Performances de superposition des produits 1C de SPOT4 (Take5)

=>Maintenant que tous les produits de l’expérience SPOT4 (take5) ont été traités, nous pouvons en tirer un bilan de l’expérience. Commençons par la géométrie, qui est l’aspect qui nous a causé le plus de difficultés :

  • SPOT4 a une précision de localisation habituelle autour de 400 mètres, mais il a traversé une période d’une quinzaine de jours où la localisation des données pouvait s’écarter de 1500 mètres de la bonne valeur.
  • Nous cherchons à obtenir une précision de superposition proche de 0.3 pixels RMS. Cette performance est difficile à mesurer car l’outil de mesure lui même (corrélation automatique) n’est pas très précis.
  • Nous fournissons donc comme critère l’erreur maximale mesurée pour les 50% meilleurs résultats de superposition ainsi que la même valeur pour les 80% meilleurs résultats. Cette deuxième valeur inclut probablement des mesures peu précises.

 A titre d’exemple, voici les résultats pour 3 sites :

  • Le site CMaroc, qui est un site aride, peu nuageux, fortement montagneux, très vert en Mars et très sec en Juin. Les performances sont excellentes, avec des écarts inférieurs à 0.3 pixels pour 50% des pixels sauf pour les trois premières dates, assez différentes de la date utilisée comme référence, acquise le 11 avril.

 

  • Le site CBretagneLoireE qui est un site plutôt plat, côtier (avec de forts effets de marées), et surtout très nuageux. Dans ce cas les performances pour 50% des pixels restent meilleures que 0.5 pixels. On note que les images ayant les moins bonnes performances sont des images très nuageuses, pour lesquelles il est difficile de trouver de bon points d’appui pour faire l’ortho-rectification, et aussi pour mesurer la performance.

 

  • Le Site JSumatra très plat, couvert de forêt équatoriale très uniforme, avec un large fleuve dont le niveau d’eau varie. Dans ce cas, la performance de superposition est très mauvaise (jusqu’à 10 pixels). Ce site uniforme ne permet pas de trouver de bons points de corrélation, et les points trouvés sont souvent sur le bord du fleuve, dont le contour est variable.

 

Conclusion

En conclusion, nous avons obtenus de très bons résultats pour la plupart des sites, passant d’erreurs de localisation allant jusqu’à 1500 mètres, à des erreurs de superposition inférieures à 0.5 pixels (10 mètres). Cependant, quatre sites résistent à ce traitement (non, pour une fois, ce n’est pas un petit site en Bretagne qui résiste). Ces 4 sites sont des sites équatoriaux : JSumatra, JBorneo, EGabon, ECongo. . Pour la prochaine version, nous utiliserons l’une des images de la série Take5 pour essayer d’améliorer les résultats. Pour le moment, un bug nous a emêché de le faire. Ceci dit, il n’est pas sûr que cela suffise :le site ECongo par exemple est tellement uniforme qu’il n’est même pas possible de mesurer automatiquement sa performance de superposition.Il faudra peut-être un traitement manuel pour ces sites.Ces 4 sites seront distribués avec les autres, d’ici quelques jours, avec la première version des données, mais nous vous recommandons la plus grande prudence quant à l’utilisation de leurs résultats.Enfin, si la superposition des données de 95% des images est bonne, notez que la localisation est celle de nos images de référence, c’est à dire LANDSAT (5 et 7). Là aussi, les prochaines versions seront réalisées avec de meilleures images de référence (Geosud (IGN) en France, LANDSAT8 ailleurs). Elles devraient donc apporter une amélioration.

Plus d'actualités

Nouvel article : peu d’apport des images Sentinel-1 pour le suivi du dépérissement des chênes et châtaigniers

Dans le cadre du projet SuFoSat mené au CESBIO, une collaboration entre trois laboratoires (CESBIO, Dynafor et P2PE) a permis d’évaluer l’apport des images Sentinel-1 pour la détection précoce du dépérissement sur deux essences de feuillus : les chênes et les châtaigniers sur une vaste zone (12 tuiles Sentinel-2, voir Figure 1). Des classifications ont été […]

Premiers MNT LiDAR HD

L’IGN communique actuellement sur la mise à disposition des premiers MNT dérivés des nuages de points LiDAR HD. A mon avis, cet exemple est mal choisi puisqu’un MNT de la citadelle de Gravelines de qualité équivalente  était déjà disponible dans le RGE ALTI® 1m en libre accès depuis le 1er janvier 2021. Sur ce secteur […]

Crue du Vénéon : que nous apprennent les images satellites ?

Le 21 juin 2024, la crue torrentielle du Vénéon et de son affluent le torrent des Étançons a dévasté le hameau de la Bérarde dans le massif des Écrins. Cette crue a résulté des fortes pluies et de la fonte de la neige, et a peut-être été aggravée par la vidange d’un petit lac supra-glaciaire. […]

Rechercher