I. Contexte de l'étude

1. les techniques d'observation par télédétection de la Terre proche

  Dans la cinquième édition d'Introduction à la télédétection, Introduction à la télédétection, une revue de la littérature sur la télédétection.télédétectionLa définition est claire : il s'agit d'une technique permettant d'obtenir des informations sur la surface de la Terre grâce au rayonnement électromagnétique émis ou réfléchi par la surface.  

Figure 1.1 Image de télédétection

Télédétection à proximité du sol : détection d'informations spectrales d'objets terrestres à moins de 50 m du sol à l'aide de capteurs optiques montés sur des mâts ou des tours (Richardson et al., 2013). Dans l'ouvrage de Yin Zhan'e intitulé Introduction to Modern Remote Sensing, le concept de télédétection au sol est clarifié : il s'agit d'une télédétection dont la plateforme se trouve au sol ou à proximité du sol, et les plateformes au sol comprennent les trépieds, les véhicules de télédétection, les tours de télédétection et les navires.

D'après l'introduction ci-dessus, on peut apprendre que le corps principal de l'équipement est un capteur optique (radiologique) qui peut émettre ou recevoir des ondes électromagnétiques et traiter ces signaux d'ondes électromagnétiques pour extraire des informations utiles sur la surface ; les plates-formes d'exploitation des capteurs comprennent des plates-formes fixes telles que des pylônes et des trépieds, ainsi que des plates-formes mobiles telles que des véhicules aériens sans pilote et des véhicules de télédétection.

Figure 1.2

2,Le concept de climat

La phénologie, comme son nom l'indique, est le "temps biologique" : l'observation du moment de la journée où se produisent les phénomènes de croissance et de développement des plantes et des animaux. La phénologie est une sous-discipline de la biologie, qui est la science des relations entre les plantes et les animaux dans le monde naturel et les conditions environnementales (climat, hydrologie, sol, etc.) qui changent périodiquement. Depuis des milliers d'années, les travailleurs sont attentifs à la relation entre les phénomènes naturels tels que la prospérité des plantes et des arbres, l'arrivée et le départ des oiseaux migrateurs et le climat, afin d'organiser leurs activités agricoles en conséquence. Par exemple, la plupart des 24 termes solaires en Chine sont décrits ou même nommés directement d'après des phénomènes climatiques, tels que l'hibernation, la pluie de céréales et l'ensemencement des mangues.

Figure 1.3 Réseau d'observation du climat en Chine

3,Concept d'indice de végétation

Combinaisons spectrales permettant de caractériser la végétation. L'utilisation d'indices de végétation a pour but de mettre en évidence les caractéristiques de la végétation et de faciliter l'identification rapide (extraction) de paramètres tels que la structure, la croissance, la santé, etc. de la végétation dans les courbes spectrales ou les images. Indices de végétation courants : indice de verdure relatif GCC, indice de végétation normalisé NDVI (Normalised Vegetation Index) avec les formules suivantes :

Figure 1.4 Indice de végétation

4,Relation entre la phénologie et les indices de végétation

Les indices de végétation peuvent bien refléter l'état de croissance et la santé de la végétation, c'est pourquoi les indices de végétation (par exemple NDVI) sont généralement utilisés comme indicateur quantitatif de la phénologie des plantes. L'observation continue à long terme des indices de végétation permet d'obtenir la tendance de la croissance des plantes dans le temps et les nœuds temporels de la période phénologique.

5,Mesure de la phénologie des plantes par des méthodes de télédétection à proximité de la Terre

Le climat des plantes doit être observé en continu pendant une longue période, ce qui nécessite des instruments basés sur des plates-formes fixes. La caméra climatique est l'instrument le plus courant pour surveiller le climat des plantes : par rapport aux premières méthodes d'observation du climat artificiel, elle est moins coûteuse en main-d'œuvre et présente moins d'interférences avec l'environnement ; elle peut réaliser une observation automatique, une transmission de données à distance et d'autres fonctions, et peut extraire divers indices de végétation par le biais d'algorithmes, qui peuvent être utilisés en tant qu'indicateurs climatiques. Les premières caméras climatiques étaient des caméras couleur RVB ordinaires, qui pouvaient être étendues pour acquérir une série d'indices de végétation à large bande tels que GCC, RCC, BCC, GVI, etc., tout en prenant automatiquement des photos à intervalles réguliers pour obtenir des séries temporelles d'images couleur ; ces indices étaient souvent utilisés dans les premières recherches climatiques.

Figure 1.5.1 Indice de végétation à large bande avec une caméra couleur RVB

  En raison des caractéristiques spectrales des plantes vertes (comme le montre la figure 1.6.2, les caractéristiques de changement de la végétation saine dans le proche infrarouge sont nettement plus fortes que dans la bande verte), l'indice de végétation normalisé NDVI, comparé à des indices tels que le GCC et le GVI, est capable de mieux répondre à la verdure de la végétation, au potentiel de photosynthèse et de refléter l'intensité du métabolisme de la végétation et ses variations saisonnières et interannuelles, ce qui explique que le NDVI soit progressivement valorisé dans le domaine de la recherche sur les plantes.

Figure 1.5.2 Propriétés spectrales des plantes vertes

Par conséquent, les caméras météorologiques capables de calculer le NDVI apparaissent progressivement sur le marché. Par rapport à la caméra RVB d'origine, il y a une grande amélioration, mais à l'heure actuelle, les caméras météorologiques qui peuvent mesurer les images NIR et calculer le NDVI sont principalement des caméras météorologiques à large bande.

Figure 1.5.3 Courbe spectrale de la réponse à large bande du capteur de la caméra 

La bande "large" est ici comparée à la largeur de bande spectrale des données de télédétection par satellite, telles que les données Landsat8, la largeur de bande spectrale dans les bandes rouge et proche infrarouge est de 30 nm, tandis que les bandes rouge et proche infrarouge des caméras NDVI à large bande actuelles dépendent généralement des caractéristiques de réponse des capteurs d'imagerie ; par exemple, la plage de réponse de la lumière rouge, qui peut s'étendre de plus de 500 nm à plus de 700 nm, avec une largeur de bande proche de 200 nm, contient quelques réflexions vertes et proches infrarouges et n'est pas véritablement rouge. qui peut s'étendre de plus de 500 nm à plus de 700 nm, avec une largeur de bande proche de 200 nm, contient quelques réflexions vertes et infrarouges proches, et n'est pas vraiment rouge. Par conséquent, la caméra climatique à large bande ne peut obtenir que des indices de végétation similaires à ceux surveillés par télédétection, et ne peut être utilisée que pour porter des jugements qualitatifs, mais pas pour réaliser une évaluation quantitative du climat par télédétection. Dans le cadre du programme d'observation précise de l'indice de végétation, il existe également des cas d'application de l'utilisation de caméras spectrales pour observer le climat : par exemple, la caméra multispectrale Sequoia, qui a davantage d'applications dans l'observation et la recherche sur le climat des plantes (rythme de croissance), est à l'origine une caméra spectrale pour drones, et elle peut obtenir des images spectrales à bande étroite de la lumière rouge de 660 nm et de l'infrarouge proche de 790 nm. Cependant, ce type de caméra n'est pas adapté à l'observation du climat des plantes pour les raisons suivantes :

Figure 1.5.4 Caméra multispectrale PARROT SEQUOIA

(1) L'utilisation de différents scénarios : la caméra utilisée par le drone n'a pas besoin d'une tolérance et d'une stabilité élevées dans l'environnement de terrain, mais a au contraire des exigences élevées en matière de précision et de légèreté, ce qui la rendra inadaptée à un fonctionnement automatique à long terme sur le terrain.

(2) Différents modes de fonctionnement : les caméras utilisées par les drones ne prennent souvent pas en compte le soutien des technologies connexes telles que le fonctionnement automatique temporisé, la transmission de données à distance et le contrôle à distance, de sorte qu'elles doivent être développées en profondeur et répondre à des exigences techniques élevées en termes d'applications sur le terrain.

(3) Les idées en matière de traitement des données sont différentes : les caméras utilisées par les drones se concentrent davantage sur le traitement des données spatiales, comme l'assemblage d'images, tandis que les caméras météorologiques physiques se concentrent davantage sur le traitement des données temporelles, comme la synthèse des courbes de changement de l'indice de végétation.

(4) Différents concepts : la caméra spectrale du drone adopte une caméra multi-œil (lentille multi-capteur), ce qui lui permet d'acquérir plusieurs données spectrales en même temps tout en se déplaçant ; tandis que la caméra météorologique ne se déplace pas et a une conception multi-œil, ce qui est non seulement coûteux, mais a également un champ de vision différent en raison des différentes positions de chaque lentille de capteur de la caméra. Dans le processus d'utilisation du drone en raison de la distance d'observation et presque aucun effet, mais dans l'observation de l'objet en raison de l'érection du sol a conduit à une relativement proche de la cible, la déviation du champ de vision deviendra très évidente, comme indiqué ci-dessous, ce qui conduira à des données multibandes ultérieures dans le traitement local de la position de l'erreur correspondante.

Figure 1.5.5 Représentation schématique de la différence de champ de vision de l'imagerie due à la caméra multi-oculaire

II. caméras météorologiques spectrales à bande étroite

Afin de résoudre les problèmes susmentionnés, Beijing StarView Technology Co. a développé de manière indépendante une caméra météorologique monoculaire spectrale à bande étroite.

1,Données acquises par des caméras spectrales à bande étroite

La caméra acquiert deux types de données à chaque prise de vue :1)Données d'images couleur RVB normales, capables de calculer automatiquement des indices de végétation à large bande tels que GCC et GVI.2)Les données d'images spectrales dans des bandes étroites (les bandes peuvent être personnalisées, les plus courantes étant actuellement le rouge 650±10nm et le proche infrarouge 850±10nm), et permet de synthétiser une image NDVI hybride, qui contient : une carte spectrale à échelle de gris 650nm, une carte spectrale à échelle de gris 850nm et une carte à échelle de gris NDVI. La carte à échelle de gris NDVI est calculée à partir de la valeur DN de chaque pixel des deux autres cartes selon la formule NDVI, les pixels clairs de la carte ayant une valeur NDVI élevée et vice versa.

Figure 2.1.1

2,Caractéristiques de la caméra climatique spectrale StarView

Les valeurs NDVI acquises ne sont pratiquement pas affectées par les ombres, et les images NDVI peuvent bien refléter la distribution et la croissance de la végétation.

Figure 2.2.1 Acquisition simultanée d'images RVB et NDVI par la caméra climatique spectrale de Star View (SVSC)

L'image hybride NDVI a été importée dans le logiciel de traitement d'images climatiques SmartViewer de Beijing StarViewer, qui peut être divisé en trois images à échelle de gris, à savoir la carte à échelle de gris spectrale 650nm, la carte à échelle de gris spectrale 850nm et la carte à échelle de gris NDVI.
L'image NDVI en niveaux de gris après division est exempte de l'ombre de la tour dans la scène réelle d'origine. Cela montre que le calcul de la valeur NDVI par l'instrument n'est pas affecté par le changement d'intensité lumineuse et qu'il possède une forte capacité anti-interférence dans un environnement d'utilisation normale. En même temps, grâce à la conception de la caméra monoculaire, l'imagerie des deux cartes à échelle de gris de 650 nm et 850 nm est parfaitement cohérente, de sorte que l'image NDVI synthétisée est également parfaitement cohérente avec le cadrage de la carte originale, ce qui constitue une image de distribution NDVI vraiment significative. En termes de précision de l'indice de végétation, l'indice de végétation NDVI à bande étroite est plus stable et plus précis que l'indice de végétation GCC à large bande.

Figure 2.2.3 Comparaison des données pour l'indice spectral à large bande GCC et l'indice synthétique à bande étroite NDVI 

La caméra climatique spectrale StarView présente les caractéristiques suivantes : 1) cohérence des bandes : les réglages des bandes sont entièrement compatibles avec ceux des satellites de télédétection ; 2) cohérence radiométrique : grâce à l'étalonnage radiométrique, elle peut obtenir des produits radiométriques compatibles avec ceux des observations de télédétection ; et 3) cohérence paramétrique : la caméra climatique à bande étroite est capable d'obtenir un indice de végétation réellement significatif (NDVI) qui répond aux besoins de la recherche scientifique.  Résumé : L'introduction de la technologie d'imagerie spectrale à bande étroite permet à la caméra météorologique de StarView de faire un saut qualitatif et d'améliorer considérablement ses performances par rapport aux caméras météorologiques traditionnelles.