Le portail francophone de la géomatique

Il y a peut-être un descriptif et de la documentation en ligne sur le site du fournisseur, en complément de ce jeu de métadonnées - pour décrire le pedigree des données ?

TOA veut dire quoi ?

Je n'y connais rien, n'étant ni expert ni spécialiste de télédétection, mais ça m'a l'air d'un traitement de bas niveau - assez brut ("raw") - sur l'électronique de l'instrument ("gain").

Bonjour Pascal,

Merci de votre réponse (et désolé du délais pour la mienne, je pensais recevoir un e-mail une fois mon premier poste accepté par la modé').
TOA est l'abréviation de Top of Atmosphere. J'ai déjà parcouru un peu les postes sur ce sujet (Pléiades, réflectance, TOA, etc) sur Georezo histoire de compléter un peu mes quelques connaissances, et c'est bien ce que je cherche à avoir : la réflectance top of atmosphere, qui si j'ai bien compris corrige les valeurs de pixels pour compenser les effets liés au capteur ou aux conditions de prise de vue. Mais je n'ai pas trouvé de poste récent précisant les traitements effectués chez Géosud ou d'une question similaire.

J'ai bien tenté de chercher sur le site du fournisseur (Géosud) des précisions sur les traitements effectués, mais je n'ai rien trouvé (ou ne suis pas tombé sur les bonnes pages).

je suis d'autant plus dans le flou que, quand bien même je trouverais un document m'indiquant quels traitements ont été - ou non - effectués, je ne serais pas beaucoup plus avancé, car :
- Si la réflectance est faite, pourquoi mes valeurs de pixels varient de 200 à 2000 ? Il y a un coefficient multiplicateur à soustraire quelque part ?
- Si la transformation n'est pas faite, quelle est la meilleure méthode à adopter pour le faire ? J'ai déjà testé un peu au pif l'outil dédié sur OTB (optical calibration) et le plugin sur Qgis "Géosud convert DN to reflectance" mais.. comment être sûr que les valeurs de pixel obtenues sont les bonnes ?
Car pour le plugin Qgis, les valeurs de pixel transformés oscillent entre 100 et 1000 environ.. ca ne m'avance pas des masses !

Merci d'avance


Arthur

Bonjour Benedicte,

Merci pour votre réponse qui est effectivement éclairante sur la nécessité ou non d'utiliser une transformation TOA ou TOC. Vous en savez plus que moi à ce sujet du coup ça m'amène à vous poser quelques questions supplémentaires plus en contexte avec notre travail et moins sur les métadonnées (dans lesquelles nous ne trouvons toujours pas mention claire du niveau de traitement du produit, mais nous continuons de creuser !) :

Pour être un peu plus précis, la méthode consiste (entre autres) en l'utilisation de classification non supervisée afin de distinguer les types de couverts dunaires. Elle fonctionne donc bien pour caractériser une zone A à une date X de façon ponctuelle. Nous souhaiterions cependant décliner cette méthode en comparant deux zones différentes à la même date (donc deux classifications différentes) ou même en utilisant le modèle d'une classification A sur une zone B. Idem à deux dates différentes.

Donc nous arrivons très bien à extraire la végétation des milieux qui l'entourent, le problème est que l’utilisation de la classification non supervisée induit forcément que les classes crées par l'algorithme sont différentes d'une image à l'autre. Donc on ne peux pas comparer deux classifications différentes de deux images différentes, c'est pour ça qu'on cherche à rendre les pixels plus "fidèles" de façon à conserver un seul modèle de classification à appliquer sur plusieurs images et à plusieurs dates.

Du coup la TOA (ou TOC) peut-elle ouvrir cette possibilité ? Si les pixels ne sont pas identiques d'une date ou d'une image à l'autre, ce n'est pas très grave (c'est même le but !), tant qu'ils restent dans un intervalle cohérent permettant de les ranger dans les bonnes classes et faire une comparaison des changements. Car actuellement sans correction radiométrique supposée, un couvert végétal épars sur une zone A en 2015 peut très bien devenir un couvert végétal dense sur la même zone en 2017 à cause du changement de classe par la classification non-supervisée alors que la surface est exactement la même
De la même manière en utilisant le modèle d'une classification A sur une zone B (ou sur la même zone mais à une date différente), les résultats obtenus sont souvent aberrants.
D'où notre recherche d'une possible réflectance salvatrice (?)



Concernant l'utilisation d'indices de végétation, l'exercice a été tenté mais il n'est malheureusement pas assez précis. Nous travaillons sur des images Pléiades fusionnées à 50cm de résolution, ce qui à l’œil nu nous permet de distinguer nettement les chemins dunaires par exemple, ou de déceler les nuances de couverts au sein des morphologies dunaires. Mais le NDVI résultant semble "dégradé" : les chemins ne ressortent plus du tout, il n'y a peu ou plus de nuances entre les densités, et les morphologies sableuses sont totalement diluées (le tout malgré des expérimentations sur les seuillages). Un peu comme si le NDVI appliqué sur une image fusionnée ne prenait en compte que le multispectral sous-jacent !

Et enfin, nous n'avons malheureusement pas la possibilité d'effectuer des tests en laboratoire sur des échantillons !


Merci d'avance pour votre temps !

Bien cordialement,

Arthur

Bonjour Arthur,
sur l'unité dans laquelle vos images Pleiades sont exprimées, j'ai posé la question à un collègue de l'IGN.

Sur le débat sur la correction atmosphérique, qui est un peu ma spécialité, quelques éléments de réponse :
- si vous utilisez une image toute seule, et n'avez pas besoin de comparer les valeurs à une autre image (d'une autre date, d'un autre capteur),ou  à une donnée in situ, alors vous n'avez pas besoin de corrections atmosphériques

- dans le cas contraire, en théorie, vous devriez faire une correction atmosphérique.

Mais ce n'est pas si simple.car ;
- il n'y a pas de produits Pleiades déjà corrigés
- il y a des outils qui font une "Dark Object Subtraction", dans beaucoup de logiciels de traitement d'images

Mais il vous restera d'autres problèmes. Les données Pleiades peuvent être acquises sous des angles de vue très différents, ce qui entraîne aussi de grandes variations des réflectance (on appèlle ça les effets irectionnels), et c'est assez difficile à corriger. Pour cela, les utilisateurs s'appuient sur des invariants du paysage pour normaliser les variations, mais ce n'est pas très simple et pas sans erreurs.

Bref Pleiades n'est pas très adapté à ce genre de tâche, même si c'est faisable. Sentinel-2, qui observe à la verticale est beaucoup plus adapté, mais sa résolution n'est que de 10m. Celà sera t'il suffisant pour vous ? Si c'est le cas, vous pouvez regarder du côté de https://theia.cnes;fr.

Il est bien possible que mon message paraisse compliqué, vous trouverez des explications un peu plus détaillées sur ce site :
http://www.cesbio.ups-tlse.fr/multitemp/?page_id=1336

Cordialement,
Olivier




  :

Bonjour à vous,

Merci pour vos réponses ! je vais essayer de répondre correctement à tout.

Bénédicte :

Oui nos zones sont proches les unes des autres. Lorsque nous comparons deux zones à une même date il s'agit d'une seule acquisition Pléiades donc les paramètres sont identiques ainsi que les conditions météo.
Lorsque je parle de modèle j'évoque effectivement le résultat de la chaîne de traitement sous OTB que l'on pratique. Sans rentrer dans les détails, on utilise la classification non-supervisée sur des petites zones thématiques (un polygone végétation, un polygone sol nu, etc.) pour les subdiviser en sous-classes automatiquement (végétation 1, végétation 2, etc.).
Ensuite on utilise ces polygones subdivisés en tant que set de training/learning pour la classification supervisée. En bout de chaîne on obtient un fichier "model" à appliquer sur l'image analysée. On aimerait pouvoir créer un seul modèle sur une zone "référence" qui représente bien le milieu puis l'exporter sur d'autres zones (voire d'autres dates).
Effectivement le contexte paysager varie peu, du coup le test sur deux zones différentes sur une même acquisition donne un résulat "cohérent" mais pas satisfaisant. Tandis que pour une même zone mais deux acquisitions différentes (2015 et 2017), sans surprises, certaines classes sont mélangées. Les conditions d'acquisition ont changé d'une date à l'autre forcément, on cherchait donc un moyen d'atténuer un peu cet effet...

C'est vrai qu'avec notre méthode on multiplie vite les classes. Par défaut on lui demande 5 classes de végétation, 5 de sol nu et 3 à 5 pour l'eau. En réduisant leur nombre total cela faciliterait le travail de l'algo.

Ok j'en prends bonne note !

Et bien, vu qu'on triche un peu avec la classification supervisée (la non-sup ne servant qu'à subdiviser les échantillons en sous-classes), la végétation ressort sans problèmes ! Mais effectivement avec la multiplication des paramètres on a un peu mis de côté les méthodes poussées telles que les arbres de décision. On va tester ça !
De même que l'ACP sur le NDVI. Ce dernier nous a un peu déçu, on va voir si on peut lui rendre ses lettres de noblesses.

Merci pour ces remarques, même si elles ne vous semblent pas toutes atteindre leur cible, ca nous permet d'avoir un peu de "répondant" sur la méthode et donc un peu de recul, ce dont on manque cruellement quand on a la tête dedans.


Olivier et Kikvoufo :

Merci pour vos réponses à tous les deux. Les images Pléiades ne sont donc pas corrigées, ok. Nous utiliserions volontier Sentinel mais la résolution à 10m est malheureusement insuffisante dans notre cas (ça nous fait des dunes à 3 pixels de large !). Votre site nous est déjà connu Olivier, mais nous n'avons pas eu encore l'occasion de le parcourir en entier, on va s'y atteler !
Du coup on cherche bel et bien à comparer des images Pléiades entre elles, mais si leur correction se révèle complexe cela peut poser problème... Est-ce qu'une correction superficielle peut faire l'affaire ? Comme je le disais plus haut, il existe par exemple sur Qgis un plugin nommé "Geosud TOA Reflectance" développé par Kenji Ose de l'Irstea, est-ce que vous avez des retours d'expérience sur l'utilisation de cette extension ? Ou peut-être l'outil "Optical Calibration" de l'OTB est-il plus efficace ?

Merci d'avance !

Cordialement,
Arthur