Synchronisation des mesures avec les acquisitions satellites

Télécharger le fichier pdf d’un mémoire de fin d’études

LES ACQUISITIONS SATELLITES MULTI-CAPTEURS

Au cours de la campagne expérimentale, deux familles d’instrument ont servi à l’acquisition des images satellites : les capteurs passifs et actifs. Les radiomètres, qualifiés de passifs, enregistrent un rayonnement d’origine naturelle, réfléchi ou émis par la surface de la Terre. Par opposition, les RADAR (RAdio Detection And Ranging) sont qualifiés de capteurs actifs, l’antenne du satellite émet son propre rayonnement, indépendant de toute autre source d’énergie. Ils fonctionnent dans le domaine des hyperfréquences, leur offrant la possibilité d’effectuer des acquisitions de jour comme de nuit.
Les capteurs satellites enregistrent un rayonnement électromagnétique caractérisé par sa fréquence (f), ou sa longueur d’onde spatiale (λ), (grandeurs liées par la relation λ=c0/f, où c0 correspond à la vitesse de la lumière dans le vide, soit 3.108 m.s-1). Ces fréquences sont regroupées en domaines (et sous-domaines), et constituent le spectre électromagnétique (Figure 13). Les données satellites décrites dans les paragraphes suivants appartiennent à trois grands domaines : le visible (380 < λ < 780 nm), l’infrarouge (λ=0,78-100 µm) et les micro-ondes (λ=0.1mm-100 cm).
L’effet de l’atmosphère sur le rayonnement électromagnétique dépend de la longueur d’onde considérée (Figure 13). Les capteurs opérant dans le visible et le proche infra-rouge vont ainsi être fortement impactés par la présence de nuages, formant une barrière au rayonnement. La présence de particules dans l’atmosphère perturbe également le rayonnement à travers deux types d’interactions ; diffusion de Rayleigh (dans le cas de petites particules, de taille inférieure au dixième de la longueur d’onde considérée) ou diffusion de Mie (pour les particules de plus grande taille). Les hyperfréquences présentent une sensibilité moindre à l’atmosphère, les particules en suspension étant de petite taille en comparaison des longueurs d’onde considérées. Les capteurs opérant dans les micro-ondes constituent, par conséquent, des outils privilégiés pour le suivi de zones où la couverture nuageuse est fréquente ou importante.
Les précipitations peuvent constituer un problème à la propagation des micro-ondes. Toutefois, l’atténuation du signal n’est significative que pour des conditions particulières : faible longueur d’onde du capteur couplée à d’importantes précipitations (Figure 14).
Les capteurs utilisés lors de la campagne expérimentale, sont embarqués sur des satellites mis en orbite quasi-polaire. Chacun des satellites possède son propre cycle orbital (soit 11, 24 et 46 jours pour TerraSAR-X, Radarsat-2 et Alos), avec des taux de revisite très contrastés (en conditions nominales). Cependant, la période de revisite réelle, ou temps mis par le satellite pour observer le même point, peut être inférieure au cycle orbital grâce au système de dépointage des antennes SAR (angle d’incidence variable). Le recouvrement entre fauchées, ainsi que l’acquisition lors des différentes orbites (ascendante ou descendante) augmentent également les possibilités de couverture d’un même site.

Les images radar

Généralités

Le fonctionnement des Radar à Synthèse d’Ouverture (RSO ou SAR) est basé sur l’alternance entre : émission d’impulsions micro-ondes illuminant une cible, et enregistrement de signaux rétrodiffusés par la surface (Figure 15). Les impulsions sont émises à intervalles réguliers (dépendant de la fréquence de répétition des impulsions, fr), durant une durée (τ), et à une fréquence (f) spécifiques. La visée de l’instrument étant latérale à l’orbite, le déplacement du satellite permet l’obtention d’images, par enregistrement et traitement du signal rétrodiffusé, selon une fréquence d’échantillonnage notée : fe. Ces capteurs sont ainsi qualifiés de radar imageurs. L’antenne émet et reçoit des ondes électromagnétiques appartenant à un sous-domaine des micro-ondes (Figure 16). Les satellites, décrits dans les paragraphes suivants, acquièrent des images à des fréquences de 9.65, 5.40 et 1.27 GHz, correspondant respectivement aux bandes X, C et L. Une Onde ElectroMagnétique (OEM) est caractérisée par deux champs, électrique et magnétique, orthogonaux. Elle se déplace à la vitesse de la lumière dans le vide ou dans l’air. Outre la fréquence, l’onde est caractérisée par son état de polarisation. Il correspond à l’orientation du champ électrique par rapport au plan de propagation de l’onde. Dans le cas des polarisations linéaires (seules utilisées en télédétection satellitaire), les états de polarisation sont horizontaux (abréviés H) ou verticaux (V). Les données radar sont associées à un couple de lettre. La première renseigne l’état de polarisation de l’onde émise, la seconde concerne celui de l’onde reçue. Les quatre configurations possibles sont appelées : co-polarisation si les états de polarisation sont similaires à l’émission et à la réception du signal (HH et VV), ou cross-polarisation ou polarisation croisée dans le cas contraire (HV et VH). Enfin, l’onde émise est également caractérisée par un angle d’incidence (θ). Il correspond à l’angle formé entre la direction de propagation de l’onde (k) et la verticale du satellite.

Les déformations géométriques des images SAR

Le relief, d’origine naturelle ou anthropique (bâtiments, ouvrages d’art…), engendre différentes distorsions géométriques. Ainsi, lorsqu’une OEM est réfléchie par le sommet d’un objet, elle est reçue avant celle renvoyée par la base de ce même objet. Sur l’image produite, l’objet apparait comme replié dans la direction du capteur. Ce phénomène, appelé ‘Layover’, s’explique par la différence de distance entre cibles et satellite (le sommet étant plus proche du capteur que la base). Lorsque le relief est très marqué ou l’angle d’incidence élevé, des effets d’ombres peuvent apparaitre sur les images SAR (Shadowing). Il en résulte une partie noire sur l’image, où aucune information utile de la surface ne peut être extraite. Dans ces zones de relief, les angles locaux vont engendrer des déformations. La « face avant » (dans la direction du capteur) est contractée sur l’image, alors que la « face arrière » est dilatée.
La zone d’étude suivie dans le cadre de la campagne MCM’10 est très peu affectée par les déformations géométriques, en raison d’un très faible relief.

Le Chatoiement

L’OEM reçue par l’antenne SAR correspond à la somme cohérente des ondes réfléchies par l’ensemble des réflecteurs ‘distribués de manière aléatoire’ dans le paysage. L’amplitude et la phase de chacune des ondes réfléchies vont s’additionner (interférences constructives) et/ou se soustraire (interférences destructives) engendrant de fortes variations du signal enregistré. Une cible homogène formée de nombreux pixels apparait ainsi avec un aspect « poivre et sel ». Ce phénomène est appelé Chatoiement ou Speckle.
L’image présentée ci-dessous (Figure 20a), extraite des images SAR utilisées par la suite, illustre ce phénomène sur des parcelles agricoles. L’application d’un filtre numérique atténue ce phénomène, et améliore l’aspect de l’image (Figure 20b). Différents algorithmes, basés sur des approches spatiales ou temporelles, ont été développées afin de réduire le chatoiement. Ils sont utilisés pour la détection de formes particulières, de contours, ou d’objets.
Le filtre de Lee (largement utilisé en traitement d’image radar), réduit la dispersion au sein d’une même entité, comme en attestent les histogrammes présentés sur la Figure 21. La valeur moyenne des pixels de la parcelle n’est pas modifiée par le filtre (-8,66 contre -8,67 dB) alors que la dispersion est fortement réduite (les écarts types passent de 2,24 à 1,46 dB)

Propriétés et traitements des données SAR utilisées

Les données satellites radar ont été acquises dans le cadre de projets déposés auprès des agences spatiales allemande, canadienne, européenne et japonaise : SOAR, ID 6843 et HYD0611, PI : Frédéric Baup. L’accès aux données passe par la réalisation de plan d’acquisition, la zone d’étude n’étant pas couverte de manière systématique par ces capteurs.
Traitement des données SAR
Dans ces travaux de thèses, l’objectif est d’étudier la sensibilité des signaux satellites, à l’échelle de la parcelle. La forme de ces entités sert à l’extraction des données. Les statistiques (minimum, maximum, moyenne, médiane, et écart type) sont déduites de l’ensemble des pixels de chaque parcelle.
L’extraction des coefficients de rétrodiffusion suit les étapes de calibration radiométrique, et de géo-référencement des images. La calibration radiométrique des produits TerraSAR-X est basée sur la procédure décrite par Fritz et al., 2008 en utilisant l’Equation 16. Les images Radarsat-2 et Alos sont calibrées en utilisant le logiciel NEST, qui suit les Equations 17 et 18 (MDA, 2000; Lavalle and Wright, 2009).
0 (dB) = 20 × log 10 (DN ) + 10 × log 10 (K) + 10 × log 10 (sin(θ )) Équation 16
0 (dB) = 20 × log (DN /A2 ) + 10 × log (sin(θ )) Équation 17
0 (dB) = 20 × log (DN)+K Équation 18
Dans le cas des produits délivrés par TerraSAR-X et Alos, la valeur du coefficient de rétrodiffusion ( °) au pixel i, est fonction du compte numérique (DN), de la constante de calibration (K) et de l’angle d’incidence (θ). Concernant les produits Radarsat-2, un gain (A2) est également pris en compte. Les images sont géo-référencées sur la base d’ortho-photos délivrées par l’Institut Géographique National (IGN). La résolution des ortho-photos (50 cm) est dégradée pour correspondre à la résolution des différents produits satellites. Par la suite, l’image IGN sert de référence pour la localisation de 70 points de référence pour chacune des images SAR. La précision de géo-localisation est de 10 m en moyenne en considérant la taille des pixels des différents produits. A la vue de cette précision, les contours vectoriels des parcelles ont été rognés afin d’éviter les effets de mixels (mélange entre des valeurs radiométriques issues de la parcelle d’intérêt et de la parcelle voisine).
Propriétés d’acquisition des données SAR
Quel que soit le capteur satellitaire, les images sont acquises selon deux modes de fonctionnement:
– Mode Stripmap : il est présent sur les satellites opérant dans les micro-ondes depuis le satellite ERS-1. Il sert à l’acquisition des images TerraSAR-X, Radarsat-2 et Alos. Le faisceau d’antenne illumine une bande du sol, par une séquence d’impulsions. Le déplacement du satellite sur son orbite permet la formation des images (Figure 22a).
– Mode Spotlight : il est utilisé pour l’acquisition d’une série d’images TerraSAR-X, à haute résolution spatiale. Le temps d’illumination d’une zone fixe est prolongé, par visée stéréographique dans la direction azimutale. Les images sont caractérisées par une meilleure résolution spatiale au détriment de leur emprise (Figure 22b).

Les images optiques

Les images Spot-4/5 et Formosat-2

Les satellites européens Spot-4 et Spot-5 ont été respectivement lancés en mars 1998, et mai 2002 (Arnaud and Leroy, 1991). A leurs bords, des instruments optiques opèrent dans quatre bandes spectrales, dont les résolutions sont les suivantes : de 0,50 à 0,59 µm correspondant au vert, de 0,61 à 0,68 µm correspondant au rouge, de 0,78 à 0,89 µm correspondant au proche infrarouge, et 1,58 à 1,75 µm correspondant au moyen infrarouge. Les images sont acquises avec deux angles d’incidence, en utilisant le mode multi-spectral. La taille des pixels est de 20 et 10 m, pour Spot-4 et Spot-5.
Formosat-2 est un satellite taïwanais, lancé en mai 2004 (Chern et al., 2008). A son bord, un capteur optique fournit des images à des longueurs d’onde allant de 0.45 à 0.90 µm. Quatre bandes spectrales sont couvertes, avec les résolutions suivantes : le bleu de 0,45 à 0,52 µm, le vert de 0,52 à 0,60 µm, le rouge de 0,63 à 0,69 µm, et proche infrarouge de 0,76 à 0,90 µm. Toutes les images sont acquises avec le même angle d’incidence (± 45 °), en utilisant le mode multi-spectral, caractérisé par une résolution spatiale de 8 m.
En 2010, 8 images ont été acquises par chacun des satellites Spot et 14 par Formosat-2 (Figure 29). Les 30 scènes couvrent la période : janvier à décembre, avec une image tous les 11 jours en moyenne, aucune image n’est acquise durant le mois de novembre.

Extraction des indices de végétation

Les images sont délivrées par Spot Image. Une correction géométrique est appliquée, permettant d’obtenir une précision de superposition inférieure à un demi pixel (Baillarin et al., 2008). Les données optiques sont traitées des effets atmosphériques à l’aide d’un algorithme multi-temporel. Les nuages et leurs ombres sur le sol sont détectés, les perturbations atmosphériques (liées aux effets des aérosols par exemple) sont corrigées. La méthode développée par Hagolle et al. in 2008, repose sur l’hypothèse suivante : réflectances de surface et propriétés optiques des aérosols varient différemment d’un point de vue spatial et temporel.
Les données de réflectance acquises par les différents capteurs sont utilisées afin de calculer deux indices de végétation : l’indice de végétation par différence normalisée (NDVI, Rouse et al., 1974; Tucker, 1979), et l’indice de végétation triangulaire modifié (MTVI2, Haboudane et al., 2004).
Le NDVI est calculé en utilisant les valeurs de réflectance acquises dans les bandes spectrales correspondant au rouge et au proche infrarouge (Equation 19). Cet indice s’appuie sur l’absorption des pigments chlorophylliens dans le visible, et sur la réflexion des structures de la feuille dans le proche infrarouge. Le NDVI est l’indice le plus communément utilisé pour le suivi de la végétation. Il sert d’indice de référence dans le Chapitre II, ainsi que dans l’étape de correction angulaire des coefficients de rétrodiffusion. NDVI = ρpir – ρr Équation 19
Le MTVI2 est dérivé des réflectances acquises dans le vert, le rouge et le proche infrarouge (Equation 20). Cet indice est développé par Haboudane et al., 2004, il a pour objectif de réduire les effets du sol en préservant la sensibilité à l’indice foliaire (LAI, Leaf Area Index). Le MTVI2 est utilisée pour dériver le LAI en utilisant la relation empirique proposée par Liu et al. (2009). MTVI2 = 1,5[1,2(ρpir – ρv)-2,5(ρr – ρv)] Équation 20 (2ρpir + 1)2 – (6ρpir – 5
Les valeurs des indices, dérivés des satellites Spot-4, Spot-5 et Formosat-2, sont comparées en considérant les acquisitions avec un décalage temporel de deux jours au maximum. Le tableau ci-dessous présente différents critères statistiques, résultats des comparaisons des différents couples d’images disponibles (sur les parcelles servant au suivi qualitatif).
Concernant le NDVI, à l’échelle des 333 parcelles suivies, les différences observées entre les capteurs sont faibles, comme en attestent les valeurs des coefficients de détermination qui sont supérieures à 0,965 et celles des erreurs relatives inférieures à 17%. Les différences entre capteurs sont minimales dans le cas du couple d’image acquises le 10/04/2010. A l’inverse, la dispersion augmente lorsque les acquisitions ne sont pas réalisées le même jour (les changements des conditions de surface expliquant en partie cette dispersion).
Concernant le MTVI2, les différences entre capteurs sont plus importantes. Elles restent toutefois faibles, avec des valeurs des coefficients de détermination supérieures à 0,97. L’ajout d’une troisième bande augmente la dispersion, l’erreur relative varie entre ainsi 11 et 24%.

Bilan des acquisitions satellites multi-capteurs

Au cours de la campagne expérimentale, les acquisitions satellites ont été effectuées par différents instruments actifs et passifs, délivrant des produits à haute résolution spatiale (<10m), dans les domaines optique, proche infrarouge et micro-ondes.
L’utilisation des capacités de dépointage des antennes radar, couplée aux fauchées des images optiques, ont permis d’assurer 103 acquisitions sur une zone commune d’environ 100 km², entre janvier et décembre 2010 (Figure 32). Ces acquisitions sont réparties en 73 images radars (dont 40 en bande X, 26 en bande C et 7 en bande L) et 30 images optiques. Avec des écarts moyens compris entre 7 et 11 jours, elles sont régulièrement espacées, et couvrent les cycles culturaux et les états de surface associés (excepté en bande L). Les images radar délivrées par Radarsat-2 sont acquises avec 4 états de polarisation : HH, VV, HV et VH. Concernant Alos, les états de polarisation disponibles : HH ou HH et HV, sont dépendants des modes de fonctionnement de l’antenne (mode simple ou double polarisation). Enfin, les séries d’images TerraSAR-X sont acquises avec la co-polarisation horizontale, excepté trois images caractérisées par une co-polarisation verticale.
D’un point de vue échantillonnage temporel, la programmation des images a permis d’obtenir 25 dates où images optiques et radars sont disponibles avec un intervalle de temps maximum d’une journée (Figure 31). Concernant les images radars, les bandes X, C et L, sont acquises de manière quasi-synchrone à 6 reprises. Les dates combinant deux fréquences radars à plus ou moins un jour sont au nombre de 71. Elles sont à 89 % représentées par les bandes X et C, (soit 63 cas). Trois dates sont couvertes par les bandes C et L, et cinq par les bandes X et L.

Synchronisation des mesures avec les acquisitions satellites

Les mesures d’humidité collectées au sein des différentes parcelles varient entre 3% et 42%. Au cours d’une même journée, les variations du contenu en eau de la couche de surface peuvent être importantes. Les valeurs d’humidité de surface peuvent effectivement passer d’une valeur minimale à la saturation, suite à un événement pluvieux ou à une irrigation par exemple. À l’inverse, les pertes d’eau en surface peuvent être importantes lors des journées d’été en lien avec la forte demande évaporative (~ 6 mm.j-1). Lors de la campagne de mesure MCM’10, les acquisitions satellites et les mesures terrain ont été réalisées de manière quasi synchrone (t~1 jour dans la majorité des cas). Dans le détail, le décalage temporel médian est de 11 heures vis-à-vis des images Alos (allant de 5,5 à 16,5 heures), de 20,5 heures vis-à-vis des images Radarsat-2 (compris entre 0 et 91,5 heures), et de 18 heures vis-à-vis des images TerraSAR-X (oscillant entre 0,5 et 127 heures). Il était impossible d’effectuer l’ensemble des mesures de terrain au moment exact du passage des satellites en raison du grand nombre de parcelles suivies dans la journée (~12,8 km de transect, nécessitant au minimum 10 heures à 2 expérimentateurs).
L’objectif de cette section est donc de présenter la méthode de correction temporelle utilisée afin d’estimer à priori les valeurs d’humidité du sol lors du passage exact du satellite, à partir des mesures effectuées en décalé.
Méthode – Modèle réservoir avec un sens des simulations fonction de la chronologie relative
La méthode mise en œuvre est basée sur les données d’humidité de surface régulièrement collectées au cours de l’année 2010, et sur les variables météorologiques acquises à Lamasquère et Auradé. Ces dernières, collectées à une fréquence semi-horaire, sont utilisées afin de calculer l’évapotranspiration potentielle de référence (conformément à la méthode FAO, Allen et al., 1998).
Ces données sont par la suite utilisée au sein d’un modèle de type réservoir, afin de rendre compte de l’humidité de l’horizon superficiel. Le modèle réservoir est constitué de deux horizons, un superficiel de 5 cm (correspondant à la profondeur échantillonnée), et un profond. Le modèle fonctionne au pas de temps semi-horaire, avec comme variables d’entrée : les mesures d’humidité de surface (% vol), les précipitations (mm), les irrigations (mm), l’évapotranspiration potentielle de référence (mm), les humidités à la capacité au champ (% vol) et résiduelle (% vol), qui sont dérivées des valeurs extrêmes mesurées sur le terrain (pour chaque parcelle).
Un bilan hydrique est réalisé à l’échelle de la parcelle, il débute à partir de chaque mesure d’humidité de surface. Les différentes variables entrant dans la constitution du bilan sont alors additionnées ou soustraites, afin de rendre compte des niveaux d’humidité de surface lorsque les acquisitions suivent ou précèdent la mesure terrain.
Concernant les corrections appliquées dans le sens chronologique, les valeurs d’humidité sont augmentées des valeurs de précipitation et des quantités d’eau dispensées par irrigation (renseignées par les exploitants). La moitié de l’évapotranspiration est soustraite pour terminer le bilan (l’évapotranspiration potentielle de référence étant relative à l’horizon supérieur, qui correspond aux 10 premiers centimètres dans la méthode FAO). Les termes du bilan sont inversés, lorsque les simulations sont réalisées dans le sens anti-chronologique. Les valeurs d’humidité sont bornées par les valeurs maximales et minimales mesurées le long de chacun des transects.
Pour chacune des 37 parcelles, une valeur d’humidité de surface est retenue, à l’heure de passage du satellite (temps de passage arrondi à la ½ heure).
Résultats
La Figure 38 présente un exemple d’évolution temporelle de l’humidité de surface sur les parcelles A1 et R. Les mesures terrains sont représentées par des croix noires, alors que les valeurs d’humidité corrigées du décalage temporel sont en couleur (avec des figurés dépendant des satellites considérés). La variation d’humidité de surface, durant l’intervalle acquisition satellite/mesure terrain, est représentée par un trait continu. Cette variation est minimale dans la plupart des cas, avec des différences entre les valeurs mesurées, et celles simulées inférieures à 1%. Les valeurs corrigées sont fortement contrastées, seulement pour un faible nombre d’acquisitions où des précipitations ont eu lieu (une dizaine de cas sur 71 acquisitions).

Caractérisation de la végétation

Les mesures visant à caractériser la végétation ont été effectuées sur les cinq principales cultures de la région, à savoir : le blé, le colza, le maïs, le soja et le tournesol.
La période d’expérimentation couvre l’intégralité du cycle phénologique des cultures d’été, et la quasi-totalité du cycle des cultures d’hiver. Plusieurs paramètres ont été collectés durant la période comprise entre les mois de février et novembre. Ils peuvent être regroupés en deux catégories, en fonction de leur dynamique temporelle :
– La première catégorie regroupe des paramètres dont les valeurs sont invariantes pendant la saison culturale : type d’occupation du sol, distance inter-rang, orientation des sillons, nombre linéaire de plants. Ils sont collectés une seule fois au cours de la campagne expérimentale.
– La seconde catégorie rassemble les variables en lien avec l’état de la végétation, à savoir : les stades phénologiques, la hauteur, ainsi que le contenu en eau et la biomasse des cultures. Ces paramètres (dynamiques) évoluent au cours du cycle phénologiques, ils sont par conséquent collectés plusieurs fois pour chacune des cultures. Les stades phénologiques et la hauteur des cultures sont collectés lors de chaque sortie. La collecte de la biomasse et du contenu en eau sont mesurés entre quatre et sept fois au cours du développement des cinq cultures suivies.
Des informations concernant les pratiques culturales (dates de semis, de récolte, …), collectées auprès des exploitants, viennent compléter la base de données.

Sensibilité des signaux SAR à la végétation

Les différents mécanismes de diffusion
Au sein des parcelles agricoles, lorsque la végétation atteint un niveau de développement suffisant, les ondes électromagnétiques interagissent avec le couvert, selon les mécanismes de diffusion représentés sur la Figure 50. Une part du signal est diffusée et renvoyée par les éléments constitutifs de la culture, tels que les feuilles, les branches ou les tiges (diffusion de volume). Le signal peut également atteindre directement le sol et être renvoyé vers le capteur SAR (diffusion de surface), en subissant toutefois une atténuation lorsqu’il traverse la végétation. Le signal peut enfin interagir avec le sol et la végétation, suite à des interactions dites de doubles rebonds. Des interactions multiples (d’ordre 2 ou supérieures) peuvent également intervenir, mais elles ne seront pas considérées par la suite en raison de leur faible contribution dans le signal total rétrodiffusé. La part de chacun de ces mécanismes dans la rétrodiffusion totale du couvert végétal varie en fonction de la configuration des capteurs et des caractéristiques des cultures étudiées.
Effets de la configuration des capteurs sur la rétrodiffusion
Différents travaux ont permis d’appréhender la variation de la sensibilité des données SAR, en fonction des configurations des antennes. Ces études, précises, sont basées sur l’utilisation de capteurs « sol » pointés sur une portion de parcelle agricole. Les antennes utilisées couvrent un large éventail de configurations, en termes de fréquence, d’angle d’incidence, et de polarisation. Les travaux menés par Ulaby et al., 1979 ou Brown et al., 2003 montrent que la capacité de pénétration du signal radar est liée à la fréquence. Sur des couverts identiques, elle augmente lorsque la fréquence baisse. Les signaux émis en bandes L ou C sont par conséquent, plus à même d’atteindre le sol que ceux émis en bande X.
Sur la Figure 51, les mesures effectuées avec un angle d’incidence de 20° montrent que la sensibilité à l’humidité décroit de manière quasi-linéaire avec la fréquence. A 4,25 GHz, elle est de 0.17 dB par 0.01 g/cm3 d’eau, et passe à 0.04 dB par 0.01 g/cm3 d’eau à 17 GHz.

Table des matières

INTRODUCTION GENERALE
CHAPITRE I : Campagne expérimentale – Multispectral Crop Monitoring’
1. INTRODUCTION
2. LE SITE D’ETUDE
3. LES ACQUISITIONS SATELLITES MULTI-CAPTEURS
3.1. Les images radar
3.1.1. Généralités
3.1.2. Les résolutions spatiales
3.1.3. Les déformations géométriques des images SAR
3.1.4. Le Chatoiement
3.1.5. L’équation du radar
3.1.6. Propriétés et traitements des données SAR utilisées
3.2. Les images optiques
3.2.1. Les images Spot-4/5 et Formosat-2
3.2.2. Extraction des indices de végétation
3.3. Bilan des acquisitions satellites multi-capteurs
4. LES MESURES DE TERRAIN
4.1. Humidité de surface
4.1.1. Etalonnage des sondes portables
4.1.2. Suivi spatio-temporel de l’humidité de surface
4.1.3. Synchronisation des mesures avec les acquisitions satellites
4.2. Rugosité du sol
4.2.1. Protocole de mesure
4.2.2. Traitement des données
4.2.3. Analyses des résultats
4.3. Texture et pierrosité
4.3.1. Protocole de mesure
4.3.2. Analyse des résultats
4.4. Caractérisation de la végétation
4.4.1. Sensibilité des signaux SAR à la végétation
4.4.2. Analyse des résultats
4.5. Bilan de la collecte des mesures terrain
5. CONCLUSION
CHAPITRE II : Suivi des cultures par télédétection radar – Complémentarité avec les images optiques
1. INTRODUCTION
2. NORMALISATION ANGULAIRE DES SIGNAUX SATELLITES RADAR
2.1. Sensibilité des coefficients de rétrodiffusion à l’angle d’incidence
2.1.1. En période de sol nu
2.1.2. En période de végétation
2.2. Méthode de normalisation des coefficients de rétrodiffusion
2.3. Mise en place de la normalisation angulaire
2.3.1. Approche empirique
2.3.2. Impacts de la normalisation sur le signal radar
2.4. Bilan de la normalisation angulaire
3. SIGNATURES TEMPORELLES RADAR ET OPTIQUE DES CULTURES
3.1. Apports des différentes fréquences
3.1.1. Suivi des cultures pluviales d’hiver (colza et blé)
3.1.2. Suivi des cultures irriguées d’été (maïs et soja)
3.1.3. Suivi d’une culture pluviale d’été (tournesol)
3.1.4. Bilan
3.2. Apports des différentes polarisations pour le suivi des cultures saisonnières
3.2.1. Suivi des cultures pluviales d’hiver
3.2.2. Suivi des cultures irriguées d’été
3.2.3. Suivi d’une culture pluviale d’été
3.2.4. Bilan
4. COMPARAISON DE LA SENSIBILITE DES DONNEES SATELLITES AUX PARAMETRES DES CULTURES
4.1. Estimation du LAI et de la hauteur des cultures pluviales d’hiver
4.2. Estimation du LAI et de la hauteur des cultures irriguées d’été
4.3. Estimation du LAI et de la hauteur d’une culture pluviale d’été
5. CONCLUSION
CHAPITRE III : Evaluation et amélioration des modèles de rétrodiffusion radar de sol nu
1. INTRODUCTION
2. DESCRIPTION DES MODELES DE RETRODIFFUSION
2.1. Modèles semi-empiriques
2.1.1. Le modèle d’Oh et al., 1992
2.1.2. Le modèle d’Oh et al., 2004
2.1.3. Le modèle de Dubois et al., 1995
2.2. Modèle physique
2.2.1. Integral Equation Model
2.2.2. Calibration semi-empirique du modèle IEM
2.3. Sensibilité des modèles
3. METHODES D’EVALUATION ET D’AMELIORATION DES MODELES DE RETRODIFFUSION
4. EVALUATION DES MODELES DE RETRODIFFUSION
4.1. Résultats de modélisation en bande X
4.1.1. Performances des modèles
4.1.2. Analyse des résidus
4.2. Résultats de modélisation en bande C
4.2.1. Performances des modèles
4.2.2. Analyse des résidus
4.3. Résultats de modélisation en bande L
4.3.1. Performances des modèles
4.3.2. Analyse des résidus
5. AMELIORATION DES MODELES
5.1. Résultats en bande X
5.2. Résultats en bande C
5.3. Résultats en bande L
6. CONCLUSION
CONCLUSION GENERALE
Références Bibliographiques
Valorisations Scientifiques
1. Articles en lien avec les thématiques de la thèse
1.1. Articles publiés
1.2. Actes étendus
2. Articles en coopération avec d’autres projets
2.1. Articles publiés
2.2. Acte étendu
3. Autres valorisations scientifiques
3.1. Présentations avec acte
3.2. Posters avec acte
3.3. Posters

Télécharger le rapport complet