Concentrations de MES suivies par satellite1. IntroductionL’Agence Nationale des Eaux du Brésil (ANA) et l’Institut de Recherche (IRD), dans le cadre d’une convention avec l’Agence Brésilienne de Coopération, développent depuis 2009 le projet de coopération technique Application de l’Hydrologie Spatiale au Suivi des Grands Bassins (Quantité et Qualité) – Projet « MEG-HIBAM », avec l’objectif de démontrer la possibilité de suivre leurs paramètres hydrologiques à partir de capteurs embarqués à bord de satellites. Dans le cadre du projet MEG-HIBAM, des méthodologies ont été mises au point pour produire des estimations du niveau des rivières et des réservoirs à l’aide de capteurs radar altimétriques et pour évaluer la qualité de l’eau à l’aide de paramètres de qualité extraits de capteurs d’imagerie spatiale. Des outils ont été développés pour le traitement automatisés des données satellitales, produisant des séries chronologiques de paramètres hydrologiques dans les bassins amazonien et la région Nordeste du Brésil. Ces outils ont été intégrés dans un système de diffusion cartographique en ligne (HidroSat) qui permet de visualiser les estimations des concentrations de sédiments et de pigments d’algues dans des stations « virtuelles » en Amazonie et dans la région Nordeste. Dans le but de systématiser les connaissances générées par les activités menées dans le cadre de l’Accord, l’ANA et l’IRD ont préparé cette page, afin que les utilisateurs sans connaissances préalables aient accès aux informations techniques qui ont permis le traitement des images satellitaires pour en extraire les paramètres de qualité des eaux et qui sont disponibles sur le système HidroSat. Le but de cette page est de présenter : 2. Propriétés optiques de l’eau2.1 PRINCIPES FONDAMENTAUX DE LA RADIOMÉTRIE OPTIQUE SPECTRALELa radiométrie est la mesure quantitative de l’intensité de tout type de rayonnement connu, tel que le rayonnement électromagnétique, émis par le soleil ou par une source artificielle comme une lampe (Meneses & Netto, 2001). Le rayonnement électromagnétique a la propriété de se propager dans l’espace vide, ce qui permet son utilisation à des fins de télédétection, car il peut être détecté par des capteurs de caméra ou des imageurs multispectrales à bord d’aéronefs ou de satellites. Dans la région du spectre électromagnétique qui va de la gamme de longueurs d’onde du visible à l’infrarouge des ondes courtes, de 400 à 2500 nm (0,4 à 2,5 µm), le rayonnement électromagnétique reçoit la dénomination d’optique, dont la propriété principale est de pouvoir être réfléchie par les surfaces des objets selon les lois optiques de réflexion (Meneses & Netto, 2001). 2.2 CONCEPT DE RÉFLECTANCEChaque matière ou objet interagit spectralement en fonction de l’énergie d’éclairage provenant du soleil. Lorsque l’énergie électromagnétique atteint la surface d’un objet, il se produit des changements d’énergie qui entraînent l’absorption, la réflexion et/ou la transmission d’une partie de l’énergie incidente. La quantité d’énergie pour chacune de ces formes d’interaction est liée aux propriétés physiques, chimiques et biologiques de l’objet et aux propriétés externes, telles que la géométrie de la mesure (Meneses & Netto). La réflectance est le rapport en pourcentage entre l’intensité de l’énergie réfléchie par l’objet et l’intensité de l’énergie incidente. De nombreux travaux systématiques de mesures de réflectance, avec le détail du comportement spectral des cibles et la caractérisation au moyen de courbes spectrales des modèles de réflectance de différents objets, ont généré des connaissances fondamentales pour l’extraction d’informations sur la nature des objets contenus dans les pixels des images, fournissant des ressources aux chercheurs et utilisateurs pour l’interprétation des images multispectrales. 2.3 MESURES SPECTRORADIOMÉTRIQUESLa spectroradiométrie par réflectance est une technique qui mesure à différentes longueurs d’onde l’énergie électromagnétique réfléchie par la surface des objets et est représentée sous la forme d’un graphique appelé courbe de réflectance spectrale (Meneses & Netto, 2001). Le coefficient d’absorption de l’eau pure est minimal dans la région comprise entre 400 et 600 nm et augmente rapidement dans le proche infrarouge. Au contraire, le coefficient de diffusion de l’eau pure est maximal dans la région bleue et diminue exponentiellement vers l’infrarouge. En estimant le spectre de réflexion de l’eau par le rapport entre le coefficient de rétrodiffusion (BB) et le coefficient d’absorption (a), l’énergie réfléchie par l’eau pure est maximale dans la région du bleu et diminue vers le rouge, tendant à présenter la couleur bleue quand elle est observée par un satellite. 2.4 COMPORTEMENT SPECTRAL DE L’EAULe comportement spectral des systèmes aquatiques continentaux est lié à la concentration de composants optiquement actifs dans l’eau. Ces composants sont des substances en suspension ou en solution dans l’eau qui provoquent des changements de couleur de l’eau pure en fonction de sa concentration et de sa nature. Il existe trois grands groupes de composants optiquement actifs : Influence des organismes vivants : Les pigments responsables de la photosynthèse du phytoplancton – chlorophylle, caroténoïdes et biliprotéines – provoquent l’absorption sélective du rayonnement électromagnétique qui pénètre dans l’eau. La plupart des plantes ont des chlorophylle a, b, c et plus rarement d, et la chlorophylle a est celle qui est la plus abondante. Chez les algues, cependant, la concentration de chlorophylle a varie considérablement. Le rapport entre les concentrations de chlorophylle a et b varie également d’une espèce à l’autre et peut atteindre des valeurs minimales d’environ 1,0 mg/l chez les espèces marines jusqu’à 6,0 mg/l chez Euglenophyta (Meneses & Netto, 2001). Les régions bleues et rouges sont les principales régions d’absorption des pigments phytoplanctoniques (tableau 1). Ainsi, une augmentation de la concentration d’algues dans l’eau implique, principalement, une réduction de la réflectance de l’eau dans la région bleue (Meneses & Neto, 2001).
Tableau 1. Bandes d’absorption des pigments photosynthétiseurs. L’augmentation de la concentration des pigments entraîne une diminution constante de l’énergie réfléchie par l’eau dans les bandes d’absorption des pigments. La réflectance maximale de l’eau passe progressivement de la région du bleu à celle du vert, en même temps qu’une augmentation de l’énergie réfléchie dans la région commence à se produire autour de 680-700 nm, ce qui correspond à la région d’émission associée à la fluorescence par chlorophylle. Ainsi, les eaux à forte concentration de pigments auront tendance à présenter une couleur verte, puisque l’énergie maximale réfléchie se produit dans la région du vert (Meneses & Netto, 2001). Martinez et ses collaborateurs (2011) ont étudié les processus d’eutrophisation de 4 grands réservoirs dans la région Nordeste du Brésil à l’aide d’images MODIS de 2000 à 2010. Des campagnes sur le terrain ont été menées pendant la saison sèche et la saison des pluies pour mesurer divers paramètres de la qualité de l’eau, y compris les pigments et les concentrations de nutriments à différentes profondeurs dans la colonne d’eau, et des mesures radiométriques hyperspectrales, afin de relier ces données aux réflectances mesurées par le capteur MODIS. L’étude a révélé un contraste marqué de comportement spectral entre les eaux marquées par la prolifération de phytoplancton et les eaux chargées de sédiments. Près de la longueur d’onde 440 nm, on observe une réflectance minimale causée par l’absorption maximale de chlorophylle-a. Un pic de réflectance pour une longueur d’onde de 560 nm dans la gamme du vert représente l’absorption minimale de tous les pigments d’algues et est lié à la propagation causée par les matières inorganiques en suspension et la réponse des parois cellulaires du phytoplancton. Dans la plage de 620 à 630 nm, on note une baisse marquée de la réflectance causée par l’absorption du pigment de phycobilline des cyanobactéries. Un trou de réflectance proche de la longueur d’onde de 670 nm est dû à l’absorbance maximale de la chlorophylle-a dans la gamme rouge du spectre. La recherche a prouvé l’efficacité de l’utilisation des images MODIS pour surveiller les processus d’eutrophisation dans les quatre réservoirs étudiés, démontrant que les bandes spectrales du capteur MODIS sont appropriées pour surveiller l’eutrophisation en quantifiant l’absorption minimale de chlorophylle-a près de la bande des 560 nm. Influence des particules inorganiques en suspension : Les particules en suspension, en particulier les particules inorganiques, peuvent également augmenter le coefficient d’absorption d’eau. Selon Meneses & Netto (2001), les mesures indirectes montrent que le coefficient d’absorption par les particules tend à avoir un comportement spectral similaire à celui de la matière organique dissoute, avec une absorption maximale en bleu. L’effet principal des particules est d’augmenter le coefficient de diffusion de l’eau ; plus la concentration de solides en suspension totaux dans l’eau est élevée, plus le coefficient de diffusion de l’eau est élevé. Des expériences avec des matériaux édaphiques contenant des fractions organiques et inorganiques ont montré une augmentation de la réflectance de l’eau. Des études en laboratoire ont montré que la fraction inorganique est la plus importante responsable de l’augmentation de la réflectance de l’eau en raison de son indice de réfraction plus élevé. Avec une concentration plus élevée de sédiments en suspension dans l’eau, il y a un déplacement de la réflectance maximale de l’eau vers des longueurs d’onde plus longues. En outre, on observe un élargissement de la région spectrale dans laquelle ce maximum se produit, qui correspond à un niveau de réflectance presque constant entre 500 et 700 nm. On observe aussi une augmentation significative de la réflectance dans la région infrarouge. Selon Martinez et al. (2009), de nombreuses études portent sur la sensibilité de la réflectance des capteurs embarqués aux concentrations de sédiments en suspension dans les océans et les eaux intérieures. Un nombre important de chercheurs ont signalé une forte corrélation positive entre les concentrations de sédiments en suspension en surface (SSS) et la radiance spectrale, et ont observé que la relation peut dépendre de la plage de concentration, des types d’eau et de l’origine des matières en suspension. La plupart des études conviennent que la meilleure corrélation entre la réflectance et la SSC se situe entre 700 et 800 nm dans les eaux intérieures troubles. Martinez et al. (2009) ont quantifié le bilan sédimentaire du fleuve Amazone à l’aide de données de réflectance dérivées de 554 images du capteur embarqué MODIS (spectroradiomètre imageur à résolution modérée) de 2000 à 2009 et de données mensuelles sur la charge sédimentaire en suspension du réseau HYBAM entre 1995 et 2007. Les résultats montrent une augmentation de la réflectance de l’eau extraite de la bande infrarouge de MODIS en fonction des mesures de la concentration des sédiments en suspension en surface. L’étude a également présenté une équation reliant les sédiments en suspension à la surface et la moyenne des sédiments en suspension, cette dernière étant obtenue lors de 18 campagnes d’échantillonnage réalisées entre 1995 et 2003. Ainsi, l’étude a déterminé le débit solide moyen du fleuve Amazone à Óbidos entre 1996 et 2007, contribuant à la quantification des processus d’érosion dans un des principaux écosystèmes naturels restants. En ce qui concerne la réflectance de surface des eaux du fleuve Amazone, la relation entre les données de réflectance avec la concentration de sédiments en suspension à la surface du fleuve semble robuste sur une grande plage de concentrations et pour plusieurs cycles hydrologiques consécutifs. Grâce à la combinaison d’une excellente résolution temporelle et d’un étalonnage fin, les données MODIS peuvent être utilisées de manière opérationnelle avec des observations sur le terrain pour fournir plus d’informations aux bassins mal évalués ainsi qu’aux grands bassins. Influence des substances organiques dissoutes dans l’eau : Kirk (1994) montre une augmentation exponentielle du coefficient d’absorption de l’eau vers de plus grandes longueurs d’onde. Mobley (1994) suggère que la présence de colloïdes associés à la matière organique dissoute favorise une augmentation du coefficient de rétrodiffusion vers les longueurs d’onde plus longues, c’est-à-dire qu’avec une augmentation de la concentration des matériaux dissous dans l’eau, la réflexion de la région bleue diminue à un point où la réflexion maximale commence à se produire dans les régions du vert et du rouge, ce qui donne une couleur jaune à l’eau. Selon Meneses (2001), lorsque la concentration de substances organiques dissoutes est très élevée, comme dans le cas du Rio Negro en Amazonie, l’absorption dépasse la diffusion et il n’y a pratiquement pas d’énergie rétrodiffusée par le volume d’eau, qui acquiert un aspect noir pour de grands volumes. Mantovani (1993) montre, dans des simulations en laboratoire, que l’augmentation de la concentration de la matière organique dissoute est associée à la réduction de la réflectance de l’eau dans la région du bleu et du vert. Dans la région du rouge (environ 650 nm), la réflectance change à peine avec la variation de la concentration de matière organique et dans la région infrarouge, la réflectance de l’eau s’amplifie avec la matière organique dissoute. Au fur et à mesure que la concentration de matière organique dissoute dans l’eau augmente, l’eau aura d’abord tendance à prendre une couleur jaune, puis deviendra rouge plus foncé à de faibles niveaux de réflectance. 3. Post-traitement des images MODIS3.1 PROGRAMME MOD3RMOD3R (MODIS Reflectance Retrieval over Rivers) est un programme de post-traitement d’images MODIS développé par l’IRD en langage JAVA pour l’extraction des séries temporelles de réflectance d’images MODIS des plans d’eau. Il s’agit d’une application mise au point pour être facilement utilisée régulièrement par les personnes qui cherchent à estimer la concentration de sédiments ou de phytoplancton dans les plans d’eau. Ce même logiciel est implémenté dans le système Hidrosat pour traiter automatiquement les images MODIS. L’algorithme mis au point pour le programme détermine avec précision et constance au fil du temps les pixels d’eau pure dans une image, ou ses meilleurs candidats, quel que soit le type de morphologie de la rivière. En extrayant les valeurs de réflectance des bandes rouge et infrarouge des images MODIS, il est possible de déterminer les concentrations en surface des sédiments et du phytoplancton dans l’eau. Le programme fournit une interface simple pour sélectionner les images et les paramètres nécessaires aux calculs. Plusieurs fichiers de sortie sont générés avec des informations résumées sur les images traitées. Le résultat pour chaque image est accompagné d’un indicateur de qualité codé entre un et trois, ce qui donne une estimation de la confiance qui peut être donnée à la valeur trouvée. L’information qui peut être extraite des images satellitaires pour la recherche en hydrologie dépend à la fois de la géomorphologie du fleuve (principalement la largeur du tronçon étudié), de la météorologie et de la géométrie d’acquisition des images (la résolution finale des pixels dépend de l’angle de vue du satellite et de la position du soleil). MOD3R est une logiciel à usage individuel avec une interface spécifique. Le même programme fonctionne automatiquement dans Hidrosat. 3.2 DÉVELOPPEMENT DU LOGICIELLe logiciel a été développé en langage de programmation JAVA, langage orienté objet, robuste, libre et largement utilisé dans le monde entier, ce qui permet la création d’exécutables indépendants du type de machine, offrant une bonne portabilité. Ces fonctionnalités permettront des mises à jour rapides et faciles pour le développement futur du logiciel. 3.3 ALGORITHME AUTOMATISÉ D’EXTRACTION DE LA RÉFLECTANCEMartinez et al. (article de synthèse) ont mis au point un algorithme permettant de séparer dans une image satellite les pixels qui présentent une réponse spectrale de l’eau des autres pixels dans lesquels la réponse est mélangée à d’autres cibles, comme la végétation et les sols sur les rives des plans d’eau. Le processus de mixage spectral dépend de la résolution spatiale du pixel qui change à chaque acquisition, puisque l’angle d’acquisition dans une image MODIS peut varier de -53 degrés à +53 degrés. Cette variabilité, associée à la variation du miroir d’eau lui-même en fonction de la période hydrologique, rend impossible, dans la plupart des plans d’eau continentaux (rivières, lacs), d’assurer qu’un pixel donné soit toujours un pixel représentatif de l’eau. Le programme MOD3R permet de traiter automatiquement un grand nombre d’images en fournissant simplement la zone d’intérêt dans l’image en sélectionnant un masque. S’il y a plusieurs points d’intérêt dans une image (rivière, lac, etc…), il faudra créer autant de masques qu’il y a de points d’intérêt. Le MOD3R ne traite que les produits MODIS MOD/MYD09Q1 et MOD/MYD09A1 au format HDF qui ont été téléchargés depuis la banque d’images GETMODIS dans le système HidroSat. Ces images ont été produites à partir d’un découpage spatial des produits MOD09 et d’une sélection de bandes radiométriques et de métadonnées.. L’extraction de la réflectance de l’eau est réalisée par MOD3R en 4 étapes : Sélection de la zone d’intérêt dans l’image: La zone d’intérêt sera extraite dans chaque image de la zone délimitée par le masque sélectionné dans la fonction Choisir le fichier masque de la fenêtre principale MOD3R. Estimation et classification des pixels en groupes homogènes: Grâce à l’algorithme statistique K-means sont créés des groupes homogènes (clusters) de pixels. Cette méthode de classification non supervisée cherche à former K groupes, représentés par le centre du groupe (dans l’espace spectral) et la dispersion des valeurs des autres pixels du groupe donné. Application du modèle linéaire de mélange spectral : Une fois que les groupes ont été définis à l’étape précédente, on sélectionne celui qui représente le mieux l’eau Refágua. Comme ce groupe n’est pas connu a priori, il est nécessaire de tester chaque groupe Gi pour déterminer lequel décrit le mieux le processus de mélange spectral dans tous les autres groupes Gj. L’équation de mélange spectral est écrite pour chaque bande radiométrique et pour chaque groupe le résultat de la segmentation i avec 1 ≤ i ≤ K. Il n’y a donc que deux fractions inconnues pour chaque groupe Gi, i et i pour chaque groupe « j ». Avec deux équations (pour la bande rouge et la bande infrarouge) pour chaque groupe Gj, le système d’équations est résolu en produisant des estimations de i, i et εi. Après avoir résolu le système d’équations, une condition de positivité des fractions est ajoutée pour forcer l’algorithme à produire des estimations réalistes des fractions. Ce processus est répété pour chaque groupe Gj afin de conserver à la fin le résidu total t qui est associé au candidat à l’eau de Gi. De manière interactive, chaque groupe est testé comme candidat Gi et le groupe qui produit la plus petite valeur de εt est sélectionné. 3.4 PRODUITS GÉNÉRÉSL’application peut générer jusqu’à 4 produits :
Tableau 2 – Description des champs de la feuille de données La colonne 18 montre une classification du niveau de qualité de l’image en 4 niveaux : 0 : aucune donnée ; 1 : Qualité optimale des données ; 2 : données de qualité moyenne ; 3 : données de mauvaise qualité. Les données de mauvaise qualité doivent être rejetées après traitement. Le cas le plus fréquent de la qualité « 3 » est associé à la réflexion de la lumière du soleil par le miroir d’eau provoquant le processus de « Sun glint ». Les données de qualité 2 correspondent à des données acquises dans des conditions défavorables (angle d’incidence supérieur à 45 degrés ou forte couverture nuageuse). Par conséquent, pour une estimation rapide des paramètres de qualité, il est recommandé de rejeter automatiquement les données de qualité 2 et 3. Dans un deuxième temps, les données de qualité « 2 » peuvent être considérées pour augmenter la quantité de mesures et devraient être critiquées à la lumière des données disponibles pour les dates voisines. 4. Liste bibliographique sur l’utilisation des images satellitaires et des spectro-radiomètres pour le suivi des paramètres de qualité de l’eauDekker A.G., R.J.V., S.W.M. Peters (2002). Analytical algorithms for lake water TSM estimation for retrospective analyses of TM and SPOT sensor data. International journal of remote sensing, 23, 15-35 Aranuvachapun, S., & Walling, D.E. (1988). Landsat-MSS Radiance as a measure of suspended sediment in the lower Yellow River (Hwang Ho). Remote Sensing of Environment, 25, 145-165 Bhargava, D.S., & Mariam, D.W. (1991). Effects of suspended particle size and concentration on reflectance measurements. Photogrammetric Engineering Remote Sensing, 57, 519-529 Chen, Z., Hu, C., & Muller-Karger, F. (2007). Monitoring turbidity in Tampa Bay using MODIS/Aqua 250-m imagery. Remote Sensing of Environment, 109, 207-220 Dekker, G.A., & Malthus, T.J. (1991). Quantitative Modeling of Inland Water Quality for High-Resolution MSS Systems. IEEE Transactions on Geoscience and Remote Sensing, 29, 89-95 Doxaran, D., Froidefond, J.M., Lavender, S., & Castaing, P. (2002). Spectral signature of highly turbid waters. Application with SPOT data to quantify suspended particulate matter concentrations. Remote Sensing of Environment, 81, 149-161 Hu, C., Chen, Z., Clayton, T.D., Swarzenski, P., Brock, J.C., & Muller-Karger, F.E. (2004). Assessment of estuarine water-quality indicators using MODIS medium-resolution bands: Initial results from Tampa Bay, FL. Remote Sensing of Environment, 93, 423-441 Justice, C.O., Townshend, J.R.G., Vermote, E.F., Masuoka, E., Wolfe, R.E., Saleous, N., & al., e. (2002). An overview of MODIS land data processing and product status. Remote Sensing of Environment, 83, 3-15 Kirk, J.T.O. (1994). Light and Photosynthesis in Aquatic Ecosystems: Cambridge University Press Martinez J.M., JL Guyot, G Cochonneau, F Seyler. Surface water quality monitoring in large rivers with MODIS data – Application to the amazon basin. Proceedings of International Geoscience and Remote Sensing Symposium IGARSS 2007. Barcelona, July 2007 Martinez J.M., L. Maurice-Bourgoin, P. Moreira-Turcq, F. Seyler and J.L. Guyot. Amazon floodplain water quality monitoring using MERIS and MODIS data. Proceedings of the ENVISAT & ERS Symposium, 6-10 September 2004, Salzburg, Autriche, ESA publication SP-572, (CD-ROM), 10 p., 2004 Mertes, L.A.K., Smith, C.T., & Adams, J.B. (1993). Estimating Suspended Sediment Concentrations in Surface Waters of the Amazon River Wetlands from Landsat Images. Remote Sens.Environ., 43, 281-301 Miller, R.L., & McKee, B.A. (2004). Using MODIS Terra 250 m imagery to map concentrations of total suspended matter in coastal waters. Remote Sensing of Environment, 93, 259-266 Novo, E.M.L.M., Hamsom, J.D., & Curran, P.J. (1989a). The effect of sediment type on the relationship between reflectance and suspended sediment concentrations. International journal of remote sensing, 10, 1283-1289 Novo, E.M.L.M., Hamsom, J.D., & Curran, P.J. (1989b). The effect of viewing geometry and wavelength on the relationship between reflectance and suspended sediment concentration. International journal of remote sensing, 10, 1357-1372 Thiemann, S., & Kaufmann, H. (2002). Lake water quality monitoring using hyperspectral airborne data – a semiempirical multisensor and multitemporal approach for the Mecklenburg Lake District, Germany. Remote Sensing of Environment, 81, 228-237 Toole, D.A., D.A., S., Menzies, D.W., Neumann, M.J., & Smith, R.C. (2000). Remote-sensing reflectance determinations in the coastal ocean environment: impact of instrumental characteristics and environmental variability. Applied Optics, 39, 456-469 |