L’atmosphère dégrade la netteté des images optiques d’observation de la Terre et y ajoute un certain flou qui dépend notamment de la quantité d’aérosols présents dans l’atmosphère. Dans notre jargon, nous appelons ce phénomène « les effets d’environnement » (adjacency effects en anglais).
Les effets d’environnement dus à un pixel isolé n’ont pas une très grande amplitude, mais à proximité d’une grande région sombre ou brillante, ils peuvent perturber les mesures de plusieurs pourcents, comme on le voit sur la figure ci-dessous. Or, les utilisateurs de nos données nous demandent souvent une précision de l’ordre d’un pourcent sur les données à 10 m de résolution, voire une fraction de pourcent à résolution kilométrique au-dessus de l’eau. Il est donc nécessaire de corriger ces effets, et donc de bien les modéliser.
Kevin Walcarius, un post-doctorant du CNES au laboratoire CESBIO vient de publier un article qui décrit un nouveau modèle de ces effets et de leurs variations en fonction des caractéristiques de l’atmosphère et de l’observation (longueur d’onde, élévation solaire).
Qu’apporte le nouveau modèle ?
Nos travaux de recherche ont montré que la portée des effets d’environnement est bien plus grande qu’on ne le croyait jusque-là. La plupart des modèles de corrections atmosphériques utilisent une portée de 1 à 2 kilomètres, alors que l’article montre que lorsque l’atmosphère est claire, la portée peut dépasser 100 km : une grande zone sombre ou brillante peut donc perturber les mesures à 100 kilomètres de distance. Cette découverte a pu être réalisée grâce à un simulateur qui va suivre les trajets de grandes quantités de photons depuis le soleil jusqu’au satellite. Le modèle de transfert radiatif SMART-G développé par HYGEOS nous a permis d’améliorer fortement la précision des simulations grâce à l’utilisation de processeurs GPU qui nous permettent de lancer près d’un milliard de photons par seconde.
Cette longue portée n’est pas une bonne nouvelle car pour corriger cet effet précisément, il faut connaître l’environnement de chaque pixel sur un cercle de rayon allant de 30 à 100 km. C’est bien entendu impossible à faire sur les images avec une petite fauchée (Planetscope, 24 km, Pléiades 20 km, Pléiades Neo, 14 km, CO3D 7 km), ou sur les bords des images à large champ (Sentinel-2, 300 km). On peut s’en sortir avec des approximations moyennant une certaine perte de précision.
Un autre enseignement de l’étude est que la portée des effets d’environnement est assez variable avec la longueur d’onde, avec la quantité d’aérosols, avec leur type et avec la hauteur de la couche d’aérosols. Heureusement, elle dépend assez peu de l’angle de prise de vue.
Vérification des résultats
La correction qui a été réalisée avec ce modèle améliore fortement les résultats par rapport aux modèles précédents, que ce soit sur des simulations ou sur des données in-situ. C’est dans le rouge et le proche infra-rouge que cet effet est le plus sensible, et aussi dans ce domaine que l’amélioration apportée par note nouveau modèle est la plus visible.
Conclusion
Grâce à des simulations beaucoup plus précises obtenues par un simulateur faisant appel à des calculs massivement parallèles sur des processeurs GPU, nous avons pu obtenir une nouvelle modélisation des effets d’environnement. Ce modèle améliorera la précision des corrections des effets atmosphériques et la précision des images de télédétection optique. Cette correction a pu être testée sur le satellite Sentinel-2, mais peut s’appliquer à tous les imageurs satellitaires optiques.
Le nouveau modèle a mis en évidence une portée bien plus importante de ces effets. Ce problème ne concerne donc pas que les satellites à haute résolution. Avant ce travail, on pensait que les imageurs à résolution kilométrique n’y étaient pas sensibles. Cette longue portée complique aussi la correction, qui reste toutefois possible, et pose des problèmes pour les imageurs avec une faible fauchée. Les chaines de traitement vont donc devoir être adaptées pour améliorer leurs performances.
Enfin, en présence de nuages, le problème est encore plus complexe, car leur structure verticale va elle aussi modifier les effets d’environnement. Nous y consacrerons nos prochaines recherches.
La description de cet article est un peu courte, mais pour plus de détails techniques, vous pouvez vous rapporter à cet article sur le site du CESBIO, ou à l’article complet publié dans la revue scientifique Remote Sensing Environnement.
Référence
Kévin Walcarius, Mustapha Moulana, Didier Ramon, Micaël Lassalle, Jérôme Colin, Olivier Hagolle, A revised model for atmospheric adjacency effect correction in optical satellite earth observation images, Remote Sensing of Environment, Volume 348, 2027, 115737, ISSN 0034-4257, https://doi.org/10.1016/j.rse.2026.115737.
Les aérosols atmosphériques
Les aérosols sont des particules en suspension dans l’atmosphère. Ils peuvent être de différentes natures, issus de poussières, de pollens, d’embruns marins, ou d’ions sulfates ou nitrates qui s’entourent de molécules d’eau quand l’atmosphère est humide. Leur quantité est très variable, une pluie peut suffire à nettoyer l’atmosphère, et leur quantité va souvent réaugmenter progressivement après la pluie. Bien entendu, ils peuvent être transportés par les vents. Leur présence en abondance va réduire la visibilité horizontale, et rendre impossible l’observation des Pyrénées depuis Toulouse. Ils perturbent aussi fortement les images des satellites optiques. Les logiciels de correction doivent donc détecter leur présence, modéliser leurs effets et les corriger.
Auteur
Cet article a été écrit par Olivier Hagolle, chercheur au centre d’études Spatiales de la Biosphère (CESBIO) et ingénieur au sein du Campus de la donnée.