Importation d'une image raster

Pour commencer, nous allons utiliser PyRaTe pour importer une image satellite multi-bande à partir de fichiers GeoTIFF, puis réaliser un affichage géoréférencé à partir de ces données.

---

Raster et télédétection

Le "Ra" de PyRaTe est pour "Raster", et le "Te" est pour "Télédétection".

Si vous êtes maintenant familiers avec la notion de "télédétection", il est probable que vous n'ayez jamais entendu parler de "raster".

Il existe 2 grands types d'images : les images matricielles ou "raster", et les images vectorielles.

Comme leurs noms l'indiquent, l'une est définie par une ou plusieurs matrices 2D, l'autre par des vecteurs.

Raster
Image constituée d'une (ou plusieurs) matrice 2D.
Chaque élément dans la matrice correspond à un pixel à afficher.
Les valeurs stockées à une position dans les matrices 2D correspondent à l'intensité des pixels dans différentes couleurs.

Lors de vos projets de télédétection, vous manipulerez exclusivement des images "raster".

Importation de fichiers GeoTIFF

Vous trouverez dans le dossier "examples/dataset_img" de PyRaTe un jeu de 10 fichiers GeoTIFF.

GeoTIFF
Le TIFF est un format d'image "raster" propriétaire, mais assez flexible, couramment utilisé en télédétection.
En effet, il permet d'enregistrer des métadonnées avec l'image, notamment les informations de géoréférencement.
Dans ce cas, on appelle le fichier un "GeoTIFF".

Il s'agit d'une seule image satellite "raster" de Saint-Quentin-en-Yvelines, acquise dans 10 bandes optiques différentes le 19/09/2025 par Sentinel-2.

Voici à quoi correspondent ces bandes d'acquisition de Sentinel-2 :

Bande	Cible	Longueur d'onde	Résolution au sol
B01	Aérosols	443 nm	60 m
B02	Bleu	490 nm	10 m
B03	Vert	560 nm	10 m
B04	Rouge	665 nm	10 m
B05	Red-edge	705 nm	20 m
B06	Red-edge	740 nm	20 m
B07	Red-edge	783 nm	20 m
B08	Proche infrarouge	842 nm	10 m
B08A	Proche infrarouge étroit	865 nm	20 m
B09	Vapeur d'eau	945 nm	60 m

Pour importer ces différents fichiers GeoTIFF avec PyRaTe, utilisez la commande suivante :

band_list,band_bounds = PyRaTe.importation()

Apparait alors la fenêtre suivante :

Cherchez les fichiers GeoTIFF dans vos dossiers, sélectionnez-les et cliquez sur "Ouvrir".

La variable band_list contiendra alors une liste de matrices Numpy, chacune correspondant à une bande.

La variable band_bounds contient les limites géographiques de l'image.

Si les limites géographiques des différents "raster" importés ne sont pas les mêmes, un message d'erreur apparaitra.

Nota Bene
Ici, chaque bande était enregistrée dans un GeoTIFF différent.
La fonction gère aussi les GeoTIFF contenant plusieurs bandes à la fois.

Affichages RGB

Pour vérifier le contenu de nos GeoTIFF, on peut vouloir afficher une image en couleurs (RGB), géoréférencée, à partir des différentes bandes importées.

Le plus classique est de faire un affichage en "vraies couleurs" : la bande du "rouge" (B04) en rouge, la bande du "vert" (B03) en vert, et la bande du "bleu" (B02) en bleu.

Pour réaliser un tel affichage, utilisez la commande suivante :

PyRaTe.img_display(band_list,band_bounds,display_rgb=[3,2,1])

Le paramètre display_rgb vous permet de sélectionner dans band_list l'indice des matrices à utiliser pour le rouge, le vert et le bleu. On sélectionne ici B04, B03 et B02 avec les indices 3, 2 et 1.

Voici la figure qui s'affiche :

Bien que les longueurs d'ondes perçues par le satellite dans ces 3 bandes ne correspondent pas exactement aux pics de sensibilité des "cônes" de la rétine humaine, cet affichage donne un ressenti "naturel" des couleurs.

En imagerie satellite, il est également classique de réaliser un affichage en "fausses couleurs" de la manière suivante : la bande du "proche infrarouge" (B08) en rouge, la bande du "rouge" (B04) en vert, et la bande du "vert" (B03) en bleu.

Pour réaliser un tel affichage, il suffit de reprendre la commande précédente, en modifiant le paramètre display_rgb :

PyRaTe.img_display(band_list,band_bounds,display_rgb=[7,3,2])

Voici la figure qui s'affiche :

Ce type d'affichage en "fausses couleurs" est particulièrement utile pour l'étude de la végétation : la chloropylle réfléchit fortement le proche infrarouge, ce qui permet de la faire ressortir en rouge dans l'image. Les contrastes entre zones urbaines, plans d'eaux et végétation sont également renforcés.

Est-ce bien ce que vous observez ?

Suivant l'application, on peut imaginer réaliser des affichages en "fausses couleurs" avec d'autres bandes d'intérêt.

Imagerie optique et radar

Les 10 bandes de l'image que vous avez importée correspondent à 10 canaux d'acquisition dans le domaine optique. Comme nous l'avons vu, chaque canal est centré sur une longueur d'onde de la lumière (visible, infrarouge ou ultraviolette). Il s'agit d'imagerie "passive", puisque c'est la lumière du soleil qui éclaire la surface observée.

C'est cette image optique que nous utiliserons dans la suite de ce tutoriel.

Cependant, PyRaTe permet aussi d'importer, d'afficher puis d'analyser des images radar.

Contrairement à l'imagerie optique, l'imagerie radar se fait généralement dans le domaine des micro-ondes. L'imagerie radar est "active", puisque nous éclairons la surface observée avec un signal micro-ondes émit par le satellite. L'imagerie optique de la surface ne peut se faire que de jour, et quand la couverture nuageuse est faible, alors que l'imagerie radar peut se faire de jour comme de nuit, et est capable de "percer les nuages".

Nota Bene
Pour faire une analogie avec les 5 sens, on compare souvent l'imagerie optique à la vue, et l'imagerie radar au toucher.
En effet, l'imagerie optique nous donnera plutôt une information sur la "couleur" de la surface observée, alors que l'imagerie radar donnera une information sur sa "rugosité".
Ceci est lié au fait que le radar est un instrument actif, qui fonctionne à des longueurs d'ondes centimétriques, plus proches de la dimension des structures que l'on veut observer à la surface.

Vous trouverez dans le dossier "examples/dataset_radar" de PyRaTe un jeu de 2 fichiers GeoTIFF correspondant à une image radar "raster" de Saint-Quentin-en-Yvelines, acquise par Sentinel-1.

Le radar de Sentinel-1 est un SAR ou "radar à synthèse d'ouverture". Il s'agit d'une méthode de traitement de données pour obtenir des images radars ayant une grande résolution au sol, tout en gardant une taille d'antenne acceptable pour le satellite.

Ce radar fonctionne dans la bande de fréquences C (5.4 GHz, soit environ 6 cm de longueur d'onde), sa résolution au sol peut descendre jusqu'à 5 m, et il est capable d'émettre et recevoir dans 2 polarisations : horizontale (H) et verticale (V).

On parlera de "co-polar" quand on émet et reçoit dans la même polarisation (HH ou VV), et de "cross-polar" lorsque l'on émet et reçoit dans des polarisations différentes (HV ou VH). La combinaison des informations de co-polar et cross-polar est particulièrement intéressante pour discriminer certains types de surface.

Les 2 GeoTIFF à votre disposition correspondent à la bande co-polar VV, et la bande cross-polar VH.

Comme pour l'image optique, vous pouvez charger ces 2 bandes de l'image radar avec la fonction importation de PyRaTe.

Une fois l'image radar importée, il est classique de faire un affichage RGB "fausses couleurs" avec la cross-polar pour le rouge, la co-polar pour le vert, et le ratio co-polar / cross-polar pour le bleu. Ceci est rendu possible dans PyRaTe avec la commande suivante :

PyRaTe.radar_display(band_list,band_bounds,co_polar=0,cross_polar=1)

Le paramètre co_polar vous permet de sélectionner dans band_list l'indice de la matrice à utiliser comme co-polar, et cross-polar l'indice de la matrice à utiliser comme cross-polar. On considère ici que le 1er GeoTIFF importé est le VV, et le second le VH.

Voici la figure qui s'affiche :

On interprète ce type d'affichage RGB de la manière suivante :

• Le rouge correspond à des surface "dépolarisant" beaucoup le signal radar. Il s'agit donc probablement de zones fortement rugueuses, provocant de la diffusion de volume.

• Le vert correspond à des surfaces "dépolarisant" peu le signal radar. Il s'agit donc de surfaces plutôt lisses, provocant une réflexion quasi-directe, avec un peu de diffusion de surface.

• Le bleu permet de faire ressortir des surface lisses, ou des "doubles rebonds".

• Le jaune correspond à des surfaces complexes, renvoyant autant de signal "dépolarisé" que "polarisé".

• Une surface sombre sera extrêmement lisse : on a une réflexion quasi-spéculaire.

Nota Bene
On parle ici de "rugueux" ou "lisse" du point de vue du radar, c'est-à-dire de sa longueur d'onde.
Suivant la longueur d'onde du radar utilisé, une même surface paraitra donc plus ou moins rugueuse.
L'angle de vue du radar aura aussi un influence sur les couleurs affichées.
Bref, les données radar ne sont pas toujours simples à interpréter pour un non-expert.

A partir de ces informations, comment interprétez-vous la rugosité des surfaces à Saint-Quentin-en-Yvelines ?