Restitution de la température de surface terrestre à partir de données infrarouges thermiques hyperspectrales

Land surface temperature retrieval from hyperspectral thermal infrared data

• Auteur / Autrice : Xinyu Lan
• Direction : Zhao-Liang Li
• Type : Thèse de doctorat
• Discipline(s) : Télédétection
• Date : Soutenance le 07/10/2020
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
• Jury : Président / Présidente : Françoise Nerry
• Jury : Examinateurs / Examinatrices : Bo-Hui Tang, Jelila Labed
• Jury : Rapporteurs / Rapporteuses : José Antonio Sobrino Rodriguez, Hua Wu

Mots clés

Mots clés contrôlés

Apprentissage profond

Télédétection

Mots clés libres

LST

TIR hyperspectral

Apprentissage profond

Méthode physique

LST

Hyperspectral TIR

Deep learning

Physical method

Résumé

Notre recherche utilise les données TIR hyperspectrales comme principale source d’information et vise à accéder à la température de surface terrestre (LST). Une méthode pré-estimant la forme de la courbe spectrale de LSE (PSE)-LSEC a été proposée pour séparer LST et LSE. Pour les mesures in situ, les erreurs sur la LST se situent à moins de 1 K. Un modèle de « deep learning » a été développé permettant de restituer directement la LST sans correction atmosphérique préalable à partir de données hyperspectrales de l’instrument IASI. Le RMSE de LST restituée par ce modèle sont de 3 K en comparant avec le produit LST de l’AVHRR/MetOp pour les zones sélectionnées. Une nouvelle méthode physique a été développée pour restituer la LST à partir de données hyperspectrales de l’instrument IASI sans correction atmosphérique. Ces valeurs montrent que la méthode proposée est capable de déterminer les LSTs avec une précision similaire à celle de l’AVHRR/MetOp.

Our research adopts hyperspectral thermal infrared (TIR) data as the main source information to retrieve land surface temperature (LST). A pre-estimate shape (PES)-LSEC method was proposed to separate temperature and emissivity. For the in situ measurements, most of samples of the errors of LST are within 1 K. A deep mixture model that can estimate LST without accurate atmospheric correction for IASI hyperspectral data is developed. RMSE of LST for the selected areas are ＜3 K validating with the corresponding AVHRR/MetOp LST product. A new physical method was developed to retrieve LST for IASI observations without accurate atmospheric correction. It is capable of retrieving LST with accuracy similar to that of the AVHRR/MetOp LST product.