Les origines de l'observation de la Terre basée sur l'espace

La télédétection remonte aux premiers jours de l'ère spatiale.Les premiers capteurs satellites, déployés dans les années 1960 et 1970, ont été mis au point principalement pour la reconnaissance militaire et la prévision météorologique. Ces premiers instruments, bien que bruts par des normes modernes, ont prouvé que l'observation orbitale pouvait fournir des informations exploitables sur la surface et l'atmosphère de la Terre.

Le programme CORONA, opérationnel de 1960 à 1972, a été l'un des premiers efforts de reconnaissance par satellite qui ont été couronnés de succès. Bien que ces images soient restées classifiées pendant des décennies, elles ont démontré le principe fondamental de l'observation de la Terre par l'espace.

Le programme Landsat, lancé en 1972, a marqué un tournant dans la télédétection civile. Landsat 1 a porté un système de balayage multispectral (MSS) capable de capturer des données dans quatre bandes spectrales : vertes, rouges et deux bandes infrarouges. Avec une résolution spatiale de 79 mètres et un temps de revisite de 18 jours, le MSS a permis aux scientifiques de surveiller pour la première fois la santé agricole, la couverture forestière et l'expansion urbaine à l'échelle continentale.

Les premiers capteurs étaient limités par la transmission de données analogiques, le stockage à bord limité et les filtres spectraux fixes. Le MSS Landsat a utilisé un miroir rotatif pour scanner la piste au sol, convertir la lumière réfléchie en signaux électriques. Ces signaux ont ensuite été transmis aux stations au sol ou enregistrés sur bande pour la lecture ultérieure.

Malgré ces limites, les premiers capteurs satellites ont révélé des modèles de phénologie de la végétation, de dynamique côtière et de structures géologiques invisibles du sol. Les scientifiques pouvaient maintenant cartographier la déforestation en Amazonie, suivre l'évolution de la désertification au Sahel et surveiller le pouls saisonnier de l'agriculture mondiale.

La révolution spectrale : de Panchromatique à Multispectrale

La transition des capteurs panchromatiques, qui captaient une seule large bande de lumière visible, vers des instruments multispectraux a ouvert de nouvelles dimensions en télédétection. Les capteurs multispectraux divisent la lumière réfléchie en intervalles de longueur d'onde discrets, ou bandes, permettant aux analystes de distinguer les différents matériaux de surface en fonction de leurs signatures spectrales.

Le Mapper thématique (TM) à bord de Landsat 4 et 5, lancé en 1982 et 1984, représentait un changement de capacité. TM offrait sept bandes spectrales, y compris infrarouge thermique, avec une résolution spatiale de 30 mètres pour les canaux visibles et proche infrarouge. Cette résolution spectrale améliorée permettait une discrimination plus précise des types de végétation, des niveaux d'humidité du sol et des matériaux urbains. La combinaison de bandes appelée « infrarouge de fausse couleur » utilisait des bandes infrarouges, rouges et vertes pour mettre en évidence la végétation saine en rouge vif, rendant immédiatement visibles le stress des cultures, les dommages causés par les ravageurs et la déforestation.

D'autres pays ont commencé à lancer leurs propres programmes d'observation de la Terre, en élargissant la disponibilité des données multispectrales. La série française SPOT, lancée en 1986, offrait une résolution panchromatique de 10 mètres et multispectrale de 20 mètres avec un système d'imagerie pointable qui permettait de visionner les données hors-nadir. Cette agilité a réduit les temps de révision et permis l'imagerie stéréo pour la génération de modèles d'élévation numérique.

Le secteur commercial est également entré sur le marché. Le lancement d'IKONOS en 1999 par Space Imaging (maintenant DigitalGlobe, une partie de Maxar) a apporté des images panchromatiques et multispectrales de 1 mètre à des clients civils, ce qui a marqué le début de la télédétection commerciale à haute résolution, permettant des applications dans l'agriculture de précision, l'évaluation des risques d'assurance et la surveillance des infrastructures qui avaient précédemment exigé des photographies aériennes ou des données satellitaires classifiées.

Les capteurs multispectraux modernes comprennent habituellement des bandes pour la détection des aérosols, la mesure de la vapeur d'eau et l'identification des nuages de cirrus. Ces bandes d'étalonnage permettent d'éliminer les effets de diffusion et d'absorption atmosphériques, ce qui donne des valeurs de réflectance de surface qui peuvent être comparées à travers le temps et entre les capteurs.

Imagerie hyperspectrale : Déverrouiller le spectre complet

Alors que les capteurs multispectraux divisent le spectre électromagnétique en 5-15 bandes larges, les capteurs hyperspectraux poussent cette logique à sa limite, recueillant des rayons dans des centaines de bandes étroites contiguës, couvrant généralement les régions infrarouges visibles, proches de l'infrarouge et à ondes courtes. Le résultat est une courbe spectrale continue pour chaque pixel, transformant efficacement chaque pixel d'image en spectre de qualité laboratoire qui peut être utilisé pour l'identification et la quantification des matériaux.

Hyperion, le premier capteur hyperspectral spatial, lancé à bord du satellite EO-1 de la NASA en 2000, a capté 220 bandes spectrales de 400 à 2500 nanomètres avec une résolution spatiale de 30 mètres. Bien que la largeur de la largeur de la largeur ne fût que de 7,5 kilomètres, Hyperion a démontré que la spectroscopie d'imagerie spatiale pouvait identifier des minéraux spécifiques, distinguer les variétés de cultures et détecter les propriétés chimiques de la végétation.

Les techniques comme le cartographe d'angle spectral, le filtrage assorti et l'élimination continuel comparent les spectres de pixels aux spectres de bibliothèques de matériaux connus pour identifier la composition de surface. Les approches d'apprentissage automatique, y compris les machines vectoriels de soutien et les réseaux neuronaux convolutionnels, ont encore amélioré la précision de classification en apprenant les modèles spectraux complexes directement à partir des données d'entraînement.

En géologie, les signatures spectrales de minéraux tels que la kaolinite, l'hématite et la calcite permettent aux géologues de cartographier les zones d'altération associées aux dépôts de minerais provenant de l'orbite. En agriculture, les données hyperspectrales peuvent détecter la carence en azote, le stress hydrique et les premiers signes d'infection fongique avant qu'ils ne deviennent visibles par l'œil humain.

La mission PRISMA de l'Agence spatiale européenne, lancée en 2019, comporte un capteur hyperspectral à 250 bandes à résolution de 30 mètres, à côté d'une caméra panchromatique à résolution de 5 mètres. La mission allemande EnMAP, lancée en 2022, fournit 244 bandes spectrales à résolution spatiale de 30 mètres et une bande de 30 kilomètres. L'ASI italienne exploite également la mission PRISMA, qui a démontré l'utilité de la spectroscopie d'imagerie spatiale pour la surveillance de l'environnement et la gestion des ressources.

Radar d'ouverture synthétique : voir à travers les nuages et les ténèbres

Les capteurs optiques, multispectraux ou hyperspectraux, sont intrinsèquement limités par les conditions météorologiques et la disponibilité de la lumière solaire. Le radar d'ouverture synthétique (SAR) surmonte les deux limites en transmettant des impulsions micro-ondes et en mesurant le signal réfléchi.

Le SAR travaille sur un principe de synthèse de l'ouverture : une antenne radar montée sur une plate-forme mobile enregistre des impulsions successives sur son orbite. En combinant la phase et l'amplitude de ces échos par un traitement sophistiqué des signaux, le système synthétise une ouverture efficace de l'antenne beaucoup plus grande que celle qui existe physiquement, donnant des résolutions spatiales qui peuvent atteindre l'échelle des compteurs à partir des altitudes orbitales.

Les missions ERS-1 et ERS-2 de l'Agence spatiale européenne, lancées en 1991 et 1995, ont démontré la puissance de la recherche spatiale spatiale pour des applications interférométriques. En comparant la différence de phase entre deux ou plusieurs images SAR obtenues à partir de positions orbitales légèrement différentes ou à des moments différents, la recherche spatiale interférométrique (ISAR) peut détecter des déplacements de surface au sol de centimètre à millimètre de précision.

Le programme canadien RADARSAT, qui a débuté par RADARSAT-1 en 1995, a fourni des images SAR en bande C avec des modes de faisceaux multiples, y compris le mode large-saut ScanSAR qui pourrait couvrir 500 kilomètres en une seule passe. RADARSAT-2, lancé en 2007, a ajouté des capacités polarimétriques, permettant l'analyse des mécanismes de diffusion de différentes structures de surface. La mission de Constellation RADARSAT, composée de trois satellites lancés en 2019, offre des révisions quotidiennes sur tout le vaste territoire du Canada, appuyant la surveillance maritime, la gestion des catastrophes et la surveillance des écosystèmes.

La constellation Sentinel-1 de l'Agence spatiale européenne, qui comprend deux satellites SAR en bande C lancés en 2014 et 2016, offre une couverture mondiale systématique avec un temps de révision de 12 jours pour chaque satellite et un temps de révision de 6 jours pour la paire. La politique de données ouvertes du programme Copernicus a rendu l'imagerie Sentinel-1 disponible gratuitement, alimentant une expansion rapide des applications et de la recherche SAR.

Les nouvelles technologies de recherche et de sauvetage comprennent l'interférométrie en voie de réalisation pour mesurer les courants de surface océaniques, la recherche et le sauvetage polarimériques pour améliorer la classification du couvert terrestre et les configurations bistatiques où les satellites d'émetteurs et de récepteurs séparés permettent de nouvelles géométries d'imagerie. Les satellites allemands TerraSAR-X et TanDEM-X, lancés en 2007 et 2010, ont démontré la recherche et le sauvetage bistatiques pour produire des modèles numériques d'élévation mondiaux avec une précision verticale exceptionnelle.

LiDAR de l'espace: Mesure de l'élévation et de la structure

Les capteurs de détection et de ranging de la lumière (LiDAR) mesurent le temps nécessaire pour qu'une impulsion laser se déplace du capteur au sol et au dos, fournissant des mesures tridimensionnelles directes de l'altitude de surface.

Le satellite Ice, Cloud et Land Elevation Satellite (ICESat), lancé par la NASA en 2003, a porté le système d'altimétrie laser géoscience (GLAS), qui mesurait les profils d'altitude le long de la piste terrestre du satellite avec une précision de centimètre. Le GLAS a été conçu principalement pour la surveillance de l'altitude des plaques de glace, mais ses données se sont également révélées utiles pour cartographier la hauteur de la couverture végétale, les propriétés nuageuses et l'épaisseur de la glace de mer.

ICESat-2, lancé en 2018, représente une avancée majeure avec le système avancé d'altimétrie laser (ATLAS). Contrairement à l'approche à faisceau unique de GLAS, ATLAS utilise une technique de comptage micro-impulsions photon qui émet 10 000 impulsions laser par seconde, divisée en six faisceaux disposés en trois paires. Chaque faisceau mesure les retours individuels de photons, créant des nuages denses le long de la voie terrestre. L'empreinte de 0,7 mètre et la précision verticale de 0,7 mètre permettent à ICESat-2 de cartographier les changements d'élévation de la nappe glaciaire de quelques centimètres par an, de suivre la structure de la végétation et de mesurer la batymétrie dans les eaux côtières claires.

Les trois lasers de GEDI produisent huit pistes de sol parallèles avec des empreintes de 25 mètres espacées de 60 mètres le long de la piste. En enregistrant la forme d'onde complète de chaque retour laser, GEDI capture la structure verticale dans la végétation, y compris la hauteur du couvert, le couvert et la distribution verticale du matériel végétal. Ces données transforment notre compréhension des stocks de carbone terrestre, de la structure forestière et de la qualité de l'habitat, fournissant des intrants essentiels pour les modèles de changement climatique et les évaluations de la biodiversité.

Contrairement aux images qui créent des bandes d'images continues, les capteurs LiDAR acquièrent des profils discrets ou des grilles d'échantillons clairsemées. Cette limitation exige une conception d'échantillonnage minutieuse et des méthodes statistiques pour extrapoler les mesures à travers les paysages. La fusion des échantillons LiDAR avec des images optiques continues et des données radar offre une voie pratique pour produire des cartes mur-à-mur de l'élévation et de la structure de la végétation à l'échelle régionale à mondiale.

La révolution de la miniaturisation : CubeSats et Constellations

Le développement rapide des petites plateformes satellites, en particulier CubeSats, a considérablement modifié l'économie et l'architecture de l'observation de la Terre. CubeSats est un petit satellite standardisé construit à partir d'unités cube de 10 centimètres (U), pesant généralement 1-2 kg par unité. Les progrès dans l'électronique miniaturisée, les roues de réaction et les systèmes de propulsion ont permis des capteurs de plus en plus capables sur ces plates-formes compactes.

Planet Labs, désormais Planet, a été le pionnier du déploiement à grande échelle de constellations CubeSat avec son architecture Flock. A partir de deux satellites expérimentaux Dove en 2013, Planet a lancé des centaines de CubeSats 3U avec des images multispectrales avec une résolution de 3 mètres et cinq bandes spectrales. La constellation image maintenant toute la surface terrestre de la Terre au moins une fois par jour, fournissant une fréquence temporelle sans précédent pour la surveillance agricole, la gestion forestière et la réaction aux catastrophes.

Spire Global exploite une constellation de CubeSats transportant des récepteurs d'occultation radio GNSS qui mesurent les profils de température et d'humidité atmosphériques en suivant les signaux GPS à travers l'atmosphère. Ces profils améliorent la prévision météorologique, en particulier pour les modèles de suivi des cyclones tropicaux et de prévision météorologique numérique.

Capella Space a déployé des capteurs SAR en bande X sur des plateformes de classe CubeSat, réalisant des images de résolution de 0,5 mètre de l'espace. Ces systèmes compacts de recherche et de sauvetage utilisent des antennes de maille déployables et des traitements embarqués avancés pour répondre aux exigences de performance dans les limites de la taille et de la puissance des petits satellites.

La prolifération des petites constellations satellitaires suscite des inquiétudes au sujet des débris spatiaux, de la congestion du spectre et de la gestion des données.Les opérateurs responsables intègrent des plans de dorbite, des manœuvres d'évitement des collisions et des accords de partage des données pour atténuer ces défis.Le volume croissant de données satellitaires nécessite également de nouvelles approches en matière de stockage, de traitement et de distribution des données.

Intelligence artificielle et traitement à bord

L'intégration de l'intelligence artificielle avec les systèmes de capteurs satellites transforme à la fois la collecte et l'analyse des données. Les flux de travail de la télédétection traditionnelle consistent à transmettre des données brutes aux stations au sol pour le traitement, un processus qui peut introduire la latence d'heures à jours.

Un capteur équipé d'un réseau neuronal peut classer le couvert nuageux, identifier des caractéristiques de surface spécifiques ou détecter des anomalies en temps réel, décider quelles données transmettre et lesquelles jeter. Ce découplage sélectif réduit considérablement les besoins en bande passante et en latence pour des applications sensibles au temps, telles que la détection des feux de forêt, la surveillance maritime et la reconnaissance militaire.

Le PhiSat-1 de l'Agence spatiale européenne, lancé en 2020, a démontré la classification en temps réel de la couverture nuageuse à bord, à l'aide d'un réseau neuronal profond. Le satellite a traité des images multispectrales 8 mégapixels sur un accélérateur AI de faible puissance, identifiant et rejetant des pixels nuageux avant la transmission.

Les réseaux neuronaux convolutionnels ont atteint des performances de pointe pour la classification du couvert terrestre, la détection des bâtiments et la cartographie des changements à partir de l'imagerie satellitaire. Les architectures U-Net et les modèles basés sur les transformateurs permettent la segmentation au niveau du pixel des scènes complexes.

Les réseaux neuronaux récurrents, les réseaux de mémoire à court terme et les modèles de transformateurs peuvent apprendre les modèles temporels des indices de végétation, de la température de surface et d'autres variables, permettant de détecter rapidement la sécheresse, les maladies des cultures ou la dégradation des écosystèmes. Ces modèles peuvent intégrer des données provenant de plusieurs capteurs et sources, créant des produits d'information à haute résolution qui combinent les forces de différents systèmes d'observation.

L'intégration de l'IA pose également des défis liés à la qualité des données, à la robustesse des modèles et à l'interprétation.Les données des capteurs satellites contiennent du bruit systématique, des incertitudes d'étalonnage et des lacunes temporelles qui peuvent dégrader les performances des modèles.

Orientations futures et technologies émergentes

La trajectoire du développement des capteurs satellites permet d'obtenir des systèmes d'observation plus capables, plus accessibles et plus réactifs. Plusieurs technologies émergentes promettent d'élargir encore les limites des capacités de télédétection au cours de la prochaine décennie.

Imagerie géostationnaire à haute résolution

Les satellites géostationnaires traditionnels tels que GOES et Himawari fournissent une couverture hémisphérique à résolution modérée (500 à 1000 mètres) avec des cycles de mise à jour rapide (5-15 minutes). De nouvelles missions géostationnaires poussent vers une résolution spatiale plus élevée tout en maintenant la fréquence temporelle. La série GEO-KOMPSAT-2A de la Corée du Sud et la série Fengyun-4 de la Chine transportent des images avancées avec une résolution améliorée et des bandes spectrales additionnelles.

Systèmes de capteurs distribués et fractionnés

Au lieu de placer tous les instruments sur un seul grand satellite, les systèmes distribués utilisent des constellations ou des essaims de petits satellites travaillant de concert. Les architectures fractionnées divisent les fonctions des capteurs sur plusieurs plateformes, permettant un déploiement modulaire et une dégradation gracieuse. La combinaison de capteurs passifs et actifs sur des plateformes séparées avec des vols de formation précise permet de nouveaux modes de mesure, tels que l'imagerie multiangle, l'interférométrie radar bistatique et la récupération conjointe radar-lidar de la structure de la végétation.

Détection quantique et avancée des photons

Les techniques de détection quantique, y compris l'interférométrie de lumière comprimée et la détection de photons enchevêtrés, offrent le potentiel de mesures au-delà des limites de bruit de tir classiques. Ces techniques pourraient améliorer la sensibilité des systèmes LiDAR et radar spatiaux, permettant de mesurer la déformation subtile de la surface ou la composition atmosphérique avec une précision sans précédent.

Capteurs autonomes et auto-calibrés

Les futurs capteurs satellites intégreront des systèmes d'étalonnage autonomes qui maintiennent la précision de la mesure sans recourir à des campagnes périodiques d'étalonnage au sol. Les sources d'étalonnage à bord, y compris les lasers stabilisés, les sources lumineuses thonisées et les normes de référence spectrales, permettront une surveillance continue de la qualité.

Systèmes intégrés d'observation de la Terre

Les capacités de télédétection les plus puissantes émergeront de l'intégration de plusieurs types de capteurs dans des systèmes complets d'observation de la Terre. Aucun capteur ne peut saisir toutes les variables pertinentes à toutes les échelles requises. La combinaison d'instruments optiques, radar, LiDAR, radiométrie à micro-ondes et sonorisation atmosphérique offre une vue multidimensionnelle des systèmes terrestres qui est plus grande que la somme de ses parties.

Sentinel-1 fournit des images SAR pour la surveillance des terres et des océans. Sentinel-2 fournit des données multispectrales à haute résolution pour l'analyse de la couverture terrestre et de la végétation. Sentinel-3 fournit des mesures de température et de surface des océans, de couleur des océans et de topographie. Sentinel-5P et le prochain Sentinel-5 surveillent la composition atmosphérique. Ces missions partagent des normes d'étalonnage communes, des formats de données et une infrastructure de traitement, permettant une fusion transparente des données provenant de sources multiples.

L'Observatoire du système terrestre de la NASA, prévu pour la fin des années 2020 et 2030, poursuivra cette intégration avec une série de cinq observateurs désignés : physique des aérosols et des nuages, biologie de surface et géologie, changements de masse, déformation et changement de surface et émissions de gaz à effet de serre.

Le secteur privé construit également des systèmes intégrés. Maxar, Planet et Airbus combinent des images satellite exclusives avec l'informatique en nuage, l'analyse de l'IA et des plateformes orientées vers l'utilisateur qui fournissent des informations concrètes.Ces écosystèmes commerciaux réduisent le temps de l'acquisition de données à la décision, permettant une allocation dynamique des ressources pour l'agriculture, l'énergie, la logistique et l'assurance.

Conclusion

L'évolution des capteurs satellites, des simples caméras de film panchromatiques aux images hyperspectrales sophistiquées, aux interféromètres SAR et au compte photon LiDAR représente l'une des réalisations technologiques les plus importantes de l'ère spatiale. Chaque avancée a élargi la portée et la précision de l'observation de la Terre, permettant aux scientifiques et aux décideurs de surveiller, comprendre et gérer notre planète avec une précision et une rapidité accrues.

Les capteurs satellites fonctionnent maintenant à travers le spectre électromagnétique, à des résolutions spatiales allant des échelles de sous-mètres au kilomètre, et avec des fréquences temporelles de minutes à mois. La convergence des miniaturisations de capteurs, de l'intelligence artificielle et des architectures satellitaires distribuées accélère le rythme de l'innovation.

Les politiques de données ouvertes mises en place par Landsat et Copernicus ont démocratisé l'accès à l'imagerie satellitaire, permettant aux chercheurs des pays en développement, aux organisations non gouvernementales et aux communautés locales de participer aux sciences de l'observation de la Terre.

Le plein potentiel de la télédétection pour la compréhension et la gestion planétaires dépend non seulement des progrès matériels mais aussi de la poursuite des investissements dans l'étalonnage, la validation, l'infrastructure de données et l'analyse scientifique.