FORM@TER OIC2024: challenge sur les méthodologies de corrélation d’images optiques

La déformation du sol est une variable utilisée dans divers domaines des sciences de la Terre pour comprendre les mécanismes physiques qui contrôlent l’activité des failles, des glissements de terrain, des glaciers ou des volcans, et peut-être un paramètre clé pour la gestion des risques et des catastrophes.

Parmi les nombreuses techniques de mesure des mouvements du sol (GNSS, nivellement, etc.), l’imagerie satellitaire offre une couverture globale et permet des mesures sur des zones étendues. De nombreuses constellations de satellites, en particulier l’imagerie optique à haute résolution spatiale, sont désormais accessibles au public, comme les données des missions Sentinelles de Copernicus (> 2015) ou les longues archives des missions Landsat de la NASA (depuis 1970), et l’imagerie satellitaire à très haute résolution (par exemple Maxar Worldview/RapidEye, ADS Spot/Pléiades, Planetscope) devient de plus en plus accessible.

Ces ensembles de données représentent une source d’information intéressante pour le suivi de la déformation du sol en raison de leur fréquence de revisite élevée, de leur résolution spatiale et, pour certains d’entre eux (Sentinelles, Landsat), de leur politique de données en libre accès.
L’OIC permet de mesurer le mouvement de la surface en déterminant le décalage entre deux acquisitions satellitaires. Dans le cas de satellites optiques avec des angles de vues off-nadir, la technique est sensible au déplacement dans le plan horizontal. En fonction de la distance d’échantillonnage au sol (c’est-à-dire de la résolution spatiale de l’image satellitaire), la technique est sensible aux déplacements de grande amplitude, de quelques dizaines de centimètres à quelques mètres.

Pour améliorer la résolution et la précision des mesures, il existe plusieurs algorithmes de mise en correspondance, parmi lesquels SGM/Semi-Global Matching (Hirschmuller et al., 2008 : 10.1109/TPAMI.2007 .1166), MGM / More Global Matching (Faciolo et al., 2015 : 10.5244/C.29.90), la corrélation de fréquence de phase (Van Puymbroeck et al., 2000 : 10.1364/AO.39.003486) et les méthodes de flux optique (Lucas & Kanade, 1981 : 10.5555/1623264.1623280). Récemment, l’apprentissage profond (Pang et al., 2018 : 10.1109/ICCVW.2017.108) a également été appliqué à la mise en correspondance d’images afin d’améliorer les performances par rapport aux méthodes traditionnelles de corrélation sous-pixel.

De nombreuses librairies open source mettant en œuvre ces approches sont accessibles, et parmi elles (la liste fournie n’est pas exhaustive), MicMac, ASP, Cosi-Corr, QPEC/MEdicis, S2P, CARS, GeFolKi, et plusieurs modèles basés sur l’apprentissage profond CNN (par exemple : https://entrepot.recherche.data.gouv.fr/dataset.xhtml?persistentId=doi:10.57745/UOGRPY).

Toutes ces méthodes et algorithmes sont sensibles à la géométrie d’acquisition des images, à leur radiométrie et texture, au type de déformation (rigide, non rigide), à l’amplitude de la déformation et à la qualité de la co-registration/alignement des paires d’images.

Description du challenge

L’objectif du challenge ForM@Ter OIC2024 est de promouvoir des méthodologies innovantes et robustes pour la détection automatique des mouvements du sol à partir de jeux de données connus d’imagerie Sentinel-2 et Pléiades pour trois catégories d’objets (glaciers, glissements de terrain, séismes) et de fournir des comparaisons objectives et justes entre les différentes méthodes et/ou pipelines.

Il n’y a pas de classement sensu-stricto. Les participants seront invités à participer à un atelier de restitution qui se tiendra à Toulouse (France) en juin 2024, au cours duquel tous les résultats seront présentés et discutés, et un article collaboratif sera rédigé (avec un objectif de soumission pour novembre 2024).

Le challenge est organisé en quatre phases :

Phase 1 (janvier 2024) : Les participants intéressés doivent s’inscrire en ligne sur le formulaire disponible sur cette page, onglet « Inscription », avant le 10 février 2024.

Phase 2 (février – mai 2024) : Les participants reçoivent l’ensemble des images satellitaires diffusées pour le challenge, des informations complémentaires (MNS, occupation du sol) et les spécifications sur la transmission des résultats attendus. Les participants soumettront leurs cartes de déplacement du mouvement du sol, et les indicateurs de qualité pertinents, dans un entrepôt dédié au plus tard pour le 15 mai 2024. La méthodologie de traitement devra être décrite à l’aide d’un modèle qui sera fourni.

Phase 3 (mai-juin 2024) : Les organisateurs du challenge compareront et évalueront tous les résultats et proposeront des indicateurs pertinents pour qualifier les produits. Les produits évalués sont :

• les versions « brutes » des produits de déplacement de l’OIC (pour obtenir des informations sur la sensibilité et la précision des diverses approches/méthodologies),
• les produits finaux (jugés comme les meilleurs de champs de déplacement/vitesse produits par les participants), y compris intégrant un post-traitement en fonction de mesures de référence (par exemple GNSS, LiDAR, mesures sur le terrain).

Phase 4 (fin juin 2024) : Tous les participants seront invités à l’atelier ForM@Ter OIC2024 Challenge, qui sera organisée fin juin 2024 à Toulouse, afin d’y présenter et discuter de leur travail.

Description des données

Le jeu de données ForM@Ter OIC2024 Challenge est constitué de plusieurs séries d’images satellitaires Sentinel-2 et Pléiades acquises sur trois zones :

• Sur le massif du Mont-Blanc / glacier d’Argentière (archive Sentinel-2 2016-2022 / imagerie Pléiades)
• Sur le Sud de la France / glissement de terrain La Valette (archives Sentinel-2 2016-2022 / images Pléiades)
• En Californie/ Séisme de Ridgecrest (acquisitions Sentinel-2 de juin-juillet 2019 / imagerie Pléiades)

Des couches d’information supplémentaires et les métadonnées des images seront fournies. Le jeu de données, pour des questions de licence, ne sera fourni qu’aux participants inscrits, au début de la Phase 2 du challenge.

Les participants sont encouragés à traiter les trois jeux de données afin de permettre une comparaison transdisciplinaire entre les communautés de recherche en glaciologie, glissements de terrain / aléa gravitaire et séismes.