Le Mouélic et al

ANALYSE PAR MELANGES LINEAIRES DES DONNEES DE L’IMAGEUR HYPERSPECTRAL
OMEGA A BORD DE LA SONDE MARS EXPRESS: METHODOLOGIE ET PREMIERS RESULTATS.
S. Le Mouélic1, J-Ph. Combe 2, C. Sotin1, L . Le Deit1, A. Gendrin2, J. Mustard2 , J-P. Bibring3, Y. Langevin3, B.
Gondet3 , P. Pinet 4
1
2
3
Laboratoire de Plan é tologie et Géodynamique, UMR6112, Nantes, France. Brown University, USA. Institut
d’Astrophysique Spatiale, Orsay, France, 4 OMP, Toulouse, France. (Email : [email protected]).
Introduction: L’objectif du spectro-imageur
OMEGA à bord de la sonde Mars Express est
d’identifier (et de quantifier) les minéraux présents à la
surface de Mars. Depuis janvier 2004, l’ensemble de la
surface a été observée avec une résolution variant entre
300 m et 4 km par pixel, ce qui représente plusieurs
centaines de millions de spectres. La composition minéralogique des surfaces planétaires, qui est un paramètre clé en géologie, peut être théoriquement déduite
des données hyperspectrales. En pratique, cette identification se heurte à des problèmes de mélanges entre
les différents matériaux, tant à l’échelle macroscopique
(juxtaposition de surfaces homogènes au sein d’un
pixel) que microscopique (assemblages de minéraux au
sein d’une même roche). Nous avons orienté nos efforts d’analyse sur des modèles de mélanges spectraux
permettant de prendre en compte ces phénomènes,
fournissant ainsi une méthode automatique applicable
à l’ensemble du jeu de données. En particulier, nous
présentons ici une nouvelle méthode basée sur des
mélanges linéaires, caractérisée par un choix itératif
des composants du mélange et par l’utilisation de pôles
spectraux artificiels (spectres plats et pente pure) permettant de s’affranchir au premier ordre des effets
d’ombrage, de la diffusion par les aérosols, de la taille
des grains et des effets photométriques.
L’analyse est restreinte au domaine 0.96-2.55 µm,
qui contient les principales absorptions cartactéristiques des minéraux, et qui correspond à un seul détecteur d’OMEGA [1], ce qui permet de minimiser les
erreurs de coregistration et d’étalonnage.
Modèle de mélanges linéaires itératif: Des approches basées sur les mélanges linéaires ont déjà été
utilisées sur des données hyperspectrales dans le domaine thermique [2]. Dans le visible et proche infrarouge, les mélanges linéaires correspondent à la juxtaposition de surfaces homogènes au sein d’un même
pixel [3]. L’équation utilisée est : X=(At A) -1At Y, où Y
est le spectre à analyser, A est la librairie de spectres
de pôles spectraux (correspondant dans notre étude à
des spectres de laboratoire de minéraux purs et aux
spectres artificiels), et X aux coefficients de chacun
des pôles purs. Cette inversion purement mathématique
conduit parfois à trouver des coefficients négatifs qui
n’ont pas de sens physique. Quand cela se produit, les
pôles spectraux correspondant sont élimimés itérativement.
Figure 1: Distribution des minéraux mafiques sur la
zone volcanique de Syrtis Major, déduite de l’analyse
par mélanges linéaires.
Lorsque la bibliothèque de départ est suffiamment
diverse pour couvrir l’ensemble des composés présents, cet algorithme permet de retrouver les proportions relatives de chacun des minéraux au sein d’une
scène donnée. La librairie de mineraux utilisée pour
notre analyse contient 27 spectres représentatifs de
l’ensemble des grandes familles minérales (pyroxènes,
olivines, phyllosilicates, carbonates, sulfates, oxydes,
plus un spectre de glace d’eau, voir [4]).
Résultats:. La figure 1 montre un exemple
d’application à la zone volcanique de Syrtis Major,
dominée par des mélanges d’orthopyroxènes, clinopyroxènes et d’olivine en proportions variables. Le centre
du bouclier volcanique semble appauvri en orthopyroxène par rapport aux terrains environnants, plus anciens, qui sont composés d’un mélange
d’orthopyroxène et de clinopyroxène. L’olivine apparaît de manière très localisée au niveau de Nili Fossae
et au niveau de la caldeira du volcan (Nili Patera). Ce
résultat est en accord avec l’analyse des données TES
présentée par [5,6].
reliée à la proportion de ce même minéral dans une
roche ou un sol.
Figure 2: Exemple de détection automatique de
gypse par l’algorithme en bordure de la calotte polaire
nord .
La figure 2 montre un autre exemple d’application
dans un contexte géologique complètement différent,
situé dans la région d’Olympia Planitia en bordure de
la calotte polaire nord. La glace d’eau (fig.2c) et une
vaste étendue de gypse (fig 2b) sont détectées sans
ambiguité de manière entièrement automatique par
l’algorithme de mélanges linéaires. La distribution du
gypse déduite de cette approche est cohérente avec
celle présentée dans [8].
Enfin, la méthode a été appliquée de manière globale, afin d’étudier notamment la répartion des minéraux mafiques à la surface de Mars. La figure 3 présente les cartes obtenues pour les clinopyroxènes, et les
orthopyroxènes, trouvés majoritairement dans
l’hémisphère sud, et les oxydes de fer, dont une composante est répartie de manière plus diffuse dans les
régions claires.
Conclusion : L’analyse des données OMEGA par
mélanges linéaires permet d’identifier de manière automatique les zones spectralement dominées par un
mineral donné, à condition d’utiliser des pôles artificiels (plats et pente pure) et d’optimiser le précessus
de choix des pôles spectraux. Une étude détaillée de
mélanges de minéraux en laboratoire est actuellement
en cours afin de quantifier les seuils de détection de
cette nouvelle méthode et de voir dans quelle mesure la
proportion d’un minéral dans le spectre total peut être
Figure 3 (a) albédo (b) oxydes de fer (c) clinopyroxènes, (d ) orthopyroxènes obtenus par mélanges linéaires. Les valeurs correspondent au pourcentage de
chaque composé dans le spectre (ce qui ne doit pas
être confondu avec une proportion absolue dans la
roche).
Références: [1] Bibring et al., 2004, ESA, SP,1240,
37. [2] Ramsey et Christensen (1998), JGR, 103, B1,
577-596. [3] Singer et Mc Cord (1979) L P S C,
10.1835S. [4] Combe J.-Ph. et al. (2006) LPSC, abstract#2010. [5] Hoefen et al., 2003, Science, 302. [6]
Christensen et al., 2005, Nature, 436. [7] Gooding J. L.
(1978) Icarus, 33, 483-513. [8] Langevin et al., 2005,
Science, 307.