Correction des cirrus sur les images de Sentinel-2 et Landsat 8

=>Grâce à notre collaboration avec le DLR, qui a mis au point la méthode [1], nous avons mis en place dans MAJA une correction des cirrus fins pour LANDSAT 8 et Sentinel-2. Cette correction utilise la bande cirrus située à 1.38 µm, qui permet d’estimer la réflectance des cirrus qui est ensuite soustraite des autres bandes avec un facteur de proportionnalité calculé empiriquement. 

La chaîne MAJA est faite pour traiter automatiquement de grandes séries de données, il n’est donc pas possible de contrôler visuellement ses sorties pour décider d’appliquer ou non, la correction des cirrus. Or, même si cette correction donne souvent de bons résultats, qui paraissent même parfois magiques, comme dans l’image ci-contre, elle n’est pas toujours fiable, pour plusieurs raisons :

  • certains cirrus sont trop épais pour être corrigés,
  • d’autres sont trop inhomogènes (car la bande cirrus n’observe pas sous le même angle que les autres bandes),
  • lorsqu’on corrige le cirrus, l’ombre du nuage apparaît souvent en dessous
  • le facteur empirique peut être imprécis

 Nous avons donc décidé de n’appliquer la correction qu’aux pixels classés comme cirrus, que les traitements automatiques n’utilisent pas.  Il nous a donc fallu lisser un peu le résultat au niveau des contours pour éviter que des discontinuités n’apparaissent [2]. Si vous souhaitez utiliser ces pixels correspondant à des cirrus après correction, nous recommandons de ne le faire qu’après avoir visualisé l’image. Voici donc quelques exemples de résultats. Les animations ci-dessous alternent la sortie actuelle de MAJA, sans correction des cirrus (RUN2), avec celle que nous aurons dans quelques jours (RUN3). Vous pouvez remarquer que seuls les pixels situés à l’intérieur des contours verts changent.

Quelques autres exemples issus de Sentinel-2. N’hésitez pas à cliquer pour voir les images à meilleure résolution. Sur l’image au centre, l’algo a tenté de corriger un nuage plutôt épais, et la correction laisse apparaître une zone sombre, qui n’est pas une réussite sur le plan esthétique. Mais pas de problème pour l’utilisation des données, la zone est bien marquée comme nuageuse.

 Quelques autres exemples issus de Landsat-8 :

References

[1] Richter, Rudolf, Xingjuan Wang, Martin Bachmann, and Daniel Schläpfer. « Correction of cirrus effects in Sentinel-2 type of imagery. » International journal of remote sensing 32, no. 10 (2011): 2931-2941.[2] Olivier Hagolle, Mireille Huc, Camille Descardins, Stefan Auer, Rudolf Richter, MAJA Algorithm Theoretical Basis Document, https://doi.org/10.5281/zenodo.1209633

Plus d'actualités

Near real time snow cover maps in the Copernicus Browser!

Copernicus provides near real time snow cover maps at 20 m resolution (fractional snow cover, code name: FSC OG). These products have been recently reprocessed and are now available through the Copernicus Data Space Ecosystem (CDSE) API and visualization tool, the Copernicus Browser! The latter is very useful to explore the data, for example if […]

Suivi du manteau neigeux dans les parcs naturels des Alpes franco-italiennes

Dans les Alpes, le manteau neigeux est un stock d’eau saisonnier naturel dont dépendent la faune, la flore et les humains pour de multiples usages (refuges, bétail, etc.). Dans le cadre du projet ACLIMO financé par le programme européen Interreg ALCOTRA, le Cesbio a été sollicité pour mettre en oeuvre un outil d’estimation de l’équivalent […]

The missing link to valorize CESBIO’s applicative research works

=>  My colleagues at CESBIO are extremely creative! Over the past ten years, they have developed a wide range of new products and methods for extracting information from Copernicus data. They don’t just develop and validate the method on a few sites; they continue their work until they have produced data for the whole of […]

Rechercher