Des capteurs à l'image obtenue, un voyage au cœur de l'imagerie satellite

Selon l'Union of Concerned Scientists, environ 6 500 satellites sont actuellement en orbite au-dessus de nos têtes, exploités aussi bien par des entreprises privées que par des acteurs publics. Si les satellites dédiés aux communications sont les plus représentés (environ 1 000 parmi les 2 666 satellites opérationnels en avril 2020), 450 sont destinés à l'observation terrestre. Certains noms de constellations, tels que Sentinel, Landsat, Worldview ou GeoEye, peuvent même vous être familiers. Cette pluralité s'explique par le besoin de diversité des capteurs et des résolutions.

Les capteurs passifs détectent le rayonnement réfléchi par la surface de la Terre ou l'atmosphère et dépendent donc du rayonnement solaire. Une grande variété de longueurs d'onde peut être captée par ces derniers, comme celles correspondant au bleu, au vert et au rouge qui conduisent à la création d'images optiques. D'autres bandes spectrales, comme la panchromatique (menant à des images en noir et blanc) ou le proche infrarouge, sont également très populaires. Cependant, la dépendance des capteurs au rayonnement solaire peut donner des images de mauvaise qualité en cas de temps nuageux ou d'absence de lumière (notamment la nuit).

Les capteurs actifs possèdent quant à eux leur propre source d'énergie. Ils émettent un rayonnement et mesurent le signal réfléchi, les rendant insensibles aux radiations solaires. Le radar à synthèse d’ouverture (SAR) et la détection par laser (LIDAR) sont les capteurs actifs les plus populaires.

Les satellites sont caractérisés par la typologie de leurs capteurs ainsi que leurs résolutions spatiales et temporelles, comme le montre le graphique ci-dessous.

Afin d’améliorer la résolution temporelle, les propriétaires de satellites peuvent déployer des constellations. Planet Labs a exploré les limites de cette idée en déployant sa constellation Dove (composée de 250 satellites), lui permettant en moyenne de revisiter un lieu 7 fois par jour.

Une fois collectées, les valeurs de luminosité des images présentent certains défauts dus à la nature des capteurs, à l'environnement et au mouvement continu entre les satellites et la Terre. On distingue généralement trois catégories de traitements nécessaires pour corriger les données et les rendre exploitables :

Ces corrections étant similaires d'un satellite à l'autre, les vendeurs d'images se sont plus ou moins accordés sur 4 niveaux de traitement, liés à des corrections spécifiques. Le niveau 0 correspond aux données brutes mais ces données sont rarement exploitées. Le niveau 3 est le niveau le plus corrigé, générant des images semblables aux vues satellites auxquelles nous sommes habitués.

Le prix de l'image étant largement influencé par le nombre de post-traitements appliqués, le niveau des images à utiliser dépend à la fois du cas d'utilisation et du budget.

Avec autant d'acteurs de natures différentes - entreprises, agences gouvernementales, organismes de recherche et universités - édicter des standards était devenu nécessaire. C’est ainsi que fut créé l'Open Geospatial Consortium (OGC), chargé de définir les normes pour l'échange et le stockage des données géographiques.

Une fois les images traitées, le contenu géographique doit être stocké conformément à ces directives. Bien que nombreuses, elles peuvent être illustrées par un petit exemple. Prenons un simple point, il possède alors une latitude et une longitude. Mais que faire si l'altitude du point doit être également stockée ? Que faire si ce point devient une ligne? Ou cette ligne un polygone ? Et ainsi de suite... Par ailleurs, les coordonnées GPS ne sont pas le seul moyen de stocker des informations géographiques. Afin de simplifier non seulement le stockage mais aussi la gestion des informations géographiques selon ces directives, les SIG (Système d'Information Géographique) ont été développés. PostGIS est un bon exemple d'un tel système : cette extension SQL permet de stocker des entités géométriques (points, lignes, polygones...), de les requêter, de les afficher sur une carte ou d'appliquer des opérations de base telles que des intersections... 

D'autres systèmes, comme GoogleMaps ou Maptiler, offrent une vision différente du monde, en le présentant sous la forme d'une grille de tuiles (c'est-à-dire d'images satellites, généralement un carré de 256 pixels) disponibles à plusieurs niveaux de zoom.

Considérons un point, défini par sa latitude et sa longitude. Ce point peut être converti en un couple de coordonnées en mètres sur une projection de Mercator (une représentation plane de la Terre où les longueurs du pôle et de l'équateur sont les mêmes). A partir de ces coordonnées en mètre, les coordonnées en pixels pour un certain zoom peuvent être obtenues. Ensuite, en utilisant la taille d'une tuile (habituellement fixée à 256 pixels), il est facile de trouver celle qui montre le point que l'on souhaite. Grâce à cette méthode, tout fournisseur de cartes peut rapidement afficher une vue aérienne, changer le niveau de zoom ou déplacer la carte lorsque l'utilisateur le demande.

Travailler avec des images satellites n'est pas aussi évident que de travailler avec des images ordinaires. Nous espérons que cet article vous a aidé à définir le type d'images nécessaires et le niveau de prétraitement requis par votre cas d'utilisation, ainsi que la manière de les stocker et de les afficher.

Si la question qui vous vient à l’esprit est : qui possède ces données et dois-je payer pour les acquérir? Nous vous conseillons la lecture du dernier article de notre série sur les propriétaires de satellites et de données ainsi que les préoccupations qu'ils charrient.

The European Space Agency, accessed February 2022, <https://sentinel.esa.int/web/sentinel/user-guides/sentinel-2-msi/processing-levels>

Open Geospatial Consortium, accessed February 2022,

<https://www.ogc.org/>

Nikiat Marwaha Kraetzig, UP42, January 15 2021, accessed February 2022,

<https://up42.com/blog/tech/a-definitive-guide-to-buying-and-using-satellite-imagery>

ESRI, accessed February 2022, 

<https://www.esri.com/en-us/what-is-gis/overview>

Joseph M. Piwovar, ‘Getting your imagery at the Right Level’, pulish in Cartouche, No. 41, Winter 2001, <https://uregina.ca/piwowarj/Think/ProcessingLevels.html>

Planet Labs, Martin Van Ryswyk, June 9, 2020, ‘Planet’s New Rapid Revisit Platform To Capture Up To 12 Images Per Day’, <https://www.planet.com/pulse/12x-rapid-revisit-announcement/>

World Economic Forum, ‘Who owns our orbit: Just how many satellites are there in space?’, October 23 2020, <https://www.weforum.org/agenda/2020/10/visualizing-easrth-satellites-sapce-spacex>

Illustrations:

[1] https://www.pngall.com/wp-content/uploads/9/Spacecraft-PNG-Free-Image.png

[2] https://upload.wikimedia.org/wikipedia/commons/c/c6/Amazing_image_of_the_Earth._Original_from_NASA._Digitally_enhanced_by_rawpixel._-_41997990765.jpg

[3] https://cdn.pixabay.com/photo/2012/01/09/09/10/sun-11582_1280.jpg

[4] https://commons.wikimedia.org/wiki/File:Sulzberger_Ice_Shelf.jpg

[5] Sun, L.; Latifovic, R.; Pouliot, D. Haze Removal Based on a Fully Automated and Improved Haze Optimized Transformation for Landsat Imagery over Land. Remote Sens. 2017, 9, 972. https://doi.org/10.3390/rs9100972

[6] Scheirer, R.; Dybbroe, A.; Raspaud, M. A General Approach to Enhance Short Wave Satellite Imagery by Removing Background Atmospheric Effects. Remote Sens. 2018, 10, 560. https://doi.org/10.3390/rs10040560

[7] Kouyama, T.; Kanemura, A.; Kato, S.; Imamoglu, N.; Fukuhara, T.; Nakamura, R. Satellite Attitude Determination and Map Projection Based on Robust Image Matching. Remote Sens. 2017, 9, 90. https://doi.org/10.3390/rs9010090

[8] https://commons.wikimedia.org/wiki/File:World_map_longlat.svg

[9] https://commons.wikimedia.org/wiki/File:Mercator_Projection.svg

[10] https://commons.wikimedia.org/wiki/File:Paris,_France_(satellite_view).jpg