Search

International audience; In a context of more frequent heat waves, urban overheating is a major environmental and public health issue. The Land Surface Temperature (LST) is a key variable to study this phenomenon and its estimation at district or city scale can help to diagnose the thermal behaviour of existing or future infrastructures. This paper compares in-situ sensors, 3D physical models and remote sensing observations to investigate the potential and accuracy of each approach to monitor LST at canyon scale. This comparison is performed based on the datasets acquired during the CAMCATT-AI4GEO experiment led in Toulouse city in June 2021 and a side experiment evaluating iButtons data using KT19 measurements as reference. This work shows that iButtons provide LST within +/- 1.25°C (over white walls) if the sensor is protected from direct sun. They offer a good spatial coverage over a small scene, providing direct LST measurement, but they seem sensitive to dark colour walls and sun exposition. On-ground TIR cameras allow for fine scale monitoring of the spatial and temporal variation of the LST, which provides information on the thermal behaviour of the surfaces over limited portion of the scene. On the other hand, airborne cameras allow to retrieve LST over horizontal surfaces at flight overpass time, which give an instant picture of the LST spatial variability at district or city scale. In both cases, retrieving LST from the thermal infrared images can be challenging. Finally, micro-climat models allow to simulate LST at high spatial and temporal resolutions up to district scale, provided that meteorological data are available and that the scene parametrization is correct. Each approach has advantages and drawbacks in terms of accuracy, spatial and temporal coverage, but they can also benefits from a combined used.; Dans un contexte de vagues de chaleur plus fréquentes, le phénomène d'îlot de chaleur urbain est un enjeu environnemental et de santé publique majeur. La température de la surface terrestre (LST) est une variable clé pour étudier ce phénomène et son estimation à l'échelle d'un quartier ou d'une ville peut aider à diagnostiquer le comportement thermique des infrastructures existantes ou futures. Cet article compare les capteurs in-situ, les modèles physiques 3D et les observations de télédétection afin d'étudier le potentiel et la précision de chaque approche pour le suivi de la LST à l'échelle du canyon. Cette comparaison est réalisée sur la base des jeux de données acquis lors de l'expérience CAMCATT-AI4GEO menée dans la ville de Toulouse en juin 2021 et d'une expérience parallèle évaluant les données iButtons en utilisant les mesures KT19 comme référence. Ces travaux montrent que les iButtons fournissent une LST à +/- 1,25°C (sur des murs blancs) si le capteur est protégé du soleil direct. Ils offrent une bonne couverture spatiale sur une petite scène, permettant une mesure directe de la LST, mais ils semblent sensibles aux murs de couleur sombre et à l'exposition au soleil. Les caméras infrarouge thermique au sol permettent un suivi à petite échelle de la variation spatiale et temporelle de la LST, ce qui fournit des informations sur le comportement thermique des surfaces sur une portion limitée de la scène. D'autre part, les caméras aéroportées permettent de récupérer la LST sur des surfaces horizontales au moment du passage du vol, ce qui donne une image instantanée de la variabilité spatiale de la LST à l'échelle d'un quartier ou d'une ville. Dans les deux cas, l'extraction de la LST à partir d'images infrarouges thermiques peut être difficile. Enfin, les modèles de microclimat permettent de simuler la LST à haute résolution spatiale et temporelle jusqu'à l'échelle du district, à condition que les données météorologiques soient disponibles et que la paramétrisation de la scène soit correcte. Chaque approche présente des avantages et des inconvénients en termes de précision et de couverture spatiale et temporelle, mais elles peuvent également bénéficier d'une utilisation combinée.

International audience; An extensive field experiment, CAMCATT-AI4GEO, was conducted for 15 days in June 2021 over Toulouse, to acquire an urban reference dataset combining airborne acquisitions and ground measurements. This presentation aims at introducing the campaign and describing the collected data, which will be used for the validation of tools developed to produce future TRISHNA products, such as algorithms used for atmospheric compensation and temperature emissivity retrieval, microclimatic models. The several workshops of this experiment will be detailed. Joint airborne multispectral thermal infrared and VISNIR-SWIR hyperspectral images were acquired along a 30 km transect centred over Toulouse. A second flight was devoted to calibrating these sensors with on-ground reference targets. During and between the flights, two cars acquired air temperature and relative humidity along a predefined itinerary across the city with sensors mounted on their roof. During the airborne acquisitions, land surface temperature measurements were performed in three locations in Toulouse for calibration purposes. They were completed outside the flight by spectral optical properties in the VISNIR-SWIR and thermal infrared domains over a large range of manmade and natural materials. A specific in lab session was dedicated to the intercalibration of the on-ground thermal sensors. Atmosphere composition data were monitored using radio soundings during the airborne acquisitions and completed with continuous measurements from on-ground stations. Finally, the last session was devoted to the validation of a thermo-radiative model. For this purpose, surface temperature sensors were installed at different locations of buildings walls supplemented by a thermal infrared images acquisition for one of the facades in order to continuously monitor its temperature during the 15 days of the experiment. The air temperature was also measured at different positions in the district (under trees, in flats, etc).

Le phénomène d'îlot de chaleur urbain désigne les zones urbaines où les températures d'air et de surfaces sont supérieures à celles des zones rurales environnantes. Ce phénomène, qui tend à s'intensifier avec le réchauffement climatique et lors d'évènements ponctuels tels que les vagues de chaleur, a des conséquences délétères sur le confort et la santé des populations urbaines. Au sein d'une ville, tous les quartiers ne sont pas égaux face à ce phénomène principalement en raison de l'hétérogénéité des activités, des infrastructures, de la proximité de végétation ou d'étendues d'eau, etc. Afin d'apporter une réponse adaptée à cette problématique, il est essentiel d'identifier les quartiers les plus touchés. Pour quantifier l'intensité des îlots de chaleur, deux indices sont généralement utilisés : l'indice UHI (Urban Heat Island) qui désigne la différence de température de l'air entre la ville et son environnement rural et l'indice SUHI (Surface Urban Heat Island) défini comme la différence de température de surface de la ville et de la zone rurale. La réalisation de cartographies détaillées de la température de l'air en milieux urbains pour l'évaluation de l'UHI par des mesures locales est très limitée. En revanche, en raison de la disponibilité et de la couverture des données, la télédétection dans le domaine de l'infrarouge thermique permet de déterminer la température des surfaces de la ville et donc de calculer l'indice SUHI aux heures de passage des satellites. Si on observe des comportements semblables de nuit, les deux indices diffèrent aux cours de la journée notamment en raison des formes urbaines. Néanmoins, la pleine compréhension des relations entre les deux indices n'est pas encore atteinte. Une piste prometteuse de poursuite de ces travaux est le couplage de la télédétection à la modélisation numérique du microclimat urbain. L'un des objectifs de la mission franco-indienne TRISHNA, dont le lancement du satellite éponyme est prévu en 2025, concerne la préparation de produits adaptés à l'étude des villes. Le projet DIRT (District Infrared theRmography for microclimaTe) s'inscrit dans les travaux du groupe TRISHNA urbain et a pour objectif d'évaluer l'apport des futures données infrarouges thermiques (IRT) mesurées par le satellite TRISHNA pour la cartographie de la température de l'air et d'indices de confort thermique en zone urbaine en s'appuyant sur des simulations numériques du modèle Solene-Microclimat. Ces travaux s'appuient sur la modélisation numérique du microclimat du quartier du Pin Sec à Nantes. En attendant le lancement du satellite TRISHNA, les données de télédétection utilisées sont les images infrarouges aéroportées acquises lors de la campagne de mesures FluxSAP2010 à la résolution de 2,6 mètres. A partir de ces données, des images proxy sont réalisées à différentes résolutions spatiales. Les températures de surfaces déterminées à partir des images infrarouges sont imposées dans le calcul des bilans thermo-radiatifs. Nous présentons ici l'étude de l'influence de la résolution spatiale et temporelle des données IRT sur les températures de surface et d'air simulées, les températures simulées sont notamment confrontées aux mesures de températures in situ des sols, façades et toits de la campagne de mesure FluxSAP2010.

Materials and Methods The IRIP© hydrological geomatics mapping model, or "Indicator of Intense Pluvial Runoff", is confronted with past extreme events for which rainfall radar measurements were acquired and damage maps were derived from multispectral bi-temporal satellite imagery (Sentinel-1 and 2) and machine learning (ML) supervised classification algorithms. Results Study areas Six watersheds in the Aude and Alpes-Maritimes departments in the South of France are investigated over more than 2.000 km 2 of rural and periurban areas during three flash-flood events (2018-2020).

International audience; This work focuses on the contribution of modelling for the interpretation of multi- or hyperspectral optical images for the detection, characterisation and quantification of oil spills. Many parameters contribute to the spectral signature of an oil layer on the sea surface: the optical properties of the water column and of the oil, the film thickness, the surface roughness, the atmospheric radiance reaching the surface (direct and diffuse components), the geometry of observation and illumination. The number of these contributors and their combinations make the analysis of the spectral variability of oil signatures at the sea surface complex. Modelling approaches allow us to consider all those parameters and can then provide useful information to improve the interpretation of optical images. The model presented in this paper simulates the radiance of an oil layer from visible to short wave infrared spectral domains, taking into account all the above-mentioned parameters. The damping influence of the oil layer on sea surface waves is also considered. Comparisons of the simulations with in situ measurements shows a good overall agreement despite the lack of knowledge of some input parameters of the model. In combination with laboratory and in-the-field measurements, the model is then used to assess the expected contrast between water and oil and to estimate oil slick volume.; Ce travail se concentre sur la contribution de la modélisation pour l'interprétation des des images optiques hyperspectrales pour la détection, la caractérisation et la quantification des nappes de pétroles. De nombreux paramètres contribuent à la signature spectrale d'une couche d'hydrocarbures à la surface de la mer : les propriétés optiques de la colonne d'eau et des hydrocarbures, l'épaisseur du film, la rugosité de la surface, le rayonnement atmosphérique atteignant la surface (composantes directe et diffuse), la géométrie de l'observation et de l'illumination. Le nombre de ces facteurs et leurs combinaisons rendent complexe l'analyse de la variabilité spectrale des signatures d'hydrocarbures à la surface de la mer. Les approches de modélisation permettent de prendre en compte tous ces paramètres et peuvent ensuite fournir des informations utiles pour améliorer l'interprétation des images optiques. Le modèle présenté dans cet article simule la luminance d'une couche de pétrole du visible au SWIR en tenant compte tous les paramètres mentionnés ci-dessus. L'influence de la couche de pétrole sur l'amortissement des vagues est également pris en compte. La comparaison des simulations avec les mesures in situ montre un bon accord global malgré la méconnaissance de certains paramètres d'entrée du modèle. Combiné à des mesures terrain et en laboratoire , le modèle est ensuite utilisé pour évaluer le contraste attendu entre l'eau et le pétrole et pour estimer le volume de la nappe de pétrole.

International audience; In the field of offshore oil slicks at the sea surface, radar or optical imagery can provide much useful information. Regarding optical imagery, detection relies on the differences between the reflectance of water alone and oil-covered water. As soon as the thickness of the oil layer is large enough to induce a spectral difference between the reflectance of water and oilcovered water, spectral indices are good candidates for detection. Thereafter, identification and quantification require extended optical and physical knowledge regarding oil properties. To this end, various products have been characterized in the laboratory. Hyperspectral reflectance and transmission measurements have been performed for various pure or emulsified products. This has enabled the definition of two theoretical thickness boundaries: a minimal thickness leading to a noticeable spectral attenuation effect on the reflectance between oil and water and a maximal thickness after which the spectral reflectance no longer evolves with thickness. For some products, these theoretical minimal and maximal thicknesses may not be realistic values for slicks at the sea surface, meaning that they will never be reached. However, they do give a thickness range in which thickness assessment could be performed with optical imagery and modeling. To go deeper into the understanding of oil behavior at sea, experimentation has also been done using a large tank filled with sea water, thus providing more realistic spectral signatures than in the laboratory. From this experiment, the thickness of a small amount of oil freely spread on a plane water surface has been assessed and compared with the boundaries established using the laboratory measurements. The database of spectral signatures built for product identification has been extended with the thickness boundaries and the experimental thicknesses for quantification purpose. This database has been successfully used to identify a product detected on an airborne hyperspectral image and to assess the corresponding oil slick volume, in the case of the NOFO2015 emulsion. © The Authors. Published by SPIE under a Creative Commons Attribution 4.0 Unported License. Distribution or reproduction of this work in whole or in part requires full attribution of the original publication, including its DOI.; Dans le domaine offshore, l'imagerie radar ou optique peut fournir de nombreuses informations utiles. En ce qui concerne l'imagerie optique, la détection repose sur les différences entre la réflectance de l'eau seule et celle de l'eau recouverte d’hydrocarbure. Dès que l'épaisseur de la couche d'hydrocarbure est suffisamment importante pour induire une différence spectrale entre la réflectance de l'eau et celle de l'eau couverte d'hydrocarbure, les indices spectraux sont de bons candidats pour la détection. Par la suite, l'identification et la quantification nécessitent des connaissances optiques et physiques étendues concernant les propriétés de l'hydrocarbure. À cette fin, divers produits ont été caractérisés en laboratoire. Des mesures de réflectance et de transmission hyperspectrales ont été réalisées pour différents produits purs ou émulsifiés. Ceci a permis de définir deux limites théoriques d'épaisseur : une épaisseur minimale conduisant à un effet d'atténuation spectrale notable sur la réflectance entre l'hydrocarbure et l'eau et une épaisseur maximale au-delà de laquelle la réflectance spectrale n'évolue plus avec l'épaisseur. Pour certains produits, ces épaisseurs minimales et maximales théoriques peuvent ne pas être des valeurs réalistes pour les nappes à la surface de la mer, c'est-à-dire qu'elles ne seront jamais atteintes. Cependant, elles donnent une plage d'épaisseur dans laquelle l'évaluation de l'épaisseur pourrait être effectuée à l'aide d'imagerie optique et de modélisation. Pour approfondir la compréhension du comportement des hydrocarbures en mer, des expériences ont également été réalisées à l'aide d'un grand bassin rempli d'eau de mer, fournissant ainsi des signatures spectrales plus réalistes qu'en laboratoire. Cette expérience a permis d'évaluer l'épaisseur d'une petite quantité d’hydrocarbure librement répandue sur une surface d'eau plane et de la comparer aux limites établies à l'aide des mesures en laboratoire. La base de données des signatures spectrales construite pour l'identification des produits a été complétée par les limites d'épaisseur et les épaisseurs expérimentales à des fins de quantification. Cette base de données a été utilisée avec succès pour identifier un produit détecté sur une image hyperspectrale aéroportée et pour évaluer le volume de la nappe d’hydrocarbure correspondante, dans le cas de l'émulsion NOFO2015.

Roof materials can be a significant source of pollution for the environment and can have negative health effects. Analyses of runoff water revealed high levels of metal traces but also polycyclic aromatic hydrocarbons and phthalates. This contamination would result from corrosion and alteration of roof materials. Similarly, the alteration or combustion of asbestos contained in certain types of roofs may allow the emission and dispersion of asbestos fibres into the environment. Therefore, acquiring information on roof materials is of great interest to decrease runoff water pollution, and to improve air and environmental quality around our homes. To this end, remote sensing is a particularly relevant tool since it allows semi-automatic mapping of roof materials using multispectral or hyperspectral data. The CASMATTELE project aims to develop a semi-automatic identification tool of roofing materials over the Liege area using remote-sensing and machine learning for public authorities., info:eu-repo/semantics/published

International audience; Combination of numerous satellite data has lately become available to cover large areas with very high spatial resolution (VHR) and high revisit frequency. Little studies have yet made use of these images to assess and map damages following an extreme rainfall event, in particular those caused by rainwater runoff. We therefore investigate a specific approach to detect these damages as exhaustively as possible from VHR and HR satellite data acquired as closely as possible before and after an intense rainfall event. To do so, we used Pléiades (0.7 m) and Sentinel-2 (10 m) images taken over the Aude region (France) which was heavily affected by a severe storm on October 15th, 2018. We chose to focus on agricultural lands as 1119 claims for agricultural disaster were registered and certified following this event. Post-event VHR Pléiades images were used to identify claimed damages over a subset of agricultural plots as well as to determine contextual information such as the type of damage (erosion, deposit, uprooting). Several indices and spectral filters were then applied to the selected areas from pre and post-event Sentinel-2 images. This exploratory work reveals that certain types of agricultural damage are well detected while others, albeit clearly visible on Pleiades images, are harder to identify with the selected indices and filters on Sentinel-2 images. It also shows the potential of this approach to discriminate the extent of damage that was declared over agricultural areas. This study emphasizes how relevant the use of combined spectral, temporal and contextual information is to detect damages following an extreme rainfall event, in particular those caused by rainwater runoff, thanks to optical imagery, as spectral knowledge alone does not appear to be sufficient. This preliminary work paves the way for further work based on the development of more advanced change detection methods, clues and filters as well as artificial intelligence.; De nombreuses données satellites peuvent aujourd'hui être combinées afin de couvrir des surfaces très importantes avec une très haute résolution spatiale (THR) ainsi qu'une haute fréquence de revisite. Le potentiel de ces images pour évaluer et cartographier les dommages engendrés par des pluies extrêmes, en particulier ceux causés par le ruissellement pluvial, a été jusqu'à présent peu étudié. Cette étude propose une méthode pour détecter de la manière la plus exhaustive possible ces dommages à partir de données satellitaires THR et HR acquises au plus près, avant et après, d'un événement de pluie intense. Pour ce faire, nous avons utilisé des images Pléiades (0,7 m) et Sentinel-2 (10 m) acquises au-dessus de la région de l'Aude (France), fortement touchée par des intempéries le 15 octobre 2018. Notre intérêt a porté sur les zones agricoles qui ont fait l'objet de 1119 demandes d'indemnisation en calamités agricoles pour cet événement. Plusieurs indices et filtres spectraux ont été appliqués sur un échantillon d'images Sentinel-2 sélectionnées avant et après l'épisode orageux. Ce travail exploratoire révèle que certains types de dommages agricoles sont bien détectés alors que d'autres, même clairement visibles sur les images Pléiades, sont plus difficiles à distinguer avec les indices et filtres sélectionnés sur les images Sentinel-2. Il démontre également le potentiel de ces méthodes pour discriminer les différents degrés de dégâts relevés sur les parcelles agricoles. Cette étude confirme l'importance de combiner information spectrale, temporelle et contextuelle pour détecter à l'aide de l'imagerie optique les dommages engendrés par des pluies extrêmes, en particulier ceux causés par le ruissellement pluvial. Ces travaux préliminaires ouvrent la voie au développement de nouvelles méthodes de détection, l'utilisation de nouveaux indices ainsi que sur l'intelligence artificielle.

International audience; During five years, in the frame of the NAOMI (New Advanced Observation Method Integration) research project, Total and ONERA have worked on radar and optical imagery to detect, characterize and quantify slicks at sea. Laboratory and pool measurements, physical modelling and offshore experiments have been combined to fully understand the signal collected over slick-covered area. As the measured signal is analytically expressed according to the geophysical parameters of the imaged slick, it enables to fully monitor the ocean surface: is a slick present? What kind of slick is it (extremely thin or not)? Is it a known product (existing in the data base)? Can the thickness be probed by the used of optical or radar device? What is the slick volume? In the Health Security and Environment (HSE) context, an exhaustive measurement campaign can be done in order to create a data base with hydrocarbon or hydrocarbon emulsion signatures, extinction coefficients, skin depths, minimum thicknesses perceptible thanks to extinction and thickness values. Thus, it offers more processing options in the optic branch of the tool to monitor the slick. Depending on the available data, optical and/or radar imagery, the capability of slick detection, characterization and quantification will be presented. After a recall of the HSE specificity, the paper will give an overview of the main features of the input data that is to say SAR and optical images. Then, based on modelling results, the optimal observation conditions for radar and optical imagery will be introduced. Afterwards, capability of detection will be described and illustrated for both the radar and the optical case. In the optical domain, the process will distinguish at least two classes: thin and thick. In the HSE context, a database can be used to identify some detected products. The last step is quantification. A sophisticated method, relying on L band radar imagery, will be used to identify pixels covered by a film, meaning presence of oil at the surface, and the ones for which the oil may be as droplets in the volume. The traditional use of SAR data is also extended to the estimation of the oil concentration within an oil and seawater mixture. For optical data, the most direct quantification process relies on automatic Bonn code classification. The code links a class with a range of thickness and computes a minimum and a maximum volume of product in each class. If the product is in the data base a more suited classification and volume assessment can be done. If the thickness is too thin (spectral signature due to absorption is too weak) or too thick (only the upper part of the product layer contributes to the signal), a thickness estimated thanks to pool experiment is associated to each class enabling to compute a volume per class and a global volume. In the other cases, in a near future, modelling would enable to assess the thickness. Concerning hydrocarbon emulsions, modelling in the optical domain is in progress in order to predict skin depth and to derive water content.; Pendant cinq ans, dans le cadre du projet de recherche NAOMI (New Advanced Observation Method Integration), Total et l'ONERA ont travaillé dans le domaine de l'imagerie radar et optique pour détecter, caractériser et quantifier les nappes d'hydrocarbures en mer. Des mesures en laboratoire et en bassin, de la modélisation physique et des expérimentations en mer ont été associées pour comprendre pleinement le signal mesuré au dessus d'une nappe. L'expression analytique du signal en fonction des paramètres géophysiques permet d'analyser et de suivre la surface marine : Une nappe est-elle présente ? Quel type de nappe est-ce (très fine ou pas) ? Le produit est-il connu (dans la base de données existante) ? L'épaisseur de la nappe peut-elle être mesurée par imagerie radar ou optique ? Quel est le volume de la nappe ?Dans le contexte Hygiène Sécurité et Environnement (HSE), une campagne de mesure exhaustive peut être faite pour créer une base de données avec les signatures des hydrocarbures ou des émulsions, les coefficients d'extinction, les épaisseurs de peau, les épaisseurs minimales perceptibles par extinction et les épaisseurs.Selon les données disponibles, imagerie radar et/ou optique, le potentiel de détection, caractérisation et quantification de nappe sera présenté. Après un rappel des spécificités HSE, le papier passera en revue les principales caractéristiques des données d'entrée, à savoir les images SAR et optiques. Ensuite, à partir des résultats de modélisation, on introduira les conditions d'observation optimales pour le radar et pour l'optique. Après cela, la capacité de détection sera présenté et illustrée pour le radar et pour l'optique. En optique, le traitement distingue a minima deux classes : fin et épais. Dans le contexte HSE, une base de données peut être utilisée pour identifier les produits détectés. La dernière étape est la quantification. Une méthode sophitiquée, s'appuyant sur la bande L en imagerie radar, sera utilisée pour identifier les pixels couverts par un film, ce qui signifie une présence l'huile en surface, et les pixels pour lesquels l'huile est sous forme de gouttelettes dans le volume. L'utilisation classique du SAR est aussi étendue à l'estimation de la concentration en huileau sein d'un mélange huile et eau de mer. Pour les données optiques, le traitement de quanticication le plus direct repose sur une classification automatique de type code de Bonn. Le code lie une classe avec une plage d'épaisseur et calcule un volume minimum et un volume maximum de produit dans chaque classe. Si le produit se trouve dans la base de données, une classification et une estimation de volume plus adaptées peuvent être faites. Si l'épaisseur est trop fine (signature spectrale due à l'absorption trop faible) ou trop épaisse (seule la partie supérieure de la couche de produit contribue au signal), une épaisseur estimée grâce à l'expérimentation en bassin est associée à chaque classe permettant de calculer un volume par classe et un volume global. Dans les autres cas, à court terme, la modélisation devrait permettre d'estimer l'épaisseur. Concernant les émulsions d'hydrocarbure, la modélisation en optique est en cours pour prédire l'épaisseur de peau et le contenu en eau.

International audience; To date, estimating oil thickness on the sea surface remains a challenge in most cases. When oil thickness estimation using optical data is limited by the absorption properties of the target, a solution consists in combining experimental and airborne hyperspectral data. We developed a method to identify thickness classes from hyperspectral data which, combined with realistic thickness values derived from a pool experiment, allows to estimate slick volume. Hyperspectral images of the same oil emulsion were acquired over a pool and at sea, under real conditions. From the pool data, we derived two classes: the sheen and the thick pixels, along with their respective thickness. These classes are then identified on the airborne images acquired during the NOFO campaign by generating a detection mask and using two classification approaches based on spectral indices. The proposed method allows to correctly identify the two thickness classes and, combined with the data from the pool experiment, provides a total slick volume larger than the one derived for the Bonn Agreement Oil Appearance Code.

International audience; The future space joint-mission TRISHNA (Thermal infraRed Imaging Satellite for High-resolution Natural resource Assessment, CNES and ISRO) will allow to retrieve LST at 60 m spatial resolution every 3 days, improving the urban environment monitoring capacities. Two methods can be used to derive LST from remote sensing TIR data, Split-Window (SW) or TES (Temperature Emissivity Separation). Even if proven efficient, the complexity and heterogeneity of urban areas limit the performance of those methods. This paper focuses on the TES algorithm. For TES, errors can be generated by the impact of the surface roughness on the data. In order to investigate the efficiency of the future TRISHNA mission, research was conducted to evaluate the TES algorithm. To do so, the impacts of using a representative material database when using TES were explored and validated based on airborne or satellite data, and the impact of the surface geometry on the TES estimations was evaluated using 3D thermo-radiative model simulations. This study shows that TES can be used for TRISHNA images with a mean difference of 1.6 K between validation measurements and the retrieved LST for both daytime and nighttime images and that neglecting the impact of the surface geometry while performing TES could lead to errors up to 4 degrees C in LST estimations.

Most of the methods used to retrieve land surface temperature (LST) from thermal infrared (TIR) satellite data in urban areas do not take into account the complexity of the surface. Cities are characterized by high surface roughness and one of the main constraints to estimate LST over those areas is the difficulty to define an effective emissivity for a given pixel at a given scale. When working with mixed pixels, the emissivity used to estimate the LST is an effective emissivity composed of the emissivities of each basic element constituting the pixel. In urban areas, the surface geometry has a strong impact on this effective emissivity. Its estimation from TIR satellite data must be carried out considering multiple surface reflections and diffusions within the urban canopy in order to retrieve accurate LST values. The objective of this study is then to evaluate the impact of the surface geometry within the pixel on effective emissivity estimation and to propose a method to derive an effective emissivity corrected for those effects. Emissivity can be derived at 90 m of spatial resolution from the TIR data acquired by ASTER. To evaluate the impact of the geometry at the scale of an ASTER pixel, several urban canyon configurations are designed to develop and test the correction method. The basic principle behind the method is to accurately estimate the downwelling TIR radiation received by a pixel integrating contributions from both the atmosphere and the scene inside this pixel and then derive the corrected effective emissivity from ASTER data using the TES (temperature emissivity separation) algorithm. First, the total downwelling TIR radiation is estimated from the geometric characteristics of the scene, using morphological indicators and integrating the non-isothermal behavior of the pixel thanks to 3D thermo-radiative model simulations. The validation of those estimations for each canyon configuration provides a maximum RMSE (Root Mean Square Error) value of 2.2 W·m−2. The validation performed over a district extracted from the 3D numerical model of Strasbourg (France) shows a RMSE of 2.5 W·m−2. Once the method to estimate the total downwelling TIR radiation is validated, LSE and LST maps are retrieved from an ASTER image over three districts of Strasbourg, showing that accounting for the surface geometry highlights thermal behavior differences inside districts, and that the impact of the geometry seems more influenced by building height than street width or building density.

Monitoring the solar radiation budget on a daily basis is a prerequisite to study land surface processes, especially in climatology and hydrology. As part of the CEOP-Aegis project studying the hydrology of the Tibetan Plateau, this thesis focuses on developing a method to adequately estimate at-surface daily solar radiation budget over this particular area. A radiation budget time series produced based on existing satellite data products highlights the necessity to consider terrain and clouds sub-pixel variability when working over heterogeneous areas such as the Tibetan Plateau. The analysis of the impact of spatial and temporal variability of clouds on solar radiation demonstrates that the surface irradiance estimation would benefit from using cloud distribution instead of cloud fraction and the significance of high temporal resolution. A new sub-pixel topographic correction method is proposed and shows that using high resolution digital elevation model improves the irradiance as well as the albedo retrieval. Two approaches are proposed to improve solar radiation budget estimates taking into account adequately the sub-pixel heterogeneity.; Le suivi journalier du bilan radiatif solaire est indispensable à l’étude des processus à l'interface sol-atmosphère, en particulier en climatologie et en hydrologie. Dans le cadre du projet CEOP-Aegis visant à étudier l'hydrologie du plateau du Tibet, cette thèse se concentre sur le développement d'une méthode permettant d’en estimer le bilan radiatif solaire de surface de façon quotidienne. Une série temporelle de flux radiatifs produite à partir de produits satellitaires existants met en évidence la nécessité d’intégrer la variabilité sous-pixel du terrain et des nuages pour les zones aussi hétérogènes que le Tibet. L’analyse de l’impact de la variabilité spatiale et temporelle des nuages sur le rayonnement solaire illustre le bénéfice lié à l’utilisation de la répartition des nuages plutôt que la fraction de nébulosité et l’importance d’une résolution temporelle élevée. Une méthode novatrice proposée pour la correction topographique sous-pixel montre que l’utilisation d’un modèle numérique de terrain à haute résolution spatiale améliore significativement l'estimation de l’éclairement ainsi que de l'albédo. Deux approches sont proposées pour améliorer l’estimation du bilan radiatif intégrant de manière adéquate l’hétérogénéité sous-pixel.

Regions with specific territorial features have received increasing attention in recent years, most notably in article 174 of the Treaty on the Functioning of the European Union (TFEU) and the Green Paper on Territorial Cohesion. These key policy documents identify certain territories – cross-border, island, mountain, Outermost and sparsely populated regions – in two ways: as having particular challenges, and as having particular assets, many of benefit to Europe as a whole. Two other types of such ‘geographic specificities' have also been recognised: coastal areas and inner peripheries. While there have been a number of studies of groups of these areas, or individual types of territories (e.g., coasts, mountains) at the European scale, GEOSPECS is the first comprehensive study of all of these particular types of territories.

Territorial specificities are mostly described as geographic, i.e. sparsely populated, insular, border, and mountainous regions, and generally result in economic and social performance levels around or below European averages. However, other territorial specificities are also found in Europe, in which the socio-economic characteristics prevail above the geographic ones. These specificities include ‘areas affected by industrial transition', as mentioned in article 174 of the Treaty on the Functioning of the European Union among ‘the regions concerned that should be paid particular attention'. Some countries and regions have identified these peripheral areas ‘out of the socio-economic loop' as ‘Inner Peripheries' (IP). No policy documents at European level address these explicitly, illustrating that the concept of IP as such is new in the European policy arena.