2001, PULLIAINEN et al. 2001). Cependant, il n’est pas évident d’obtenir des données cohérentes au niveau spatio-temporel à partir des capteurs aéroportés, et les coûts associés sont très importants (MATTHEWS 2011). Ces deux limitations font que les capteurs aéroportés ne sont pas utilisables pour le suivi régulier des plans d’eau. On ne tiendra donc pas compte de ce moyen de capture dans cet inventaire de données non plus.
Les capteurs satellitaires permettent de s’affranchir des limitations de capteurs aéroportés, mais proposent généralement des résolutions spatiale, spectrale, radiométrique, voire temporelle plus faibles. Puisque moins couteuses et couvrant plus de territoire en une seule image, on ne tiendra compte que de ce moyen de capture dans cet inventaire de données. Pour l’étude de plans d’eau, on trouve :
des capteurs hyperspectraux (haute résolution spectrale) ou multispectraux (résolution spectrale plus modeste) à très haute ou haute résolution spatiale, comme HYPERION (GIARDINO et al. 2007, S. WANG et al. 2005), CHRIS (GUAN et al. 2012, GÓMEZ et al. 2011), IKONOS (SAWAYA et al. 2003), HJ-1 (SUN et al. 2013, Q. WANG et al. 2010), LISS III (THIEMANN and KAUFMANN 2000), SPOT (DEKKER et al. 2002, 2001a, M. D. YANG et al. 2000), etc. ;
des capteurs multispectraux à résolution spatiale modérée, comme LANDSAT (TRESCOTT and PARK 2013, MCCULLOUGH et al. 2012b, KARAKAYA et
al. 2011, OYAMA et al. 2009) et ASTER (BECKER and DAW 2005); et
des capteurs multispectraux à faible résolution spatiale, comme MODIS (FUSILLI et al. 2013, MCCULLOUGH et al. 2012a, M. WANG et al. 2012, KOPONEN et al. 2004) et MERIS (BINDING et al. 2011, CAMPBELL et al. 2011, MATTHEWS et al. 2010).
16
I.2.2 Les images disponibles pour les domaines de l’optique et de l’infrarouge thermique
Les tableaux 2 et 3 synthétisent les caractéristiques des données satellitaires optiques et thermiques, respectivement, identifiées comme les plus utilisées et/ou les plus pertinentes pour le suivi de paramètres physico-chimiques et biologiques de plans d’eau dans le contexte opérationnel français. Les pourcentages de pixels purs et de pixels mixtes par type d’image ont été estimés à partir d’un échantillon de 319 plans d’eau français.
Ces tableaux montrent qu’il existe souvent un compromis à faire entre les différentes résolutions et l’accessibilité des images. Ainsi, les images caractérisées par des hautes résolutions spatiale et temporelle (Pléiades et SPOT) sont rarement gratuites et/ou facilement accessibles, de sorte que leur utilisation dans un contexte opérationnel reste difficile. Mais à mesure que la résolution spatiale des images diminue, leur accessibilité s’améliore, et parfois sans perte de résolution temporelle (MODIS et MERIS).
Dans le choix des données pour l’optique, il est crucial de prendre en compte également les résolutions spectrale et radiométrique des capteurs. En effet, plus les bandes spectrales sont étroites, plus le capteur sera capable de discerner la réponse spectrale des paramètres d’intérêt (voir l’annexe B), tandis que plus la résolution radiométrique est forte, plus le capteur sera capable de discerner des petites différences d’intensité énergétique (essentiel pour la télédétection de l’eau car sa réponse radiométrique est invariablement faible (JAQUET 1989)). Ainsi, les capteurs à faible résolution spatiale (MODIS et MERIS) sont les plus adaptées pour le suivi des eaux intérieures (OLMANSON et al. 2011). Plus particulièrement, le capteur MERIS proposait, avec une qualité de résolutions spectrale, temporelle et radiométrique quasi-optimales, une meilleure résolution spatiale par rapport à MODIS (300m contre 500m, respectivement) (ODERMATT et al. 2012a, MATTHEWS 2011). Ainsi, des chaînes de traitement complètes et validées pour l’extraction de paramètres physico-chimiques et biologiques sont disponibles pour les images MERIS (GUANTER et al. 2010, RUIZ-VERDÚ et al. 2008b, SCHROEDER et al. 2007b, SCHROEDER et al. 2007a), même si ces chaînes semblent inappropriées pour des plans d’eau tropicaux (CAMPBELL et al. 2011). Malheureusement, on constate d’après le tableau 2 que la résolution spatiale de ces images n’autorise que le suivi d’un nombre limité de plans d’eau en France (plans d’eau trop petits et/ou trop étroits).
On constate aussi que les images LANDSAT, malgré des résolutions spectrale, radiométrique et temporelle relativement grossières (OLMANSON et al. 2011, DEKKER and PETERS 1993), sont très utilisées. Cela s’explique notamment par leur bonne résolution spatiale, leur accessibilité aisée et par la longue continuité de la série temporelle (depuis 1972 pour l’optique et depuis 1982 pour l’infrarouge thermique). En ce qui concerne le contexte français, elles permettent le suivi de presque tous les plans d’eau du type DCE. Ces images présentent par ailleurs un autre avantage : la continuité assurée de la série temporelle, en raison de la très récente mise à disposition des images LANDSAT 8. Ces nouvelles images, tout en étant compatibles à celles d’archive, sont de meilleure qualité grâce à des capteurs plus performants et plus fiables (IRONS et al. 2012). Pour le domaine de l’infrarouge thermique, si l’on constate une perte de résolution spatiale par rapport au capteur précédent, LANDSAT 8 présente néanmoins un avantage capital: la présence de deux bandes IRT, ce qui permet l’utilisation d’algorithmes de correction atmosphérique du type fenêtre divisée (« split-window algorithm ») qui ne demandent pas l’utilisation des données météorologiques (IRONS et al. 2012).
17
Tableau 2. Les images du domaine de l’optique les plus utilisées ou les plus pertinentes pour le suivi des plans d’eau français.
La résolution spectrale correspond au nombre de bandes dans l’optique et aux longueurs d’onde associées ; la résolution spatiale correspond à la taille du pixel au nadir au sol pour les bandes multispectrales (les bandes panchromatiques n’y figurent pas) ; la résolution temporelle correspond à la durée de temps écoulée entre deux prises d’images d’une même cible (avec le début de la série temporelle entre parenthèses) ; et la résolution radiométrique peut être envisagée comme le degré de précision quantitatif du capteur. Le nombre de plans d’eau concernés correspond à une estimation du nombre qui peuvent être suivis par le capteur concerné (c’est-à-dire, des plans d’eau ayant au moins un pixel totalement en eau sur leur surface) ; les pixels en eau sont une estimation du pourcentage total des pixels purement en eau par capteur ; et les pixels mixtes sont une estimation du pourcentage total des pixels mixtes (eau + sol). La fréquence d’utilisation correspond au pourcentage d’articles scientifiques ayant utilisé les images en question (la somme n’atteint pas 100% car certains articles utilisent d’autres types d’image non listées ; voir l’annexe A pour la liste d’articles pris en compte) ; et l’accessibilité concerne le coût et la manière d’obtention des images. En bleu : images disponibles dans l’avenir prochain (2014 - 2016).
Satellite / capteur Résolution spectrale (µm) Résolution temporelle Résolution spatiale Résolution radiométrique (octets/pixel) Nb de plans d’eau concernés Pixels en eau Pixels mixtes (eau + sol) Fréquence d’utilisation Accessibilité Pléiades (nombre : 2) 5 bandes 0,43 à 0,95 1 jour (2012) 2 m 8 ou 16 319/319 (100 %) > 75% < 25% 0 % Payantes / gratuites selon le cas Par commande SPOT (nombre : 7) 5 bandes 0,45 – 0,89 2 à 3 jours (1986) 10 / 6 m (selon le modèle) 8 319/319 (100 %) > 75% < 25% 3,4 % (3/89) Payantes (à partir de $1900 par scène de 360 km²) Par commande LANDSAT MSS / TM / ETM+ 8 bandes 0,45 – 2,35 18/16 jours (1972) 80 / 30 m 8 319/319 (100%) 73,53% / > 75% 26,47% / < 20% 49,4 % (44/89) Gratuites Téléchargement en ligne LANDSAT 8 OLI 9 bandes 0,43 – 2,30 16 jours (2013) 30 m 12 319/319 (100%) > 75% < 25% ---- Gratuites Téléchargement en ligne ENVISAT MERIS 15 bandes 0,39 – 1,04 3 jours (2002 – 2012) 300 m 16 147/319 (46%) 40,65% 59,35% 20,2 % (18/89) Gratuites Par commande TERRA MODIS 19 bandes 0,41 – 2,16 1 jour (2000) 250 / 500 m 12 201/319 (63%) 42/319 (13%) 45,89% 54,11% 15,7 % (14/89) Gratuites Téléchargement en ligne SENTINEL-2 (nombre : 2) MSI 13 bandes 0,43 – 3,00 2 – 5 jours 10 / 20 / 60 m 12 319/319 (100%) > 75% < 25% ---- À confirmer SENTINEL-3 (nombre : 2) OLCI 21 bandes 0,39 – 3,00 2 – 3 jours 300 m 16 147/319 (46%) 40,65% 59,35% ---- À confirmer
18
Tableau 3. Les images du domaine de l’infrarouge thermique les plus utilisées ou les plus pertinentes pour le suivi de plans d’eau.
La résolution spectrale correspond au nombre de bandes dans le thermique et aux longueurs d’onde associées ; la résolution spatiale correspond à la taille du pixel au nadir au sol ; la résolution temporelle correspond à la durée de temps écoulée entre deux prises d’images d’une même cible (avec le début de la série entre parenthèses) ; et la résolution radiométrique peut être envisagée comme le degré de précision quantitatif. Le nombre de plans d’eau concernés correspond à une estimation du nombre qui peuvent être suivis par le capteur concerné (c’est-à-dire, des plans d’eau ayant au moins un pixel totalement en eau sur leur surface) ; les pixels en eau sont une estimation du pourcentage total des pixels purement en eau par capteur ; et les pixels mixtes sont une estimation du pourcentage total des pixels mixtes (eau + sol). La fréquence d’utilisation correspond au pourcentage d’articles scientifiques ayant utilisé les images en question (la somme n’atteint pas 100% car certains articles utilisent d’autres types d’image ; voir l’annexe A pour liste des articles pris en compte) ; et l’accessibilité concerne le coût et la manière d’obtention des images. En bleu : images disponibles dans l’avenir prochain (2014 – 2016).
Satellite / capteur Résolution spectrale (µm) Résolution temporelle Résolution spatiale Résolution radiométrique (octets/pixel) Nb de plans d’eau concernés Pixels en eau Pixels mixtes (eau + sol) Fréquence d’utilisation Accessibilité NOAA AVHRR /2 et /3 B3 : 3,55 – 3,93 B4 : 10,3 – 11,3 B5 : 11,5 – 12,5 12 heures (1978) 1.1 km
10
10/319 (3,1%) 11,95% 88,05% 33,3 % (12/36) Gratuites Téléchargement en ligne Terra MODIS B20 : 3,6 – 3,8 B31 : 10,8 – 11,3 B32 : 11,8 – 12,3 24 heures (2000) 1 km12
12/319 (3,8%) 15,24% 84,76% 33,3 % (12/36) Gratuites Téléchargement en ligne Terra ASTER B10 : 8,13 – 8,48 B11 : 8,48 – 8,83 B12 : 8,93 – 9,28 B13 : 10,25 – 10,95 B14 : 10,95 – 11,65 16 jours (2000) 90 m12
318/319 (99,7%) 70,91% 29,09% 11,1 % (4/36) Gratuites (pour usagers approuvés) Téléchargement en ligne LANDSAT MSS / TM / ETM+ B6 : 10,4 – 12,5 18 / 16 jours (1982) 120 / 60 m8
309/319 (96,9%) 319/319 (100%) 64,58% > 75% 35,42% < 25% 27,7 % (10/36) Gratuites Téléchargement en ligne LANDSAT 8 TIRS B10 : 10,6 – 11,2 B11 : 11,5 – 12,5 16 jours (2013) 100 m12
317/319 (99,4%) 68,69% 31,31%----
Gratuites Téléchargement en ligne Sentinel-3 (nombre : 2) SLSTR B3 : 3,36 – 4,12 B4 : 10,5 – 11,85 B5 : 11 – 13 1 – 2 jours 1 km16
12/319 (3,8%) 15,24% 84,76%----
À confirmer19
CHAPITRE II.
ETUDE DE CAS : TEMPERATURE DE SURFACE
II.1. INTRODUCTION
Cette section présente les résultats d’un premier travail portant sur la conception d’une méthode opérationnelle de prétraitement et de traitement des images LANDSAT (identifiées comme les plus appropriées pour l’instant pour le suivi des paramètres des plans d’eau français) pour le paramètre température de surface. Pour ce faire, la méthode de correction atmosphérique identifiée comme la plus opérationnelle a été testé sur deux plans d’eau français relativement bien instrumentalisés (c’est-à-dire, ayant un jeu de données terrain potentiellement utilisable pour la validation de la méthode). Le développement théorique de cette méthode, qui l’on appellera la correction mono-bande de JIMENEZ-MUNOZ et SOBRINO (2003), est l’objet de l’annexe D. Enfin, puisque ce travail sera potentiellement publié et afin d’optimiser le temps consacré à cette activité, cette section est écrite sous forme d’article scientifique.
II.2. ARTICLE EN PREPARATION: « Retrieving water surface temperature from archive LANDSAT thermal infrared data:
application of the mono-channel emissivity and atmospheric correction algorithm over two waterbodies in France »
Abstract
Lakes and waterbodies are invaluable but fragile ecosystems providing a host of services which justify their preservation. Remote sensing approaches are often portrayed as powerful additional tools for the monitoring of these environments, including for water surface temperature which is a key functional parameter. In France, where most waterbodies are relatively small and irregularly-shaped, LANDSAT images are the best operational alternative yet for the retrieval of this parameter. However, archive LANDSAT thermal infrared data must be corrected for emissivity and atmospheric effects in order to be fully exploitable. A correction method for single-band thermal infrared data, the mono-channel algorithm, has recently been put forward for LANDSAT 4, 5 and 7 archive data (JIMÉNEZ-MUNOZ et al. 2009). This method is tested for LANDSAT CDR products, which contain cloud and other useful mask layers, over two waterbodies in France via a semi-automated image preprocessing and processing chain. Results obtained are satisfactory and in accordance with the literature (r² values are above 0.90 and RMSE values are comprised between 1 and 2 °C). Although the characteristics of the field data used for validation have precluded statistical and sensitivity analyses, when taken together with previous work by other authors, results are considered sufficiently robust to preconize the use of the mono-channel algorithm for correcting archive LANDSAT single-band thermal infrared data. Nevertheless, in order to further encourage the use of remote sensing for operational waterbody surface temperature monitoring in France, particularly in light of the arrival of LANDSAT 8, field data shortcomings such as time lags between field and image dates, inconsistent depth of temperature measurements, and presence of only a single temperature measurement point per waterbody per date, must be addressed.
Keywords: waterbodies, remote sensing, thermal infrared, surface temperature, LANDSAT 7 ETM+, atmospheric and emissivity correction, mono-channel
20
1. Introduction
Lakes and waterbodies provide ecological, economical and recreational services and goods which justify efforts in their preservation and monitoring. In a context of increasing concern over the effects of climate change, they might also play the role of sentinels, given that they show relatively rapid physical, chemical and biological responses to environmental modifications (ADRIAN et al. 2009). Moreover, it is accepted that the rate of carbon sequestration by inland water sediments is greater than that of oceans (KUTSER 2012).
Remote sensing, particularly in its satellite form, has long been presented as a cost-effective, synoptic manner in which to monitor the physiochemical and biological water quality parameters of lakes, including surface temperature thanks to thermal infrared sensors (P. SCHNEIDER and HOOK 2012). Water surface temperature is closely related to the energy fluxes taking place within the water-atmosphere interface and is considered to be a key parameter in characterizing the thermodynamics of aquatic systems (LAMARO et al. 2013).
Given their good spatial resolution, significant temporal archive (from 1982 to present) and straightforward accessibility, LANDSAT thermal infrared images have been widely used to retrieve waterbody surface temperature (LAMARO et al. 2013, KARAKAYA et al. 2011, OESCH et al. 2008, HOOK et al. 2004, GIARDINO et al. 2001), despite limitations in radiometric, spectral and temporal resolutions (DEKKER and PETERS 1993). In France, where most lakes are relatively small and irregularly-shape, they appear to be the most appropriate data to date to fulfill the needs of a water quality monitoring program, particularly in light of the European Water Framework Directive of 2000 which requires the active monitoring of all waterbodies of over 0.5 km² in area (Q. CHEN et al. 2004).
Undoubtedly useful surface temperature data are embedded within the 30-year LANDSAT image archive, and analyzing them might provide insights for the better understanding and monitoring of waterbodies. But in order to do so, LANDSAT thermal infrared data must be corrected for emissivity and atmospheric effects in order to be quantitatively useful. Emissivity correction is necessary as targets on the surface of the Earth are not blackbodies and hence do not emit all the thermal radiation they produce, whereas atmospheric correction is required to compensate for atmospheric absorption and emission effects which can be considered as noise in most cases. In the absence of surface temperature field data for every image, which is almost invariably the case but which would allow for the use of simple empirical correction algorithms based on statistical regression models (e.g. KARAKAYA et al. 2011), image-based or radiative transfer modeling correction methods are required (KAY et al. 2005). The first can be considered as more operational given that they do not require ancillary data on the conditions of the atmosphere during image acquisition by the sensor in order to be used (CHAVEZ JR 1996). However, in the thermal region of the electromagnetic spectrum, where absorption by water vapor is the main parameter to be taken into account, image-based methods such as split-window algorithms require two or more thermal infrared bands in order to correct the images (KAY et al. 2005, SOBRINO et al. 2004). Archive LANDSAT data, however, contain only one single thermal infrared band (i.e. band 6 of LANDSAT platforms 4, 5 and 7).
Two possibilities are available for correcting images in this case. The first is through the use of the radiative transfer equation (RTE) as applied to the thermal infrared region of the electromagnetic spectrum (e.g. HOOK et al. 2004), in which transmissivity of the atmosphere, upwelling atmospheric radiance and
21
downwelling atmospheric radiance are obtained through the use of radiative transfer modeling codes such as LOWTRAN (KNEIZYS et al. 1988), MODTRAN (BERK et al. 2008) or 6S (VERMOTE et al. 2006). This method, however, requires in situ radiosounding data (i.e. altitude, pressure, temperature, relative humidity, etc. for each layer of the atmosphere) obtained near the study area and near the acquisition time of the image as input in order to provide accurate results (JIMÉNEZ-MUNOZ and SOBRINO 2003). Given that acquiring such data might be difficult, costly and time-consuming (even more so in the case of satellite archive images), this method is not considered operationally feasible.The second possibility is to apply mono-channel correction algorithms which are based on approximations of the RTE (JIMÉNEZ-MUNOZ and SOBRINO 2003, QIN et al. 2001). Despite being less accurate than the RTE method, these algorithms crucially avoid dependence on in situ radiosounding data and are therefore better suited for satellite imagery archive studies (SOBRINO et al. 2004). The method developed by QIN et al. (2001) uses simulated data computed with LOWTRAN-7 code to obtain transmissivity and atmospheric mean temperature from atmospheric water vapor content and near-surface air temperature, respectively. The method developed by JIMÉNEZ-MUNOZ and SOBRINO (2003), on the other hand, relies solely on atmospheric water vapor content as ancillary data, and can be hence deemed as more operational. Moreover, in addition to validation analyses made by the authors in the original papers, the JIMÉNEZ-MUNOZ and SOBRINO mono-channel algorithm (referred to hereafter only as the mono-channel algorithm) has recently been independently validated and applied to estimate water surface temperature of a reservoir in Argentina using LANDSAT 7 ETM+ data (LAMARO et al. 2013). The main objective of this study is hence to test and validate the updated mono-channel algorithm as published in JIMÉNEZ-MUNOZ et al. (2009) for the retrieval of water surface temperature from single-channel LANDSAT 7 ETM+ thermal infrared data over two waterbodies in continental France, Lake Bariousses and Lake Bimont, for which field data potentially suitable for validation were available. A secondary objective was to produce an automated imagery preprocessing and processing chain suitable for use under operational conditions.
2.
Study area
Lake Bimont is found in the southeastern part of France, whereas Lake Bariousses is located near the town of Treignac in the central-south part of the country (figure 1). As with many waterbodies of low altitude in France, both are artificial stream impoundments built in the 1950s in order to produce electricity and supply water for irrigation and local consumption. They also represent today high-profile leisure areas for both locals and tourists. Lake Bimont, characterized by a warm monomictic thermal regime, withholds water from a local stream, the Infernet, but is mainly fed by an artificial underground pipeline of about 5 km bringing water from the river Verdon. Lake Bariousses is part of the catchment basin of the river Vézère and is also warm monomictic (REBIÈRE et al. 2012) . Table 1 provides additional data on the characteristics of these two waterbodies.
22
Figure 1. Geographical location of the two study sites, Lake Bariousses (left) and Lake Bimont (right), and field surface temperature measurement points (white dots). Source of images: IGN BDOrtho.Table 1. Physical descriptors for the study sites Lake Bimont and Lake Bariousses.
Waterbody Latitude Longitude Volume Area Average Depth Maximum Depth Perimeter
Lake Bimont 43.54053° 5.53654° 14 000 000 m³ 0.6058 km² 12.0 m 55.0 m 10.28 km
Lake Bariousses 45.56543° 1.82113° 6 200 000 m³ 0.8416 km² 7.35 m 20.4 m 8.93 km
3.
Data
3.1. Archive LANDSAT images
The United States Geological Survey (USGS) have recently made freely available the LANDSAT Climate Data Records (CDR) dataset which consists of surface reflectance products from the LANDSAT 5 Thematic Mapper and LANDSAT 7 Thematic Mapper Plus (ETM+) archive. These calibrated and geometrically corrected data present the substantial additional advantage of also being corrected for atmospheric effects, thanks to an adaptation of the correction routines based on 6S radiative transfer models which are used to process MODIS data (MASEK et al. 2006). In addition, mask layers for clouds, cloud shadows, adjacent clouds, snow, land and water, and quality flags are also provided (USGS 2013). Such characteristics make the LANDSAT CDR dataset highly suitable for operational environmental monitoring. However, thermal infrared data (band 6) is not corrected for atmospheric effects and is provided as top-of-atmosphere (TOA) brightness temperature data. The main reason for this caveat is the difficulty in applying emissivity and atmospheric correction for
