Auteurs : Anne Jacquin, Sébastien Bosch, Sylvain Baradat, Fahd Benatia, Philippe Nonin, Hervé Poilvé, Alexis Barot, Janos Balazs – AIRBUS Defense & Space
La disponibilité d’archive d’images satellites à large échelle et l’essor des méthodes de traitement de gros volumes de données sur le cloud ont permis la mise à disposition de nombreuses mosaïques à l’échelle globale. Beaucoup de ces mosaïques sont utilisées comme des fonds cartographiques.
Elles sont développées pour être sans couverture nuageuse, livrées en bandes Bleu-Vert-Rouge et avec application de post-traitements pour un rendu visuel clair et homogène. Très souvent, les nuages sont masqués en utilisant 1) des techniques de compositage comme EOX Sentinel2 image composite à partir d’images de niveau L1C ou 2) des lignes de raccord pour des mosaïques avec des images à haute résolution spatiale comme les fonds cartographiques d’AIRBUS DS, Maxar ou Planet.
Pour éviter les nuages, ce type de mosaïques utilise des images acquises à des dates différentes mais principalement au cours des saisons où le couvert nuageux est faible (printemps/été). Ainsi, les variations saisonnières dues aux changements de conditions climatiques sont rarement explorées ou alors seulement localement comme le produit « Select Basemap » de Planet.
Dans ces approches, l’utilisateur choisit la période d’acquisition des images satellites utilisées pour réaliser la mosaïque saisonnière. Le produit final est donc orienté, subjectif. Pour adresser cette limite, AIRBUS a développé une chaîne de traitement autonome reposant sur trois principales étapes.
Dans un premier temps, il s’agit de sélectionner les images satellites adaptées à caractériser les saisons sèches et humides en tout point du globe où de telles variations modifient le paysage.
La deuxième étape consiste à gérer les problèmes liés aux conditions atmosphériques dans les images sélectionnées. Plus particulièrement, il convient de garantir :
- un alignement géométrique des images avec un ajustement bundle global,
- une stabilité radiométrique entre années et saisons et inter-capteurs.
Troisièmement, les nuages et leurs ombres sont masqués en utilisant un algorithme basé sur le paradigme des lignes de raccords.
Cette chaîne de traitement a ensuite été mise en œuvre en utilisant l’archive d’environ 400 000 images satellites SPOT6/7 couvrant la période 2013 à 2020. Pour gérer le volume d’images à traiter dans un temps/délai raisonnable, la chaîne développée est quasi déportée sur le cloud sauf pour la partie amont de sélection des images. Ainsi, 3 millions de km2 de mosaïques à l’échelle métrique ont été produits sur le continent africain à des fins de validation. Cette surface couvre des zones biogéographiques hétérogènes et des paysages très variés. Deux types d’analyse ont été faites.
La mosaïque en saison humide produite à partir d’images SPOT a été comparée avec :
- une mosaïque en saison humide produite à partir d’images Sentinel2 ;
- une mosaïque en saison sèche produite à partir d’images SPOT.
Les résultats montrent les performances d’une chaîne de mosaïquage de bout-en-bout. L’algorithme de sélection des images satellites permet de valoriser au mieux les quelques 400.000 images d’archive SPOT6/7 et de sélectionner les plus pertinentes par saison. Les étapes de débrumage et compositage améliorent les aspects radiométriques et sont efficaces pour réduire au minimum le couvert nuageux.
Ce travail a été présenté à l’occasion de la conférence IGARSS23 les 16-21 Juillet 2023. Un article présentant dans le détail la méthodologie sera prochainement publié dans la revue de la SFPT.