Monitoring morphologic surface changes from aerial and satellite imagery, on Earth and Mars

186 Pages·2017·35.82 MB·English

by  Francois Ayoub

Monitoring morphologic surface changes from aerial and
satellite imagery, on Earth and Mars
Francois F. Ayoub
To cite this version:
Francois F. Ayoub. Monitoring morphologic surface changes from aerial and satellite imagery, on
Earth and Mars. Applied geology. Universite Toulouse III Paul Sabatier, 2014. English. ￿NNT: ￿.
￿tel-01101043￿
HAL Id: tel-01101043
https://theses.hal.science/tel-01101043
Submitted on 7 Jan 2015
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
``
TTHHEESSEE
En vue de l’obtention du
´
DOCTORAT DE L’UNIVERSITE DE TOULOUSE
D´elivr´e par : l’Universit´e Toulouse 3 Paul Sabatier (UT3 Paul Sabatier)
Pr´esent´ee et soutenue le 1er juillet 2014 par :
Fran¸cois AYOUB
Suivi de changements morphologiques de surface `a partir d’images
a´eriennes et satellitaires, sur Terre et Mars
JURY
Jean-Philippe GASTELLU Professeur d’Universit´e Pr´esident du jury
Alexis RIGO Charg´e de Recherche Directeur de th`ese
Jean-Philippe AVOUAC Professeur d’Universit´e Directeur de th`ese
Gilles PELTZER Professeur d’Universit´e Rapporteur
Daniel RAUCOULES Ing´enieur de Recherche Rapporteur
Patrick PINET Directeur de Recherche Examinateur
E´cole doctorale et sp´ecialit´e :
SDU2E : Sciences de la Terre et des Plan`etes Solides
Unit´e de Recherche :
Institut de Recherche en Astrophysique et Plan´etologie (UMR 5277)
Directeur(s) de Th`ese :
Alexis RIGO et Jean-Philippe AVOUAC
Rapporteurs :
Gilles PELTZER et Daniel RAUCOULES
Remerciements
Il est d’usage en d´ebut de manuscrit de remercier les diff´erentes personnes ayant
accompagn´e, de pr`es ou de loin, ces quelques ann´ees en th`ese. Je ne d´erogerai pas
a` la r`egle tant ceux-ci sont agr´eables a` formuler, humanisent ces froids recueils
scientifiques, et s’av`erent ˆetre la section la plus lue des th`eses (?).
Tout d’abord je souhaite remercier le Tectonics Observatory, la Moore Fundation,
le Keck Institute for Space Studies et la Nasa pour leur financement.
Je remercie les membres du jury pour leur temps, leur travaux d’´evaluation, leur
commentaires et leur discussions lors du rapport d’´evaluation et de la soutenance.
J’en viens a` remercier mes deux directeurs de th`ese. Alexis Rigo, que je remercie
doublement, d’une part pour m’avoir chaleureusement accueilli comme visiteur
“longue dur´ee” a` l’ex-DTP il y a quelques ann´ees, et d’autre part pour avoir
accept´e ˆetre mon directeur de th`ese malgr´e la distance Toulouse-Pasadena. Jean-
Philippe Avouac, mon directeur de th`ese certes, mais plus encore ´etant donn´e les
quelques 10 ann´ees pass´ees `a travailler ensemble. Un immense merci pour m’avoir
fait d´ecouvrir et appr´ecier la recherche scientifique et fait que ces ann´ees soient un
vrai plaisir; cela par ton enthousiasme scientifique, la libert´e et la confiance que
tu m’as accord´ees, et ta constante disponibilit´e malgr´e un agenda surcharg´e.
Apr`es tant d’ann´ees pass´ees au sein du laboratoire il ne m’est pas possible de
remercier nominativement tous les stagiaires, th´esards, postdocs, visiteurs, assis-
tants, techniciens, ing´enieurs, enseignants, professeurs que j’ai eu la chance de
rencontrer. Ralph Waldo Emerson disait: “Tout homme que je rencontre m’est
sup´erieur en quelque mati`ere. C’est pourquoi je m’instruis aupr`es de lui.”. Tous,
avezd’unefa¸conoud’uneautreparticip´ea`cestravaux,parunesimplequestion,un
commentaire, une discussion, une collaboration, ou tout simplement en arrondis-
sant les angles de la science par de nombreuses pauses caf´e, d´ejeuner, sportives,
et autres BBQ, campings, et randos. Je vous en remercie. Je mentionnerai tout
de mˆeme S´ebastien Leprince, mon voisin de bureau et best buddy en t´el´ed´etection
depuis les premiers jours, ainsi qu’Heather Steele notre assistante en or.
Je terminerai par le coeur de mon ´ecosyst`eme en adressant mes plus tendres re-
merciements a` Emmanuelle, et en gardant une pens´ee pour Thibault, Mathilde et
Pauline qui, un jour peut-ˆetre, lirons (amus´es ?) un bout de cette th`ese.
i
a` mes chers parents, Andr´e et Danielle...
ii
Contents
Remerciements i
Contents iii
Introduction 1
Introduction to remote sensing . . . . . . . . . . . . . . . . . . . . . . . 1
Monitoring surface displacement from remote sensing . . . . . . . . . . . 4
Thesis objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Aerial imagery . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Mars aeolian processes . . . . . . . . . . . . . . . . . . . . . . . . . 9
1 Co-registrationandCorrelationofAerialPhotographsforGround
Deformation Measurements 12
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2 Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.1 Technique Overview . . . . . . . . . . . . . . . . . . . . . . 14
1.2.2 Orthorectification & Resampling . . . . . . . . . . . . . . . 15
1.2.3 GCP Selection . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.4 Co-registration Optimization . . . . . . . . . . . . . . . . . . 17
1.2.5 Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3 Test Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 The 1992, Mw 7.3, Landers earthquake . . . . . . . . . . . . 19
1.3.2 Sensitivity to DEM artifacts . . . . . . . . . . . . . . . . . . 25
1.3.3 Sensitivity to Scan Characteristics . . . . . . . . . . . . . . . 29
1.3.3.1 Scan Artifacts . . . . . . . . . . . . . . . . . . . . . 29
1.3.3.2 Scan Resolution . . . . . . . . . . . . . . . . . . . . 31
1.3.4 Sensitivity to GCPs . . . . . . . . . . . . . . . . . . . . . . . 32
1.3.4.1 GCPs - Absolute Accuracy . . . . . . . . . . . . . 32
1.3.4.2 GCPs - Tectonic signal distortions . . . . . . . . . 34
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2 Deformation during the 1975–84 Krafla rifting crisis, NE Iceland,
measured from historical optical imagery 40
iii
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2 Overview of the 1975–84 Krafla rifting crisis . . . . . . . . . . . . . 43
2.3 Methods: optical correlation of spy satellite and aerial photos . . . 45
2.3.1 OrthorectificationandcorrelationofKH-9andSPOT5satel-
lite images . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.3.2 Removal of non-tectonic noise from KH-9 and SPOT5 cor-
relation map . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.3.3 Orthorectification and correlation of historical aerial photos 49
2.4 Measuring Krafla surface extension . . . . . . . . . . . . . . . . . . 50
2.4.1 Estimates of mid-late crisis rift extension: 1977–2002 . . . . 50
2.4.2 Estimates of total rift extension: 1957–1990 . . . . . . . . . 51
2.4.2.1 Northern rift-segment . . . . . . . . . . . . . . . . 51
2.4.2.2 Central rift-segment . . . . . . . . . . . . . . . . . 55
2.4.2.3 Southern rift-segment . . . . . . . . . . . . . . . . 55
2.4.3 Estimates of early-crisis rift extension: 1957–1976 . . . . . . 56
2.4.3.1 Northern rift-segment . . . . . . . . . . . . . . . . 56
2.4.3.2 Central rift-segment . . . . . . . . . . . . . . . . . 57
2.5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.5.1 Summary of opening during the Krafla rifting crisis (1975-84) 60
2.5.2 Implications for the kinematics of Krafla dike injections . . . 61
2.5.3 Seismicity of the early Krafla rifting crisis . . . . . . . . . . 65
2.5.4 Implications for magma migration throughout the Krafla crust 68
2.6 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3 Influence of camera distortions on satellite image registration and
change detection applications 72
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.2 SPOT 1,2,3 and 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.3 ASTER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.4 Quickbird . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.5 HiRISE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4 Earth-like sand fluxes on Mars 82
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.2 Measuring bedforms migration and sand flux . . . . . . . . . . . . . 84
4.3 Earth - Mars sand flux comparison . . . . . . . . . . . . . . . . . . 88
4.4 Some interpretations... . . . . . . . . . . . . . . . . . . . . . . . . 90
4.5 Erosion potential . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5 Threshold for sand mobility on Mars calibrated from seasonal
variations of sand flux 93
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.2 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.2.1 Seasonal sand flux measurement . . . . . . . . . . . . . . . . 97
5.2.2 Climate situation at Nili Patera . . . . . . . . . . . . . . . . 99
5.2.3 Wind shear stress threshold constrain . . . . . . . . . . . . . 100
5.3 Discussions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.4 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.4.1 Image processing . . . . . . . . . . . . . . . . . . . . . . . . 103
5.4.2 Bias in ripple migration maps due to DEM error . . . . . . . 104
5.4.3 Bias in ripple migration maps due to the use of a unique DEM104
5.4.4 Jitter and CCD induced mis-registration . . . . . . . . . . . 105
5.4.5 Principal Component Analysis . . . . . . . . . . . . . . . . . 105
5.4.6 Estimates of ripple height . . . . . . . . . . . . . . . . . . . 106
5.4.7 Sand flux estimation . . . . . . . . . . . . . . . . . . . . . . 106
5.4.8 GCM and mesoscale simulations . . . . . . . . . . . . . . . . 107
5.4.9 Shear stress threshold estimation . . . . . . . . . . . . . . . 108
5.4.10 List of software used . . . . . . . . . . . . . . . . . . . . . . 109
Conclusion 113
5.5 Contributions to the aerial (frame) imagery . . . . . . . . . . . . . 113
5.5.1 Methodological contributions . . . . . . . . . . . . . . . . . 113
5.5.2 Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.5.3 Looking forward . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.6 Contributions to Martian eolian processes . . . . . . . . . . . . . . 118
5.6.1 Methodological and scientific contributions . . . . . . . . . . 118
5.6.2 Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
5.6.3 Looking forward . . . . . . . . . . . . . . . . . . . . . . . . . 121
A Appendix Chapter 2 122
A.1 Optical Image Correlation Methodology . . . . . . . . . . . . . . . 122
A.1.1 OrthorectificationandcorrelationofSPOT5andKH-9satel-
lite images . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
A.1.2 Post Processing: Removal of topographic residuals . . . . . . 124
A.1.3 Orthorectification and correlation of historical aerial photos 124
A.1.4 Interpreting vertical deformations from correlation of aerial
photos and satellite images . . . . . . . . . . . . . . . . . . . 126
B Appendix Chapter 4 131
B.1 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
B.1.1 Background . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
B.1.2 Data set . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
B.1.3 Digital Elevation Model extraction . . . . . . . . . . . . . . 132
B.1.4 Dune height extraction . . . . . . . . . . . . . . . . . . . . . 133
B.1.5 Image processing . . . . . . . . . . . . . . . . . . . . . . . . 133
B.1.6 Elevation error ambiguity . . . . . . . . . . . . . . . . . . . 134
B.1.7 Error due to topographic changes between S1 and S2 . . . . 135
B.1.8 Estimate of the mean ripple height . . . . . . . . . . . . . . 136
B.1.9 Relation between dune celerity and sand flux in steady-state 137
B.1.10 Resolution of technique . . . . . . . . . . . . . . . . . . . . . 138
B.1.11 Calibration of the abrasion rate . . . . . . . . . . . . . . . . 139
C Appendix Chapter 5 146
Bibliography 158
Introduction
Introduction to remote sensing
What is remote sensing? Wikipedia (2014) quotes “Remote sensing is the acqui-
sition of information about an object or phenomenon without making physical
contact with the object. In modern usage, the term generally refers to the use
of aerial sensor technologies to detect and classify objects on Earth (both on the
surface, and in the atmosphere and oceans) by means of propagated signals (e.g.
electromagnetic radiation). It may be split into active remote sensing, when a
signal is first emitted from aircraft or satellites, or passive (e.g. sunlight) when
information is merely recorded”. A trivial example of remotely sensed imagery is
the Earth imagery that composes the background of Google Earth/Map and Bing
maps.
Remote sensing started soon after the beginning of the space age in 1957, when
the first man-made satellite, sputnik-1, was sent to orbit. Three years after, in
1960, the first remote sensing satellite, TIROS-1 a weather dedicated satellite,
took pictures of the Earth (Fig. 1). However, it is usually acknowledged that
remote sensing of the Earth started with the advent of the Landsat-1 launched in
1972. Every 16 days, Landsat-1 acquired images of the (almost) entire earth, at a
spatial resolution of 80m/pix, with 4 spectral bands (“colors”). The last satellite
of that Landsat program (USGS, 2014c), Landsat-8, was launched mid-2013, and
offer higher spatial (up to 15m/pix) and spectral (11 bands) resolution. From that
pioneering program, hundreds of Earth-observation satellites have been launched
targeting a wide range of specifications and purposes. More than 500 satellites are
currently “observing” the Earth.
The satellite instrument (the “camera”) differs depending on the application at
stake. Among the passive electo-optical sensors some instruments are designed for
1
Introduction 2
Figure 1: First image of weather satellite TIROS-1 in 1960. Credit NASA.
higher ground resolution (0.5m/pix Worldview satellite), while other are designed
for higher spectral resolution (220 bands Hyperion). Active sensors instruments
arealsowidelyused. Radarandlaserinstrumentsforinstancerecordsspecificphe-
nomena or properties that would be out of reach using passive instrument. Light
detection and ranging (LiDAR), a laser based instrument, is used in vegetation
monitoring as it permits the recording of both the vegetation height and ground
height below the canopy. Radar instrument can see through cloud and at night,
and are used for topography mapping, and atmospheric properties sounding.
What are these hundreds of satellites used for? The applications are countless:
Weather forecast, atmospheric pollution, ionospheric property; Ocean tempera-
ture, topography, salt concentration, tsunamis, ships surveillance; Monitoring of
the cryosphere, urban sprawl, deforestation, desertification, agriculture, coastal
erosion, volcanic activity; Mining, oil & gaz exploration; Disaster assessment and
management, population monitoring. All of these applications, by no means an
exhaustive list, adopted remotely sensed images as integral part of their activities.
Imagery alone is not enough though. Soon after the first acquisitions, it was
realized that the raw imagery does not provide the information looked for. It
is the information hidden behind the raw image, or series of images, that once
extracted is of direct interest to the application considered. Examples of questions
thatyouwanttheimagerytoanswer: Whatisthecarbonedioxideconcentrationof
the atmosphere? What is the topography of that area? How many new buildings