Publié le 17 avril 2025
Les instruments optiques d’observation de la terre sont des appareils passifs (https://eo.belspo.be/fr/ii22-principaux-types-dinstruments) ce qui signifie qu’il ne peuvent capter que les rayons du soleil réfléchis par la Terre. Ce signal réfléchi est en fait une combinaison du signal en provenance de la Terre mais aussi de son atmosphère. De manière à extraire des informations utiles de la surface de la Terre, la contribution atmosphérique présente sur ces images satellites doit être estimée puis supprimée. Le traitement d’images développé par le projet RAdCor change la donne dans ce domaine.
Améliorer les données satellitaires pour de meilleures observations de la Terre
Quand un satellite acquiert une image de la Terre, il se situe au-dessus de l’atmosphère à une altitude de plusieurs centaines de kms! Ces images satellitaires représentent donc une combinaison des signaux émis par le sol d’une part et l’atmosphère d’autre part. L’atmosphère modifie donc le signal émis par la surface du sol en réfléchissant ou en absorbant une partie du signal réémis par le sol. Pour obtenir une information précise, les scientifiques doivent donc supprimer les interférences atmosphériques présentes sur les images satellites. Dans les cas les plus faciles, seuls les effets liés à l’absorption de la lumière (par exemple quand les particules de gaz absorbent une partie de la lumière) et à la réflexion de la lumière (quand les particules et les gaz atmosphériques dévient le trajectoire de la lumière) doivent être corrigés. C’est le cas quand on observe des grandes zones uniformes. Dans le cas de zones à forts contrastes (par exemple un lac qui apparaît très noir à côté d’une terre très claire ou par exemple de la végétation qui borde du sable ou de la glace), le flou induit par l’atmosphère entre les différentes surfaces doit aussi être pris en compte. Ce flou rend ainsi les zones claires plus foncées et inversement. Les conséquences sont une réduction de contraste, moins de bordures nettes, un mélange des différents signaux optiques et au final une moins bonne distinction des petits objets.
De manière à résoudre ce problème, le projet STEREO « RAdCor » a développé un algorithme poussé de traitement d’images qui agit sur le flou des images et qui, de plus, est disponible en libre accès dans le logiciel ACOLITE. Une description plus détaillée du processeur est disponible dans le communiqué de presse (en anglais).
RAdCor et les petites zones hétérogènes
Comme précisé plus haut, pour les grandes surfaces homogènes, seules l’absorption et la réflexion de la lumière par l’atmosphère doivent être prises en compte dans la correction des images satellites. Sur des zones à fort contrastes, l’effet de flou provoqué par l’atmosphère doit aussi être corrigé. Une petite zone contrastée, par rapport aux zones qui la bordent, couplée à une atmosphère turbide accentuera d’autant plus l’effet de flou.
Le nouveau processeur développé dans le projet RAdCor traite aussi ce problème grâce à des algorithmes efficients eux aussi disponibles en libre accès dans le logiciel ACOLITE (depuis la version 20250114.0). Une description plus détaillée du processeur est disponible dans le communiqué de presse (en anglais).
Figure 1: Représentation schématique du processeur RAdCor
RAdCor pour les applications aquatiques
Tenir compte du flou provoqué par l’atmosphère sur les images satellites acquises au-dessus des eaux terrestres et des zones côtières est essentiel, celles-ci étant plus sombres que la terre environnante sur les images en proche-infrarouge (longueurs d’ondes entre 700 et 1000 nm) mais aussi potentiellement dans le domaine du visible (longueurs d’ondes entre 400 et 700 nm). C’est notamment le cas des lacs présentant une grande concentration de substances humiques ou des masses d’eau entourées par de la glace ou de la neige (plus d’information au sujet des bandes spectrales est disponible ici : https://eo.belspo.be/fr/les-images-de-teledetection).
Les images dans le domaine du proche-infrarouge et du visible sont les plus utiles pour l’évaluation de la qualité des eaux, mais aussi les plus affectées par le flou atmosphérique. Le plus bel exemple est une eau de mer translucide entourée de glace comme illustré à la figure 2.
Figure 2: Sur ces illustrations d’une mer (flèches rouges) entourée de glace (flèches noires), les images du dessus montrent une composition colorée Rouge-Vert-Bleu non corrigée de l’effet de flou à gauche et corrigée de ce même effet sur la droite. Les illustrations du bas montre la différence (gauche) et le ratio (droite) des différentes corrections apportées à la bande B02 d’une image Sentinel-2.
L’effet de flou atmosphérique peut aussi être un problème dans le cas de l’estimation de paramètres relatifs à la qualité des eaux pour des zones aquatiques petites ou étroites. Le suivi de ces paramètres est primordial car il est par exemple imposé par la Directive-Cadre sur l'Eau, et le prélèvement d’échantillons sur site étant couteux et ponctuel, les données fournies par l’observation de la terre sont primordiales. Par exemple, pour estimer la concentration de chlorophylle a, un indicateur de la biomasse phytoplanctonique dans l’eau, on utilise généralement une combinaison de bandes qui est influencée par la contiguïté des terres et de la végétation. Si l'effet de bord n'est pas corrigé, il en résultera généralement une surestimation de la concentration de chlorophylle a (figure 3). Le modèle de contiguïté peut suivre la saisonnalité de l'occupation et de l'utilisation des sols et sur les terres tout en ne représentant pas l'état réel du système aquatique.
Le processeur RAdCor permet d'obtenir un rapport de bandes plus fiable et donc une meilleure estimation de la concentration en chlorophylle a pour les eaux intérieures de faible superficie.
Figure 3: Cette figure montre le rapport entre les bandes spectrales Bord Rouge/Rouge utilisé dans les algorithmes de détection pour une rivière et deux lacs en Belgique. Le traitement standard fournit un rapport trop élevé pour les lacs situés au centre de la scène, là où RAdCor donne des valeurs plus faibles et plus réalistes, grâce à la correction des effets de bords.
RAdCor pour les applications terrestres
La compensation des effets de flou est aussi utile dans le cadre d’applications terrestres car différents types d’occupation du sol peuvent être plus sombres ou plus clairs que l’espace environnant (comme dans le cas de zones cultivées dans le désert , illustré à la figure 4). Pour plus d’information au sujet de l’analyse réalisée à la figure 4 et des applications terrestres, vous pouvez consulter ceci (en anglais).
Figure 4: Composition colorée Rouge-Vert-Bleu et cartes du NDVI (Normalised Difference Vegetation Index, une mesure de l’état de santé de la végétation) de zones cultivées en Egypte telles qu’observées par Sentinel-2. L’image de gauche n’a pas été corrigée du flou atmosphérique alors que l’image de droite bien.
Partenaires du projet
RBINS: Quinten VANHELLEMONT
Université de Gand: Alexandre CASTAGNA - Koen SABBE