Comparaison des données hyperspectrales satellitaires en cartographie géologique (Analyse des résultats)

Applications hyperspectrales

Dans la série précédente comparant les données hyperspectrales satellitaires en cartographie géologique, les données, les méthodes et les techniques de recherche ont été présentées. Cette section présentera les résultats de recherche pertinents.

1. Analyse des résultats

1) Analyse comparative qualitative

Analyse d'échantillons de terrain : L'équipe de recherche a déterminé les pics d'absorption de minéraux spécifiques grâce à l'analyse spectrale d'échantillons de terrain, tels que le pic d'absorption du néodyme dans la gamme de 450 à 1350 nm et le pic d'absorption du carbonate à 2337 nm.

Comparaison des données hyperspectrales satellitaires et aéroportées : À des intervalles d'échantillonnage au sol plus grands (30 m et 5 m), les données hyperspectrales satellitaires et aéroportées ne peuvent pas capturer les caractéristiques d'absorption minérale subtiles, telles que les pics d'absorption du néodyme, mais peuvent identifier les caractéristiques d'absorption des carbonates.

(a) : Comparaison spectrale de HyMap, EnMAP, PRISMA et EMIT avec des échantillons mesurés.

(b) : Comparaison spectrale de HyMap, EnMAP, PRISMA et EMIT dans les pôles spectraux (calcite, dolomite et roche environnante).

 2) Évaluation de la cohérence absolue et relative 

En comparant les estimations de réflectance de différents capteurs, un certain degré de cohérence a été constaté entre EnMAP, EMIT et HyMap, tandis que les données du capteur PRISMA différaient significativement de celles des autres capteurs, notamment dans la gamme spectrale SWIR.

 3) Analyse de la cohérence des fonctionnalités 

Analyse par indice spectral : en appliquant des indices spectraux spécifiques, les chercheurs sont en mesure d’identifier les minéraux associés aux caractéristiques géologiques, tels que les carbonates de calcium et les carbonates de magnésium, et ont obtenu des résultats cohérents à partir de différentes données de capteurs.

Figure : Diagramme composite ternaire en pseudo-couleurs présentant les résultats de l’indice spectral pour le site d’Eppembe. L’indice spectral de la calcite (rouge) délimite clairement les crêtes rocheuses carbonatées riches en calcite dans chaque jeu de données.

 4) Analyse de la cohérence des caractéristiques latentes 

Une comparaison des cartes d'abondance minérale générées à l'aide de techniques de démixage linéaire avec des cartes géologiques montre que, malgré les problèmes liés aux données spectrales du capteur PRISMA dans la gamme SWIR, les données de tous les capteurs sont capables de refléter la distribution spatiale des caractéristiques géologiques, et les données de différents capteurs présentent une bonne corrélation dans la cohérence des caractéristiques potentielles (telles que l'abondance minérale).

La figure (A) présente les graphiques d'abondance spectrale de HyMap, (B) EnMAP, (C) EMIT et (D) PRIMSA. Les axes x et y représentent respectivement la longueur d'onde et la réflectance. Chaque canal du graphique d'abondance spectrale est associé au spectre de couleur correspondant dans les spectres adjacents.

en conclusion

Des différences significatives existent entre les données HyMap, EnMap, PRISMA et EMIT. Les données satellitaires présentent une bonne cohérence dans le domaine spectral VNIR, mais une faible cohérence dans le domaine spectral SWIR. Les capteurs EnMAP et EMIT fournissent des caractéristiques d'absorption minérale plus nettes dans le domaine spectral SWIR, facilitant ainsi la cartographie géologique. Cependant, bien que les données spectrales VNIR du capteur PRISMA soient de meilleure qualité que les données spectrales SWIR, elles présentent un bruit et des artefacts importants dans le domaine spectral SWIR, entraînant des incohérences entre les indices spectraux et les cartes géologiques par rapport aux résultats d'EnMap et d'EMIT.

[1] : Chakraborty, R. ; Rachdi, I. ; Thiele, S. ; Booysen, R. ; Kirsch, M. ; Lorenz, S. ; Gloaguen, R. ; Sebari, I. Comparaison spectrale et spatiale de données hyperspectrales satellitaires pour la cartographie géologique. Remote Sens. 2024, 16, 2089. https://doi.org/10.3390/rs16122089