Les mesures de télédétection (MT) dépendent de l'interaction du rayonnement avec les paysages terrestres et l'atmosphère ainsi que des configurations instrumentales (bande spectrale, résolution spatiale, champ de vue: FOV,...) et expérimentales (structure et propriétés optiques du paysage et atmosphère,...). L'évolution rapide des techniques de télédétection requiert des outils appropriés pour valider leurs principes et améliorer l'emploi des MT. Les modèles de transfert radiatif (RTM) simulent des quantités (fonctions de distribution de la réflectance (BRDF) et température (BTDF), forme d'onde LiDAR, etc.) plus ou moins proches des MT. Ils constituent l'outil de référence pour simuler les MT, pour diverses applications : préparation et validation des systèmes d'observation, inversion de MT,... DART (Discrete Anisotropic Radiative Transfer) est reconnu comme le RTM le plus complet et efficace. J'ai encore nettement amélioré son réalisme via les travaux de modélisation indiqués ci-dessous. 1. Discrétisation de l'espace des directions de propagation des rayons. DART simule la propagation des rayons dans les paysages terrestres et l'atmosphère selon des directions discrètes. Les méthodes classiques définissent mal le centroïde et forme des angles solides de ces directions, si bien que le principe de conservation de l'énergie n'est pas vérifié et que l'obtention de résultats précis exige un grand nombre de directions. Pour résoudre ce problème, j'ai conçu une méthode originale qui crée des directions discrètes de formes définies. 2. Simulation d'images de spectroradiomètre avec FOV fini (caméra, pushbroom,...). Les RTMs sont de type "pixel" ou "image". Un modèle "pixel" calcule une quantité unique (BRDF, BTDF) de toute la scène simulée via sa description globale (indice foliaire, fraction d'ombre,...). Un modèle "image" donne une distribution spatiale de quantités (BRDF,...) par projection orthographique des rayons sur un plan image. Tous les RTMs supposent une acquisition monodirectionnelle (FOV nul), ce qui peut être très imprécis. Pour pouvoir simuler des capteurs à FOV fini (caméra, pushbroom,...), j'ai conçu un modèle original de suivi de rayons convergents avec projection perspective. 3. Simulation de données LiDAR. Beaucoup de RTMs simulent le signal LiDAR de manière rapide mais imprécise (paysage très simplifié, pas de diffusions multiples,...) ou de manière précis mais avec de très grands temps de calcul (e.g., modèles Monte-Carlo: MC). DART emploie une méthode "quasi-MC" originale, à la fois précise et rapide, adaptée à toute configuration instrumentale (altitude de la plateforme, attitude du LiDAR, taille de l'empreinte,...). Les acquisitions multi-impulsions LiDAR (satellite, avion, terrestre) sont simulées pour toute configuration (position du LiDAR, trajectoire de la plateforme,...). Elles sont converties dans un format industriel pour être traitées par des logiciels dédiés. Un post-traitement convertit les formes d'onde LiDAR simulées en données LiDAR de comptage de photons. 4. Bruit solaire et fusion de données LiDAR et d'images de spectroradiomètre. DART peut combiner des simulations de LiDAR multi-impulsions et d'image de spectro-radiomètre (capteur hyperspectral,...). C'est une configuration à 2 sources (soleil, laser LiDAR) et 1 capteur (télescope du LiDAR). Les régions mesurées par le LiDAR, dans le plan image du sol, sont segmentées dans l'image du spectro-radiomètre, elle aussi projetée sur le plan image du sol. Deux applications sont présentées : bruit solaire dans le signal LiDAR, et fusion de données LiDAR et d'images de spectro-radiomètre. Des configurations d'acquisition (trajectoire de plateforme, angle de vue par pixel du spectro-radiomètre et par impulsion LiDAR) peuvent être importées pour encore améliorer le réalisme des MT simulées, De plus, j'ai introduit la parallélisation multi-thread, ce qui accélère beaucoup les calculs / Remote Sensing (RS) data depend on radiation interaction in Earth landscapes and atmosphere, and also on instrumental (spectral band, spatial resolution, field of view (FOV),...) and experimental (landscape/atmosphere architecture and optical properties,...) conditions. Fast developments in RS techniques require appropriate tools for validating their working principles and improving RS operational use. Radiative Transfer Models (RTM) simulate quantities (bidirectional reflectance; BRDF, directional brightness temperature: BTDF, LiDAR waveform...) that aim to approximate actual RS data. Hence, they are celebrated tools to simulate RS data for many applications: preparation and validation of RS systems, inversion of RS data... Discrete Anisotropic Radiative Transfer (DART) model is recognized as the most complete and efficient RTM. During my PhD work, I further improved its modeling in terms of accuracy and functionalities through the modeling work mentioned below. 1. Discretizing the space of radiation propagation directions.DART simulates radiation propagation along a finite number of directions in Earth/atmosphere scenes. Classical methods do not define accurately the solid angle centroids and geometric shapes of these directions, which results in non-conservative energy or imprecise modeling if few directions are used. I solved this problem by developing a novel method that creates discrete directions with well-defined shapes. 2. Simulating images of spectroradiometers with finite FOV.Existing RTMs are pixel- or image-level models. Pixel-level models use abstract landscape (scene) description (leaf area index, overall fraction of shadows,...) to calculate quantities (BRDF, BTDF,...) for the whole scene. Image-level models generate scene radiance, BRDF or BTDF images, with orthographic projection of rays that exit the scene onto an image plane. All models neglect the multi-directional acquisition in the sensor finite FOV, which is unrealistic. Hence, I implemented a sensor-level model, called converging tracking and perspective projection (CTPP), to simulate camera and cross-track sensor images, by coupling DART with classical perspective and parallel-perspective projection. 3. Simulating LiDAR data.Many RTMs simulate LiDAR waveform, but results are inaccurate (abstract scene description, account of first-order scattering only...) or require tremendous computation time for obtaining accurate results (e.g., Monte-Carlo (MC) models). With a novel quasi-MC method, DART can provide accurate results with fast processing speed, for any instrumental configuration (platform altitude, LiDAR orientation, footprint size...). It simulates satellite, airborne and terrestrial multi-pulse laser data for realistic configurations (LiDAR position, platform trajectory, scan angle range...). These data can be converted into industrial LiDAR format for being processed by LiDAR processing software. A post-processing method converts LiDAR waveform into photon counting LiDAR data, through modeling single photon detector acquisition. 4. In-flight Fusion of LiDAR and imaging spectroscopy.DART can combine multi-pulse LiDAR and cross-track imaging spectroscopy (hyperspectral sensor...). It is a 2 sources (sun, LiDAR laser) and 1 sensor (LiDAR telescope) system. First, a LiDAR multi-pulse acquisition and a sun-induced spectro-radiometer radiance image are simulated. Then, the LiDAR FOV regions projected onto the ground image plane are segmented in the spectro-radiometer image, which is also projected on the ground image plane. I applied it to simulate solar noise in LiDAR signal, and to the fusion of LiDAR data and spectro-radiometer images. To further improve accuracy when simulating actual LiDAR and spectro-radiometer, DART can also import actual acquisition configuration (platform trajectory, view angle per spectro-radiometer pixel / LiDAR pulse). Moreover, I introduced multi-thread parallelization, which greatly accelerates DART simulations
| Identifer | oai:union.ndltd.org:theses.fr/2015TOU30044 |
| Date | 03 July 2015 |
| Creators | Yin, Tiangang |
| Contributors | Toulouse 3, Gastellu-Etchegorry, Jean-Philippe |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0031 seconds