Validation systématique des produits Sentinel-2 de Theia

=>Camille Desjardins (du CNES (DSO/SI/MO)), qui s’occupe de la validation des produits de niveau 2A distribués par THEIA, a très récement mis en place une validation systématique des produits fournis par MAJA, avec l’aide d’un service d’exploitation du CNES (DNO.OT/PE). Le travail est effectué par Bruno Besson avec l’aide de Nicolas Guilleminot (de Thales Services), en utilisant des outils développés par Aurélie Courtois, elle aussi de Thales). Systématiquement, tous les mois, les valeurs d’épaisseurs optiques d’aérosols et de vapeur d’eau, déterminées par MAJA, sont comparées avec celles du réseau Aeronet, à chaque fois qu’un produit om THEIA observe l’un de ses sites. Les deux figures ci-dessous montrent les résultats obtenus pour le mois de Février, pour l’épaisseur optique, à gauche, et pour la vapeur d’eau (à droite). Les points bleus correspondent à des validations effectuées dans les conditions idéales pour une bonne comparaison (peu de nuages, pas de données interpolées, données Aeronet qualifiées au niveau 2 ). Les points rouges correspondent à des conditions dégradées, et pour la plupart d’entre eux, c’est dû au fait que les données Aeronet qualifiées ne sont pas encore disponibles.  Dans ce cas, il est possible qu’elles soient dégradées, en raison d’une dérive de leur étalonnage… ou de la présence d’une araignée dans le tube du collimateur. 

Validation des épaisseurs optiques d’aérosols des produits Sentinel-2 N2A de Theia  pour toutes les observations conjointes avec Aeronet en février 2018Validation de la vapeur d’eau des produits Sentinel-2 N2A de Theia  pour toutes les observations conjointes avec Aeronet en février 2018

 

Les résultats sont très bons ! Pour la vapeur d’eau, ils sont comme d’habitude, avec une estimation très précise de la vapeur d’eau pour les faibles contenus, et une légère surestimation pour les forts contenus. Ces erreurs sont dues au modèle très simple que nous utilisons, qui suppose que la vapeur d’eau est située au-dessus des autres couches de l’atmosphère, alors qu’en fait, elle est principalement mélangée dans les basses couches. Mais cette manière d’estimer la vapeur d’eau est cohérente avec la manière dont nous corrigeons ses effets dans les autres bandes. Les erreurs résultantes sont donc très petites, d’autant que les absorptions sont très faibles. Pour les aérosols, nos résultats s’améliorent fortement par rapport à ce que nous avions l’an dernier. C’est  probablement lié aux améliorations progressives que nous apportons à nos méthodes, et notamment  la détection des nuages, mais aussi à la meilleure répétitivité des observations due à la disponibilité récente des deux satellites Sentinel-2 qui fonctionnent à pleine capacité. Puisque notre méthode suppose que les réflectances de surface ne changent pas d’une image à l’autre, plus on observa souvent, meilleurs sont les résultats ! Mais ce n’est probablement pas la seule raison. Nos estimations d’épaisseurs optiques sont en général précise lorsque notre hypothèse de type d’aérosol continental est vérifiée. Quand l’hypothèse est fausse, par exemple dans le cas d’aérosols constitués de poussières,  les épaisseurs optiques sont sous estimées par MAJA, ce qui correspond au cas observés dans la partie basse du diagramme. Ce problème apparaît moins souvent en hiver, car l’humidité plus forte empêche le vent de soulever les poussières. D’ici quelques mois, la version 3 de MAJA sera installée dans MUSCATE. Cette version permet d’utiliser les prévisions de type d’aérosols fournies par le modèle météorologique Copernicus Atmosphère. Comme expliqué dans le billet de Bastien Rouquié, celà devrait encore améliorer nos résultats.

Plus d'actualités

Mo Chhu, dzong of Punakha.

Tracking the sediment plume of the 29 October 2026 GLOF in Bhutan

A glacial lake outburst flood (GLOF) occurred on 29 Oct in northern Bhutan, creating a debris flow in the Mo Chhu valley, Gasa district. The exact cause of the GLOF is still unclear but we know that it originates from Sintaphu Tsho, a moraine-dammed lake at an elevation of about 4500 m. This event has […]

Adjacency effects, or how pixels from the entire region can skew your measurements

=> Neighborhood issues also exist in Earth observation. And in a sense, they are even much more serious than on a social level, since neighbors located more than 30 km away can cause interference! Fortunately, we have the means to correct these problems without resorting to law enforcement—just using algorithms. This entire article is based […]

Les effets d’environnement, ou comment les pixels de toute la région peuvent perturber vos mesures.

=> Les problèmes de voisinage existent aussi en observation de la terre. Et en un sens, ils sont même beaucoup plus graves que sur le plan social, puisque vos voisins situés à plus de 30 km peuvent pour perturber ! Heureusement, nous disposons de moyens pour corriger ces problèmes, sans recourir à la force publique, […]

Rechercher