Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
d'autant plus grande que la longueur d'onde est élevée : par exemple, dans une forêt dense, les<br />
mesures radar en bande X correspondent approximativement à la strate supérieure des arbres.<br />
En pénétrant dans la canopée, le signal radar interagit avec les tronc, les branches et les<br />
feuilles, ce qui peut induire des erreurs d'estimation de l'altitude de l'ordre de plusieurs mètres<br />
(Slatton et al., 2000).<br />
Utilisation conjointe des deux systèmes d’acquisition<br />
L'étude de la synergie des systèmes InSAR et LiDAR intéresse depuis peu la<br />
communauté scientifique. Le but principal est une analyse plus fine des images radar,<br />
notamment pour une meilleure estimation de la hauteur de la canopée (Sexton et al., 2009),<br />
une représentation plus réaliste de la biomasse (Lucas et al., 2006 ; Hyde et al., 2007 ; Nelson<br />
et al., 2007) et la correction des modèles topographiques sous couverture végétale (Slatton et<br />
al., 2000, 2001). Hyde et al. (2007) et Nelson et al. (2007) ont combiné des données radar et<br />
LiDAR acquises au-dessus de forêts de pins afin de construire un modèle statistique approprié<br />
de prédiction de la biomasse forestière. Slatton et al. (2000) ont analysé des observations<br />
InSAR conjointement avec des données polarimétriques du radar aéroporté AIRSAR (bande<br />
L à 24 cm et C à 5,7 cm) et des mesures altimétriques du LiDAR ALTM (Airborne Laser<br />
Terrain Mapping, λ = 1047 nm) afin d'estimer la hauteur de la végétation. Le but était de la<br />
soustraire aux données topographiques afin d’obtenir une meilleure représentation de la<br />
surface. Au-dessus des surfaces nues, la précision verticale est estimée entre 2 et 5 m pour les<br />
données InSAR alors qu’elle est de 10 cm pour le LiDAR. Ce dernier fournit donc une<br />
meilleure estimation de la hauteur de la canopée lorsque la végétation est dense, ainsi que de<br />
l'altitude lorsque le signal peut se propager à travers le feuillage, en raison de sa petite<br />
empreinte au sol. L'approche consiste à filtrer le bruit des images SAR, détecter la présence<br />
de végétation dans les pixels grâce aux données polarimétriques, et corriger la hauteur de la<br />
végétation en utilisant les relevés LiDAR. Une autre méthode consiste à estimer les données<br />
d'altitude du sol et la hauteur de la végétation pour chaque jeu de données SAR par inversion<br />
d'un modèle de diffusion des ondes électromagnétiques et de filtrer les mesures LiDAR afin<br />
d'éliminer la contribution de la végétation. Les données sont ensuite combinées afin d'obtenir<br />
des estimations statistiquement optimales (Slatton et al., 2001). La fusion des deux systèmes<br />
d'acquisition a été testée en milieu urbain (Gamba & Houshmand, 2000 ; Sties et al., 2000 ;<br />
Gamba et al., 2003) afin de décrire de manière plus réaliste les bâtiments. Il s’agit d’un<br />
environnement complexe qui présente différentes infrastructures difficiles à représenter par<br />
54