La vallée de Katmandou - Vue générale par imagerie optique - suite
|  | Combinaison de vraies couleurs de Katmandou obtenue avec les bandes 3,2,1 | |
Images composites en vraies couleurs
Les images composites en vraies couleurs s’obtiennent par combinaison des canaux LANDSAT rouge (bande 3 - 0,63 - 0,69 µm), vert (bande 2 - 0,52 - 0,60 µm) et bleu (bande 1 - 0,45 - 0,52 µm).
Cette combinaison des bandes Landsat permet d’obtenir une image dont les couleurs ressemblent fortement aux vraies couleurs car elle utilise la réflexion des couleurs de la surface de la Terre. La longueur d’onde comprise entre 0,63 et 0,69 µm (bande 3) représente la partie rouge du rayonnement électromagnétique de la lumière visible et est donc utilisée pour le canal rouge du système de couleur RVB.
La bande 2 de Landsat sert pour le canal vert dans le système RVB car la lumière verte est visible entre 0,49 et 0,575 µm. Cette partie des couleurs spectrales est représentée dans la bande 2 de Landsat. La même caractéristique physique vaut pour le canal bleu, représenté par la bande 1 de Landsat.
Pourquoi cette combinaison de couleurs permet-elle d’obtenir une image ressemblant fortement à une photo couleur?
Que se passe-t-il si tu en changes l’ordre ? (par ex. Rouge = bande 1, Bleu = bande 2 et Vert = bande 3)
Ouvre le programme LEOWorks. Si tu n’as pas encore téléchargé les images de Katmandou, va dans la zone de téléchargement en haut de la Feuille de travail et suis les instructions.
Va dans File>Open. Une boîte de dialogue apparaît à l’écran. Clique sur le dossier Katmandou et sélectionne la première image Kathmandu_LANDSAT_2001_Band_1.tif. Ouvre également
Kathmandu_Landsat_2001_Band_1.tif. Open
Kathmandu_Landsat_2001_Band_2.tif et
Kathmandu_Landsat_2001_Band_3.tif.
Clique sur Image>Combine from...>Red Green Blue. Un menu contextuel s’ouvre. Sélectionne l’image
Kathmandu_Landsat_2001_Band_3.tif pour le rouge,
Kathmandu_Landsat_2001_Band_2.tif pour le vert et
Kathmandu_Landsat_2001_Band_1.tif pour le bleu, puis clique sur OK.
La nouvelle image est l’image en vraies couleurs obtenue à partir des 3 canaux de la lumière visible. Elle n’est cependant pas tout à fait en vraies couleurs, car les données brutes n’ont pas encore été rehaussées. Sélectionne (active) la première image Kathmandu_LANDSAT_2001_Band_3.tif et choisis Enhance>Interactive Stretching. Un histogramme apparaît. Déplace la barre bleue à gauche vers le point initial gauche de l’histogramme. Déplace ensuite la barre rouge à droite vers le point initial droit et clique sur Apply. Observe bien les changements dans l’image composite.
Convertis les deux autres images de la même façon.
Tu devras glisser les barres plus ou moins loin, selon ta perception de la couleur et la résolution des couleurs sur ton écran. Pour obtenir des images en vraies couleurs presque « normales », il est conseillé d’ouvrir l’image déjà combinée Kathmandu_LANDSAT_2001_Band_321.tif et de l’utiliser comme fichier de contrôle.
Décris l’image en général.
Quelles caractéristiques de Katmandou parviens-tu à identifier dans l’image Landsat en vraies couleurs ?
Indique où se trouve l’aéroport.
Décris l’emplacement de Katmandou par rapport à ses alentours. Pense aux montagnes, fleuves, terres agricoles, forêts, parcs et vastes parcelles de terrain.
Parviens-tu à repérer les limites de la ville dans cette image en vraies couleurs ?
Pourquoi le centre-ville est-il légèrement flou ?
| | | Image en fausses couleurs de Katmandou utilisant les bandes 4,3,2 |
Images composites en fausses couleurs
Pour augmenter les possibilités d’interprétation des images satellitaires, il faut bien souvent recourir aux images en fausses couleurs.
Dans la plupart des cas, au moins une des couleurs d'une image en fausses couleurs représente un canal dans l'infrarouge. La bande infrarouge du spectre est extrêmement utile pour identifier la nature d'une surface, parce qu'elle est constituée à la fois d'énergie réfléchie et d'énergie émise.
L’infrarouge n’est pas visible pour l’homme mais il transmet de nombreuses informations. Par exemple, les plantes reflètent beaucoup plus d'énergie dans le proche infrarouge que dans le visible du spectre électromagnétique. On peut même connaître l'état de santé d'une plante à partir de l'intensité du rayonnement réfléchi dans le proche infrarouge.
Plusieurs combinaisons de plages sont possibles pour obtenir une image en fausses couleurs. Deux des combinaisons les plus courantes sont les canaux 4,2,1 et 4,3,2 de LANDSAT. L’utilisation du proche infrarouge (bande 4) et du canal rouge (bande 3) est importante. Le proche infrarouge est très sensible à la végétation, tandis que le canal rouge représente le mieux les surfaces non végétales. Nous utiliserons la combinaison de bandes 4,3,2, en raison des perturbations atmosphérique sur Katmandou.
La diffusion atmosphérique est nettement supérieure avec les longueurs d’ondes courtes qu’avec les longues. La diffusion la plus élevée de lumière visible apparaît dans le spectre bleu, en raison de sa courte longueur d’onde comprise entre 0,42 et 0,49 µm.
Ouvre le programme LEOWorks. Si tu n’as pas encore téléchargé les images de Katmandou, va dans la zone de téléchargement en haut de la Feuille de travail et suis les instructions.
Va dans File>Open. Une boîte de dialogue apparaît à l’écran. Clique sur le dossier Katmandou et sélectionne la première image
Kathmandu_Landsat_2001_Band_2.tif. Ouvre également les images
Kathmandu_Landsat_2001_Band_3.tif et
Kathmandu_Landsat_2001_Band_4.tif.
Clique sur Image>Combine from...>Red Green Blue. Un menu contextuel s’ouvre. Sélectionne l’image
Kathmandu_Landsat_2001_Band_4.tif pour le rouge,
Kathmandu_Landsat_2001_Band_3.tif pour le vert et
Kathmandu_Landsat_2001_Band_2.tif pour le bleu, puis clique sur OK.
Améliore les données brutes en procédant comme décrit dans l'exercice sur les images composites en vraies couleurs.
Cette nouvelle image est une image composite en fausses couleurs, obtenue à partir de trois images en nuances de gris.
Quels changements de couleur as-tu pu globalement observer ? Fais attention à la végétation et aux zones urbanisées.
Pourquoi la végétation apparaît-elle en rouge?
Qu’est-ce qui apparaît en bleu ? En vert ? Explique la coloration en fonction du degré de réflexion des différentes caractéristiques superficielles.
La zone du centre-ville de l’image en fausses couleurs de Katmandou utilisant la combinaison 4,3,2 reste floue, en raison de la forte diffusion dans le canal vert de l’onde courte. Mais il y a moyen de réduire les influences atmosphériques, notamment en combinant une image en fausses couleurs avec les bandes LANDSAT 4,5,3.
| | Image en fausses couleurs de Katmandou avec réduction du bruit atmosphérique, obtenue avec les bandes 4,5,3 | |
Deux éléments expliquent que cette combinaison permette d’obtenir une image moins sujette aux influences atmosphériques. Le premier est que les canaux utilisés ont des longueurs d’onde plus longues, résultant en une moindre diffusion. Le second est qu’on obtient ainsi la plus grande différence spectrale entre la lumière rouge, le proche infrarouge et le moyen infrarouge. Les caractéristiques de l’image sont nettement plus distinctes que dans une image en fausses couleurs utilisant deux canaux de lumière visible et un proche infrarouge.
Clique sur Image>Combine from...>Red Green Blue. Un menu contextuel s’ouvre. Sélectionne l’image
Kathmandu_Landsat_2001_Band_4.tif pour le rouge,
Kathmandu_Landsat_2001_Band_5.tif pour le vert et
Kathmandu_Landsat_2001_Band_3.tif pour le bleu, puis clique sur OK.
Améliore les données brutes procédant comme décrit dans l'exercice sur les images composites en vraies couleurs.
Nous utiliserons cette image pour les exercices suivants. Enregistre l’image sous le nom Kathmandu_LANDSAT_Band_453 (TIF) dans ton dossier Katmandou.
Il est, certes, bien agréable d’avoir une image colorée et exempte de bruit, mais elle n’est d’aucune utilité si elle ne sert par, par exemple, à interpréter et à classifier les données. L’intérêt d’une image satellite est qu’elle fournit des informations. À charge ensuite au spectateur, c’est-à-dire toi, de filtrer les informations. Pour savoir comment faire, passe à l’exercice suivant qui étudie la classification des images multispectrales.
| 
