Sources : Houborg and McCabe, (2016)

Les nanosatellites sont des satellites dont la masse n’excède pas 10 kg. Ils ont initialement été conçus pour optimiser le volume des lanceurs. Au cours des dernières années, de nombreux nanosatellites d’observation ont été envoyés dans l’espace, démultipliant ainsi la capacité d’observation de la Terre avec une très haute résolution spatiale et temporelle (quasi-quotidienne). Cette dynamique permet aujourd’hui d’envisager des services opérationnels. Parmi les acteurs majeurs positionnés sur cette technologie, Planète Labs (www.planet.com) exploite la plus grande constellation de satellites en orbite (Houborg and McCabe, 2016). Planete Labs exploite en effet une constellation de plus de 150 satellites « Doves » permettant l’acquisition d’images dans le visible avec une résolution de 3 à 5 m (Houborg and McCabe, 2016). Pour l’agriculture, une telle constellation de satellites offre de nouvelles perspectives puisqu’il devient possible d’acquérir des informations avec une résolution intéressante et une fréquence temporelle sans précédent. Cette source d’information présente toutefois une limite majeure : les bandes spectrales des nanosatellites Planete Labs sont limitées au visible (RGB). Hors, le suivi des cultures (et de la végétation en général) nécessite le calcul d’indices de végétation requérant une information de réflectance dans le proche-infra rouge. C’est pour s’affranchir de cette limite que des chercheurs de la King Abdullah university of Science and Technology (KAUST) (Arabie Saoudite) ont proposé de faire collaborer des mesures de NDVI issues d’images Landsat 8 et MODIS avec des images visibles issues de Nanosatellites. L’approche permet de bénéficier de l’information (gratuite) contenue dans les bandes spectrales proche infra-rouge de ces satellites (Landsat 8 et MODIS) ainsi que de la correction atmosphérique opérée sur leurs images. Les résultats de cette étude viennent d’être publiés. Ils montrent que cette approche est pertinente et permettrait d’envisager des services dédiés à l’agriculture de précision (dans les conditions de l’étude).
Résumé de l’article : Planet Labs (“Planet”) operate the largest fleet of active nano-satellites in orbit, offering an unprecedented monitoring capacity of daily and global RGB image capture at 3–5 m resolution. However, limitations in spectral resolution and lack of accurate radiometric sensor calibration impact the utility of this rich information source. In this study, Planet’s RGB imagery was translated into a Normalized Difference Vegetation Index (NDVI): a common metric for vegetation growth and condition. Our framework employs a data mining approach to build a set of rule-based regression models that relate RGB data to atmospherically corrected Landsat-8 NDVI. The approach was evaluated over a desert agricultural landscape in Saudi Arabia where the use of near-coincident (within five days) Planet and Landsat-8 acquisitions in the training of the regression models resulted in NDVI predictabilities with an r² of approximately 0.97 and a Mean Absolute Deviation (MAD) on the order of 0.014 (~9%). The MAD increased to 0.021 (~14%) when the Landsat NDVI training image was further away (i.e., 11–16 days) from the corrected Planet image. In these cases, the use of MODIS observations to inform on the change in NDVI occurring between overpasses was shown to significantly improve prediction accuracies. MAD levels ranged from 0.002 to 0.011 (3.9% to 9.1%) for the best performing 80% of the data. The technique is generic and extendable to any region of interest, increasing the utility of Planet’s dense time-series of RGB imagery.
Références de l’article : Houborg, R., & McCabe, M. F. (2016). High-Resolution NDVI from Planet’s Constellation of Earth Observing Nano-Satellites: A New Data Source for Precision Agriculture. Remote Sensing, 8(9), 768.