Modélisation 3D du transfert radiatif dans les couverts végétaux et reconstruction de forêts à partir de mesures LiDAR

3D radiative transfer modeling over complex vegetation canopies and forest reconstruction from LIDAR measurements

• Auteur / Autrice : Jianbo Qi
• Direction : Jean-Philippe Gastellu-Etchegorry, Guangjian Yan
• Type : Thèse de doctorat
• Discipline(s) : Surfaces et interfaces continentales, hydrologie
• Date : Soutenance le 06/06/2019
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Centre d'études spatiales de la biosphère (Toulouse ; 2001-....)

Mots clés

Mots clés contrôlés

Lidar

Végétation -- Télédétection

Transfert radiatif

Couverture végétale du sol

Mots clés libres

Transfert radiatif

Modélisation

Télédétection

LESS

DART

LiDAR

Radiative transfer

Modelling

Remote sensing

LESS

DART

LIDAR

Résumé

La télédétection est un outil majeur pour mieux gérer les couverts végétaux. De ce fait, la modélisation du transfert radiatif (TR) tridimensionnel (3D) est essentielle pour comprendre les mesures de télédétection des couverts végétaux. Les modèles de TR unidimensionnels (1D) sont souvent utilisés pour inverser les données de télédétection en termes de paramètres de la végétation. Cependant, ils ne sont pas adaptés à la complexité des couverts végétaux, car ils les simulent comme des couches homogènes, ce qui est irréaliste. Beaucoup de travaux sont donc consacrés à la conception de modèles de TR 3D adaptés à l'architecture 3D des couverts végétaux. Cependant, développer un modèle de TR 3D efficace pour de grandes scènes réalistes est un défi en termes de modélisation du TR et d'obtention de description réaliste du couvert végétal. Ainsi, les modèles de TR 3D actuels n'opèrent en général que sur des scènes très simplifiées ou des scènes réalistes de petite dimension inadaptées à la résolution de la plupart des capteurs satellites actuels (e.g., MODIS). Les modèles de la communauté ''informatique graphique'' (i.e., modèles de ''rendu'') sont les plus précis et les plus efficaces, mais ils n'ont pas été conçus pour une modélisation précise du TR. Ils sont donc peu employés pour les applications de télédétection. Les progrès en infographie et puissance informatique permettent de beaucoup accélérer les modèles 3D de TR. De plus, les mesures 3D à haute résolution spatiale des LiDARs et caméras photogrammétriques deviennent plus accessibles pour reconstruire des couverts végétaux réalistes. Il est donc essentiel de développer des modèles de TR qui utilisent ces informations 3D. Cette thèse est axée sur 1) le développement d'un modèle de TR 3D basé sur les techniques récentes de suivi de rayons et 2) la récupération de la densité volumique 3D des feuilles (LVD: leaf volume density) pour construire des scènes forestières. Elle présente le développement du modèle TR 3D LESS (LargE-Scale remote sensing data and image Simulation framework), basé sur les algorithmes de lancer de rayons. Ainsi, LESS simule des données BRF multi-spectrales avec une méthode de lancer de photons virtuels (i.e., pondérés) en mode ''direct'' (i.e., photons lancés depuis la source) et des images de capteur à petite échelle (e.g., images ''fisheye'') et grande échelle (e.g., 1 km2) avec une méthode de lancer de photons en mode ''inverse''. Le mode inverse est aussi utilisé pour simuler des images infrarouges thermiques et le TR atmosphérique. Une comparaison entre modèles et une comparaison avec des mesures ''terrain'' ont démontré l'efficacité et la précision du modèle LESS. De plus, une interface utilisateur graphique conviviale permet de saisir les paramètres d'entrée, et aussi de construire et de visualiser les scènes 3D. La reconstruction de scènes 3D de forêt est réalisée avec un jeu de données LiDAR simulées avec le modèle de TR anisotrope discret (DART), afin d'évaluer diverses approches d'obtention du LVD à partir de données LiDAR aéroportées.

Remote sensing is needed for better managing vegetation covers. Hence, three-dimensional (3D) radiative transfer (RT) modeling is essential for understanding remote sensing signals of complex 3D vegetation covers. Due to the complexity of 3D models, one-dimensional (1D) RT models are commonly used to retrieve vegetation parameters, e.g., leaf area index (LAI), from remote sensing data. However, 1D models are not adapted to actual vegetation covers because they abstract them as schematic 1D layers, which is not realistic. Much effort is devoted to the conception of 3D RT models that can consider the 3D architecture of vegetation covers. However, developing an efficient 3D RT model that works on large and realistic scenes is still a challenging task. Major difficulties are the intensive computational costs of 3D RT simulation and the acquisition of detailed 3D canopy structures. Therefore, 3D RT models usually only work on abstracted scenes or small realistic scenes. Scene abstraction may cause uncertainties, and the small-scale approach is not compatible with most satellite observations (e.g., MODIS). The computer graphics community provides the most accurate and efficient models (i.e., renderers). However, the initial renderer models were not designed for accurate RT modeling, which explains the difficulty to use them for remote sensing applications. Recently emerged advanced techniques in computer graphics and light detection and ranging area (LiDAR) make it more possible to solve the above problems. 3D RT can be greatly accelerated due to the increasing computer power and improvement of rendering algorithms (e.g., ray-tracing acceleration and computational optimization). Also, 3D high-resolution information from LiDARs and photogrammetry become more accessible to reconstruct realistic 3D scenes. This approach requires new processing methods to combine 3D information and 3D RT models, which is of great importance for better remote sensing survey of vegetation. This thesis is focused on 1) Development of a 3D RT model based on recent ray-tracing techniques and 2) Retrieval of 3D leaf volume density (LVD) for constructing 3D forest scenes. This first chapter presents the development of an efficient 3D RT model, named LESS (LargE-Scale remote sensing data and image Simulation framework). LESS makes full use of ray-tracing algorithms. Specifically, it simulates multispectral BRF and scene radiative budget with a weighted forward photon tracing method, and sensor images (e.g., fisheye images) or large-scale (e.g. 1 km2) spectral images are simulated with a backward path tracing method. In the forward mode, a ''virtual photon'' algorithm is used to simulate accurate BRF with few photons. The backward mode is used to simulate thermal infrared images and also atmosphere RT. LESS efficiency and accuracy were demonstrated with a model intercomparison and field measurements. In addition, LESS has an easy-to-use graphic user interface (GUI) to input parameters, construct and visualize 3D scenes. 3D forest reconstruction is done with a simulated LiDAR dataset to assess approaches that retrieve LVD from airborne LiDAR data. The dataset is simulated with the discrete anisotropic radiative transfer model (DART).