Techniques de traitement d'images satellitaires en géophysique
Penginderaan jauh berbasis satelit telah menjadi salah satu tulang punggung penting dalam penelitian dan aplikasi geofisika modern. Melalui citra satelit, geofisikawan dapat mengamati permukaan Bumi secara luas, periodik, dan konsisten—mulai dari karakteristik geologi, dinamika tektonik, perubahan garis pantai, hingga deformasi permukaan akibat gempa atau aktivitas vulkanik. Namun, citra satelit tidak serta-merta siap digunakan. Diperlukan serangkaian teknik pengolahan untuk meningkatkan kualitas data, mengekstrak informasi geofisika yang relevan, sekaligus meminimalkan gangguan seperti awan, noise, atau distorsi geometrik. Artikel ini membahas teknik-teknik utama pengolahan citra satelit dalam konteks geofisika, dari tahap praproses sampai analisis lanjutan.
1. Types d'images satellitaires couramment utilisées en géophysique
Dalam geofisika, beberapa jenis données par satellite yang sering dimanfaatkan adalah:
1. Optik multispektral (misalnya Landsat, Sentinel-2)
Fournit des informations sur la réflectance de surface à plusieurs longueurs d'onde. Utile pour la cartographie de la lithologie, des minéraux d'altération, de la végétation (comme indicateur indirect des conditions du sol) et des changements paysagers.
2. Termal (misalnya Landsat TIRS, MODIS)
Mesure des émissions de chaleur en surface pour l'analyse des anomalies thermiques, par exemple pour la surveillance des volcans, des coulées de lave ou des variations de température de surface liées à l'activité hydrothermale.
3. Radar (Synthetic Aperture Radar/SAR: Sentinel-1, ALOS PALSAR)
Mampu menembus awan dan bekerja siang-malam. Sangat penting untuk cartographie structurelle, perubahan permukaan, serta analisis deformasi dengan teknik InSAR.
4. Altimetri dan gravitasi satelit (misalnya CryoSat, GRACE/GRACE-FO)
Bien qu’il ne s’agisse pas d’« images » au sens visuel conventionnel, ces données sont souvent traitées pour produire des cartes géophysiques, comme par exemple les variations de la masse d’eau, les anomalies de gravité ou les variations de l’épaisseur de la glace.
Pemilihan jenis data akan menentukan alur pengolahan yang sesuai, karena karakter noise, resolusi, serta sifat fisis sinyalnya berbeda-beda.
2. Prétraitement : fondement de la qualité de l’analyse
L'étape de prétraitement vise à préparer les données afin qu'elles soient adaptées à l'analyse quantitative et puissent être comparées dans le temps ou entre différents capteurs.
a. Corrections radiométriques et atmosphériques
Les images optiques enregistrent l'intensité, influencée par les conditions atmosphériques (aérosols, vapeur d'eau) et l'angle du rayonnement solaire. La correction radiométrique convertit les valeurs numériques (DN) en réflectance ou luminance, grandeurs physiquement significatives. La correction atmosphérique, par exemple par la méthode de soustraction d'objet sombre ou par des approches basées sur des modèles atmosphériques, permet d'obtenir une réflectance de surface plus précise. En géophysique, cette précision est essentielle pour que les différences de valeurs spectrales reflètent fidèlement les différences de nature ou d'état de la surface, et non des variations atmosphériques.
b. Correction géométrique, orthorectification et reprojection
Les distorsions géométriques peuvent provenir des angles de balayage des capteurs, de la topographie et des mouvements des satellites. L'orthorectification utilise un modèle numérique d'élévation (MNE) pour corriger les effets du relief et aligner les positions des pixels avec les coordonnées réelles. Cette étape est cruciale pour la cartographie des failles, des plis, des limites lithologiques ou des variations de surface qui exigent une grande précision spatiale.
c. Masquer les nuages et les ombres
En imagerie optique, les nuages constituent un obstacle majeur. Les techniques de masquage utilisent des bandes de qualité (bandes QA), des seuils spectraux ou des algorithmes tels que Fmask pour identifier les nuages et leurs ombres. Pour les études de changement d'occupation des sols ou la cartographie géologique des régions tropicales, des stratégies de composition multi-temporelle sont souvent employées pour « remplir » les zones masquées par les nuages.
d. Filtrage du speckle pour les données SAR
Les images SAR présentent un bruit caractéristique appelé speckle. Différents filtres (Lee, Frost, Gamma-MAP) sont utilisés pour réduire le speckle sans altérer les détails des contours, essentiels à l'interprétation des structures géologiques. Le choix du filtre doit trouver un juste milieu : un filtre trop agressif masquera les linéaments, tandis qu'un filtre trop faible laissera apparaître du bruit.
3. Amélioration des images pour l'interprétation géologique
En cartographie structurale et lithologique, l'amélioration d'image vise à mettre en évidence certaines caractéristiques afin qu'elles soient facilement reconnaissables.
a. Composition de bandes et transformation des couleurs
Les compositions RVB de bandes spectrales spécifiques permettent de mettre en évidence les différences entre les matériaux. Par exemple, la combinaison des bandes du proche infrarouge et de l'infrarouge à ondes courtes est souvent efficace pour distinguer les types de roches ou les zones d'altération. Les techniques d'étirement par décorrélation sont également utilisées pour accentuer le contraste entre les bandes et rendre visibles des variations subtiles.
b. Netteté et transformation spatiale
Un filtre passe-haut ou un masquage flou peut accentuer les contours et les linéaments, souvent associés aux zones de failles ou de fractures. De plus, l'analyse de texture (par exemple, la matrice de cooccurrence de niveaux de gris – GLCM) permet de quantifier la diversité des motifs de surface, utile pour distinguer les unités géomorphologiques et lithologiques.
c. Transformation spectrale : ACP et rapport de bandes
Principal Component Analysis (PCA) mereduksi dimensi data multispektral dan menyoroti variasi dominan yang dapat terkait perbedaan geologi. Rasio band (band ratio) sering dipakai dalam exploration mineral karena beberapa mineral memiliki ciri serapan pada panjang gelombang tertentu. Dalam geofisika terapan, rasio band dapat menjadi petunjuk awal zona prospek sebelum survei lapangan atau geofisika detail.
4. Classification et extraction d'informations
Une fois l'image prête, l'étape suivante consiste à extraire systématiquement les informations géophysiques.
a. Classification supervisée et non supervisée
La classification supervisée (par exemple, SVM, Random Forest) nécessite des données d'apprentissage issues du terrain ou d'une carte de référence. La classification non supervisée (k-means, ISODATA) regroupe les pixels selon leur similarité spectrale, sans étiquetage préalable. En géophysique, les résultats de la classification peuvent contribuer à la cartographie de la lithologie de surface, de la distribution des sédiments, des zones d'altération hydrothermale ou des unités géomorphologiques liées aux processus tectoniques.
b. Segmentation et analyse d'images orientée objet (OBIA)
L'OBIA regroupe les pixels en objets en fonction de leurs caractéristiques spectrales et de leur forme, puis les classe. Cette méthode est souvent plus adaptée aux images haute résolution, car les structures géologiques — telles que les linéaments, les cônes alluviaux ou les réseaux de drainage — sont plus significatives en tant qu'objets que les pixels isolés.
c. Extraction des linéaments
Les linéaments sont des structures linéaires pouvant représenter des failles, des fractures ou des contacts lithologiques. Les techniques d'extraction comprennent la détection de contours (Canny, Sobel), la transformée de Hough et le filtrage directionnel. Les cartes de linéaments peuvent ensuite être comparées à d'autres données géophysiques, telles que les anomalies magnétiques ou les données sismiques, afin d'interpréter les structures du sous-sol.
5. Interférométrie SAR (InSAR) pour la déformation de surface
Salah satu kontribusi terbesar citra satelit bagi geofisika adalah InSAR , yang memanfaatkan perbedaan fase gelombang radar dari dua atau lebih akuisisi untuk menghitung perubahan jarak satelit–permukaan. Dengan InSAR, deformasi beberapa sentimeter hingga milimeter dapat dipetakan pada area luas untuk:
– déformation co-sismique et post-sismique,
– inflation/déflation volcanique,
– penurunan tanah akibat ekstraksi air tanah,
– stabilité des pentes et glissements de terrain.
Le traitement InSAR comprend le recalage d'images, la formation d'interférogrammes, la réduction de phase topographique (à l'aide d'un MNT), le filtrage de phase, le déroulement de phase et la correction atmosphérique. Les techniques de séries temporelles telles que PSInSAR ou SBAS améliorent la précision en analysant plusieurs images sur une longue période.
6. Intégration avec d'autres données géophysiques et validation sur le terrain
L'imagerie satellitaire est rarement utilisée seule. Sa plus grande valeur réside dans sa combinaison avec d'autres données géophysiques telles que :
– magnetik dan gravitasi untuk menduga struktur dan densitas bawah permukaan,
– seismik untuk geometri lapisan dan sesar,
– geokimia untuk verifikasi alterasi,
– GPS dan leveling untuk validasi deformasi hasil InSAR.
La validation sur le terrain demeure importante, notamment pour confirmer les interprétations lithologiques, identifier les failles actives et prélever des échantillons.
7. Défis et orientations du développement
Beberapa tantangan utama pengolahan citra satelit dalam geofisika meliputi heterogenitas topografi, tutupan awan, perbedaan karakter sensor, serta kebutuhan komputasi untuk data besar. Namun, perkembangan komputasi awan dan platform seperti Google Earth Engine, serta kemajuan machine learning dan deep learning, mempercepat pengolahan multi-temporal dan multi-sensor. Ke depan, intégration des données satelit optik, SAR, termal, dan geofisika klasik akan semakin memperkuat kemampuan pemantauan proses dinamik Bumi secara hampir real-time.
Clôture
Teknik pengolahan citra satelit dalam geofisika mencakup praproses (koreksi radiometrik, geometrik, filtering), peningkatan citra, klasifikasi dan ekstraksi fitur, hingga analisis lanjutan seperti InSAR untuk deformasi permukaan. Dengan pendekatan yang tepat, citra satelit menjadi alat yang sangat efektif untuk memahami proses geologi dan geodinamika, mendukung eksplorasi Ressource, serta mitigasi bencana. Kunci keberhasilan terletak pada pemilihan data yang sesuai, pengolahan yang teliti, integrasi multi-sumber, dan verifikasi lapangan yang memadai.
