Leçon 1 sur 5
Capteurs optiques et radar : Landsat, Sentinel et images à très haute résolution
Je sais choisir le capteur adapté à une étude en Guinée en comparant résolutions spatiale, spectrale, radiométrique et temporelle, et en tenant compte des nuages.
- 1 h 15
- 6 exercices corrigés
- QCM de 7 questions
À la fin de la leçon, vous saurez :
- Distinguer capteurs passifs (optiques) et actifs (radar) et leurs domaines spectraux
- Définir et calculer les quatre résolutions d'une image
- Décrire les caractéristiques principales de Landsat 8 et 9, Sentinel-2 et Sentinel-1
- Situer les images à très haute résolution et leurs usages
- Choisir des données adaptées à un besoin, une surface et une saison
Avant de commencer : Bases de la télédétection et des SIG (L2) ; notions sur le rayonnement électromagnétique.
1Je découvre
Fatoumata est en stage de fin de licence chez Kobaya Géomatique, un petit bureau d'études de Conakry (entreprise fictive qui servira de fil rouge à tout le cours). Le bureau vient de recevoir trois demandes la même semaine.
Une coopérative agricole de Kindia veut suivre l'état de ses parcelles de manioc et de fonio pendant la saison des pluies. Une ONG de N'Zérékoré veut savoir si la forêt recule autour de plusieurs villages. Une société minière installée près de Boké veut une carte précise de ses pistes, de ses fosses et de ses bassins de décantation, au mètre près.
Le chef de projet demande à Fatoumata de proposer, pour chaque client, les images à utiliser. Elle ouvre les catalogues et découvre une jungle de noms : Landsat 8 et 9, Sentinel-1, Sentinel-2, Pléiades, SPOT, WorldView… Certaines images sont gratuites, d'autres payantes. Certaines voient à travers les nuages, d'autres non. Et de juin à octobre, le ciel de la Guinée est souvent couvert.
Comment choisir le capteur et les images adaptés à une étude, selon ce que l'on veut voir, la surface à couvrir et la saison ?
2Je comprends
1. Capteurs passifs et capteurs actifs
Un capteur mesure un rayonnement électromagnétique venant de la surface terrestre. On distingue :
| Type | Source d'énergie | Domaines spectraux | Exemples | Limite principale |
|---|---|---|---|---|
| Passif optique | le Soleil (rayonnement réfléchi) | visible, proche infrarouge (PIR), moyen infrarouge (SWIR) | Landsat OLI, Sentinel-2 MSI, Pléiades | ne voit ni la nuit ni à travers les nuages |
| Passif thermique | la surface elle-même (rayonnement émis) | infrarouge thermique (environ 8 à 14 µm) | Landsat TIRS | résolution plus grossière |
| Actif radar (RSO) | le satellite émet une onde et mesure l'écho | micro-ondes (centimétriques) | Sentinel-1 | image difficile à interpréter, chatoiement |
Le radar à synthèse d'ouverture (RSO, en anglais SAR) émet une impulsion vers le sol avec un angle oblique et enregistre l'énergie rétrodiffusée. Les micro-ondes traversent les nuages et la pluie fine : le radar fournit des images de jour comme de nuit, en toute saison. C'est un atout décisif en climat tropical humide.
Les bandes radar se désignent par des lettres, liées à la longueur d'onde λ = c / f (avec c ≈ 3 × 108 m/s) :
| Bande | Longueur d'onde typique | Comportement |
|---|---|---|
| X | environ 3 cm | interagit surtout avec le haut du couvert |
| C | environ 5,5 cm | pénètre un peu le feuillage ; Sentinel-1 |
| L | environ 23 cm | pénètre davantage la végétation ; utile en forêt |
Plus la longueur d'onde est grande, plus l'onde pénètre le couvert végétal.
2. Les quatre résolutions d'une image
Une image numérique est une grille de pixels ; chaque pixel porte une valeur par bande spectrale (un « compte numérique », CN).
| Résolution | Définition | Exemple |
|---|---|---|
| Spatiale | taille au sol d'un pixel | 30 m pour Landsat OLI multispectral, 10 m pour certaines bandes Sentinel-2 |
| Spectrale | nombre, position et largeur des bandes | 13 bandes pour Sentinel-2 |
| Radiométrique | nombre de niveaux possibles d'une valeur, 2n pour n bits | 12 bits donnent 212 = 4096 niveaux |
| Temporelle | intervalle entre deux acquisitions d'un même lieu (revisite) | 16 jours pour un seul satellite Landsat |
Ces résolutions sont en compromis : un capteur à pixels très fins couvre en général une fauche étroite, revient moins souvent ou coûte plus cher.
Surface d'un pixel : un pixel de 30 m couvre 30 × 30 = 900 m², soit 0,09 ha ; un pixel de 10 m couvre 100 m², soit 0,01 ha.
Exemple
Zone d'étude de la coopérative de Kindia : un rectangle de 20 km sur 15 km.
Étape 1 — Avec des pixels de 10 m : 20 000 / 10 = 2 000 colonnes et 15 000 / 10 = 1 500 lignes, soit 3 000 000 pixels par bande.
Étape 2 — Avec des pixels de 30 m : environ 667 colonnes et 500 lignes, soit environ 333 000 pixels par bande (9 fois moins).
Étape 3 — Volume brut pour 4 bandes à 10 m codées sur 2 octets : 3 000 000 × 4 × 2 = 24 000 000 octets, soit 24 Mo environ.
Conclusion : diviser la taille du pixel par 3 multiplie le nombre de pixels par 9.
Règle pratique d'interprétation : pour être identifié de façon fiable, un objet doit couvrir plusieurs pixels (au moins 2 à 3 pixels dans chaque direction). Une piste de 6 m de large n'est pas cartographiable correctement avec des pixels de 30 m ; elle peut apparaître avec des pixels de 10 m, mais sa largeur ne sera pas mesurable.
3. Les programmes gratuits : Landsat et Sentinel
Landsat (programme de la NASA et de l'USGS, États-Unis) fournit des images depuis 1972 : c'est la plus longue archive continue d'observation de la Terre, précieuse pour étudier des changements sur plusieurs décennies. Landsat 8 (lancé en 2013) et Landsat 9 (lancé en 2021) portent deux instruments : OLI (optique) et TIRS (thermique).
| Bande OLI | Domaine | Longueur d'onde (µm) | Pixel |
|---|---|---|---|
| B1 | aérosols côtiers | 0,43 – 0,45 | 30 m |
| B2 | bleu | 0,45 – 0,51 | 30 m |
| B3 | vert | 0,53 – 0,59 | 30 m |
| B4 | rouge | 0,64 – 0,67 | 30 m |
| B5 | proche infrarouge (PIR) | 0,85 – 0,88 | 30 m |
| B6 | moyen infrarouge 1 (SWIR 1) | 1,57 – 1,65 | 30 m |
| B7 | moyen infrarouge 2 (SWIR 2) | 2,11 – 2,29 | 30 m |
| B8 | panchromatique | 0,50 – 0,68 | 15 m |
| B9 | cirrus | 1,36 – 1,38 | 30 m |
| B10, B11 | infrarouge thermique (TIRS) | 10,6 – 12,5 | 100 m (livrées rééchantillonnées à 30 m) |
Une scène Landsat couvre environ 185 km de large ; chaque satellite repasse tous les 16 jours, et les deux satellites ensemble offrent une acquisition possible tous les 8 jours.
Sentinel est la famille de satellites du programme européen Copernicus. Ses données sont gratuites et ouvertes.
- Sentinel-2 (optique, instrument MSI) : 13 bandes, fauche de 290 km. Pixels de 10 m (bleu B2, vert B3, rouge B4, PIR B8), 20 m (trois bandes « red edge » B5, B6, B7, PIR étroit B8A, SWIR B11 et B12) et 60 m (bandes atmosphériques B1, B9, B10). Avec deux satellites en orbite, la revisite est de 5 jours à l'équateur. Produits : niveau L1C (réflectance au sommet de l'atmosphère) et niveau L2A (réflectance de surface, corrigée de l'atmosphère, leçon 2).
- Sentinel-1 (radar en bande C, environ 5,5 cm) : en mode IW (Interferometric Wide swath), le mode courant sur les terres, fauche d'environ 250 km et pixels d'environ 5 m × 20 m, en polarisations VV et VH. Revisite de 12 jours par satellite.
La polarisation indique l'orientation de l'onde émise puis reçue : VV (émise et reçue verticalement), VH (émise verticalement, reçue horizontalement). La VH est sensible à la diffusion de volume dans le feuillage : elle est utile pour distinguer forêt et zones déboisées.
Accès : Landsat sur le portail EarthExplorer de l'USGS ; Sentinel sur le Copernicus Data Space Ecosystem ; les deux sur des plateformes de calcul en ligne comme Google Earth Engine.
4. Les images à très haute résolution (THR)
Les satellites THR fournissent des pixels de moins de 1 m à quelques mètres, en général sous forme d'une bande panchromatique fine et de quelques bandes multispectrales (bleu, vert, rouge, PIR) plus grossières.
| Satellite | Opérateur | Panchromatique | Multispectral |
|---|---|---|---|
| SPOT 6 et 7 | Airbus (France) | 1,5 m | 6 m |
| Pléiades 1A et 1B | Airbus / CNES (France) | 0,5 m (produit rééchantillonné) | 2 m |
| WorldView-3 | Maxar (États-Unis) | 0,31 m | 1,24 m |
Ces images sont généralement payantes et commandées sur une zone précise ; leurs satellites sont dépointables (ils visent de biais), ce qui raccourcit le délai d'acquisition mais déforme l'image vue en oblique (leçon 2).
La fusion panchromatique (pansharpening) combine la finesse de la bande panchromatique et la couleur des bandes multispectrales pour produire une image couleur au pas le plus fin.
Usages typiques : plan d'une emprise minière, recensement de bâtiments, suivi d'un chantier, cadastre, mise à jour de cartes topographiques.
5. Choisir ses données : une méthode
Méthode
- Formuler précisément ce qu'il faut voir : objet, taille minimale, information recherchée (présence, surface, état de santé…).
- En déduire la résolution spatiale nécessaire (l'objet doit couvrir plusieurs pixels).
- En déduire les bandes nécessaires : PIR pour la végétation, SWIR pour l'eau, les sols et l'humidité, radar si les nuages sont fréquents.
- Fixer la période et la fréquence d'observation (saison, avant et après un événement, série annuelle).
- Vérifier la disponibilité réelle : couverture nuageuse dans l'archive, dates, coût, licence d'utilisation.
- Combiner si nécessaire : optique et radar, ou images gratuites pour la vue d'ensemble et THR pour les zones critiques.
L'effet des nuages se raisonne en probabilité. Supposons qu'à chaque passage en saison des pluies, la probabilité d'obtenir une image exploitable sur la zone soit de 20 %, de façon indépendante d'un passage à l'autre.
Exemple
Sur 30 jours, Sentinel-2 (revisite 5 jours) passe 6 fois ; Landsat 8 seul (16 jours) passe environ 2 fois.
Probabilité d'avoir au moins une image exploitable = 1 − (probabilité qu'aucune ne le soit).
Sentinel-2 : 1 − 0,8^6 = 1 − 0,262 = 0,738, soit environ 74 %.
Landsat 8 seul : 1 − 0,8^2 = 1 − 0,64 = 0,36, soit 36 %.
Sentinel-1 (radar) : les nuages ne gênent pas ; chaque passage donne une image.
En pratique, les passages ne sont pas indépendants (une saison très pluvieuse dure plusieurs semaines) : ce calcul donne un ordre de grandeur, pas une garantie.
Application aux trois clients de Kobaya Géomatique :
| Client | Besoin | Proposition |
|---|---|---|
| Coopérative de Kindia | état des cultures pendant les pluies, parcelles de quelques hectares | Sentinel-2 (10 m, 5 jours) complété par Sentinel-1 pour les périodes nuageuses |
| ONG de N'Zérékoré | recul de la forêt sur 20 ans | archive Landsat (30 m depuis les années 1980) et Sentinel-2 pour les années récentes |
| Société minière de Boké | pistes, fosses, bassins au mètre | images THR (Pléiades ou équivalent), une ou deux fois par an, en saison sèche |
3Je retiens
Je retiens
Capteur optique passif : utilise le Soleil, ne voit pas à travers les nuages.
Radar (RSO) actif : émet ses micro-ondes, image de jour, de nuit et par temps couvert.
Quatre résolutions : spatiale (pixel), spectrale (bandes), radiométrique (2^n niveaux), temporelle (revisite).
Landsat 8 et 9 : 30 m, 15 m en panchromatique, 16 jours par satellite, archive depuis 1972.
Sentinel-2 : 13 bandes, 10, 20 et 60 m, 5 jours avec deux satellites ; Sentinel-1 : radar bande C.
THR (SPOT, Pléiades, WorldView) : moins de 1 m à quelques mètres, payant, zone ciblée.
Un objet doit couvrir plusieurs pixels pour être identifié.
4Erreurs fréquentes
- Croire que la résolution spatiale est la taille du plus petit objet visible : il faut plusieurs pixels par objet.
- Oublier que les bandes Sentinel-2 n'ont pas toutes la même résolution (10, 20 ou 60 m).
- Prévoir une étude optique en pleine saison des pluies sans solution de secours radar.
- Confondre fauche (largeur couverte) et résolution spatiale (taille du pixel).
- Choisir la THR par réflexe : sur une grande zone, elle est chère et ne remonte pas loin dans le temps.
5Je m’exerce
1Exercice 1
(Questions de cours)
a) Quelle est la différence entre un capteur passif et un capteur actif ? Donnez un exemple de chacun.
b) Citez les quatre résolutions d'une image et définissez-les en une phrase.
c) Pourquoi le radar est-il précieux en Guinée de juin à octobre ?
Voir le corrigéCacher le corrigé
a) Un capteur passif mesure un rayonnement d'origine naturelle (lumière solaire réfléchie ou rayonnement thermique émis) : par exemple OLI de Landsat 8 ou MSI de Sentinel-2. Un capteur actif émet lui-même son rayonnement et mesure l'écho : par exemple le radar de Sentinel-1.
b) Spatiale : taille au sol d'un pixel. Spectrale : nombre, position et largeur des bandes. Radiométrique : nombre de niveaux de valeurs, 2n pour n bits. Temporelle : délai entre deux acquisitions du même lieu.
c) Pendant la saison des pluies, la couverture nuageuse empêche souvent toute image optique exploitable. Les micro-ondes du radar traversent les nuages : on obtient une image à chaque passage.
2Exercice 2
a) Combien de niveaux de valeurs peut prendre un pixel codé sur 8 bits ? sur 12 bits ? b) Sentinel-1 émet à une fréquence de 5,405 GHz. Calculez sa longueur d'onde en centimètres.
Voir le corrigéCacher le corrigé
a) 8 bits : 28 = 256 niveaux (0 à 255). 12 bits : 212 = 4096 niveaux (0 à 4095).
b) λ = cf = 3 × 1085,405 × 109 ≈ 0,0555 m, soit environ 5,55 cm (bande C).
3Exercice 3
Une mine à ciel ouvert près de Boké occupe une emprise de 6 km sur 4 km.
a) Combien de pixels par bande pour une image Landsat multispectrale (30 m), Sentinel-2 à 10 m et une image Pléiades panchromatique à 0,5 m ?
b) Quelle surface, en hectares, représente un pixel dans chaque cas ?
Voir le corrigéCacher le corrigé
a) Landsat 30 m : 6000 / 30 = 200 colonnes, 4000 / 30 ≈ 133 lignes, soit environ 26 700 pixels.
Sentinel-2 10 m : 600 × 400 = 240 000 pixels.
Pléiades 0,5 m : 12 000 × 8 000 = 96 000 000 pixels.
b) 30 m : 900 m², soit 0,09 ha. 10 m : 100 m², soit 0,01 ha. 0,5 m : 0,25 m², soit 0,000025 ha.
Vérification : 26 667 × 0,09 ≈ 2 400 ha et 240 000 × 0,01 = 2 400 ha, ce qui correspond bien à 6 km × 4 km = 24 km² = 2 400 ha.
4Exercice 4
Pour chaque objet, dites s'il est cartographiable avec Landsat (30 m), Sentinel-2 (10 m) ou seulement en THR, en justifiant : a) une piste de 8 m de large ; b) un bassin de décantation de 300 m × 200 m ; c) une case d'habitation de 6 m × 5 m ; d) une parcelle de riz de 1 ha.
Voir le corrigéCacher le corrigé
a) Piste de 8 m : moins d'un pixel Landsat, invisible ou noyée ; à 10 m elle peut apparaître comme une ligne d'un pixel, sans largeur mesurable ; pour la cartographier proprement, il faut de la THR.
b) Bassin de 300 m × 200 m : 10 × 6,7 pixels Landsat, 30 × 20 pixels Sentinel-2 : cartographiable avec les deux, mieux avec Sentinel-2.
c) Case de 6 m × 5 m : plus petite qu'un pixel Sentinel-2 ; seulement en THR.
d) Parcelle de 1 ha (100 m × 100 m) : environ 3 × 3 pixels Landsat (limite, bords mélangés), 10 × 10 pixels Sentinel-2 : Sentinel-2 convient bien.
5Exercice 5
En saison des pluies, on estime à 15 % la probabilité qu'un passage optique donne une image exploitable sur une zone de Labé (passages supposés indépendants). Calculez la probabilité d'obtenir au moins une image exploitable en 20 jours avec Sentinel-2 (revisite 5 jours), puis avec un seul satellite Landsat (un passage dans la période).
Voir le corrigéCacher le corrigé
Sentinel-2 : 20 jours / 5 jours = 4 passages. P = 1 - 0,854 = 1 - 0,522 = 0,478, soit environ 48 %.
Landsat (un passage) : P = 0,15, soit 15 %.
Conclusion : même Sentinel-2 ne garantit rien en saison des pluies ; il faut prévoir le radar ou élargir la fenêtre de dates.
6Exercice 6
(Type examen) La direction préfectorale de l'environnement de Faranah veut cartographier les zones de culture brûlées autour de la ville, sur 50 km × 50 km, chaque année depuis 2000, ainsi que l'état de la végétation chaque mois de l'année en cours.
a) Quelles données utiliserez-vous pour la série depuis 2000 ? Justifiez.
b) Quelles données pour le suivi mensuel de l'année en cours ? Que prévoyez-vous pour les mois de forte nébulosité ?
c) Pourquoi des images THR ne conviennent-elles pas ici ?
d) Quelles bandes spectrales vous seront utiles ?
Voir le corrigéCacher le corrigé
a) L'archive Landsat (Landsat 5, 7, puis 8 et 9) : elle est la seule source gratuite et homogène à 30 m couvrant toute la période depuis 2000 ; 30 m suffit pour des zones brûlées de plusieurs hectares sur 2 500 km².
b) Sentinel-2 (10 à 20 m, revisite 5 jours) pour le suivi mensuel, éventuellement combiné avec Landsat 8 et 9. Pour les mois très nuageux, Sentinel-1 (radar) ou une synthèse des meilleures images disponibles sur une période plus longue.
c) La zone est grande (2 500 km²), le suivi est fréquent et remonte à 2000 : la THR serait très coûteuse, souvent indisponible dans l'archive ancienne, et inutile pour des objets de plusieurs hectares.
d) Le PIR (la végétation saine y réfléchit fortement) et le rouge pour l'état de la végétation ; le SWIR (SWIR 2 notamment), qui réagit fortement aux surfaces brûlées (indices de feu, leçon 3).
Cherchez d’abord seul, sur votre cahier, puis ouvrez le corrigé pour comparer.
6Je vérifie
Choisissez une réponse pour chaque question : la correction s’affiche aussitôt.
Karamö, votre enseignant
Il a lu cette leçon. Posez-lui votre question : il vous répond ici.
Connectez-vous pour poser vos questions à Karamö.
Avec un compte Kharandi gratuit, vous cochez les leçons terminées et vous suivez votre progression, cours par cours.