Les synthèses mensuelles de niveau 3A de Theia pour Sentinel-2

=>

Heureusement que les biologistes animaliers ne sont pas censés passer sur ce blog, il pourriaent être choqués par ce qui suit.

Bon, expliquons nous !

* le produit de Niveau 2A

(Si les noms des produits ne vous sont pas familiers, vous trouverez quelques expilcations ici). MAJA est une chaine de niveau 2A qui fournit des réflectances de surface après correction atmosphériques, accompagnées d’un masque de nuages et d’ombres de qualité. Les produits de MAJA’s sont distribués par THEIA sur des régions du monde bien choisies. La chaîne elle même  aussi disponible. Même si ce produit est de bonne qualité, il n’est pas facile à utiliser, parce que la plupart des images de Sentinel-2 ont une couverture nuageuse importante. Les chaînes qui utilisent des produits de niveau 1C ou de niveau 2A de Sentinel-2 doivent donc être résistantes à la présence de données manquantes dans la couverture spatiale ou temporelle.

Exemple d’image de niveau 2A sur la Bretagne (Tile T30UVU, le 21 juilet)

* Produit de niveau 3A

Pour les satellites optiques d’observation de la terre qui permettent de fournir des observations fréquentes et répétitives, il est assez habituel de distribuer des produits de niveau 3A, ,qui contiennent des images sans nuages basées sur les données acquises pendant une période plus longure (une quinzaine, un mois, un an…)la plupart des méthodes utilisent, pour chaque pixel, celui correspondant à la date la plus favorable pour ce pixel. La sélection est faite à partir de plusieurs critères, et le but est de sélectionner le pixel qui a le moins de chance d’être couvert par un nuage  ou une ombre de nuage. Comme ces méthodes travaillent pixel par pixel, les valeurs des pixels contigus peuvent provenir de dates différentes, ce qui entraîne l’apparition d’artefacts lors du pasage d’une date à l’autre.

Example de comparaison d’une méthode du type  « meilleur pixel » (critère classique du NDVI maximum, à gauche ) comparé à notre éthode de moyenne pondérée. L’image de droite est beaucoup moins bruitée.

l’avantage des produits fournis de niveau 2A fournis par MAJA, c’est la qualité de leur masque de nuages et d’ombres. Même  s’il n’est pas pafait, la plupart des nuages et des ombres sont détectés, et seuls les plus fins peuvent échaper à la détection.  En conséquence, nous n’avons plus besoin d’utiliser un critère qui a tendance à supprimer les nuages, il suffit de supprimer les données classées comme ombres ou nuages. Nous avons donc développé la chaîne WASP (Weighted Average Synthesis Processor). la méthode a été définie il y a bien longtemps (en 2008) au CESBIO pour le satellite Venµs. En 2015, nous avons inclus cette méthode dans le projet Sen2Agri, financé par l’ESA, pour l’appliquer à la mission Sentinel-2. Dans ce cadre, nos collègues de CS-Roumanie ont redéveloppé le logiciel pour le rendre plus opérationnel,  et le distribuer comme logiciel libre. Finalement, Peter Kettig, au CNES, l’a adapté aux formats du centre de traitement MUSCATE en introduisant quelques améliorations et en corrigeant quelques bugs.

Exemple de msaique de produits N3A sur la Bretagne en juillet 2018., pour les tuiles T30UUU, T30UVU, T30UWU. ?’hésitez pas à cliquer sur l’image pour la voir à meilleur résolution (rééchantillonnée à  40 m pour faciliter l’affichage)

* Méthode de synthèse

Pour chaque pixel, et chaque bande spectrale, WASP fait une simple moyenne des réflectances de surface observées par ciel clair, pendant une période de 45 jours. par exemple, la synthèse du 15 juillet moyennera les observations sans nuages collectées entre le 26 juin et le 5 août. Et ceci est répété chaque mois. Voici quelques détails de plus (déjà expliqués dans cet article) :1-  une correction des effets directionnels est lancée pour faire comme si les images avaient été prises depuis la verticale, afin d’éviter d’observer des différences sur le bord des emprises des images Sentinel2.2- Des poids sont calculés :

  • Les pixels proches d’un nuage ou d’une ombre ont un poids plus faible
  • Les pixels acquis avec un jour clair sans aérosols ont un poids plus fort
  • nous donnons un poids plus fort aux dates proches de la date centrale de la période de synthèse (le 15 juillet dans l’exemple ci-dessus)

3- Une moyenne pondérée des réflectances est calculée en utilisant les poids qui viennent d’être calculés le processeur WASP est un logiciel libre, et Peter Kettig a commencé la production des N3A sur la France entière et quelques autres tuiles. Les données sont désormais disposnibles sur le serveur de Theia et le seront chaque mois. Cependant, WASP n’est pas encore pleinement intégré à MUSCATE, c’est Peter qui fait la production artisanalement, il ne peut donc pas s’engager à les fournir de manière opérationnelle. L’intégration est en cours et nous espérons démarrer la production opérationnelle avant la fin de l’année. Pour plus de détail, les algorithmes de WASP sont détaillés ici : DOI

* Cas d’utilisation de WASP

Alors, à quoi sert un produit de niveau 3A :

  • comme vous pouvez l’observer ci-dessus, sauf mauvaise météo pendant 45 jours, un produit de niveau 3A devrait être quasiment sans nuages, et les produits issus de WASP présentent très peu d’artefacts sur les terres. Ces produits sont donc très pratiques pour visualiser un territoire, et observer ses évolutions avec le temps. ils sont aussi plus faciles à traiter atomatiquement, puisqu’on n’a quasiment plus de problèmes avec les nuages (qui restent flagués).
  • ils peuvent être utilisés pour fabriquer de beaux posters
  • mais la connaissance de la date exacte de chaque produit  est moins précise que celle du produit de niveau 2A. Même si nous fournissons aussi la moyenne pondérée des dates, le produit de fournit qu’une approximation de la réflectance de surface à cette date là, en supposant que la réflectance varie de manière linéaire au cours de la période de synthèse. Si vos applications nécessitent des dates bien précises, comme par exemple pour étudier la phénologie (date d’émergence ou de sénescence…), nous vous conseillons d’utiliser les produits de niveau 2A.

* Défauts du niveau 3A

  • WASP suppose que les variations de la réflectance de surface sont lentes, ce qui n’est pas vrai pour les pixels couverts d’eau ou de neige. Nous ne conseillons pas d’utiliser ces produits pour ces surfaces.
  • Ce n’est pas toujours possible d’avoir une observation claire pour chaque pixel en 45jours. Dans ce cas, nous fournissons un pixel nuageux, mais nous indiquons la nature de chaque pixel dans un masque.
  • un oeil bien exercé  arrivera a distinguer les limites des emprises des images Sentinel-2. En avez vous vu sur l’image ci-dessus ? Moi oui, mais ma vision est déformée par mon habitude de chercher des défauts. les différences sont dues au changement de dates, aux erreurs de correction directionnelle ou de correction atmosphérique.
  • Quelques petits nuages ou ombres très légères arrivent à échapper à la détection au Niveau 2A. En général, la moyenne pondérée réduit leur influence, excepté lors de périodes très nuageuses.

 

Informations pratiques:

Code

Données

python theia_download.py -l 'Bretagne' -a config_hagolle.cfg -d 2018-07-01 -f 2018-07-31 --level LEVEL3A

 

Remerciements

Nous souhaiterions remercier les nombreuses personnes qui ont contribué au développement de WASP

  • Au CESBIO, depuis 2007, j’ai successivement reçu l’aide de Vincent Debaecker, Mireille Huc, David Morin and Mohamed Kadiri
  • La version opérationnelle de WASP provient du système Sen2Agri, financée par l’ESA (avec un responsable éclairé, Benjamin Koetz ) et un consortium vivant et animé, dirigé par l’université de Louvain (UCL, piloté par Sophie Bontemps), avec le CESBIO, CS-France and CS-Romania comme partenaires. Ce fut, en particulier, un plaisir de travailler avec les équipes de développeurs de Roumanie(Cosmin Udroiu, Alex Grosu)
  • Peter Kettig a terminé le développement dans le contexte de MUSCATE, résolu de petits problèmes, défini le format final, et optimisé le code. Il fournit aussi les premières données et supervise l’intégration dans MUSCATE avec Cap Gemini.
  • Joelle Donadieu, au CNES, et l’équipe MUSCATE de CAP GEMINI ont réalisé l’intégration des produits dans l’atelier de distribution de MUSCATE.

 

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