Résultats

  • Données Venµs comme jeux de données pour l'apprentissage automatique

  • Un logiciel pour améliorer la résolution de Sentinel-2, à partir des images Venµs

  • Détection de l'orientation des vignobles, grâce aux effets directionnels

  • Utilisation de Venµs pour optimiser la fréquence de revisite des futurs capteurs

  • Détermination de la bathymétrie côtière à l'aide des données Venµs

  • Correction des images optiques des effets topographiques grâce à Venµs

  • Estimation de l'élévation à partir d'un seul passage du satellite Venµs

  • La Lune : une cible céleste pour l'étalonnage radiométrique

Données Venµs comme jeux de données pour l'apprentissage automatique

Les méthodes d’apprentissage profond sont très performantes, mais leur principal point faible réside dans la nécessité de disposer de vastes jeux de données d’entraînement. Dans le domaine de la super-résolution, ces méthodes visent à améliorer la résolution d’images issues d’un capteur donné (ici le couple de satellites Copernicus Sentinel-2) en augmentant leur netteté, sans introduire d’informations artificielles (« hallucinations » dans le jargon de l’apprentissage profond). Or, des jeux de données adaptés faisaient jusqu’à présent défaut.

Grâce à sa résolution spatiale de 5 m (durant la phase VM1), à sa fréquence de revisite de 2 jours et à ses 12 bandes spectrales, le satellite Venµs constitue une source de données particulièrement pertinente pour fournir des images de référence permettant d’améliorer la résolution de Sentinel-2 à 5 m.

Près de 12 000 patchs de référence, issus de 29 sites Venµs, ont ainsi été appariés et homogénéisés avec des images Sentinel-2 acquises de manière quasi simultanée. Moins de deux ans après sa publication, ce jeu de données a déjà été utilisé dans 40 articles scientifiques et téléchargé plus de 19 000 fois.

Exemples de patchs Sentinel-2 et Venµs
Exemples de patchs Sentinel-2 et Venµs © CNES/CESBIO

Pour en savoir plus :

Un logiciel pour améliorer la résolution de Sentinel-2, à partir des images Venµs

La mission Copernicus Sentinel-2 est devenue un pilier de la surveillance environnementale mondiale à résolution décamétrique. Elle permet notamment de produire des cartes de couverture terrestre à l’échelle nationale ou continentale, de suivre les rendements agricoles et l’état de santé des forêts, ainsi que de détecter les changements de l’occupation des sols. L’instrument embarqué à bord de Sentinel-2 acquiert 13 bandes spectrales, échantillonnées à des résolutions spatiales de 10, 20 ou 60 m selon les bandes. Toutefois, cette résolution demeure insuffisante pour l’observation des petites parcelles agricoles ou l’analyse détaillée des infrastructures humaines.

En s’appuyant sur le jeu de données Sen2VENµS décrit précédemment, une intelligence artificielle (basée sur un réseau de neurones d’apprentissage profond) a été entraînée afin de restituer l’ensemble des bandes à une résolution de 5 m. Les images utilisées pour l’apprentissage proviennent du jeu de données Sen2VENµS. Les performances de la méthode ont été rigoureusement évaluées et ses paramètres finement ajustés afin d’éviter l’introduction d’informations artificielles, un problème bien connu des approches d’intelligence artificielle.

Un logiciel open source a ensuite été publié, permettant désormais à toute personne disposant de capacités de calcul suffisantes d’améliorer librement les images Sentinel-2, et ainsi de renforcer les nombreuses applications offertes par cette mission satellitaire.

À gauche : Image d’origine Sentinel-2 (résolution 20m); à droite : Image Sentinel-2 améliorée (résolution 5 m)
À gauche : Image d’origine Sentinel-2 (résolution 20m) ; à droite : Image Sentinel-2 améliorée (résolution 5 m) © CNES/CESBIO

Pour en savoir plus :

 

Détection de l'orientation des vignobles, grâce aux effets directionnels

Venµs a observé certains sites selon plusieurs directions de visée. Dans quel but ?

Lors de promenades à la campagne, vous avez sans doute remarqué que l’apparence de la végétation varie selon le point de vue de l’observateur. Ainsi, un vignoble observé dans l’axe des rangs laisse apparaître une grande proportion de sol nu, tandis que le même vignoble observé perpendiculairement aux rangs paraît presque entièrement vert.

Ce phénomène se manifeste également dans les images satellitaires. D’importantes variations de l’apparence de la surface sont observées lorsque l’élévation du Soleil change ou lorsque le satellite acquiert des images en regardant vers l’Est ou vers l’Ouest. Ces effets directionnels ne peuvent être négligés pour extraire des informations précises des images, mais ils restent encore imparfaitement caractérisés.

Afin de mieux les comprendre, nous avons exploité l’agilité du satellite Venµs, capable de s’orienter suffisamment rapidement pour acquérir, au cours d’une même orbite, des images selon trois angles de visée différents.

Ces observations ont été utilisées pour valider les sorties d’un simulateur d’images très précis, nommé DART. Cette approche a montré qu’il était possible de déterminer l’orientation des vignobles. La connaissance de l’orientation des cultures est notamment utile pour analyser les écoulements de l’eau en cas de fortes précipitations.

Orientation des vignobles en Californie
Orientation des vignobles en Californie © CNES/CESBIO

Pour en savoir plus :

Venµs utilisé pour optimiser la fréquence de revisite des futurs capteurs

Dans les domaines du visible et du proche infrarouge, la végétation évolue lentement au fil du temps. Les spécialistes du suivi de la végétation recommandent généralement des observations hebdomadaires sans nuages. À l’échelle mondiale, la mission Sentinel-2 offre la meilleure fréquence de revisite à résolution décamétrique (en excluant la mission commerciale Planet), avec un cycle systématique de 5 jours. Toutefois, cette cadence ne garantit pas toujours la disponibilité d’observations dépourvues de nuages chaque mois.

L’analyse de la fréquence de revisite de 2 jours de Venµs montre qu’il est possible d’obtenir des pixels entièrement sans nuages tous les 22 jours, avec une fiabilité encore à quantifier. Les images présentées, provenant d’un site des Grandes Plaines américaines, sont des synthèses produites tous les 15 jours, combinant tous les pixels sans nuages acquis sur une période de 22 jours. Les deux premières images sont affectées par la neige ou la glace plutôt que par les nuages, et seules deux images présentent une faible proportion de nuages résiduels, indiquant qu’aucune observation complètement dépourvue de nuages n’était disponible pendant cette période.

Sur la base de ces résultats, une fréquence de revisite tous les deux jours est recommandée pour la prochaine génération de satellites Sentinel-2, prévue pour 2034. Cependant, assurer une telle cadence reste coûteux, et il n’est pas encore certain que cette exigence pourra être pleinement respectée.

Série temporelle de synthèses produites tous les 15 jours avec des données Venµs
Série temporelle de synthèses produites tous les 15 jours avec des données Venµs. Une seule de ces synthèses, celle de juin, comporte encore des nuages résiduels (pixels qui étaient nuageux à chaque passage) © CNES

Pour en savoir plus : 

 

Détermination de la bathymétrie côtière à l'aide des données Venµs

Les différentes bandes spectrales du satellite Venµs ne sont pas acquises tout à fait simultanément : le décalage le plus important, entre les bandes 5 et 6 (620 nm), atteint 2,7 secondes. Grâce à sa haute résolution spatiale de 5 m, Venµs permet de mesurer la vitesse des vagues le long des côtes. Une modélisation physique relie cette vitesse à la profondeur de l’eau (bathymétrie) lorsque celle-ci est inférieure à 15–20 mètres, et évidemment en présence de vagues.

La fréquence de revisite élevée du satellite augmente la probabilité d’observer des vagues et de réaliser des mesures à différentes hauteurs de marée. L’agilité du satellite, permettant l’acquisition d’images sous différents angles, offre également la possibilité d’estimer la hauteur du terrain au-dessus de l’eau.

Ces caractéristiques font de Venµs un instrument particulièrement performant pour déterminer le profil de hauteur côtière, à la fois sous et au-dessus de l’eau. Les études menées avec Venµs fournissent par ailleurs des informations utiles pour l’optimisation de la nouvelle génération de satellites Sentinel-2, afin d’améliorer les relevés bathymétriques à l’échelle mondiale.

Continuum de hauteur côtière depuis l’espace
Continuum de hauteur côtière depuis l’espace. a) Mesures LiDAR aéroportées couvrant la zone terrestre et marine autour d’un site de référence en Californie, superposées sur une imag Venµs. b) Profil moyen le long du littoral issu de l’enquête LiDAR © CNES/LEGOS

Pour en savoir plus :

  • Contact : erwin.bergsma at cnes.fr
  • Reference : Erwin W.J. Bergsma, Rafael Almar, Amandine Rolland, Renaud Binet, Katherine L. Brodie, A. Spicer Bak, Coastal morphology from space: A showcase of monitoring the topography-bathymetry continuum, Remote Sensing of Environment, Volume 261, 2021, 112469, ISSN 0034-4257

Estimation de l'élévation à partir d'un seul passage du satellite Venµs

La petite différence d’angles entre les images permet d’estimer l’élévation.

Les différentes bandes spectrales de Venµs ne regardent pas exactement le même pixel au même moment : le décalage le plus important, entre les bandes B5 et B6, atteint 2,7 secondes, pendant lesquelles le satellite parcourt 19 km. Cette légère différence de point de vue permet d’estimer l’élévation, de façon similaire à la manière dont nos deux yeux perçoivent les distances.

Cette capacité présente des avantages et des limites. Comme la différence de point de vue est faible, une petite erreur dans l’orientation du satellite peut provoquer des écarts de quelques mètres dans l’estimation de l’élévation. En revanche, les images à comparer sont presque prises sous le même angle et au même instant, ce qui facilite la détection des petites variations. Pour exploiter cette technique, il a fallu améliorer les méthodes de mesure de l’orientation du satellite.

Amélioration de l'alignement des différentes bandes de Venµs
Amélioration de l'alignement des différentes bandes de Venµs (haut); après correction (bas) grâce à une meilleure estimation des variations temporelles de l'orientation du satellite © CNES

La comparaison avec des mesures de référence montre que l’élévation peut être estimée avec une incertitude inférieure à 8 m, ce qui est très performant pour une résolution horizontale de 5 m. L’analyse du modèle d’élévation de référence (b) permet également de visualiser des détails tels que l’augmentation de la hauteur des arbres dans une forêt. Le principal avantage de cette approche est que la mesure de l’élévation peut être obtenue à chaque passage du satellite, soit tous les deux jours pendant la phase VM1 de Venµs.

Modèle numérique de surface
A gauche, modèle numérique de surface estimé avec Venµs, à droite différence avec un modèle numérique de surface établi 10 ans plus tôt. On peut noter la croissance des arbres sur les forêts. Les traits bleus sont des traces d’avions dans le ciel © CNES

Pour en savoir plus :

 

La Lune : une cible céleste pour l'étalonnage radiométrique

Le satellite Venµs peut être orienté pour observer la Lune, qui constitue une cible exceptionnelle pour l’étalonnage radiométrique. Plusieurs raisons expliquent son utilité :

  • Absence d’atmosphère : le signal lunaire est propre et stable, sans l’absorption et la diffusion atmosphériques qui perturbent les observations sur les cibles terrestres. Cette méthode permet notamment d’étalonner les bandes de Venµs qui sont sensibles à l’absorption moléculaire.
  • Stabilité temporelle : la surface lunaire est très stable, utile pour surveiller d’éventuelles variations de sensibilité de l’instrument.
  • Modèles précis : la réflectance de la Lune en fonction de sa phase et de paramètres géométriques est bien connue, on peut donc corriger les variations de la phase, ou faire toutes les mesures au même point de cette phase.
  • Bords nets : la forme nette de la Lune facilite la quantification du flou de l’instrument.
  • Arrière-plan sombre : à l’exception de quelques étoiles, le fond uniformément noir permet de mesurer la lumière parasite, c’est-à-dire la lumière non désirée réfléchie entre les optiques, filtres et détecteurs.

Tout au long de la mission Venµs, la Lune fut régulièrement observée pour suivre l’évolution des coefficients de sensibilité de chaque bande spectrale, initialement déterminés pendant la phase de mise en service, mais susceptibles de varier au fil du temps.

Concernant la correction de la lumière parasite, des modèles ont été établis lors des tests au sol, mais leur efficacité a dû être validée en orbite. Les bords nets et l’arrière-plan sombre font de la Lune la cible idéale pour estimer et vérifier ces performances.

Images de la Lune par Venµs à différentes dates et phases et position dans le champ de l’instrument
Images de la Lune par Venµs à différentes dates et phases et position dans le champ de l’instrument © CNES
Suivi de la sensibilité du satellite Venµs en fonction du temps grâce aux observations régulières de la Lune
Suivi de la sensibilité du satellite VENµS en fonction du temps grâce aux observations régulières de la Lune

Pour en savoir plus :