Utilisation des méthodes neuronales pour l'analyse des images de couleur de l'océan C. Moulin, C. Jamet (LSCE) J. Brajard, A. Chazottes, M. Crépon, C. Mejia, A. Niang, S. Thiria (LOCEAN) Financements: NAOC (UE, 5ème PCRD), TOSCA (CNES) La couleur de l’Océan Paramètres marins (concentration en chlorophylle) Propriétés des aérosols (épaisseur optique) Propriétés des aérosols (exposant d’Angström ou type) QuickTime™ et un décompresseur TIFF (LZW) sont requis pour visionner cette image. QuickTime™ et un décompresseur TIFF (LZW) sont requis pour visionner cette image. QuickTime™ et un décompresseur TIFF (LZW) sont requis pour visionner cette image. Juin 2003 Le traitement standard des données 412nm 443nm 490nm 510nm 555nm rtoa(l)=rA(l)+t(l). rw(l) Identification des aérosols Calcul de rA et de t Correction atmosphérique Calcul de rw Algorithme bio-optique Chloro = f(rw(l)) Depuis 5 ans, nous travaillons à l’amélioration de ce traitement grâce aux méthodes neuronales 670nm 765nm 865nm Méthodes utilisées et développées Cartes topologiques (PRSOM): Cette méthode de classification automatique nous permet une première caractérisation des aérosols avant d’entrer dans une méthode plus lourde comme NeuroVaria. Réseaux de neurones (PMC): Cet outil nous permet d’approximer efficacement les modèles numériques de transfert radiatif qui calculent les r(l) à partir de paramètres atmosphériques et marins. Inversion neuro-variationnelle (NeuroVaria): La modélisation directe par PMC est implémentée dans un schéma d’inversion variationnel pour retrouver les paramètres atmosphériques et marins à partir des r(l) mesurés. Cartes topologiques Classification non-supervisée: des millions de rtoa(l) mesurés sont projetés sur une PRSOM pour en faire la synthèse. Labellisation des neurones: des millions de rtoa(l) précalculés sont projetés sur la PRSOM pour associer certains neurones à un type d’aérosols et une épaisseur optique (concentration). rtoa(l) « moyen » mesuré rtoa(l) aérosols côtiers + =0.5 20x20 neurones associés chacun à un spectre différent de rtoa(l) Niang et al., RSE, 2003 Identification des aérosols Epaisseur optique Typologie Les PRSOM ainsi produites permettent une classification automatique des rtoa(l) des images SEAWIFS et une estimation de l’épaisseur optique et du type d’aérosols. validation Niang et al., RSE, 2005 Perceptrons multi-couches Les PMC sont un type de réseau de neurones bien adapté pour l’approximation de fonctions non-linéaires. De plus les PMC sont directement adjointisables. Apprentissage: Nous avons utilisé les sorties de modèles de transfert radiatif. x = y = rA(l) ou ou x = Chl y = rw(l) Propriétés optiques des aérosols Janvier Comme pour les PRSOM, des millions de rA(l) précalculés sont utilisés pour l’apprentissage d’un PMC qui permet d’estimer l’épaisseur optique et le type d’aérosols à partir des rA(l) mesurés dans le PIR. Avril Juillet Octobre validation Epaisseur optique (≈ concentration) Exposant d’Angström (≈ taille des particules) Jamet et al., GRL, 2004 Traitement avancé des données Jamet et al., JAOT, 2005 Brajard et al., ASR, en révision x=,Chl MLP Obs: rtoa(l) Brajard et al., NN, accepté y= rtoa(l) Analytic expression Quasi-newton minimizing algorithm NeuroVaria Gradient backward propagation in MLP Meilleure correction atmosphérique Chl Chl NeuroVaria permet de retrouver des chloro réalistes sous les aérosols absorbants. 6 octobre 1997 (aérosols absorbants) 8 octobre 1997 (pas d’aérosols) Nouveaux paramètres marins La dernière partie du traitement que nous souhaitons améliorer est l’algorithme bio-optique: Chloro = f(rw(l)). Comme pour les aérosols, des millions de rw(l) précalculés sont utilisés pour l’apprentissage d’un PMC qui permet d’estimer la chloro et d’autres paramètres à partir de rw(l) mesurés dans le visible. Fuco/chloro a510/a520 Des PRSOM sont aussi utilisées pour analyser des inventaires de pigments et des spectres d’absorption. Chazottes et al., en prép. Perspectives Promouvoir l’utilisation des cartes topologiques pour l’analyse des grandes bases de données. Promouvoir l’utilisation de la méthode NeuroVaria pour la résolution des problèmes inverses. Utiliser les résultats NeuroVaria pour l’observation de la couleur de l’océan dans des régions « difficiles ». Poursuivre l’amélioration des algorithmes biooptiques (détection des groupes phytoplanctoniques).