Groupe de travail Hyperspectral : données et méthodes


Faciliter l’accès à l’hyperspectral pour des applications en milieu aquatique

Exemples d'applications en imagerie hyperspectale: qualité de l'eau (Suivi de blooms algaux, turbidité, dispersion de matières organiques), détection de plastiques (macro et micro); hydrographie (Bathymétrie, morphologie des fonds); Cartographie et suivi des habitats (Peuplement, état de santé,
biomassede coraux, algues, herbiers, mangroves, biofilms).

Cette page du Groupe de Travail Hyperspectral, rédigée par Audrey Minghelli (Université de Toulon – Laboratoire LIS) en avril 2023 est destinée aux utilisateurs pour faciliter l'accès aux données hyperspectrales. Les points suivants sont détaillés dans les onglets ci-dessous :

  • Données hyperspectrales disponibles (PRISMA, DESIS, ENMAP) avec un lien sur les plateformes de téléchargement et de programmation d’acquisition,
  • Méthodes:
    • Méthodes de corrections atmosphériques et du « glint » dédiées aux observations hyperspectrales en indiquant les codes disponibles en open source,
    • Méthodes inverses d’estimation de produits géophysiques (Inversion de MTR, Démélange spectral, Machine learning, Réseau de neurones) avec les références bibliographiques associées et les codes en open source quand ils sont disponibles,
  • Librairies spectrales de réflectances du fond aquatique et surfaces de référence,
  • Données in situ (radiométrie, colonne d’eau, fond aquatique) de validation des observations satellitales sur des sites connus,
  • Instruments utilisés pour l’acquisition de mesures hyperspectrales avec les contacts associés ; information portant sur l’accord du responsable de chaque instrument quant à son prêt à d’autres équipes pour des campagnes de mesures terrain et à des collaborations de mise en œuvre communes.

Données satellites hyperspectrales disponibles

Capteur Résolution bandes spectrales   lancement lien référence
PRISMA 30 m 239 bandes spectrales (10 nm) 400-2505 nm Programmable 2019 https://prismauserregistration.asi.it/ Giardino et al., 2020
DESIS 30 m 235 bandes spectrales (2.55 nm) 400-1000 nm Programmable 2018 https://tcloudhost.com/ Kerr et al., 2016
ENMAP 30 m 262 bandes spectrales (10 nm) 420-2450 nm Programmable 2022 https://www.enmap.org/ Guanter et al., 2015

Exemples d'images issues des différents capteurs

PRISMA. Vue de Marseille à La Ciotat.
DESIS. PRISMA. Vue de Marseille à La Ciotat.
ENMAP. Vue du détroit du Bosphore.

Méthodes de corrections atmosphériques et du « glint » dédiées aux observations hyperspectrales

Les codes disponibles en open source sont précisés autant que possible. Les références bibliographiques mentionnées ci-dessous sont listées dans le dernier onglet "Références".

  • ACOLITE (Vanhellemont et al. 2021): disponible en open source
  • ACORN (NASA),  (Kruse, 2004)
  • ATCOR (DLR), (Richter and Schläpfer, 2013)
  • ATREM /TAFKAA (USNR), (Montes et al., 2004)
  • COCHISE (Onera), (Poutier et al., 2002)
  • FLAASH (USA),  (Matthew et al., 2002)
  • HATCH (CA), (Qu et al., 2003) 
  • iCOR ( De Keukelaere et al., 2018)
  • MODTRAN (USA), (Berk et al., 1999)
  • PACO (Python Atmospheric Correction)  (De Los Reyes et al., 2020): prochainement disponible en open source.
  • POLYMER (Steinmetz et al., 2011): disponible en open source (https://www.hygeos.com/polymer)
  • SCIATRAN (Rozanov et al., 2017): disponible en open source (http://www.iup.physik.uni-bremen.de/sciatran)
  • 6S (FR) (Vermote et al., 1997)
  • Cloud masking of SeaWiFS images over coastal waters using spectral variability (Nordkvist et Loisel, 2009 ;)
  • GRS (Glint Removal for Sentinel-2): algo de correction atmoshérique et du glint ; (Harmel et al., 2018)
  • Correction du Glint (Hedley), (Hedley et al., 2005), code en IDL disponible avec l’article
  • Comparaison des différentes méthodes de correction atmosphériques : (Gao et al., 2009, 2006)

Méthodes inverses d’estimation de produits géophysiques et biologiques

Les références bibliographiques associées et les codes en open source sont précisées lorsque ceux-ci sont disponibles. Les références bibliographiques mentionnées ci-dessous sont listées dans le dernier onglet "Références".

  • BOMBER: Inversion du modèle de Lee (Giardino et al., 2012), code en IDL 
  • Inversion du modèle de Lee (Lee et al., 1999)
  • QAA (Lee et al., 2010)
  • MPBOM: Microphytobenthos Optical Model (Kazemipour et. 2012 and Launeau et al. 2018)
  • Sen2Coral (Hedley et al., 2018)
  • WASI-2D (Gege, 2014): disponible en open source : www.ioccg.org/data/software.html

Librairies spectrales de réflectances de fonds aquatiques et zones intertidales

  • Base de données de spectres de fonds marins à Porquerolles (Posidonies, Sable, algues brunes, Caulerpa Taxifolia…)
    Contact A. Minghelli (LIS)
    (Minghelli et al., 2020)
  • Base de données de spectres de fonds dans l’étang de Vaccarès en Camargue (Zostères, algues vertes, algues rouges…)
    Contact A. Minghelli (LIS)
    (Minghelli et al., 2021)
  • Base de données de spectres de producteurs primaires benthiques: microphytobenthos et macro-algues. In situ et en laboratoire.
    Contact V. Meleder (ISOMer, Université de Nantes)
    (Meleder et al. 2013, Kazemipour et al. 2012)

Données in situ (radiométrie, colonne d’eau, fond aquatique) de validation des observations satellitales sur des sites connus

  • Mesures de qualité de l’eau (chlorophylle, SPM, CDOM)
    Transect devant la plage de Notre Dame sur l'Île de Porquerolles (été 2016) 
    Contact : A. Minghelli (LIS) 
    (Minghelli et al., 2020)
     
  • Mesures de qualité de l’eau (chlorophylle, SPM, CDOM)
    Images subaquatiques dans l’étang de Vaccarès en Camargue (été 2019)
    Contact : A. Minghelli (LIS) 
    (Minghelli et al., 2021)

 

Instruments utilisés pour l’acquisition de mesures hyperspectrales

  • Spectromètre ASD, 400-1000 nm,
    Contact  A. Minghelli (LIS)
  • Camera Specim IQ hyperspectrale, 400-1000 nm
    Contact  A. Minghelli (LIS)
  • Camera HYSPEX VNIR/SWIR 400-2450 nm (Nantes), à embarquer sur ULM de la plateforme PIMA (Rennes)
    Contact P. Launeau (Université de Nantes)

 

Références bibliographiques

  • Berk, A., Anderson, G.P., Acharya, P.K., Chetwynd, J.H., Bernstein, L.S., Shettle, E.P., Matthew, M.W., Adler-Golden, S.M., 1999. MODTRAN4 user’s manual. Air Force Research Laboratory, Hanscom AFB, MA.
  • Gao, B.-C., Davis, C., Goetz, A., 2006. A review of atmospheric correction techniques for hyperspectral remote sensing of land surfaces and ocean color, in: 2006 IEEE International Symposium on Geoscience and Remote Sensing. IEEE, pp. 1979–1981.
  • Gao, B.-C., Montes, M.J., Davis, C.O., Goetz, A.F., 2009. Atmospheric correction algorithms for hyperspectral remote sensing data of land and ocean. Remote sensing of environment 113, S17–S24.
  • Gege, P (2014). WASI-2D: A software tool for regionally optimized analysis of imaging spectrometer data from deep and shallow waters. Computers and Geosciences 62, 208-215. dx.doi.org/10.1016/j.cageo.2013.07.022.
  • Giardino, C., Bresciani, M., Braga, F., Fabbretto, A., Ghirardi, N., Pepe, M., Gianinetto, M., Colombo, R., Cogliati, S., Ghebrehiwot, S., others, 2020. First Evaluation of PRISMA Level 1 Data for Water Applications. Sensors 20, 4553.
  • Giardino, C., Candiani, G., Bresciani, M., Lee, Z., Gagliano, S., Pepe, M., 2012. BOMBER: A tool for estimating water quality and bottom properties from remote sensing images. Computers & Geosciences 45, 313–318.
  • Guanter, L., Kaufmann, H., Segl, K., Foerster, S., Rogass, C., Chabrillat, S., Kuester, T., Hollstein, A., Rossner, G., Chlebek, C., others, 2015. The EnMAP spaceborne imaging spectroscopy mission for earth observation. Remote Sensing 7, 8830–8857.
  • Hedley, J. D., Roelfsema, C., Brando, V., Giardino, C., Kutser, T., Phinn, S., Mumby P., Barrilero O., Laporte J., Koetz, B. (2018). Coral reef applications of Sentinel-2: Coverage, characteristics, bathymetry and benthic mapping with comparison to Landsat 8. Remote sensing of environment, 216, 598-614
  • Hedley, J., Harborne, A., Mumby, P., 2005. Simple and robust removal of sun glint for mapping shallow-water benthos. International Journal of Remote Sensing 26, 2107–2112.
  • Kazemipour, F., Launeau, P., & Méléder, V. (2012). Microphytobenthos biomass mapping using the optical model of diatom biofilms: Application to hyperspectral images of Bourgneuf Bay. Remote Sensing of Environment, 127, 1-13.
  • Kazemipour, F., Méléder, V., & Launeau, P. (2011). Optical properties of microphytobenthic biofilms (MPBOM): Biomass retrieval implication. Journal of Quantitative Spectroscopy and Radiative Transfer, 112(1), 131-142.
  • Kerr, G., Avbelj, J., Carmona, E., Eckardt, A., Gerasch, B., Graham, L., Günther, B., Heiden, U., Krutz, D., Krawczyk, H., others, 2016. The hyperspectral sensor DESIS on MUSES: Processing and applications, in: 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). IEEE, pp. 268–271. 
  • De Keukelaere, L.; Sterckx, S.; Adriaensen, S.; Knaeps, E.; Reusen, I.; Giardino, C.; Bresciani, M. Hunter, P.; Neil, C.; Van der Zande, D. (2018). Atmospheric correction of Landsat-8/OLI and Sentinel-2/MSI data using iCOR algorithm: Validation for coastal and inland waters. Eur. J. Remote Sens., 51, 525–542.
  • Kruse, F., 2004. Comparison of ATREM, ACORN, and FLAASH atmospheric corrections using low-altitude AVIRIS data of Boulder, CO, in: Summaries of 13th JPL Airborne Geoscience Workshop, Jet Propulsion Lab, Pasadena, CA. Citeseer, pp. 1–10.
  • Lee, Z., Carder, K. L., Mobley, C. D., Steward, R. G., & Patch, J. S. (1999). Hyperspectral remote sensing for shallow waters: 2. Deriving bottom depths and water properties by optimization. Applied optics, 38(18), 3831-3843.
  • Lee, Z., Arnone, R., Hu, C., Werdell, P. J., & Lubac, B. (2010). Uncertainties of optical parameters and their propagations in an analytical ocean color inversion algorithm. Applied Optics, 49(3), 369-381.
  • Matthew, M.W., Adler-Golden, S.M., Berk, A., Felde, G., Anderson, G.P., Gorodetzky, D., Paswaters, S., Shippert, M., 2002. Atmospheric correction of spectral imagery: evaluation of the FLAASH algorithm with AVIRIS data, in: Applied Imagery Pattern Recognition Workshop, 2002. Proceedings. IEEE, pp. 157–163.
  • Méléder, V., Laviale, M., Jesus, B., Mouget, J. L., Lavaud, J., Kazemipour, F., ... & Barillé, L. (2013). In vivo estimation of pigment composition and optical absorption cross-section by spectroradiometry in four aquatic photosynthetic micro-organisms. Journal of Photochemistry and Photobiology B: Biology, 129, 115-124.
  • Minghelli, A., Vadakke-Chanat, S., Chami, M., Guillaume, M., Migne, E., Grillas, P., Boutron, O., 2021. Estimation of bathymetry and benthic habitat composition from hyperspectral remote sensing data (BIODIVERSITY) using a semi-analytical approach. Remote Sensing 13, 1999.
  • Minghelli, A., Vadakke-Chanat, S., Chami, M., Guillaume, M., Peirache, M., 2020. Benefit of the potential future hyperspectral satellite sensor (BIODIVERSITY) for improving the determination of water column and seabed features in coastal zones. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 14, 1222–1232.
  • Montes, M.J., Gao, B.-C., Davis, C.O., 2004. Tafkaa atmospheric correction of hyperspectral data, in: Imaging Spectrometry IX. SPIE, pp. 188–197.
  • Launeau, P., Méléder, V., Verpoorter, C., Barillé, L., Kazemipour-Ricci, F., Giraud, M., ... & Le Menn, E. (2018). Microphytobenthos biomass and diversity mapping at different spatial scales with a hyperspectral optical model. Remote Sensing, 10(5), 716.
  • De Los Reyes, R.; Langheinrich, M. und Schwind, P.; Richter, R.; Pflug, B.; Bachmann, M.; Müller, R.; Carmona, E.; Zekoll, V.; Reinartz, P. (2020). PACO: Python-Based Atmospheric Correction. Sensors, 20 (5), Seiten 1-21. Multidisciplinary Digital Publishing Institute (MDPI). DOI: 10.3390/s20051428 ISSN 1424-8220.
  • Poutier, L., Miesch, C., Lenot, X., Achard, V., Boucher, Y., 2002. COMANCHE and COCHISE: two reciprocal atmospheric codes for hyperspectral remote sensing, in: 2002 AVIRIS Earth Science and Applications Workshop Proceedings. Jet Propulsion Laboratory Pasadena, CA, USA, pp. 1059–0889.
  • Qu, Z., Kindel, B.C., Goetz, A.F., 2003. The high accuracy atmospheric correction for hyperspectral data (HATCH) model. IEEE Transactions on Geoscience and Remote Sensing 41, 1223–1231.
  • Richter, R., Schläpfer, D., 2013. Atmospheric/Topographic Correction for Satellite Imagery (ATCOR-2/3 User Guide, Version 8.3. 1, February 2014). ReSe Applications Schläpfer, Langeggweg 3.
  • Rozanov, V. V., Dinter, T., Rozanov, A., Wolanin, A., Burrows, J. P. and Bracher, A. (2017). Radiative transfer modeling through terrestrial atmosphere and ocean accounting for inelastic scattering processes: Software package SCIATRAN. Journal of Quantitative Spectroscopy and Radiative Transfer, 194, pp. 65-85. doi: 10.1016/j.jqsrt.2017.03.009
  • Steinmetz, F. Deschamps, P.-Y. and Ramon D. (2011). Atmospheric correction in presence of sun glint: application to MERIS, Opt. Express 19(10), 9783–9800
  • Vanhellemont, Q., & Ruddick, K. (2021). Atmospheric correction of Sentinel-3/OLCI data for mapping of suspended particulate matter and chlorophyll-a concentration in Belgian turbid coastal waters. Remote Sensing of Environment, 256, 112284.
  • Vermote, E.F., Tanre, D., Deuze, J.L., Herman, M., Morcrette, J.J., 1997. Second simulation of the satellite signal in the solar spectrum, 6S: An overview. IEEE Transactions on Geoscience and Remote Sensing 35, 675–686.

© Odatis 2024   - Tous droits réservés