L’USGS distribue des produits LANDSAT corrigés des effets atmosphériques

=>

L’USGS et de la NASA viennent de mettre en place la production et la distribution de produits LANDSAT de Niveau 2A (exprimés en réflectance de surface, corrigés des effets atmosphériques, et accompagnés d’un masque des nuages et de leurs ombres, et de masques de neige et d’eau). Pour le moment, les données thermiques sont exprimées en température de brillance au sommet de l’atmosphère. Ce produit est déjà disponible pour LANDSAT 5 et LANDSAT 7 et la NASA travaille actuellement à l’adaptation de ses chaînes à LANDSAT -8.

 

Depuis la semaine dernière, ces données sont disponibles sur le site earthexplorer, il faut chercher un peu pour les trouver: cliquer sur l’onglet « data sets », et choisir « Landsat CDR ». Vous pouvez donc commander vos données, qui sont prêtes dès le lendemain (sauf peut-être si vous en commandez des centaines). Il est seulement dommage que l’USGS ne dispose pas d’une grande partie des données LANDSAT historiques (Landsat 4 et 5) acquises dans les stations de l’ESA. Un transfert de ces données est prévu, mais il n’a pas encore eu lieu (nous l’attendons avec impatience).

 

Comparaison des pourcentages de nuages détectés par MACCS (=MTCD) et LEDAPS sur des scènes LANDSAT aux Etats-Unis. L’accord est très bon dans la plupart des cas, même si on note dans quelques cas rares une sous détection de nuages par LEDAPS. L’un des points les plus éloignés de l’axe est illustré ci-dessous.

Les produits de réflectance de surface LANDSAT ont été obtenus avec la chaîne LEDAPS de [Vermote et Masek 2006]. La chaîne LEDAPS utilise la méthode DDV pour estimer l’épaisseur optique des aérosols, et une batterie de tests portant sur une seule date pour détecter les nuages. Nous avions fait l’an dernier une comparaison avec nos méthodes (MACCS), et les résultats étaient assez proches, même si la méthode mono date ne peut pas tout à fait rivaliser avec la précision des méthodes multi-temporelles (cf figures ci-dessous). LEDAPS est également un peu moins bon pour la détection des ombres, encore plus difficiles à détecter que les nuages. Mais au total, l’existence de ce produit va certainement simplifier le travail de beaucoup d’utilisateurs.

 

Le produit LANDSAT Surface Reflectance est pour le moment le seul produit de niveau 2A à haute résolution existant ou prévu, avec une couverture mondiale.  Cependant, le pôle THEIA a produit des données de niveau 2A à partir des données de l’expérience SPOT4 (Take5) (disponibles ici) et à partir  des données acquises par LANDSAT 5, 7 ou 8 sur la France depuis 2009 (disponibles là).

Selon les plans actuels, l’ESA ne fournira pas de produit 2A pour Sentinel-2. Il est dores et déjà prévu que THEIA fasse tourner la chaîne MACCS pour fournir des données de niveau 2A pour Sentinel-2 sur toute la France, et très probablement sur quelques autres pays ou régions à définir, couvrant au total une surface équivalente à 10 fois la France. L’application de MACCS au monde entier n’est pas encore décidée, même si THEIA se positionne pour le faire.

 

 

Reference : Masek, J. G., Vermote, E. F., Saleous, N. E., Wolfe, R., Hall, F. G., Huemmrich, K. F., … & Lim, T. K. (2006). A Landsat surface reflectance dataset for North America, 1990-2000. Geoscience and Remote Sensing Letters, IEEE, 3(1), 68-72.

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