Interférométrie polarimétrique

On a pu dresser des cartes topographiques de la surface terrestre à l'aide des radars interférométriques à synthèse d'ouverture. Toutefois, on ne peut déterminer si l'écho radar à partir duquel on a calculé l'élévation a rebondi sur le sol ou d'un point plus élevé, comme la voûte forestière. En étudiant les propriétés interférométriques des données polarimétriques, on peut trouver des informations sur la source de la diffusion, puisque les signatures polarimétriques du couvert végétal et du sol sont très différentes et peuvent être distinguées par l'analyse des données. Dans un cas idéal, on pourra tirer de l'information à la fois sur l'élévation du sol et la hauteur des arbres, en plus des données sur les volumes de diffusions entre le sol et la couverture Kim et van Zyl.

Lorsque l'on obtient deux images polarimétriques qui satisfont aux conditions habituelles d'interférométrie (ligne de base et intervalle), toutes les informations polarimétriques et interférométriques sont conservées dans trois matrices complexes 3 × 3 : les matrices de cohérence des images 1 et 2 et la matrice analogue obtenue par la multiplication du vecteur de diffusion de la première image par le vecteur de diffusion de la deuxième. Cloude et Papathanassiou ont mis au point une transformation polarimétrique qui conserve la phase, ce qui permet de créer des interférogrammes entre tous les états possibles de polarisation elliptique. Ils ont ensuite élaboré une procédure d'optimisation basée sur la décomposition en valeurs singulières que l'on peut utiliser pour trouver la polarisation de l'image 1 et la polarisation de l'image 2 qui maximise la cohérence interférométrique entre les deux images. La cohérence maximale est très probablement atteinte lorsque les deux images ont la même polarisation. La procédure d'optimisation détermine les polarisations qui réduisent le plus les effets de la décorrélation attribuables à la ligne de base et le temps, quoique si la décorrélation temporelle est élevée, elle ne sera pas très utile, puisque la cohérence sera basse pour toutes les polarisations.

De plus, ils ont élaboré une méthode modifiée de décomposition cohérente de la cible qui, utilisée avec la procédure d'optimisation de la cohérence, permet de trouver les mécanismes optimaux de diffusion, ce qui donne les meilleures mesures de différences de phases (c.-à-d. la plus grande cohérence). Les différences de phases interférométriques permettent de calculer les différences de hauteur des entités physiques qui ont le même mécanisme de diffusion. La décomposition permet de comprendre la structure du couvert des forêts, puisqu'elle distingue les échos des parties supérieures et inférieures des arbres et ceux en provenance du sol.

Considérant certains aspects quantitatifs de la technologie, Papathanassiou et Cloude ont utilisé un modèle de forêt comprenant un volume aléatoire de diffuseurs au dessus d'un sol diffusant modélisé. Leur modèle comprend six paramètres : hauteur de la végétation, phase topographique au sol, coefficient moyen d'extinction en volume (atténuation en dB/m, liée à la densité de la couverture) et trois rapports pour la force de diffusion entre le sol et le volume (pour les trois polarisations analysées). Lorsque l'on dispose de six mesures de cohérence de la magnitude et de l'angle (aux trois polarisations), on peut " inverser " le modèle, c'est-à-dire trouver les coefficients du modèle donnés par les observations radar. Une procédure d'optimisation non linéaire permet de trouver les paramètres de modèle qui présentent le meilleur ajustement par moindres carrés, aux données. On peut faire un contrôle de la qualité des résultats et leur interprétation physique en examinant la cohérence complexe de l'interférogramme en fonction de la polarisation (qui influence principalement le rapport entre la diffusion du sol et la diffusion dans le volume). De manière idéale, en changeant la polarisation, la cohérence complexe trace une ligne droite dans le plan complexe dont l'intersection avec le cercle unitaire donne l'angle de phase topographique (la hauteur du sol sans végétation, voir la figure 6 de Papathanassiou et Cloude). Ils ont analysé les données collectées par un radar aéroporté émettant dans la bande L et ils ont trouvé que l'écart quadratique entre la hauteur mesurée des arbres et leur hauteur estimée par le radar était de 2,5 m. Ils montrent qu'en utilisant des ondes radar plus longues, on obtient une ligne de cohérence plus longue et plus précise dans le plan complexe (voir figure 2 de Cloude et al 2000) et que l'utilisation de plusieurs lignes de base ajoute les informations supplémentaires nécessaires pour trouver les coefficients du modèle Papathanassiou et al 2000. En tenant compte de ce qui précède, on peut obtenir une meilleure estimation de la hauteur de la forêt, de la densité de la couverture (biomasse), de la biomasse des troncs et de la hauteur du sol.

On travaille encore au perfectionnement des techniques d'analyse, mais la technologie promet déjà des améliorations des résultats quantitatifs de la télédétection notamment :

  • la surveillance des cultures,
  • la cartographie des régions coupées à blanc, déboisées ou brûlées,
  • la structure de la surface du sol aux fins d'analyse géologique, d'évaluation des dommages et d'utilisation du sol,
  • l'hydrologie (humidité du sol, évaluation des inondations),
  • la détection des mines antipersonnel Broquetas et al, and
  • la surveillance des océans et des côtes (glaces marines, déversements de pétrole).

On pourra constater les progrès dans ce domaine en consultant les actes de l'atelier tenu en janvier 2003 à Frascati sur les applications de la polarimétrie et de l'interférométrie polarimétrique aux radars à synthèse d'ouverture Desnos, ainsi que les cinq communications suivantes présentées dans les actes du Symposium international des géosciences et de la télédétection tenu en 2002 (IGARSS-2002) :

  1. T. Mette, K. P. Papathanassiou, I. Hajnsek and R. Zimmermann, Forest Biomass Estimation using Polarimetric SAR Interferometry (Estimation de la biomasse forestière par interférométrie polarimétrique RSO), pp. 817-819.
  2. D. Kasilingam, M. Nomula and S. Cloude, A Technique for Removing Vegetation Bias from Polarimetric SAR Interferometry (Une technique pour éliminer la distorsion causée par la végétation des données interférométriques collectées par RSO polarimétrique), pp. 1017-1019.
  3. H. Woodhouse, S. Cloude, K. Papathanassiou, J. Hope, J. Suarez, P. Osborne and G. Wright, Polarimetric Interferometry in the Glen Affric Project: Results and Conclusions (Application de l'Interférométrie polarimétrique au projet Glen Affric - Résultats et conclusions), pp. 820-822.
  4. S. R. Cloude, Robust Parameter Estimation Using Dual Baseline Polarimetric SAR Interferometry (Estimation fiable des paramètres à l'aide d'interférométrie polarimétrique RSO avec deux lignes de base), pp. 838-840.
  5. M. Tabb, T. Flynn and R. Carande, An Extended Model for Characterizing Vegetation Canopies Using Polarimetric SAR Interferometry (Extension du modèle de description du couvert végétal par l'utilisation de l'interférométrie polarimétrique RSO), pp. 1020-1022.