Modélisation du signal de télédétection

Présentation au sujet: "Modélisation du signal de télédétection"— Transcription de la présentation:

1 Modélisation du signal de télédétection
Le but n’est pas d’identifier les objets visés comme dans le cas des inventaires. Le but est de retrouver les paramètres biophysiques qui décrivent les propriétés intrinsèques des objets visés Mais deux conditions sine qua non: 1) les variations des ces propriétés dans le temps et/ou l’espace causent des variations du signal; 2) le capteur doit être suffisamment sensible pour mesurer ces variations (bande spectrale d’opération; résolution radiométrique et résolution spatiale; etc.)

2 Comment modéliser le signal?
Modélisation physique déterministe Modélisation physique stochastique Modélisation semi empirique Modélisation empirique

3 Modélisation physique
La modélisation physique est fondée sur des équations du transfert radiatif du rayonnement ÉM dans le trajet : source de rayonnement, objet et capteur. Le résultat est la réflectance spectrale/la température radiative/le coefficient de rétrodiffusion radar observable au-dessus de l’objet. Pour ce faire les caractéristiques physiques de l’objet doivent être décrites. En faisant varier les caractéristiques physiques il est ainsi possible de simuler le signal qui aurait du être observé par le capteur. Dans la pratique on connaît le signal. On peut alors évaluer les caractéristiques physiques en inversant le modèle. Ces modèles, malgré leur intérêt pour la compréhension des mécanismes de génération du signal, sont difficiles à mettre en opération. Le nombre de paramètres nécessaires pour leur fonctionnement est très élevé pour fournir un système opérationnel applicable sous n’importe quelle condition de la surface.

4 Modélisation physique: un exemple

5 Modélisation physique: un exemple

6 Modélisation physique: un exemple

7 Modélisation physique: un exemple, le modèle MIMICS
Modélisation du coefficient de rétrodiffusion des canopées végétales Description de la structure des végétaux Description des propriétés électriques des végétaux

8 Modélisation physique: un exemple, le modèle MIMICS
Simulation du signal et validation avec des données réelles Simulation pour la compréhension des choses

9 Un autre exemple: observation et modélisation du comportement des végétaux face au rayonnement solaire

10 Un autre exemple: modélisation du transfert du rayonnement solaire dans l’eau des zones côtières

11 Modélisation stochastique
La modélisation physique stochastique est fondée sur des équations du transfert radiatif du rayonnement ÉM dans le trajet : source de rayonnement, objet et capteur. Le trajet du rayonnement est décrit d’une façon probabiliste (ex. Monte Carlo) Ces modèles, comme les modèles déterministes, malgré leur intérêt pour la compréhension des mécanismes de génération du signal, sont difficiles à mettre en opération.

12 Modélisation semi-empirique
La modélisation semi-empirique fait appel aussi à des modèles physiques pour simuler les réflectances des canopées sous des conditions variables des paramètres structuraux. Les signaux simulés ainsi que les paramètres structuraux sont souvent présentés sous forme des tables de correspondance (Look up tables). Tenant compte des propriétés des objets dans un territoire donné il est possible de simuler le comportement d’une large gamme d’objets locales. Une fois les tables de correspondance créées, il est possible d’établir une relation empirique entre les paramètres et les signaux. Il est ainsi aisé, sachant les réflectances observées par le capteur, d’estimer les paramètres recherchés au moment d’observation par le capteur. À l’état actuel de l’art, ces modèles présentent le plus d’intérêt. Leur point faible demeure principalement l’acquisition des données de base représentatives de la région étudiée afin de simuler les signaux par le modèle physique.

13 Modélisation empirique
La modélisation empirique pour sa part fait appel à des relations statistiques établies entre les paramètres connus par des observations in situ et les signaux mesurés par le capteur. Ces modèles donnent des résultats très valables pour les conditions des objets similaires à celles qui ont servi à l’établissement des relations statistiques. Dans le cas contraire les estimations sont de moindre qualité.

14 Modélisation empirique: un exemple

15 Exemple du modèle empirique reliant la réponse dans l’infrarouge et la biomasse
Particulièrement pour la végétation combinaison des données des deux ou plusieurs bandes spectrales sous la forme d’indices de végétation

16 Les indices de végétation
Tutoriel Exelis:

17 Exemple: EVI

18 Le rôle de la résolution spatiale
Variance de l’image NDVI Spatial resolution 20m (SPOT) 60m ( SPECTRA) 300m ( MERIS) 500m ( MODIS) 1000m ( VGT) résolution Perte de la variabilité spatiale comme la résolution se dégrade Intégration spatiale du signal