Validation and improvment of atmospheric correction methods for ocean colour images in optically complex coastal waters

L'acquisition de paramètres marins à partir des données spatiales de la couleur de l'eau nécessite l'élimination de la contribution de l'atmosphère au signal mesuré par le capteur. En effet, la majorité du rayonnement solaire mesuré par les instruments optiques dans les longueurs d'ondes qui intéressent la couleur de l'eau provient de la diffusion par les molécules de l'air et les aérosols atmosphériques. L'élimination de la contribution de l'atmosphère est appelée correction atmosphérique (CA). Pour les eaux claires, les méthodes de CA supposent une réflectance marine nulle dans le proche infra-rouge (PIR). Ceci permet d'estimer la réflectane de l'atmosphère et de l'extrapoler vers les bandes du visible, et donc de déterminer le signal marin qui contient les informations sur les propriétés optiques des eaux marines. Cette hypothèse n'est cependant pas vérifiée pour les eaux turbides, qui représentent la quasi totalité des eaux côtières. Par conséquent, de nombreux algorithmes de CA ont été développés pour les eaux côtières incluant des hypothèses alternatives. L'objectif de ce travail de thèse est de valider et d'améliorer ces méthodes de CA pour les images MODIS Aqua. Pour cela, diverses approches de CA développées pour les eaux cotières ont été comparées et validées : (1) l'algorithme standard de la NASA, (2) le "NIR Similary spectrum algorithm" qui inclut des hypothèes d'homogénéité spatiale des réflectances marines et atmosphériques, (3) l'algorithme qui utilise les bandes dans l'infrarouge moyen pour la CA dans les eaux très turbides, et (4) un algorithme utilisant un réseau de neurones artificiels. L'exercice de validation à partir de données in situ, et en fonction des types d'eaux, a permis d'identifier différentes pistes d'amélioration pour l'estimation du signal marin. L'un d'entre elles comprend l'utilisation de relations spectrales pour forcer les modèles de réflectances marines utilisés par les algorithmes CA pour estimer le signal marin dans le PIR. Des modifications ont été apportées aux modèles de réflectances marines de l'algorithme standard de la NASA et du "NIR Similarity spectrum algorithm". Chacun des modèles a été forcé avec des relations spectrales préalablement validées grâce à des données globales. Une étude de sensibilité et une validation de ces algorithmes modifiés à partir de données MODIS-Aqua dans la Manhe Orientale/Mer du Nord et la Guyane Française ont démontré que les modifications suggérées amélioraient les estimations du signal marin dans les eaux côtières optiquement complexes.To acquire marine parameters from remote sensing ocean color data, the sensor-measured signal needs to be corrected for the atmospheric contribution. Indeed, the solar radiation reflected by air molecules and atmospheric aerosols is significant in the sensor bands of interest for ocean color applications. The removal of the atmospheric contribution is called the atmospheric correction (AC). In open ocean waters, the AC relies on the assumption that the water is totally absorbent in the near infrared (NIR) part of the spectral region, allowing to retrieve the atmospheric contribution and to extrapolate it to the visible spectral range, and thus to determine the marine signal that contains the information on the optical properties of seawaters. However, this assumption is not valid in highly productive and turbid coastal waters. Hence, AC approaches for coastal waters need to rely on alternative assumptions. This Ph. D. thesis has as main objective to validate and improve these AC methods developed for contrasted coastal waters, with a focus on MODIS Aqua images. First, a validation and comparison of existing AC methods, relying on diverse assumptions and methods, is performed. Therefore, four commonly used AC methods are selected, (1) the standard NIR AC approach of NASA, (2) the NIR similarity spectrum AC approach including assumptions of spatial homogeneity in the water and aerosol reflectance, (3) the switching algorithm using the short wave infrared bands for AC in highly turbid waters, (4) an Artificial Neural Network algorithm. With the help of a validation exercise based on in situ data and as a function of the water type, several areas of improvement are delineated, including the use of spectral relationships to constrain NIR-modelling schemes. Modified NIR-modelling schemes are suggested for the standard NASA and NIR similarity spectrum AC methods. Both are forced with globally valid spectral relationships. Sensitivity studies and validation exercises, using MODIS-Aqua images in the Eastern English Channel/North Sea and French Guiana waters, are conducted showing that the suggested modified NIR-modelling schemes improve the estimations of the marine signal in contrasted coastal waters