Nouveau jeu, cherchez l’artefact dans les mosaiques de Niveau 2A de Sentinel-2

=>La validation de MUSCATE et MACCS se poursuit, dans le but de démarrer prochainement le traitement des données de niveau 2A (dans quelques semaines). Un post précédent comparait les masques de nuages issus de MACCS avec ceux de Sen2cor, la chaîne de l’ESA. Des séries temporelles ont récemment été traitées sur 4 sites, et sur chaque site, 4 tuiles ont été traitées. Comme MACCS traite les tuiles indépendamment les unes des autres, il y a un risque que des différences apparaissent lorsqu’on fusionne les tuiles adjacentes d’un même produit. C’est la mauvaise connaissance des aérosols qui peut introduire des erreurs de correction atmosphérique, et des différences peuvent apparaître d’une tuile à l’autre si on utilise des propriétés optiques des aérosols constantes par tuile. Ce n’est pas le cas avec MACCS, qui estime des images d’aérosols. La région où les tuiles se superposent contient les mêmes données dans chaque tuile et doit fournir la même quantité d’aérosols. Le risque d’ecart entre tuiles est donc faible. Cependant, comme on effectue des lissages par tuiles, de petites différences peuvent exister.. Nous avons donc décidé de vérifier, et nous avons produit des mosaïques de 4 tuiles qui sont affichées ci-dessous. Chaque image de  210×210 km2 est composée de 4 images de 110*110km2 qui se superposent de 10 km. Je vous laisse donc chercher les artefacts, pour ma part, je n’en ai pas trouvé. Ces artefacts pourraient apparaître sous la forme de lignes verticales ou horizontales, au milieur de l’image.  Si vous souhaitez répéter cette expérience avec un autre logiciel de correction atmosphérique, je vous laisse utiliser mon petit code (basé sur gdal et imagemagick) : il est disponible ici.

Moyen orient, vallée du Jourdain, Sinai, 2016/04/06(Copernicus/ESA/CNES/CESBIO)

Sur cette image, la diagonale nettement visible dans le coin Nord Ouest n’est pas un artefact de MACCS, c’est la frontière entre Israël et Égypte.

 

Si les montagnes de l’Atlas vous paraissent bizarrement aplaties sur cette image,c’est parce que MACCS corrige les  variations d’éclairement dues au relief. Mais si vous avez l’intention de gravir le Toubkal (4167m), soyez bien sûrs que ce n’est pas plat, et que MACCS ne vous aidera pas..

(La photo n’est pas de moi, elle vient de Wikipedia)

 

Enfin, peut-être avez vous vu la mosaïque Africaine « sans nuages » publiée par l’ESA à partie de Sentinel-2, et dont on fait tout un plat. Certes, elle met bien en valeur le potentiel d’acquisition de la mission Sentinel-2. Mais si vous n’aimez pas les artefacts… ne zoomez pas !

C’est du Niveau 1, sans correction atmosphérique, et sans détection de nuage, les nuages résiduels ne sont pas identifiés, la méthode utilisée cherche juste le maximum de NDVI. Bref,  pas très utile… sauf pour les communiqués de presse.

(Copernicus/ESA/Brockmann/UCL)

Plus d'actualités

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. […]

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 […]

Rechercher