Sentinel 2 de l’ESA est sujet aux nuages lors de la production d’images, il est important de générer un masque de nuages afin d’éviter les erreurs de calculs lors des traitements.
Cet article est écrit pour mettre en évidence les quelques défauts de l’algorithme de masque de nuage de l’ESA (sen2cor) comme indiqué sur l’exemple suivant.
Sur l’image ci-dessus il est clair qu’il y a des nuages masquant le sol, les ombres des nuages sont plus difficiles à discerner.
En utilisant une image composite et en remplaçant la bande rouge par la bande proche infrarouge, l’ombre des nuages est plus visible.
La détection de l’ombre des nuages est un problème assez difficile car, au sol, la distance entre l’ombre et le nuage dépend de l’altitude des nuages, augmentant avec la hauteur des nuages et l’angle solaire inverse (en hiver l’angle du soleil est d’environ 20° donc l’ombre des nuages l’empreinte sera loin de l’empreinte du cloud), Ainsi, définir un périmètre de sécurité autour du cloud pour éviter les problèmes d’ombre est tout à fait impossible. Parfois, l’ombre est éloignée de plusieurs kilomètres de l’empreinte nuageuse et parfois rejoint l’empreinte nuageuse. Sen2cor est prévu pour prendre tous ces éléments en considération, mais, malheureusement, avec un manque de précision.
Comme indiqué sur l’image ci-dessus, l’ombre du nuage n’est pas bien détectée par l’algorithme, ce qui est visible lors d’un zoom sur un champ :
QUELLE SOLUTION?
En complément de Sen2cor qui est néanmoins efficace et qu’il est hors de question de laisser tomber, un modèle de régression d’arbre de décision a été développé pour se concentrer sur les nuages et l’ombre des nuages qui a produit les résultats suivants :
CONCLUSION
En effet, l’utilisation de l’arbre de décision aide à la détection des ombres en éliminant les pixels sombres à l’aide de la bande NIR et en définissant un seuil.
Les deux masques seront utilisés en superposition pour éliminer les mauvais pixels, il sera intéressant de tester d’autres algorithmes comme Fmask et le modèle optram, ainsi que des réseaux de neurones convolutifs pourraient être testés car, comme les arbres de décision de régression, ce sont des systèmes de régression et de classification.