Vous êtes sur la page 1sur 81

Télédétection Satellitaire

LA TÉLÉDÉTECTION

PRINCIPES ET APPLICATIONS

Jean-Paul LACOMBE
& David SHEEREN
Département Agronomie & Environnement

École Nationale Supérieure Agronomique de Toulouse


Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007
Plan du cours

1. Notion de té
télédétection
2. Utilité
Utilités et applications
3. Image numé
numérique et visualisation
4. Le rayonnement électromagné
lectromagnétique
Bases physiques
Signatures spectrales des objets
5. Les vecteurs et les capteurs
Les vecteurs
Les capteurs
6. Le traitement des images
7. Notion de couleurs

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


1. Notion de télédétection : une invention de la nature ?

Les plus anciens systèmes de télédétection sont des systèmes naturels

La vue

Le toucher

L’odorat

Le goût + autres
capteurs
L’ouie internes

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


1. Notion de télédétection : une invention de l’homme ?

L’homme a créé des systèmes de télédétection artificiels :

Sonar Appareil photo


RADIOMÈ
RADIOMÈTRE
scanner
magné
magnétophone
spectrophotomètre

Compteur Geiger radio


sismomètre téléphone GPS
Radar thermomètre

caméscope

Lidar

Tout système composé d’une source émettrice, d’un capteur et d’une mémoire
… est un système d’acquisition d’information à distance

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


1. Notion de télédétection : le principe physique

Stockage des
données

Réflexion
REM

Satellite
relais
Atmosphère
Atmosphère

Réflexion
REM filtré

Emission

Rectification
Le Produit
Absorption des images
Transmission
Antenne de
réception

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


2. Utilités et applications

Pourquoi observer la Terre ?


à quoi ça sert ?

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


2. Utilités et applications

La Terre fournit des ressources


aux êtres vivants

En retour, ils doivent


« gérer » ces ressources

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


2. Utilités et applications

Que peut-on appréhender, depuis l’espace,


du milieu naturel et agricole ?

l’occupation et l’utilisation du sol

le suivi des changements

les facteurs topographiques

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


2. Utilités et applications

identifier - localiser - mesurer


Occupation et Facteurs Suivi des
utilisation du sol topographiques changements

Forêt, biomasse, Pentes, Sécheresse Evolution des


Agriculture, Ensoleillement, Pollutions coupes,
Littoral, sols, Orientation, Inondations Urbanisation,
Eaux douces et marines, Altitudes, Incendies Industrialisation,
Zones urbaines, réseaux, ... Parasites, ...
Géologie, ...
... Contrôle des
indemnisations
couches d’information

Zones à risques, Aménagement de l'espace, Etudes d'impact, Mise à jour des cartes,
Statistiques agricoles, ...

utilisations
Gestion des forêts, aviation, agriculture, génie civil, géologie, architecture, cadastre,
assurances, immobilier, aménagement, gestion de l'environnement, archéologie, services
municipaux et départementaux, service public, CEE, etc.

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.1 Description d’une image


 C’est une matrice de valeurs (comptes numériques) comprises entre 0 et 255
 Chaque pixel est codé par un numéro de colonne et de ligne
 La taille mémoire = Nb colonnes x Nb lignes
Ex : taille du segment d’image ci-contre (les
colonnes valeurs sont codées sur 1 octet = 8 bits) :
1 30
30 colonnes x 27 lignes = 810 octets
1

Pixel (27, 4)

61 15 48

140 120 55
lignes

141 131

27
182

0 50 100 150 200 255

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.2 Notion de résolution spatiale

 C’est l’aptitude du capteur à distinguer deux objets rapprochés


 Elle s’exprimera en terme de taille du pixel (R)

Perception des objets

(Source : Systema
Terra 1995) R = 20 R = 10 R=5 R=1 R = 0,5

Détection Identification Analyse

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.2 Notion de résolution spatiale (suite)

Perception des objets

SPOT XS Quickbird MS Ikonos Panchromatique

R = 20 m R=4m R=1m
(Source : S. Labbé 2006) Palmiers

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.3 Notion de résolution spectrale

 C’est la plus petite largeur de la bande spectrale enregistrée par le capteur


 Elle est liée à la résolution spatiale

Mode panchromatique
Faible résolution spectrale

Panchromatique
0,40 0,70

Mode multispectral
Haute résolution spectrale

0,40 0,45 0,52 0,60 0,63 0,69


Bleu Vert Rouge

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.4 Rappels sur la couleur - Cas du système additif (RVB)

Comment compose-t-on une couleur RVB ?


ROUGE
L'échelle des tons varie de 0 à 255

0 50 100 150 180 200 220 240 255

R
V
VERT BLEU B

Réalisons une combinaison RVB avec chaque couleur primaire …

R V J
R 240

Par exemple V 200 … on obtient

R B M B 100 Jaune-orangé

R 180

Ou encore V 180 … on obtient


B V C
B 180 gris clair

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.5 Visualisation des données spectrales


… à partir des couleurs primaires RVB

Bandes spectrales Couleurs primaires

Bande PROCHE INFRA-ROUGE R

Bande ROUGE V

Bande VERTE B

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.6 Les données générées par chaque bande spectrale

Canal 1 Canal 2 Canal 3

Elles vont générer simultanément 3 matrices de données

Bande verte Bande rouge Bande proche IR

Soient
3 bandes
spectrales du
satellite

0.50 - 0.59 µ 0.61 - 0.69 µ 0.79 - 0.89 µ

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.7 La composition trichromique : superposition de trois couches monochromes RVB

COMPOSITION TRICHROMIQUE

Canaux monochromes associés


Canaux monochromes Couleurs primaires aux couleurs primaires

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


3. Image numérique et visualisation

3.8 Lecture d’une image brute : légende chromatique

Eau - humidité

surfaces
végétation
minérales
chlorophylienne

sécheresse
surfaces lisses,
surfaces claires,
nuages, neige, glace

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.1 Bases physiques


Le spectre électromagnétique
Définitions
Propriétés du REM
4.2 Les signatures spectrales des objets
Objets statiques : minéraux, roches et sols
Objets dynamiques : végétation, faune
L'eau : liquide, gazeuse, solide
Autres Objets : artificiels, urbains

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.1 Bases physiques


4.1.1 Le spectre électromagnétique

TV
Ampoule Corps GSM
Radio X Radar FM Radio Amateur
Humain
Eléments
Radioactifs Synchrotron Four

10-13 10-11 10-9 10-7 10-5 10-3 10-1 101 103 105
PIR MIR IRT
Rγ RX UV INFRAROUGE MICRO ONDES ONDES radio
VISIBLE
BANDES UTILISÉES EN TÉLÉDÉTECTION
Systèmes optiques
Systèmes radiofréquences

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.1 Bases physiques


4.1.2 Définitions : luminance, émittance, éclairement
Source
Zénith
R.E.M.
capteur
Hémisphère
θ
N
θ
ds φ
E Surface terrestre

objet
S

LUMINANCE ÉMITTANCE ÉCLAIREMENT

Puissance émise, par unité Puissance émise, par unité Puissance reçue, par unité de
d’angle solide et par unité de par unité de surface d’une surface en provenance de
surface apparente d’une source étendue dans toutes toutes les directions
source étendue dans une les directions (hémisphère) (hémisphère)
direction donnée

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.1 Bases physiques


4.1.2 Définitions (suite)

SOURCE CAPTEUR

LUMINANCE ÉMITTANCE

ÉCLAIREMENT

ÉMITTANCE

ÉCLAIREMENT LUMINANCE

OBJET

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.1 Bases physiques


4.1.3 Propriétés du REM : la réflexion

réflexion spéculaire réflexion diffuse

θi θr θi

Surface lisse Surface rugueuse

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.1 Bases physiques


4.1.4 Propriétés du REM : la réflectance

Elle mesure la capacité d’une surface à réfléchir l’énergie incidente

Elle dépend de 2 directions (celle du soleil et celle du capteur)


On parle de réflectance bidirectionnelle

Elle doit être indépendante de l’éclairement solaire reçu par


l’objet (en effet, la luminance dépend de la saison).
C’est pourquoi on la quantifie en divisant la luminance de
l’objet par son éclairement. On conserve ainsi l’information
inhérente à l’objet.

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.1 Bases physiques


4.1.5 Propriétés du REM : absorption, réflexion, transmission

RÉFLECTANCE
REM énergie réfléchie
REM R = ----------------------
réfléchi énergie reçue
incident

REM absorbé A+R+T=1


REM
transmis

ABSORPTANCE
énergie absorbée TRANSMITTANCE
A = ---------------------- énergie transmise
énergie reçue T = ----------------------
énergie reçue

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.1 objets statiques : réflectance des minéraux et roches (en laboratoire)

Réflectance (%) Réflectance (%)

Calcite
90 90

80 80

70 Dolomite 70

60 60

50 50
Granite pourpre
40 40 Calcaire Z
Quartz
30 30 Grano-diorite

20 20
Chlorite Schiste Y
10 10
Grès X
0 Biotite 0
400 600 800 1000 400 600 800 1000 λ (nm)
λ (nm)
Minéraux Roches

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.1 objets statiques : les sols
Courbe de réflectance d’un sol

% Réflectance

Longueur
d'onde

visible proche infra moyen infra


rouge rouge

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.1 objets statiques : facteurs modifiant la réflectance des sols

%Réflectance %Réflectance
RÉFLECTANCE / TENEUR EN FER RÉFLECTANCE / COULEUR DU SOL
60 60

50 50

40 40 sombre
3.30% moyen
30 1.30% 30 clair

20
0.60%
20

10 10

0 (nm) 0 (nm)
400 600 800 1000 1200 1400 400 600 800 1000 1200 1400

%Réflectance %Réflectance RÉFLECTANCE / PIERROSITÉ


60 RÉFLECTANCE / HUMIDITÉ 30

50 25
20 %
40 10 % 20
2%
30 15
galets
20 10 graviers
sables
10 5

0 (nm) 0 (nm)
400 600 800 1000 1200 1400 400 600 800 1000 1200 1400

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.1 objets statiques : les sols

 Autres facteurs modifiant la réflectance des sols


la rugosité
la teneur en matière organique

 La réflectance est une mesure de surface

Sol humide en Sol sec en profondeur


profondeur
croûte plus humide en
croûte plus sèche en surface
surface

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.2 objets dynamiques : les végétaux chlorophylliens
Courbe de réflectance d’un végétal chlorophyllien

% Réflectance

Longueur
d'onde
visible proche infra moyen infra
rouge rouge

PIGMENTS STRUCTURE CELLULAIRE EAU LIBRE

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.2 objets dynamiques : les végétaux chlorophylliens
Discrimination de 3 espèces végétales

Réflectance %
100

90

80

70

60

50

40
espèce 1
30
espèce 2
20
espèce 3
10

0 longueur d'onde
0,40 0,60 0,80 1,00 1,20 1,40 1,60

Bande Bande Bande


Verte Rouge PIR

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.2 objets dynamiques : les végétaux chlorophylliens
Facteurs modifiant la réflectance des végétaux

• l’épaisseur des feuilles


• la face des feuilles : face inférieure plus réfléchissante
• l’âge des feuilles
• la teneur en eau
• les déficiences minérales
• les pathologies
• les autres organes
• le port des feuilles
• l’orientation des rangs
• le stade de développement de la culture

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.3 l’eau : Courbe de réflectance de l’eau liquide

% Réflectance

Longueur
d'onde
visible proche infra moyen infra
rouge rouge

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.3 l’eau : propriétés des eaux

EAUX CLAIRES EAUX TROUBLES

DANS LE
VISIBLE

EFFET DE PHYTOPLANCTON SUBSTANCE JAUNE


DIFFUSION DÉTRITUS BIOGÈNES SÉDIMENTS, ALLUVIONS
MOLÉCULAIRE ALGUES ÉLÉMENTS EN SUSPENSION

Mer Méditerranée Océan Atlantique Mer Baltique


eaux de source Fleuves Fleuve Jaune
lacs de montagne Lacs Canal du Midi
... ... Embouchures et côtes
...

DANS L'eau absorbe la quasi totalité du REM. La présence


L'INFRAROUGE d'éléments dissous ou en suspension peut élever la
valeur de réflectance

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


4. Le rayonnement électromagnétique (REM)

4.2 Signature spectrale


4.2.4 autres objets : artificiels, urbain

 Revêtements naturels = réflectance proche des sols


 Revêtements artificiels = réflectance variable suivant la matière,
l’inclinaison, l’exposition…
 Grande hétérogénéité spectrale dans les images THRS

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.1 Les vecteurs


généralités
avion
ballon
navette spatiale
satellite

5.2 Les capteurs


les familles de capteurs
principe de détection
principe d’acquisition des données
les bandes spectrales
le radar
le capteur hyperspectral
comment choisir ses données ?

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.1 Les vecteurs : généralités


800
Altitude (Km) Satellite à
défilement
800 km
700

600

500

400

300

200 Ballon
50 km
Hélicoptère
Tracteur ULM Avion
100 agricole 5 km 20 km
50 cm-2 m

fauchée

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.1 Les vecteurs : l’avion

AVANTAGES INCONVÉNIENTS

Choix de la date et de l'heure Perturbations de trajectoire


Choix de la trajectoire et du lieu Limitation d'altitude
Adaptation des capteurs à la mission Fonctionnement coûteux
Haute répétitivité et haute résolution

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.1 Les vecteurs : le ballon

AVANTAGES INCONVÉNIENTS

Bonne résolution spatiale Trajectoire incertaine


Trace au sol plus importante
Fonctionnement peu coûteux

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.1 Les vecteurs : la navette

AVANTAGES INCONVÉNIENTS

Grande couverture spatiale Faible répétitivité


Adaptation des capteurs à la mission Fonctionnement coûteux
Haute résolution spatiale Prix de revient coûteux

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.1 Les vecteurs : le satellite

AVANTAGES INCONVÉNIENTS

Bonne couverture spatiale Résolution spatiale plus faible


Bonne répétitivité Nombreux paramètres correctifs
Peu coûteux

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.1 Les vecteurs


5.1.1 les satellites : les orbites

Orbite à
défilement

36000 km

Orbite
géostationnaire

800 km

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.1 Les vecteurs


5.1.2 les satellites : caractéristiques des orbites

Orbites Orbites à défilement


géostationnaires et héliosynchrones

Altitude : 36 000 km Altitude : 600 à 1000 km


Vitesse de rotation angulaire Vitesse de rotation rapide (ex :
identique à celle de la terre Spot, 1 tour en 101 mn)
Orbite équatoriale et quasi Orbite quasi polaire et quasi
circulaire circulaire
Faible résolution spatiale Haute résolution spatiale
Très haute répétitivité Bonne répétitivité
Orbite phasée et héliosynchrone
Très bonne couverture

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs PASSIFS ACTIFS


5.2.1 les familles de capteurs n
atio
s erv e ou on
Ob iurn sel
d rne e &
n
octu mai tres s
n do nê e
le s fe ériqu
le sph
o
a tm
Imageurs Lidars u res
s s
Me r tou
& pa mps
Sondeurs te
atmosphériques
Radars

E Imageurs
I QU Altimètres
T
OP &
Sondeurs
RF

O
ADI NCE
R UE
R ÉQ
F

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs


5.2.2 le principe de détection

Exemple d’un système optique-passif : le spectromètre à balayage

Amplificateurs
Prisme

Parabole

Miroir
tournant
Module enregistreurs
de
éclateur Détecteurs contrôle
spectral

Télescope

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs


5.2.3 le principe d’acquisition des données

Lignes déjà
enregistrées

Ligne en cours
d'enregistrement
Le scanneur Système Les
à balayage d’acquisition détecteurs
ex : Landsat optique
à barrettes
Ex : Spot

Sens de Sens de
déplacement déplacement
du satellite du satellite

Acquisition des données d’une ligne Acquisition des données LIGNE par LIGNE
PIXEL par PIXEL

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs


5.2.4 Bandes de quelques satellites d’observation de la Terre

NOAA

LANDSAT TM

SPOT

QUICK BIRD 2

Visible Proche Moyen Infrarouge


infrarouge infrarouge thermique

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs


5.2.4 intérêt des bandes spectrales pour l’observation de la terre

Exemple : LANDSAT TM

0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 . . . . . . . . . . . 10.0 10.5 11.0 11.5 12.0 12.5

BLEU discrimination minéral / végétal – eaux et milieu littoral : bathymétrie et cartographie côtière
0,45 - 0,52 – Identification des caractères ruraux et urbains
VERT cartographie de la végétation chlorophyllienne (mesure le sommet de réflectance) -
0,52 - 0,60 Identification des caractères ruraux et urbains
ROUGE discrimination plantes feuillées et plantes à feuilles caduques (absorption de chlorophylle) -
0,63 - 0,69 Identification des caractères ruraux et urbains
PIR discrimination entre plantes et entre couverts végétaux – état sanitaire et identification de la
0,76 - 0,90 biomasse – contour des surfaces en eau (étangs, lacs, fleuves …) - humidité du sol
MIR1 sensible à l'humidité du sol et des plantes - discrimination entre eau solide (neige) et eau
1,55 - 1,75 gazeuse (nuages)
MIR2 discrimination entre minéraux et roches - sensibilité au taux d'humidité dans la végétation
2,08 – 2,35
IRT identification du stress de la végétation et de l'humidité dans le sol en relation avec l’IRT -
10,4 – 12,5 cartographie des températures du sol et de la végétation.

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs


5.2.5 Un système actif à radio fréquences : le radar
RAdio Detection And Ranging SATELLITE
la signature spectrale dépend de la longueur
d’onde du signal émis et de la réponse de l’objet
Exemples de satellites radar :

Ers 1 et 2 : altimétrie, diffusiomètre, radar imageur


Jason 1 : altimétrie - océanographie
Seasat : altimétrie, radar imageur, température de
surface, radiomètre visible et infrarouge
Radarsat : radar imageur Faisceau
émis
Envisat : radar imageur- étude de l’environnement

Faisceau
réfléchi

objet
Objet

Copyright ESA

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs


5.2.6 Un autre système optique passif : le capteur hyperspectral

La signature spectrale est quasi continue


Deux exemples de capteurs :

AVIRIS (Airborne Visible InfraRed Imaging Spectrometer)


224 bandes spectrales (400 à 2500 nm),
largeur moyenne d’une bande : 10nm
CASI (Compact Airborne Spectrographic Imager).
système spectro-imageur à barrette CCD (Charge Coupled
Device)
288 bandes spectrales ( 430 et 870 nm)
largeur moyenne d'une bande : 1.8 nm.

100 à 600 bandes

La résolution spatiale est variable selon l’altitude du capteur (de 0,30m à quelques mètres).
Ces types de capteurs sont aéroportés.

CASI-ITRES – Pipe line (Alberta, Canada)

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs


5.2.7 Comment choisir ses données / couverture et taille du pixel ?
fauchée (km)
3000 Noaa17

Couvertures 2400 Spot Végétation


continentales Modis

Landsat7

150

Couvertures
régionales
100

IRS 1D
Spot 4 Spot 5
50

Formosat2
Petites Pléïades QuickBird2
surfaces Ikonos
Orbview5
Orbview3
1100 250 30 25 20 15 10 5 pixel (m)

Basse résolution Haute résolution Très haute


résolution

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


5. Vecteurs et capteurs

5.2 Les capteurs


5.2.7 Comment choisir ses données / répétitivité et taille mémoire de l’image ?

Taille du pixel Répétitivité Taille de la scène Taille mémoire


Satellite Fauchée (km) couleur (m) (jours) (km²) par canal (Mo)

NOAA 17 USA 3000,0 1100,0 tous les jours 9 000 000,00 7,44

Spot Végétation FR 2400,0 1000,0 tous les jours 5 760 000,00 5,76

Modis USA 2330,0 250,0 tous les jours 5 428 900,00 86,86

Landsat 7 USA 185,0 30,0 16 34 225,00 38,03

IRS 1-D INDE 70,0 24,0 24 4 900,00 8,51

Spot 4 FR 60,0 20,0 26 3 600,00 9,00

Spot 5 FR 60,0 10,0 26 3 600,00 36,00

Ikonos 2 USA 11,0 4,0 1,5 à 3 121,00 7,56

Orbview 3 USA 8,0 4,0 3 64,00 4,00

Formosat 2 Taiwan 24,0 2,8 1 576,00 73,47

Pléïades FR 20,0 2,8 1à3 400,00 51,02

QuickBird 2 USA 16,5 2,4 1à5 272,25 47,27

Orbview 5 USA 15,2 1,6 7 231,04 90,25

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales

6.1 histogramme d'un canal monochrome


6.2 étalement de dynamique (stretching)
6.3 gé
génération de masques
6.4 corrections gé
géomé
ométriques
6.5 cré
création de né
néocanaux : indices, ACP
6.6 le filtrage spatial des images
6.7 Classifications
6.8 Rendu cartographique
6.9 Habillage cartographique
6.10 Analyse 3 D

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales

6.1 Histogramme d’un canal monochrome

Représentation statistique des données

Histogramme du canal 1
Nb Pixels
1600

1400

1200

1000

800

600

400

200

1 51 101 151 201 251


Comptes Numériques

A chaque pixel est affecté un ton de gris


Chaque ton de gris prend une valeur
comprise entre 0 (noir) et 255 (blanc)

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.2 Étalement de dynamique d’un canal monochrome

Histogramme brut du canal 1 Histogramme étalé du canal 1

Nombre de pixels
16000 16000
Nombre de pixels

14000 14000
12000 12000
10000 10000
8000 8000
6000 6000
4000 4000
2000 2000
0 CN 0 CN
0 50 100 150 200 250 0 50 100 150 200 250
44 119 0 44 119 255

Sans étalement des données de Etalement linéaire des données


l’histogramme comprises entre 44 et 119

Image sombre, peu Image claire, contrastée


contrastée

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.2 Étalement de dynamique d’une composition colorée

sans étalement de après étalement de


dynamique dynamique

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.3 Génération de masques

A partir d’une image on sélectionne


1
 une région géographique
0

... on construit un masque binaire ... que l’on applique sur l’image

0
 un espace radiométrique 1

Composition colorée Masque thématique de Composition colorée


brute la végétation de la végétation

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.4 Corrections géométriques : origines des déformations
 déformations liées à l’instrument
- étalonnage du capteur,
- dysfonctionnement de détecteurs, Exemple : effet de
- défaut d’égalisation entre barrettes, l’angle de visée
- angle de visée (si dépointage)
- vitesse de balayage des miroirs rotatifs …
 Déformations liées à l’environnement
- rotation de la terre l’image = parallélogramme
- relief …
 Déformations liées au vecteur
- variation d’altitude du satellite,
- variation de la vitesse de déplacement,
- attitude (tangage, roulis, lacet) …

Objets identiques

Visée oblique
Images différentes
Visée verticale

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.4 Corrections géométriques : calage d’une image par rapport
à une image de référence

Superposition Superposition
image de MAI-AOUT MAI-AOUT
référence SANS APRES
correction correction

MAI 1990
Visée verticale

image à
recaler

AOUT 1990
Visée oblique (2°26)

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.4 Corrections géométriques : calage d’une image par rapport
à une carte (= géoréférencement)

carte de
géoréférence

image à
géoréférencer
Image géoréférencée

On peut lui superposer un carroyage


exprimé dans un système de projection
choisi

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.5 création de néocanaux : rapports de canaux et combinaisons linéaires

Effectuer des opérations arithmétiques entre canaux de manière à accentuer les


différences de réponses spectrales caractérisant certains thèmes.

Un indice de
Un indice de
végétation :
Brillance
le NDVI
IB
PIR - R
PIR² + R²
PIR + R

COMBINAISONS TRICHROMIQUES

PIR - R - V PIR - NDVI - R NDVI - IB - R

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.5 création de néocanaux : Analyse en Composantes Principales (ACP)

Objectifs
Créer des néocanaux indépendants (non corrélés)
… pour éliminer l’information redondante

Réduire l'espace de l'information


… en diminuant le nombre de canaux informatifs

Extraire une information détaillée


… en maximisant la variance des données

Éliminer le « bruit » dans l’image


… en éliminant les canaux concentrant le bruit

Sélectionner des canaux pertinents


… en analysant le contenu informatif

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.5 création de néocanaux : Analyse en Composantes Principales (ACP)

Composition colorée Bande Bleue : 33,33% Bande Rouge : 33.33% Bande PIR : 33.33%
Scène Spot brute

Composition colorée Composante 1 : 90.75% Composante 2 : 7.16% Composante 3 : 2.08%


ACP Facteur d’opposition Facteur d’opposition Facteur
sols lisses / sols rugueux végétation / sols Éclairement solaire latéral et
défaut des détecteurs

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.6 le filtrage spatial des images

• Permet d'extraire des informations de fond, de structure et de texture.


• Permet d'homogénéiser, de lisser, d’éliminer du bruit, de contourer et de contraster.
• Le filtre (ou noyau) sera matérialisé par une fenêtre carrée (ou rectangulaire) de taille variable dont
les éléments seront affectés d'un poids. Cette fenêtre se déplace ligne par ligne, colonne par colonne
(= par convolution) et calculera la nouvelle valeur du pixel central

Le filtre L'image à traiter Le calcul L'image résultat

0 -1 0 118 120 101 63 110 0


118 -1 0
120 101 63 110 118 120 101 63 110

-1 4 -1 98 115 105 74 21 -1 4
98 115 -1
105 74 21 98 63 48 49 21

0 -1 0 14 74 82 58 15 014 -1
74 082 58 15 14 39 26 16 15

11 46 65 45 23 11 46 65 45 23 11 21 72 25 23

25 13 15 9 204 25 13 15 9 204 25 13 15 9 204

Exemple : +118 x 0 + 120 x -1 + 101 x 0 0 -120 0


+ 98 x -1 + 150 x 4 + 105 x -1 = -98 +600 -105 = 63
+ 14 x 0 + 74 x -1 + 80 x 0 0 -74 0

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.6 le filtrage spatial des images : exemples de filtres

Érosion Dilatation
On affecte à chaque pixel On affecte à chaque pixel
la valeur la plus faible des la valeur la plus forte des
pixels de voisinage pixels de voisinage

Image brute

Filtre Médian Filtre Passe Bas


= filtre de lissage. Élimine Élimine le bruit de fond et
les pics d’intensité isolés adoucit l’image

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.6 le filtrage spatial des images : exemples de filtres

Filtre Roberts Filtre passe haut


Filtre de rehaussement des Élimine les basses fréquences.
contours Rehausse les contours

Image brute

Directionnel Filtre Local Sigma


Accentue les contours dans Transforme les pixels par une
une direction donnée moyenne des pixels non liés au bruit

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales

6.7 Les classifications


6.7.1 objectif et méthodes
Extraire d’une image des classes thématiques (cultures, urbain, forêts, routes, lacs, etc.)

deux types de méthodes

Classifications non dirigées Classifications dirigées

La méthode, dite objective, est basée La méthode, dite subjective, est basée
sur la segmentation du nuage de pixels sur l'affiliation des pixels à des classes
en groupes homogènes (proximité thématiques définies et reconnues par
spectrale), sans recours à la l'opérateur à partir de la connaissance
connaissance de terrain. de terrain.
La légende est élaborée a posteriori La légende est élaborée a priori par
par l'opérateur (à partir de la l'opérateur (à partir de la connaissance de
connaissance de terrain). terrain).
Ce type de classification est souvent Ce type de classification est souvent
utilisé pour générer un document utilisé pour produire un document
cartographique d'appui à une mission thématique final.
de terrain.

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales

6.7 Les classifications


6.7.2 principe d’une classification non dirigée

image brute image classée

0 Non classés 427 0.2 %


1. L’utilisateur fixe, a priori, un nombre de classes à
1 eau courante 76346 42.2 %
extraire, 2 eau stagnante 5153 2.9 %
2. Un algorithme de classification, basé sur la 3 Mangrove 34529 19.1 %
4 Forêt 19243 10.6 %
proximité spectrale des pixels, va regrouper les
5 Sables 1584 0.9 %
pixels en sous-ensembles homogènes (clusters), 6 Zones humides 29676 16.4 %
3. On interprète, a posteriori, la signification de ces 7 Sol nu 10603 5.9 %
sous-ensembles que l’on définit alors en classes
thématiques.

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales

6.7 Les classifications


6.7.3 principe d’une classification dirigée

image brute image classée

0 Non classés 7698 4.3 %


1. On élabore, a priori, une légende
1 eau courante 75034 41.5 %
2. On crée des groupes de pixels (noyaux) 2 eau stagnante 5150 2.8 %
appartenant à une classe thématique reconnue sur le 3 Mangrove 41457 22.9 %
terrain (même étendue spectrale) 4 Forêt 33265 18.4 %
5 Sables 851 0.5 %
3. On compare les autres pixels aux noyaux de 6 Zones humides 9933 5.5 %
référence. Les pixels ayant une étendue spectrale 7 Sol nu 1 2163 1.2 %
proche de celle d’un noyau de référence seront 8 Sol nu 2 5249 2.9 %
affectés à la classe correspondante.

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales

6.7 Les classifications


6.7.4 comparaison des deux classifications

classification dirigée classification non dirigée

0 Non classés 7698 4.3 % 0 Non classés 427 0.2 %


1 eau courante 75034 41.5 % 1 eau courante 76346 42.2 %
2 eau stagnante 5150 2.8 % 2 eau stagnante 5153 2.9 %
3 Mangrove 41457 22.9 % 3 Mangrove 34529 19.1 %
4 Forêt 33265 18.4 % 4 Forêt 19243 10.6 %
5 Sables 851 0.5 % 5 Sables 1584 0.9 %
6 Zones humides 9933 5.5 % 6 Zones humides 29676 16.4 %
7 Sol nu 1 2163 1.2 % 7 Sol nu 10603 5.9 %
8 Sol nu 2 5249 2.9 %

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales

6.8 Le rendu cartographique

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales

6.9 L’habillage cartographique

Exemple : extraction de contours de classes

La classe EAU La classe VEGETATION


eau stagnante mangrove
eau courante forêt

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.10 L’analyse 3 D : Modèle Numérique de Terrain et NAPPAGE 3D

Image MNT 2D Composition colorée 2D

Image MNT 3D Composition colorée 3D

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.10 L’analyse 3 D : extraction de paramètres topographiques

Plages d’altitude
pentes

Angle d’exposition Ombres

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


6. Le traitement des images satellitales
6.10 L’analyse 3 D : exemples

Forêt de
Lilhac

pentes
0-2 degrés

2-4 degrés

4-6 degrés

6-8 degrés
Forêt de
Mauboussin >8 degrés

Zone inondable de la vallée de la Nère Cartographie des pentes en vue de


(Canton d’Aurignac, Haute-Garonne) créer des voies de communication
(Canton d’Aurignac, Haute-Garonne)

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


7. La représentation des couleurs
7.1 Vision d’un objet

la rétine

cônes
cônes
cônes

Cellules à bâtonnets

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


7. La représentation des couleurs
7.2 La représentation des couleurs : le système RVB

Couleurs primaires

0.4 0.7µ
µm

R Coordonnées trichromiques
ri

Ci

bi
vi
B V

Une couleur sera la résultante de la combinaison


des trois couleurs primaires R, V et B
Ci = ri R + bi B + vi V

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


7. La représentation des couleurs
7.2 La représentation des couleurs : le système RVB

Addition des couleurs Soustraction des couleurs

ROUGE VERT JAUNE MAGENTA

BLEU CYAN

ROUGE + VERT = JAUNE - JAUNE - CYAN = VERT


ROUGE + VERT + BLEU = BLANC - JAUNE - CYAN - MAGENTA = NOIR

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


7. La représentation des couleurs
7.2 La représentation des couleurs : le système RVB

Addition des couleurs Soustraction des couleurs

Filtre Magenta

Photographie
Télévision
Imprimerie
Images numériques lasers
Peinture

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


7. La représentation des couleurs
7.2 La représentation des couleurs : le système RVB

R V B
240
200 220
160
120
110
80
40 38
SYNTHÈSE ADDITIVE
0

SYNTHÈSE SOUSTRACTIVE
217

145

35

C M J

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007


7. La représentation des couleurs
7.3 La représentation des couleurs : le système ITS

Intensité Teinte Saturation

0% 100%

255

COULEUR 360°
TON
DEGRÉ DE PURETÉ
Intensité
0

LUMINOSITÉ
Teinte
ENERGIE

Saturation

Cours de télédétection aérospatiale – Jean-Paul Lacombe & David Sheeren - 2007

Vous aimerez peut-être aussi