Exploitation de données multi-temporelles et multi-capteurs pour l'extraction de surfaces d'eau continentales dans le contexte de la mission SWOT

par Nicolas Gasnier

Projet de thèse en Traitement du signal et des images

Sous la direction de Florence Tupin et de Loïc Denis.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec LTCI - Laboratoire de Traitement et Communication de l'Information (laboratoire) , IMAGES : Image, Modélisation, Analyse, GEométrie, Synthèse (equipe de recherche) et de Télécom ParisTech (établissement de préparation de la thèse) depuis le 29-10-2018 .


  • Résumé

    La mission SWOT (Surface Water and Ocean Topography), préparée conjointement par la NASA/JPL et le CNES en vue d'un lancement à l'horizon 2021, représente un tournant dans l'histoire de l'altimétrie spatiale, avec le passage de altimétrie nadir (sondage radar 1D) à l'altimétrie à fauchée (imagerie SAR interférométrique haute résolution), ce qui permet d'étendre les applications à des plus fines échelles en océanographie (mode LR), ainsi qu'à l'hydrologie continentale (mode HR). L'instrument principal KaRIn (Ka-band Radar Interferometer) se distingue des systèmes interférométriques spatiaux comme SRTM et TanDEM-X notamment par une longueur d'onde plus courte (8.6mm), une distance entre les deux antennes de 10m seulement, et une visée beaucoup plus proche du nadir (1-4°), ce qui implique un certain nombre de particularités au niveau des données. On vise également une précision altimétrique nettement supérieure (centimétrique ou décimétrique au lieu de métrique ou décamétrique). Enfin, SWOT s'intéresse principalement aux surfaces d'eau, alors que SRTM et TanDEM-X ont été conçus pour l'extraction de modèles numériques de terrain (MNT) de surfaces terrestres. La détection et la délinéation des surfaces d'eau continentales constituent une étape clé dans le traitement des données KaRIn/SWOT HR. Elle est rendue difficile par plusieurs facteurs : la présence de speckle (forte variation d'intensité d'un pixel à l'autre), un rapport signal-sur-bruit inhabituellement faible, un contraste eau/terre variable et dans certaines conditions faible, la présence de layover dû à l'incidence proche-nadir dès qu'il y a du relief, et le fait que l'on ne dispose à ce stade du traitement que d'une géolocalisation approximative, ce qui complique l'utilisation de données a priori (masque d'eau préexistant, modèle numérique de terrain…) pour guider l'analyse automatique. Des travaux précédents (thèse de Sylvain Lobry, soutenue en novembre 2017) ont  permis de mettre au point une méthode de classification robuste pour les surfaces d'eau à condition que le contraste eau/terre soit relativement fort. Ces travaux s'appuient sur l'exploitation d'une seule donnée qui est traitée de façon indépendante. C'est l'approche retenue pour les chaînes de traitement opérationnelles. Or la mission SWOT sera capable de délivrer de longues séries temporelles (au moins deux acquisitions tous les 22 jours). Par ailleurs, d'autres sources d'information sont disponibles, notamment grâce aux acquisitions Sentinel-1 de l'ESA, avec une image potentiellement tous les 6 jours. L'objectif de cette thèse est de développer des méthodes automatiques de fusion multi-temporelle pour, d'une part, exploiter les séries temporelles SWOT et, d'autre part, combiner ces données avec les données des séries Sentinel-1 pour la tâche d'extraction des surfaces d'eau.  La fréquence de répétition des données SWOT avec une orbite à 22 jours est un élément très important ouvrant la voie à des traitements multi-temporels très performants. Ces données multi-temporelles peuvent en particulier être exploitées pour améliorer les mesures en cas de signaux stables ou au contraire mettre en évidence l'évolution du réseau hydrographique au cours du temps, aussi bien en termes de forme sur l'image d'amplitude qu'en termes de hauteur à partir de la phase interférométrique. En ce qui concerne le traitement multi-temporel des données SWOT, nous nous intéressons à plusieurs  approches. Dans sa forme la plus simple, la détection d'eau multitemporelle peut consister à utiliser le masque obtenu lors du précédent passage comme un masque a priori (pour l'apprentissage ou dans un schéma de fusion). Cependant, des méthodes de débruitage de speckle très efficaces peuvent être mises au point lorsque de longues séries sont disponibles. Nous étudierons notamment comment une image de référence combinant une longue série d'images et des informations spatiales peut être exploitée pour améliorer les images nouvellement acquises.  Les données filtrées temporellement pourraient alors être exploitées d'une part pour l'extraction des surfaces d'eau (avec des traitements rapides et un positionnement amélioré, notamment pour les réseaux fins) et d'autre part pour la détection de changements. L'étude des variations de position des surfaces pourrait être exploitée pour inférer les variations de hauteur de surfaces d'eau. Par ailleurs, l'exploitation de l'évolution de la cohérence interférométrique dans un cadre multi-temporel devrait apporter des informations complémentaires et permettre d'améliorer le filtrage d'une part et la détection de changement d'autre part. Le second volet de la thèse sera consacré à l'exploitation des données Sentinel-1 pour aider l'extraction des réseaux d'eau à partir d'images SWOT HR. Avec deux satellites en orbite, les données Sentinel-1 peuvent désormais être disponibles sous forme de longues séries temporelles avec une répétition à 6 jours en Europe et 12 jours dans le reste du monde. Sur ces images SAR les surfaces d'eau apparaissent sous forme de structures de faibles radiométries. La détection d'eau mono-date risque de ne pas être suffisamment robuste. Des traitements rapides de ces données seront développés pour exploiter l'information multi-temporelle dans le contexte de la détection des surfaces d'eau. L'objectif sera de pouvoir réaliser la mise à jour régulière des surfaces d'eau à l'aide des données Sentinel-1 lors de l'acquisition d'une nouvelle image, ou avec quelques nouvelles acquisitions. Le nombre de dates à prendre en compte pour cette mise à jour sera analysé en étudiant quelques rivières caractéristiques (par exemple la rivière Po pour laquelle de nombreuses simulations SWOT existent déjà). Dans un second temps, des scenarii de combinaison des données SWOT et Sentinel-1 seront proposés et évalués.  L'objectif est en particulier d'analyser comment l'information apportée par Sentinel-1 pourrait être utilisée en fonction des données SWOT acquises (données avec un bon contraste eau/terre, « dark water », des fortes variations comme des inondations, etc.). Cette thèse  est un complément au travail de développement des algorithmes de traitement de données KaRIn/SWOT qui est réalisé au CNES (en coopération avec le JPL/NASA et les scientifiques associés à la mission). Elle se focalisera sur l'exploitation de l'information multi-temporelle et multi-capteurs pour l'extraction des réseaux hydrographiques. Le travail s'appuiera sur des données simulées pour SWOT et des données satellitaires Sentinel-1 fournies par l'ESA.

  • Titre traduit

    Use of multi-temporal and multi-sensor data for continental water body extraction in the context of the SWOT mission


  • Résumé

    The SWOT (Surface Water and Ocean Topography) mission, prepared jointly by NASA/JPL and CNES for launch in 2021, represents a breakpoint in space altimetry history, with its transition from nadir altimetry (1D radar) to swath altimetry (interferometric SAR imagery with high resolution). It will expand applications to finer scales in oceanography (LR mode), as well as to continental hydrology (HR mode). SWOT's principal instrument KaRIn (Ka-band Radar Interferometer) differs from spaceborne interferometric systems such as SRTM or TanDEM-X by a shorter wavelength (8.6mm) , a distance between the two antennas of only 10 meters, and a look angle much closer to nadir (1-4°), which imply a certain number of particular characteristics in terms of data properties. A much higher altimetric accuracy is also targeted (centimetric or decimetric rather than metric or decametric). Last but not least, SWOT is dedicated to surface water, whereas SRTM and TanDEM-X were conceived for Digital Terrain Model (DTM) extraction over land surfaces. Detection and delineation of continental water surfaces is a key step in the processing of KaRIn/SWOT HR data. This task is difficult for several reasons: the presence of speckle (strong intensity variations from one pixel to another), an unusually weak signal-to-noise ration, a water/land contrast that is variable and in certain conditions weak, the presence of layover as soon as there is topography because of the near-nadir look angle , and the fact that only an approximate geolocation is available at this stage of processing, limiting the use of prior data (pre-existing water mask, DTM, …) to guide the automatic analysis. Previous works (PhD of Sylvain Lobry defended in November 2017) have set up a robust classification method for water body extraction when the contrast is relatively strong. This method relies on the exploitation of a single image, processed independently. This is the approach retained for operational processing. However, the SWOT mission will be able to deliver long time series of data (two or more acquisitions every 22 days). Besides, other information sources are available, in particular Sentinel-1 data provided by ESA and potentially acquired every 6 days. The goal of this thesis work is to develop automatic methods for multi-temporal fusion, to fully exploit SWOT time series on one hand, and to combine these data with external data such as Sentinel-1 time series on the other hand, for the extraction of continental water surfaces. The acquisition frequency of SWOT data with a 22-day orbit is a key element opening for efficient multi-temporal processing. These multi-temporal data can in particular be exploited to improve the measurements in case of stable signals or on the contrary to underline the temporal evolution of the water network, both in terms of shape in the amplitude image and elevation based on the interferometric phase. Concerning multi-temporal processing of SWOT data, different approaches can be developed. In its simplest form, multi-temporal water detection can consist in employing the mask obtained from the previous acquisition as a prior mask (as a training set or in a fusion scheme). However, very efficient speckle reduction methods can be developed when long time series are available. We will in particular study how a reference image combining a long time series and spatial information can be used to improve a new acquisition. The temporally filtered data can then be exploited for improved water body detection (faster algorithms and improved localization, especially for fine rivers). They can also be used for change detection. The varying positions of the water due to varying elevations could be exploited to recover elevation information. A last point would be the study of the coherence information in a multi-temporal case, which could allow us to improve filtering on one hand and change detection on the other. The second part of the PhD will be dedicated to the exploitation of Sentinel-1 data to help extraction of water bodies from SWOT HR images. With two satellites in orbit, Sentinel-1 images are now available as long time series with an acquisition frequency of 6 days in Europe and 12 days in the rest of the world. In these SAR images, surface water usually appears as structures with weak backscattering. Single-date water detection may not be sufficiently robust. Fast processing methods could be developed to exploit Sentinel-1 multi-temporal information in the context of water detection. The goal will be to conduct a regular update of water surfaces when a new Sentinel-1 image is acquired, or using a few new acquisitions. The number of dates that should be taken into account will be analyzed by studying some characteristic rivers (for instance the Po river for which many SWOT simulations already exist). In a second phase, scenarios combining SWOT and Sentinel-1 data will be proposed and evaluated. The aim will be to analyze how Sentinel-1 information can be useful to support SWOT data depending on the acquisition conditions (good land/water contrast, so-called « dark water », strong variations like floods…). This thesis is complementarity to the work on algorithm development for KaRIn/SWOT data carried out by CNES (in cooperation with JPL/NASA and the scientists associated with the mission). It will focus on the exploitation of multi-temporal and multi-sensor information for the extraction of hydrological networks. The work will be based on simulated SWOT data and Sentinel-1 satellite images provided by ESA.