Produits de Niveau 3A: Synthèses ou composites ?

=>Copernicus diffuse depuis quelques mois des produits de niveau 3A pour la mission Sentinel-2 dans le cadre du projet S2GM (Sentinel-2 Global Mosaics). Ce projet très ambitieux a pour but de fournir, à l’échelle mondiale, des synthèses mensuelles, trimestrielles ou annuelles. L’utilisateur définit sa zone et sa période d’intérêt et commande le produit. Le site est très bien conçu et très évident à utiliser. L’appel d’offres, doté de deux ou trois millions d’€uros quand même, avait été lancé par le programme Copernicus de l’Union Européenne il y a deux ans. Il imposait d’utiliser les produits officiels de niveau 2A de l’ESA, obtenus avec Sen2Cor. C’est pour cette raison que nous avons décidé de ne pas participer, car notre méthode de synthèse, qui calcule une moyenne pondérée des observations non nuageuses, a besoin de très bons masques de nuages, ce qui n’est pas tout à fait le cas des produits de Sen2cor. L’appel d’offres a été remporté par un consortium composé des sociétés Brockman Consult, Geoville et SInergise. Pour compenser la piètre qualité de la détection des nuages, les auteurs du produit S2GM ont dû utiliser une méthode BAP : « Best Available Pixel ». Cette méthode choisit, pour chaque pixel la meilleure date selon certains critères (pas de nuage ou d’ombre détecté, réflectance dans le bleu minimale, NDVI maximal…). Cette méthode permet de minimiser les perturbations nuageuses lorsque les nuages sont mal détectés, mais présente aussi l’inconvénient de changer brutalement de date d’un pixel à l’autre, ce qui cause des artefacts et du bruit. Les sorties sont donc des produits composites, qui assemblent des morceaux d’images acquis lors des différentes dates disponibles sur la période. Les produits de Niveau 3 de Theia ne sont pas des composites, mais des synthèses, qui utilisent toutes les observations sans nuage d’un même pixel sur la période d’observation mensuelle en entier pour trouver la valeur qui représente le mieux la réflectance de surface qu’on aurait eu à la date centrale du produit. Les synthèses de Theia utilisent la chaîne WASP (Weighted Average Synthesis Processor), qui calcule une moyenne pondérée des réflectances de surface sur un mois, après correction atmosphérique et détection des nuages obtenus à partir de produits de niveau 2A générés par notre chaîne MAJA, bien sûr. Si les nuages sont mal détectés, ils entrent dans la synthèse et la perturbent.

 

L’animation fournie ci-dessus présente une comparaison sur la région de Toulouse, et à pleine résolution, d’une synthèse de WASP et du composite correspondant de S2GM obtenu à la même date en octobre 2018. On constate très vite que le composite de S2GM est très bruités, beaucoup plus que les synthèses issues de WASP. Il est assez souvent possible de repérer les zones où l’outil de synthèse a choisi de changer de date dans son composite. Vous remarquerez aussi l’apparition de nombreux points blancs, qui sont en fait des pixels sans nuages, mais assez brillants que Sen2Cor classe systématiquement comme nuages. Bref, à condition d’avoir un bon produit de niveau 2A, les synthèses peuvent fournir de bien meilleurs résultats que les composites.

Plus d'actualités

Sentinel-2 reveals the surface deformation after the 2025 Myanmar earthquake

Sentinel-2 captured several clear-sky images of Myanmar before and after the 28 March 2025 earthquake. The animation below shows a 5-day apart sequence of images captured by Sentinel-2B and Sentinel-2C (10 m resolution) near the epicenter located close to Mandalay. The surface slip due to the earthquake follows the Sagaing Fault, a major fault in […]

Evolution de l’altitude de la ligne de neige au cours des 41 dernières années dans le bassin versant du Vénéon (Oisans)

Pour contribuer à caractériser les conditions hydrométéorologiques lors de la crue torrentielle qui a frappé la Bérarde en juin, j’ai analysé une nouvelle série de cartes d’enneigement qui couvre la période 1984-2024 [1]. Grâce à la profondeur temporelle de cette série, on constate que l’altitude de la ligne de neige dans le bassin versant du […]

Biophysical parameter retrieval from Sentinel-2 images using physics-driven deep learning for PROSAIL inversion

The results presented here are based on published work: Y. Zérah, S. Valero, and J. Inglada. « Physics-constrained deep learning for biophysical parameter retrieval from sentinel-2 images: Inversion of the prosail model« , in Remote Sensing of Environment, doi: 10.1016/j.rse.2024.114309. This work is part of the PhD of Yoël Zérah, supervised by Jordi Inglada and Silvia Valero. […]

Rechercher