Fusion multi-capteurs de données satellitaires optiques pour la restitution de variables biophysiques de surface

par Olivier Samain

Thèse de doctorat en Télédétection

Sous la direction de Jean-Louis Roujean.

Soutenue en 2006

à Toulouse 3 .

mots clés

• Fusion
• Multi-capteurs
• Satellites
• Télédétection
• Biophysiques
• Kalman
• Fusion multicapteurs
• Traitement d'images
• Kalman, Filtrage de
• Couverture végétale du sol -- Télédétection en sciences de la Terre

Résumé

Ce travail porte sur l'amélioration de la restitution de variables biophysiques de surface, tels l'albédo, l'indice foliaire ou la fraction de végétation, en combinant des données satellitaires provenant de différents capteurs optiques à grand champ comme VEGETATION, MERIS, AVHRR, ou POLDER. La fusion multi-capteurs nécessite l'application d'une normalisation spectrale destinée à compenser les réponses spectrales des différents capteurs, dont le principe est validé à l'aide de mesures hyperspectrales aéroportées et des données issues des capteurs MERIS et VEGETATION. Le fusion de jeux de données de résolutions spatiales différentes repose sur l'utilisation d'un filtre de Kalman pour la désagrégation des mesures à basse résolution. Ce dernier permet en outre une fourniture continue dans le temps des variables de surface, à la différence des méthodes classiques de régression qui sont pénalisées par l'absence de données en période nuageuse.

Titre traduit

Multi-sensor fusion of optical satellite data for the determination of surface biophysical parameters

Résumé

This work aims at improving the determination of surface biophysical parameters, such as albedo, leaf area index or fraction of vegetation cover, by combining data from different wide field optical sensors like VEGETATION, MERIS, AVHRR, or POLDER. The multi-sensor fusion requires the application of a spectral normalization to compensate the spectral responses of the different sensors, which is validated with airborne hyperspectral measurements and MERIS and VEGETATION datasets. The fusion of measurements at different spatial resolutions is based on the use of a Kalman filter for the downscaling of the low resolution data. The latter also gives the possibility to deliver continuous products, contrarily to standard regressions methods that are limited in the case of cloud coverage.