Les images thermiques

Transfert radiatif Émission du rayonnement par les objets Rayonnement secondaire par l’atmosphère réfléchi par la surface Passage par l’atmosphère Détection

1. Émission du RÉM Tout objet à une température supérieure au zéro absolu émet du RÉM Pour étudier l’émission nous avons recours à un objet idéalisé: le corps noir Un corps noir a la propriété d’absorber toute l’énergie reçue par une source externe et de l’émettre à l’espace ambiant d’une façon isotrope

1. Émission du corps noir: les lois physiques Loi de Planck : exitance spectrale [W m-2 µm-1] où c1 = 3,742 x 10-16 [W m2] c2 = 1,439 x 10-2 [m K] T = la température cinétique du corps noir (en K) Loi de Stefan-Boltzman Corps noir à une Température T (K)  Densité du flux total émis: M = T4 [ W m-2] où  = la constante de Stefan-Boltzmann=5,669 x 10-8 [W m-2 K-4] La loi de déplacement de Wien Longueur d’onde du pic d’émission d’un corps noir à une Température T (K) C = 2898 [μm K]

Rayonnement émis Rayonnement spectrale émis par divers corps noirs incluant la terre et le soleil. Calculs – Loi de Planck Selon la loi de S.-B.  T croissant donc M croissant Selon la loi de Wien  T croissant donc longueur d’onde du pic d’émission décroissant

Émission vs température: exemple Une ampoule éteinte [à une température ambiante de 27°C (300 Kelvin)] n’émet pas du rayonnement visible, tandis qu’une ampoule dont l’élément est chauffé à 677°C (950 Kelvin) émet la plupart de son énergie dans l’infrarouge moyen et un tout petit peu dans le visible (lumière rouge). Une ampoule incandescente [2223°C (2500 Kelvin)] donne une lumière orangée jaune, bien que seulement 10% de son énergie est émis dans le visible, le reste est émis dans l’infrarouge, et perçu par nous comme de la chaleur

Loi de Wien: exemples μm où C = 2898 [μm K] un feu de forêt à 800 K alors pic d’émission à 2898/800  3,6 μm le soleil est à 6000 K environ alors pic d’émission à 2898/5700  0,5 μm μm où C = 2898 [μm K]

1. Émission d’un corps noir

1. Émission par les objets terrestres Les objets terrestres ne sont pas de corps noirs; la quantité du rayonnement émis par longueur d’onde est moindre de celle prescrit par la loi de Planck. Pour décrire leur émission on introduit une quantité, l’émissivité, qui nous indique la différence entre l’exitance spectrale de l’objet réel et celle du corps noir à la même température cinétique:

1. Émission par les objets terrestres Échantillon de calcaire; sa surface fait 10 cm2 L’émissivité toujours <1 Si l’émissivité demeure constante peu importe la longueur d’onde nous disons que l’objet se comporte comme un corps gris La majorité des objets terrestres ont plutôt une émissivité variable selon la longueur d’onde, on parle alors d’un radiateur sélectif

1. Émission par les objets terrestres Émissivité spectrale d’un corps noir, d’un corps gris et d’un radiateur sélectif hypothétique Exitance spectrale d’un corps noir, d’un corps gris et d’un radiateur sélectif hypothétique à la même température cinétique

1. Émission par les objets terrestres: exemples

Valeurs de l’émissivité dans la bande spectrale 8-14 µm

1. Émission par les objets terrestres: une première conclusion L’exitance spectrale d’un corps réel dépend de sa température cinétique, et de son émissivité à la longueur d’onde examinée. En termes pratiques: si l’on mesure l’exitance spectrale d’un objet on peut déduire sa température cinétique seulement si l’on connaît son émissivité spectrale. Est-ce donc possible d’utiliser un capteur de télédétection pour estimer la température des objets au sol? Pour répondre à cette question reprenons les choses du début

Le cycle diurne des températures Comme le soleil est la source principale du rayonnement qu’un corps gris puisse absorber, les températures des objets suivent le cycle diurne de l’apport énergétique du soleil à la surface, mais chacun à son propre rythme selon sa composition, sa densité, le taux d’humidité etc.

Le cycle diurne des températures Avant le lever du soleil, l’air (1), la végétation- les Ohias (sorte d’arbre en Hawaï) (2), la route (3) et le basalte ancien (4) gardent une température uniforme. Dès l’aube, vers 7 heures, l’air, la route et le basalte marquent une augmentation rapide de leur température par réchauffement; la reprise de l’activité biologique des plantes se manifeste par un accroissement de leur température suivie d’un palier.

Le cycle diurne des températures Un autre exemple: observations in situ

Le rôle de l’atmosphère Similaire aux images du rayonnement solaire réfléchi (vapeur d’eau importante comme absorbeur + moindres les effets de brume atmosphérique) Les nuages  objets opaques

Les capteurs Balayeurs à époussette

Les images du rayonnement émis: exemples Sensibilité spectrale Mono-spectrale: Landsat-7 ETM6 : résolution spatiale 60 m x 60 m (Attention Landsat-5 TM6 120 m x 120 m)

Exemple d’une thermographie de nuit par Landsat

ASTER (satellite TERRA) - un exemple d’un système de capteurs polyvalent Infrarouge thermique 5 bandes spectrales

ASTER-TIR: 5 bandes à une résolution de 90 m x 90 m

Les images du rayonnement émis: les images TIR (5 bandes) d’ASTER ASTER: VIS IRT

Illustrations

Différents objets

Les objets fantômes

Le relief

Pollution thermique des milieux aquatiques Centrale nucléaire Salem sur les rives de Delaware

émissaire Baie à protéger Marée ascendante émissaire Baie à protéger 8:00 h Est que le panache thermique peut causer de dommages à la baie? Mouvement de la marée Une hausse de la température de l’eau à l’intérieur de la Baie > 10 C n’est pas tolérable Marée basse 5:59 h Marée descendante Centrale thermique 14:20 h Marée haute Thermographies prises par le capteur aéroporté DEADALUS en hiver (deux jours consécutives) 10:59 h

Pollution thermique des milieux aquatiques Centrale nucléaire Salem sur les rives de Delaware

Applications - Exemple 1: Pollution thermique des milieux aquatiques Image thermique réorientée (corrections géométriques) et mise à la même échelle que l’image couleur

Urbanisation  Changement de l’environnement thermique Imperméabilisation Matériaux peu réfléchissant du rayonnement solaire Couvert végétal déficient Arnfield J.A., 2003, Two Decades of Urban Climate Research: a Review of Turbulence, Exchanges of Energy and Water, and the Urban Heat Island, International Journal of Climatology, 23: 1–26

Urbanisation  Changement du régime local des vents Rugosité de surface Canyons urbains

Changements climatiques  Changements du régime local des pluies Orages plus fréquents et plus intenses pendant l’été + imperméabilisation Risques d’inondations ↑ Pollution: cours d’eau + nappe phréatique ↑ Changnon SA., Westcott NE., 2002, Heavy rainstorms in Chicago: increasing frequency, altered impacts, and future implications, Journal of the American Water Resources Association, 38:1467-1475. Diem J.E., 2008, Detecting summer rainfall enhancement within metropolitan Atlanta, Georgia USA, Int. J. Climatol. 28: 129–133. Chester A., Gibbons C.J., 1996, Impervious surface coverage, Journal of American Planning Association, 62 (2): 243-258.

ÎLOTS DE CHALEUR URBAINS Les milieux urbains modifient les processus physiques dans la plus basse couche de l’atmosphère par la création des îlots de chaleur urbains. Dans les villes, les surfaces naturelles sont remplacées par des surfaces artificielles avec des propriétés thermiques différentes. Souvent ces surfaces ont une plus grande capacité d’emmagasiner l’énergie solaire qui restituent par la suite à l’air (chaleur sensible) en faisant ainsi monter sa température de 2-10 degrés plus haut par rapport aux milieux environnants.

Progression des îlots de chaleur avec la minéralisation de l’espace

Étude « Biotopes » U.deM. + UQAM … 10:00

Exemple

Extraits de l’image Landsat IRT Rouge PIR Carte d’occupation du sol

1. On ne fait rien Étape 1: valeurs numériques en luminances mesurées dans l’infrarouge thermique Image utilisée

1. On ne fait rien Étape 2: luminances en températures apparentes (image utilisée dans le labo) Cette équation est une approximation de la loi de Planck qui tient compte du fait que la luminance est mesurée dans un intervalle de longueurs d’ondes (bande spectrale) et non pas dans une seule longueur d’onde.

2. Approche empirique Étape 1: On va sur le terrain et on mesure la température à des endroits précis selon un plan d’échantillonnage approprié Étape 2: On localise ces endroits sur l’image et on extrait la Valeur numérique Étape 3: On établi une relation entre VN et température (analyse de régression) que l’on applique par la suite sur l’ensemble des pixels de l’image

2. Approche empirique Extrait ETM+6 rééchantillonnées à 30 m T = a VN + b T Exemple: un dépotoir de neige VN  T VN

3. Approche suivie dans le labo Idée générale Imagerie thermique  températures des objets  relation intime avec la température de l’air indication sur les sites potentiels d’îlots de chaleur Imagerie multispectrale  indices de végétation  localiser les surfaces avec un couvert végétal déficient verdissement contrer les îlots de chaleur But du laboratoire  prouver que les températures de surface sont intimement liées à la couverture végétal

3. Approche suivie dans le labo Étape 1: valeurs numériques en luminances mesurées dans l’infrarouge thermique Image utilisée dans le laboratoire

Valeurs numériques en températures Étape 2 (optionnelle): luminances en températures apparentes

Valeurs numériques en températures Étape 3: luminances apparentes en luminances au sol Luminance atmosphérique Transmittance atmosphérique Image utilisée dans le laboratoire Application d’un modèle atmosphérique

Valeurs numériques en températures Étape 4 (optionnelle): luminances au sol en températures

Valeurs numériques en températures Étape 5: luminances au sol en luminance des objets Luminance du ciel Émissivité Image utilisée dans le laboratoire Bande IRT (ETM+6) 1.71 Application d’un modèle atmosphérique

Valeurs numériques en températures Étape 6: luminances des objets en températures des objets

Valeurs numériques en températures Comment opérer sans aucune connaissance de l’émissivité? Méthodes approximatives …

Estimation de l’émissivité Méthode 1  classes des matériaux on assigne une valeur par défaut par classe des matériaux Méthode 2  on calcule l’indice de végétation et on assigne une valeur d’émissivité en fonction de l’indice de végétation

Méthode 1: Classification On cherche des sites d’entraînement pour les classes suivantes: 1) bâti avec couvert végétal dense (ex. Ville Mont-Royal); 2) bâti avec couvert végétal modéré; 3) bâti avec couvert végétal faible; 4) surfaces dénudées brillantes (visible); 5) végétation; 6) eau

Méthode 1: Classification On utilise ces sites pour séparer l’espace spectrale (toutes les bandes sauf thermique) en domaines de chaque classe selon les principes du classificateur par distance minimale

Méthode 1: Classification On attribue les valeurs par défaut pour l’émissivité par classe: 1) 0.96; 2) 0.93; 3) 0.91; 4) 0.88; 5) 0.985; 6) 0.97

Méthode 2: indice de végétation Étape 1: valeurs numériques en luminances mesurées pour les bandes spectrales du rouge et du PIR

Valeurs numériques en réflectances Étape 1: un exemple bande rouge image Landsat utilisée au laboratoire

Valeurs numériques en réflectances Étape 2: luminances en réflectances apparentes Esol = éclairement solaire hors atmosphère Image utilisée dans le laboratoire

Valeurs numériques en réflectances Étape 3: Réflectances apparentes en réflectances au sol Réflectance atmosphérique Transmittance atmosphérique Image utilisée dans le laboratoire Utilisation d’un modèle atmosphérique

Exemple 1: arbres Valeur numérique rouge = 35 Luminance satellite = 20,65 W m-2 sr -1 μm-1 Réflectance satellite = 0,050 Réflectance au sol = 0,035 Valeur numérique PIR =134 Luminance satellite = 121,35 W m-2 sr -1 μm-1 Réflectance satellite = 0,439 Réflectance au sol = 0,487

Exemple 2: béton Valeur numérique rouge = 189 Luminance satellite = 117,21 W m-2 sr -1 μm-1 Réflectance satellite = 0,286 Réflectance au sol = 0,338 Valeur numérique PIR =92 Luminance satellite = 81,91 W m-2 sr -1 μm-1 Réflectance satellite = 0,267 Réflectance au sol = 0,323

Exemple 3: eau claire Valeur numérique rouge = 29 Luminance satellite = 16,88 W m-2 sr -1 μm-1 Réflectance satellite = 0,041 Réflectance au sol = 0,023 Valeur numérique PIR =12 Luminance satellite = 6,77 W m-2 sr -1 μm-1 Réflectance satellite = 0,025 Réflectance au sol = 0,011

Estimation de l’indice de végétation NDVI Étape 4: Calcul du NDVI Valeurs négatives si rouge > PIR Valeurs zéro si rouge = PIR Valeurs positives si rouge< PIR

Exemple 1: arbres Calcul directement par les valeurs numériques NDVI = (134 -35)/(134+35) = 0,60 NDVI = (121,35-20,65)/(121,35+20,65) = 0,71 Calcul via les réflectances NDVI = (0,439-0,050)/(0,439+0,050) = 0,80 NDVI = (0,487-0,035)/(0,487+0,035) = 0,87

Image NDVI Carte d’occupation du sol

Calcul approximatif de l’émissivité On localise les pixels d’eau en seuillant l’histogramme du PIR Seuil réflectance <0.1 On attribue aux pixels d’eau une valeur approximative de 0,97

Calcul approximatif de l’émissivité On localise les pixels sans couvert végétal Seuil NDVI <0.15 On attribue aux pixels une valeur approximative de 0,88

Calcul approximatif de l’émissivité On localise les pixels avec couvert végétal partiel 0.15<= NDVI <0.7 On attribue aux pixels une valeur selon l’équation suivante:

Calcul approximatif de l’émissivité On localise les pixels avec fort couvert végétal NDVI >=0.7 On attribue aux pixels une valeur approximative de 0.985

Calcul approximatif de l’émissivité: résultat final

Analyse températures Carte d’occupation du sol

Analyse des températures Habitation faible densité Centre commercial Carte d’occupation du sol

Relation températures - couvert végétal