Images brutes

Ce document recense des images brutes de NDVI pour se rendre compte de l’emprise disponible sur l’île de Mayotte et de la meilleure manière de traiter les nuages ainsi que les images. Par la suite, ce fichier ira dans la partie Données du site.

Pour traiter les nuages par le package OpenEO, il existel’option cloud_cover qui trie les images ayant moins d’un certain pourcentage de couverture nuageuse (ici 30%). Il existe aussi la bande SCL (https://brazil-data-cube.github.io/specifications/bands/SCL.html) qui classe tous les pixels en plusieurs catégories :

Classe	Valeur de pixel
No Data	0
Satured or Defective	1
Dark Area Pixels	2
Cloud Shadows	3
Vegetation	4
Not Vegetated	5
Water	6
Unclassified	7
Cloud Medium Probability	8
Cloud High Probability	9
Thin Cirrus	10
Snow	11

Pour l’utilisation de la SCL, j’ai gardé seulement les pixels 4,5,6,7. J’ai testé plusieurs traitement d’images très basiques pour voir comment ceux-ci fonctionnaient et je l’ai appliqué à deux moments : avant chido et après chido.

Fonction

Voici la fonction pour récupérer les données de NDVI.

bbox = list(west=44.98, south=-13.01, east=45.30, north=-12.61)
dossier_out = "/home/abiton/Documents/sentinel" 


get_ndvi_masked = function(start_date, end_date, filename) {
  
  data = p$load_collection(
    id = "SENTINEL2_L2A",
    spatial_extent = bbox,
    temporal_extent = list(start_date, end_date),
    bands = c("B04", "B08", "SCL")
    #properties = list("eo:cloud_cover" = function(x) x <= 30) #to use or no depending on the treatment
  )
  
  # create mask
   cloud_mask = p$reduce_dimension(
     data = data,
     dimension = "bands",
     reducer = function(data, context) {
       scl = data[3] 
  
       # only safe classes 
       is_safe = p$or(
         p$eq(scl, 4), # vegetated
         p$or(
           p$eq(scl, 5), # naked soil
           p$or(p$eq(scl, 6), p$eq(scl, 7))# water or unclassified
         )
       )

       return(p$not(is_safe))
     }
   )
     # computing ndvi
  data_only = p$filter_bands(data, bands = c("B04", "B08"))
  data_cleaned = p$mask(data = data_only, mask = cloud_mask)
  
  ndvi_cube = p$ndvi(data = data_cleaned, nir = "B08", red = "B04")
  
  # save data
  result = p$save_result(data = ndvi_cube, format = "NetCDF")
  compute_result(graph = result, output_file = file.path(dossier_out, filename))
}

Avant Chido

Pour les images avant Chido, j’ai pris les images comprises entre Octobre et Mi-décembre 2024. Ici on a un traitement sans l’option cloud_cover et avec le SCL.

Avant Chido CC

Ici on a un traitement avec le SCL et avec l’option cloud_cover réglé à 30% c’est -à-dire qu’il élimine toutes les images(tuiles) avec plus de 30% de couverture nuageuse.

Après Chido

Pour les images après Chido, j’ai pris les images comprises entre Janvier et Mars 2025. Ici on a un traitement sans l’option cloud_cover et avec le SCL.

Après Chido CC

Ici on a un traitement avec le SCL et avec l’option cloud_cover réglé à 30% c’est -à-dire qu’il élimine toutes les images(tuiles) avec plus de 30% de couverture nuageuse.

Quarterly Mosaics

Les données Quarterly Mosaics de la mission Sentinel 2 permettent une vue d’ensemble de la zone sans nuages et claire. Elle récupère, sur une période d’un trimestre, les meilleurs pixels pour obtenir la meilleure représentation de la végétation sur 3 mois. Voici les produits pour Mayotte. Il y a le produit du 4e trimestre de 2024 (Octobre-Decembre 2024) et le premier de 2025 (Janvier-Mars 2025). Par chance, Chido tombe pile poil fin décembre et ne chevauche pas sur les deux trimestres. Cependant une période de trois mois peut ne pas être très représentative de la végétation avant et après le cyclone. La végétatation, surtout après, a pu évoluer rapidement.

Reconstruction

Afin d’essayer de recréer un produit similaire à ceux de Quarterly Mosaics, j’ai récupéré les données brutes avant et après Chido sur une période plus courte et j’ai fais la reconstruction moi-même dans la même logique que la mosaïque temporelle. Ci-dessous sont représenté la reconstruction du NDVI pour la période avant le cyclone Chido (15 Novembre au 15 Décembre) et la période après le cyclone (Janvier 2025). L’emprise totale de Mayotte n’est pas disponible à chaque fois. Les zones blanches signifient que la zone a été couverte de nuages sur toute la période considérée.

Différences