Search

Malgré l’intérêt croissant pour la cartographie des fonds marins, seul un quart d’entre eux a pu être levé fidèlement à une résolution de l’ordre du km (30 arc-secondes). Ceci s’explique par les lourds coûts engendrés par les campagnes par bateau (sonar) et/ou par avion (lidar). Ainsi, la bathymétrie dérivée de satellite connaît un essor considérable depuis deux décennies. En fer de lance, l’imagerie multispectrale à très haute résolution spatiale de Pléiades Neo dispose de 6 bandes (4 visibles, 1 red edge, et 1 infrarouge) pourvues d’une résolution spatiale de 1,2 m, surclassant ainsi l’imagerie multispectrale de Pléiades-1 dotée de 4 bandes (3 visibles et 1 infrarouge) à 2 m. En s’appuyant sur un jeu de données Pléiades Neo 4 acquis au-dessus des eaux modérément turbides de la baie de Saint-Malo, ce travail a permis de quantifier les contributions des bandes deep blue et red edge à la prédiction de la bathymétrie lidar en regard de la nature de la modélisation, et de l’architecture du réseau neuronal. Premièrement, la modélisation semi-analytique (transfert radiatif) basée sur les transformées de ratio, testées individuellement et linéairement: le remplacement de la bande bleu par la bande deep blue a diminué la régression linéaire standard (bleu-vert-rouge-infrarouge, R2=0,36) de 11,1%, mais le remplacement de la bande rouge par red edge, a produit le même score. Deuxièmement, la modélisation semi-analytique basée sur la transformée de ratio Pléiades-1 versus la combinaison des 15 transformées Pléiades Neo : augmentations respectives de 52,8% de la régression linéaire (R2Pléiades-1=0,36, et R2Pléiades Neo=0,55), et de 36,2% de la régression non-linéaire par réseau de neurones à deux couches cachées à trois neurones (R2Pléiades-1=0,58, et R2Pléiades Neo=0,79). Finalement, la modélisation empirique basée sur la bonification spectrale de la simulation de Pléiades-1 par deep blue et red edge a généré un gain maximal de 6% pour la régression linéaire (R2Pléiades-1=0,50, et R2Pléiades Neo=0,53) et de 1,4% pour la régression non-linéaire par réseau de neurones à deux couches cachées à trois neurones (R2Pléiades-1=0,73, et R2Pléiades Neo=0,74).

La bathymétrie et la topographie des surfaces immergées sont des connaissances essentielles pour la gestion durable des rivières et des espaces littoraux. Parmi les techniques permettant de les obtenir, le LiDAR bathymétrique apparaît prometteur par sa capacité à relever de grandes surfaces en un temps limité, avec une forte résolution spatiale et de manière continue entre zones émergées et immergées. Bien que certaines études aient porté sur la précision de cette technique dans les zones côtières de profondeur modérée, peu se sont intéressées aux eaux très peu profondes (< 3 m). Dans cette étude, une nouvelle méthode de traitement de formes d'ondes LiDAR pour les très faibles profondeurs est proposée. Cet algorithme s'appuie sur le traitement conjoint des trains d'ondes vert et proche-infrarouge (PIR). La densité et la précision des données résultantes sur les eaux côtières très peu profondes sont ensuite analysées. Les résultats de ces développements et analyses sont présentés sur des données acquises sur le Golfe du Morbihan (France) par le Service Hydrographique et Océanographique de la Marine (SHOM) en 2005 avec un système SHOALS qui fournit les formes d'ondes Raman, PIR et vert. Ce travail met l'accent sur la comparaison de la qualité entre les données bathymétriques livrées issues du traitement des signaux par l'opérateur et celles issues de l'algorithme de traitement proposé. Pour la validation des résultats, une méthode spécifique est utilisée ici afin de faciliter la comparaison de mesures altimétriques réalisées entre des points GPS de référence et des empreintes LiDAR (diamètre de l'ordre de 2 m). Dans les très faibles profondeurs d'eau, l'algorithme proposé extrait 41% de mesures supplémentaires par rapport aux données livrées, avec un biais de mesure comparable (environ 5 cm) et un écart-type des erreurs plus faible (26,1 cm contre 41,1 cm). 55% de ces mesures supplémentaires sont situés à une profondeur comprise entre 1,5 m et 2 m. De plus, l'algorithme proposé améliore la profondeur minimale détectable de 80 cm par rapport aux données livrées (1 m contre 1,8 m).