Les réflectances de surface peuvent-elle être négatives ?

=>

Voici une question que je reçois assez fréquemment :

J’ai remarqué dans (tel produit L2A Sentinel-2 corrigé des effets atmosphériques par MAJA) des réflectances négatives ou égales à zéro. Est-ce normal ?

Non, ce n’est pas normal, mais ce n’est pas totalement surprenant non plus. Contrairement aux réflectances négatives, qui ne devraient pas exister, les réflectances supérieurs à un existent. C’est expliqué ici.

Une réflectance doit être positive, puisqu’elle correspond, à un facteur de normalisation près, au rapport de la luminance réfléchie par la surface terrestre (positive ou nulle) et de l’éclairement reçu par cette surface (positif ou nul). Ceci dit, les réflectances de surface observées dans la nature peuvent être très faibles, de l’ordre de 0.01 à 0.03 par exemple, dans les cas suivants :

  • dans les ombres de nuages ou de relief
  • sur des pentes orientées à l’opposé du soleil
  • au dessus de l’eau ou de coulées de lave
  • sur de la végétation dense dans le visible

Les corrections atmosphériques ne sont pas dénuées d’erreurs. Nos estimations de performances de MAJA ont montré que l’écart-type des erreurs de correction atmosphérique sur des scènes localement uniformes est de l’ordre de 0.01. Ces erreurs sont probablement principalement dues à des erreurs d’estimation de l’épaisseur optique des aérosols ou des erreurs sur la connaissance du type d’aérosol.  MAJA est pourtant l’un des logiciels qui fournit les meilleures performances de correction atmosphérique, comme l’a montré l’expérience ACIX.

Erreurs RMS pour les réflectance de surface obtenues par différentes méthodes de correction atmosphérique, comparées à des réflectances obtenues en utilisant les propriétés optiques des aérosols mesurées in-situ et issues du réseau Aeronet, en utilisant le code de transfert radiatif 6SV. Ces résultats sont issus de l’expérience ACIX-I.  Comme la chaîne LaSRC utilise également 6SV, ce critère avantage significativement cette méthode de correction atmosphérique. Ces performances ne prennent pas en compte les effets d’environnement et la qualité de leur correction. Pour chaque longueur d’onde, les meilleures performances sont écrites en rouges, et les deuxièmes performances en bleu.

 

 

Un écart-type de 0.01 signifie que dans environ 1% des cas, les erreurs peuvent être supérieures à 0.03. Dans ce cas, les réflectances des quelques cas exposés ci-dessus peuvent devenir négatives. Ils interviennent en général lorsque l’épaisseur optique des aérosols est surestimée. Les erreurs des réflectances de surface peuvent être aussi plus importantes que l’estimation fournie ci-dessus, en raison des effets d’environnement et des résidus de leur correction. Nous sommes en train d’y travailler actuellement, notamment à partir de la station ROSAS implantée à Lamasquère.

Comment gérons nous les réflectances négatives inévitables dans MAJA ? Nous fournissons deux types de produits en sortie de MAJA : des réflectances avant correction des effets topographiques (codées SRE pour Surface REflectances), et des réflectances après cette correction ( codées FRE pour Flat surface REflectances)

  • SRE : nous laissons les réflectances négatives dans le produit
  • FRE : comme la correction des effets du relief peut conduire à multiplier par 5 les réflectances, et donc à les rendre encore plus négatives, nous mettons ces réflectances à zéro.

Une des conséquences des réflectances négatives, est que le NDVI peut devenir supérieur à un (dans le cas des produits SRE) ou égal à un (dans le cas des produits FRE). Nous avons étudié cette question dans un article.

 

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