Techniques de traitement d'images satellitaires en géophysique
La télédétection satellitaire est devenue un pilier essentiel de la recherche et des applications géophysiques modernes. Grâce à l'imagerie satellitaire, les géophysiciens peuvent observer la surface terrestre de manière exhaustive, périodique et continue, depuis les caractéristiques géologiques et la dynamique tectonique jusqu'aux variations du littoral et aux déformations de surface causées par les séismes ou l'activité volcanique. Cependant, l'utilisation directe des images satellitaires est complexe. Un ensemble de techniques de traitement est nécessaire pour améliorer la qualité des données, extraire les informations géophysiques pertinentes et minimiser les interférences telles que les nuages, le bruit ou les distorsions géométriques. Cet article présente les principales techniques de traitement des images satellitaires en géophysique, du prétraitement à l'analyse avancée.
1. Types d'images satellitaires couramment utilisées en géophysique
En géophysique, voici quelques types de données satellitaires fréquemment utilisées :
1. Optique multispectrale (par exemple 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. Thermique (par exemple, 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 (Radar à synthèse d'ouverture/SAR : Sentinel-1, ALOS PALSAR)
Capable de pénétrer les nuages et de fonctionner 24 heures sur 24, il est essentiel pour cartographier les structures, les changements de surface et analyser les déformations à l'aide des techniques InSAR.
4. Altimétrie et gravimétrie par satellite (par exemple 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.
Le choix du type de données déterminera le flux de traitement approprié, car les caractéristiques de bruit, la résolution et les propriétés physiques des signaux varient.
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
L'analyse en composantes principales (ACP) réduit la dimensionnalité des données multispectrales et met en évidence les variations dominantes susceptibles d'être liées à des différences géologiques. Les rapports de bandes sont fréquemment utilisés en prospection minière, car certains minéraux présentent une absorption caractéristique à des longueurs d'onde spécifiques. En géophysique appliquée, ces rapports peuvent fournir une première indication des zones potentielles avant les levés de terrain ou les analyses géophysiques détaillées.
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
L'une des contributions majeures de l'imagerie satellitaire à la géophysique est l'InSAR, qui exploite les différences de phase des ondes radar issues de deux acquisitions ou plus pour calculer les variations de la distance satellite-surface. Grâce à l'InSAR, des déformations de quelques centimètres à quelques millimètres peuvent être cartographiées sur de vastes zones afin de :
– déformation co-sismique et post-sismique,
– inflation/déflation volcanique,
– affaissement du sol dû au prélèvement d'eau souterraine,
– 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 :
– mesures magnétiques et gravimétriques pour estimer la structure et la densité du sous-sol,
– sismique pour la géométrie des couches et les failles,
– géochimie pour la vérification des altérations,
– GPS et nivellement pour la validation des résultats de déformation 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
Parmi les principaux défis du traitement d'images satellitaires en géophysique figurent l'hétérogénéité topographique, la couverture nuageuse, les différences de caractéristiques des capteurs et les besoins de calcul liés aux grands ensembles de données. Cependant, le développement du cloud computing et de plateformes comme Google Earth Engine, conjugué aux progrès de l'apprentissage automatique et de l'apprentissage profond, accélère le traitement multitemporel et multisensoriel. À l'avenir, l'intégration des données satellitaires optiques, SAR, thermiques et géophysiques classiques renforcera encore la capacité à surveiller les processus dynamiques de la Terre en temps quasi réel.
Clôture
Les techniques de traitement d'images satellitaires en géophysique comprennent le prétraitement (corrections radiométriques, géométriques et de filtrage), l'amélioration d'image, la classification et l'extraction de caractéristiques, ainsi que des analyses avancées telles que l'InSAR pour l'étude des déformations de surface. Avec une approche appropriée, l'imagerie satellitaire peut constituer un outil extrêmement efficace pour la compréhension des processus géologiques et géodynamiques, l'exploration des ressources et la prévention des catastrophes. La clé du succès réside dans la sélection pertinente des données, un traitement rigoureux, l'intégration de sources multiples et une vérification adéquate sur le terrain.
