Guide d'Utilisation d'ILLUMINA

Cette page décrit l'utilisation du logiciel de simulation de la luminance artificielle du ciel nocturne ILLUMINA.

Jean-Denis Giguère, (c) 2008-2012

Ce document est disponible sous la license Creative Commons Paternité 2.5. Pour plus de renseignement, consultez le http://creativecommons.org/licenses/by/2.5/ca/deed.fr_CA

1.  Description sommaire

ILLUMINA est un logiciel de simulation de la luminance artificielle du ciel nocturne par transfert radiatif. La description détaillée du logiciel est disponible au http://www.collegesherbrooke.qc.ca/~aubema/index.php?n=Prof.IllumEn

2.  Obtenir ILLUMINA

ILLUMINA est disponible dans un dépôt subversion hébergé sur Google code: http://code.google.com/p/illumina/source/checkout

2.1  Compilation et installation

Prière de se référer au fichier README contenu dans le répertoire d'installation d'ILLUMINA. Il contient les informations relatives à l'installation et aux dépendances logicielles.

3.  Configuration

ILLUMINA nécessite un ensemble de fichiers d'intrants et de configuration pour fonctionner correctement. Parmi ces fichier, on retrouve tout d'abord le fichier illumina.in. Ce fichier est le principal fichier de configuration. Une attention très spéciale doit être accordée à la syntaxe de ce fichier. C'est ce fichier qui contient l'information relative aux autres intrants utilisés.

Les fichiers d'intrant doivent respecter une nommenclature particulière. Le nom du fichier doit débuter par un préfixe spécifié dans le fichier de configuration illumina.in. La suite du nom dépend du contenu du fichier. Voici la liste des suffixes des fichier décrivant l'environnement:

  • _topogra.pgm : Fichier d'altitude
  • _reflect.pgm : Réflectance du sol

À ces fichiers, on ajoute 3 fichiers spéficiques aux sources d'éclairages. Ces trois fichiers doivent être présents pour chacun des types de source d'éclairage. Dans, les suffixes, il faut remplacer le NN par un nombre à deux chiffres indiquant le numéro de la source (e.g. source 1 NN=01).

  • _altlp_NN.pgm : Hauteur des sources
  • _fctem_NN.dat : Fonction angulaire d'émission
  • _lumlp_NN.pgm : Luminosité de la case

3.1  illumina.in

Le fichier illumina.in contient exactement 21 lignes. Il est important de respecter les lignes vides. Voici un exemple:

! Input file for ILLUMINA
test5 ! ROOT FILE NAME (every usefull files have to begin with this)
!
200 200 ! X CELL SIZE [m] ; Y CELL SIZE [m]
!
urbain_550.mie.out_exemple ! AEROSOL OPTICAL CROSS SECTIONS FILE [-]
!
20000 100 ! DOUBLE SCATTERING RADIUS [m] ; SCATTERING STEP [-]
! (1=complete, 2= 2 times faster, ...)
550 ! WAVELENGTH [nm]
101.3 ! GROUND LEVEL PRESSURE [kPa]
0.07 ! AEROSOL OPTICAL DEPTH [-]
1 ! NUMBER OF SOURCE TYPES [-]
!
49 7 ! MAXIMUM REFLECTION RADIUS [m] ; MEAN OBSTACLE HEIGHT [m]
!
101 101 1 40 ! OBSERVER X POSITION [cell unit] ; OBS Y POS [-] ; OBS Z POS [-] ; BEGINNING CELL ALONG THE LINE OF SIGHT (1=complete)
! (usefull in case of computer crash) (x=1 et y=1 is the south-west cell)
90 0 ! ELEVATION VIEWING ANGLE [deg] ; AZIMUTAL VIEWING ANGLE [deg]
! (0=east, 90=north, 180=west, 270=south)
.0001 .00001 .35 .07 ! SLIT WIDTH [m] ; PIXEL SIZE [m] ; FOCAL LENGTH [m] ; APPERTURE DIAMETER [m]

Description des lignes:

  1. Vide.
  2. Préfixe utilisé dans la nomenclature des noms de fichiers d'intrants.
  3. Vide.
  4. La largeur (x) et la longueur (y) d'une cellule.
  5. Vide.
  6. Nom du fichier décrivant la fonction de phase des aérosols
  7. Vide.
  8. Rayon de double diffusion et le nombre de sauts(?) de diffusion.
  9. Vide.
  10. Longueur d'onde de la simulation.
  11. Pression atmosphérique au sol.
  12. Épaisseur optique des aérosols.
  13. Nombre de type de source utilisé.
  14. Vide.
  15. Rayon de réflexion maximal (libre parcours maximal moyen de la lumière vers le sol) et la hauteur moyenne des obstacles.
  16. Vide.
  17. Position en X, Y, Z de l'observateur (en cellules) ainsi que la valeur de départ pour le calcul le long de la ligne de visée. (17)
  18. Vide.
  19. Angle de visée : Zénital et Azimutal.
  20. Vide.
  21. Information sur le capteur: Largeur de la fente, taille du pixel, distance focale, diamètre d'ouverture.

3.2  Création de fichiers illumina.in en batch

Le script bash makeBATCH permet de générer automatiquement des fichiers illumina.in à partir d'un ensemble de paramètres à faire varier.

4.  Domaine spatial

Illumina possède un domaine spatial tridimensionnel. Le plan horizontal est défini par une matrice dont la taille est décrite par deux facteurs : le nombre de cellule composant la matrice et la taille de chacune des cellules.

La taille de chacune des cellule est données dans le fichier illumina.in. Il faut donner une valeur en x et en y. Le programme écrase la valeur en y pour la mettre égale à la valeur en x (chercher dy=dx dans le code source).

Le nombre de cellules contenus dans la matrice est défini dans l'entête des fichiers d'intrants. Elle est donnée pour tout les fichiers mais toutes les valeurs sont écrasées sauf celle du dernier fichier donnant la hauteur des dispositifs d'éclairage basename_altlmp_N (il faut remplacé basename par le préfixe pour les fichiers de configuration donnés dans le fichier illumina.in et N par le nombre de type de source tel que spécifié dans illumina.in.

Le domaine est positionné dans l'espace par la coordonnée géographique du centre de sa cellule située au coin sud-ouest de son domaine. Cette position est inscrite dans chacun des fichiers d'intrants. Toutefois, la valeur est écrasée entre chaque lecture et seule celle inscrite dans le dernier fichier donnant la hauteur des dispositifs d'éclairage est utilisée.

Les dimensions maximales de la matrice sont de 1024 par 1024 cellules.

La dimension verticale est définie de façon statique. Elle contient 50 couches dont l'épaisseur croît de façon exponentielle. L'épaisseur de chacune des couches est donnée par la variable cell_thickness dans le fichier de code source illumina.f. L'altitude centrale des cellules est contenue dans la variable cell_height du même fichier.

5.  Préparation des données spatiales

Illumina requiert différents types de données spatiales. Le premier type contient des données spatiales décrivant une propriété continue du sol. Ces propriétés sont l'altitude, la réflectance du sol. Le second type contient des données spatiales d'inventaire décrivant les caractérisitques du parc d'éclairage. Dans les deux cas, il faut fournir les données sous la forme d'une matrice.

Généralement ces deux types de données ne sont pas disponibles dans les mêmes formats. Les données du premier type sont généralement disponibles dans des formats matriciels comme GeoTiff ou Hierarchical Data Format (hdf). Les données du second type sont plus souvent offerts sous forme de données vectorielles comme le Shapefile d'ESRI ou le Drawing Interchange Format (dxf).

Il est nécessaire de convertir ces données dans un format pgm spécifiquement conçu pour Illumina afin de réaliser les simulations. Cette section présente les principales étapes permettant de générer les pgms requis.

5.1  Évaluer le domaine spatial requis et en déduire les paramètres associés

Avant d'acquérir les données, il faut connaître les caractéristiques du domaine spatial de la simulation. On doit définir le territoire à couvrir et la résolution spatiale requise pour la modélisation.

La première étape consiste à définir conceptuellement la zone d'étude. Par exemple, on peut s'intéresser à une municipalité régionale de comté ou encore au territoire situé à l'intérieur d'un rayon. Il faut ensuite trouver les coordonnées de cette zone d'étude.

L'étape suivante consiste à choisir une projection cartograhique adéquate pour la zone d'étude. Le choix d'une projection cartographique permettra de caractériser une partie des erreurs géométriques intégrés à la simulations. Un choix éclairé de la projection peut éliminer des problèmes d'analyse. Il faut être particulièrement attentif au choix du système de projection lorsque la zone d'étude est très grande. On peut obtenir d'avantage d'information à ce sujet au http://atlas.nrcan.gc.ca/site/francais/learningresources/carto_corner/map_projections.html. Pour le Canada (sauf le grand nord) et les États-Unis, la projection transverse universelle de Mercator est un candidat simple à considérer lorsque la largeur du domaine est inférieur à 100km. Pour des domaines plus grands, la projection conique conforme de Lambert est un candidat intéressant. Généralement, on regroupera sous le terme "système de référence spatial" l'ensemble de l'information permettant de localiser exactement dans l'espace un lieu à partir d'une coordonnée. Le système de référence spatiale contient l'information sur la projection, mais également sur l'ellipsoïde et le datum de référence. Ces informations ne sont toutefois généralement pas critique dans les simulations d'Illumina. On utilisera tout de même l'expression système de référence spatial pour décrire l'ensemble des ces informations. Lorsque l'on possède des coordonnées sous la forme de latitude et de longitude, celles-ci sont dans un système de référence spatiale pour lequel la projection n'est pas définie.

On doit maintenant déterminer le rectangle englobant la région d'étude dans le système de référence spatial retenu. Ceci peut être fait automatiquement dans certaines situations. Le logiciel Proj4 permet d'effectuer la conversion entre différents systèmes de référence spatiale. Il existe également une librairie python pour effectuer ces conversions : pyproj

Calcul des paramètres liés au domaine spatial

Pour illumina, la zone d'étude (tridimensionnelle) est un prisme à base rectangulaire. La composante en altitude de ce prisme est prédéfinie et l'utilisateur doit modifier le code source du logiciel s'il veut la modifier. La base du prisme (bidimensionnelle ou planimétrique) est un rectangle composé de petits carrés (pixels). Pour effectuer la modélisation, il faut définir ce rectangle à l'aide des paramètres suivants:

  • La latitude du coin sud-ouest du domaine
  • La longitude du coin sud-ouest du domaine
  • La dimension du pixel (en mètre)
  • Le nombre de pixel de large requis pour couvrir le domaine.
  • Le nombre de pixel de profond (ou de haut selon la nomenclature de la norme pgm) requis pour couvrir le domaine.

La dimension du pixel doit être déterminée par les besoins de la simulation. Les autres paramètres peuvent être déduits à partir du rectangle englobant. Sur le plan physique, il est important de s'assurer que la rétrodiffusion puisse être modélisée. Ainsi, le domaine de modélisation doit inclure un cercle centré sur le point d'observation le plus éloigné et dont le rayon doit minimalement correspondre à la distance entre ce point éloigné et la partie opposée de la source principale.

Le script bbox2params permet d'obtenir ces paramètres en donnant le rectangle englobant, la définition du système de référence spatiale retenu et la taille du pixel.

Exemple

Pour une modélisation, on s'intéresse à la zone situé autour du poste de transformation de Micoua. La zone d'étude est contenu dans le rectangle englobant dont les limites sont à l'ouest 517266m, au sud 5511598m, à l'est 520578m et au nord 5515440m dans le système de référence spatial numéro 2960 de l'EPSG (European Petroleum Survey Group). Ce système de référence utilise la projection universelle transverse de Mercator, zone 19N, dans le système canadien de référence spatiale.

On utilise bbox2params (situé dans le répertoire illumina/utils/gdal2pgm) pour calculer les paramètres spatiaux:


./bbox2params.py -p50 -b517266,5511598,520578,5515440 --srs='+init=epsg:2960'
 

on obtient le résultat suivant:

South-west corner latitude (lat0): 49.75661
    South-west corner (lon0): -68.76029
    Pixel size (pixsiz): 50.000000
    Spatial domain width: 67
    Spatial domain height: 77

Il peut être utile d'obtenir les coordonnées géographique de chacun des coins du rectangle englobant. Il suffit d'ajouter le paramètre -l à la command bbox2params pour cela.

En exécutant

./bbox2params.py -p50 -b517266,5511598,520578,5515440 --srs='+init=epsg:2960' -l

on obtient

South-west corner latitude (lat0): 49.75661
    South-west corner (lon0): -68.76029
    Pixel size (pixsiz): 50.000000
    Spatial domain width: 67
    Spatial domain height: 77

Bounding box corners coordinates: 
South-west corner: (-68.76029, 49.75661) 
South-east corner: (-68.71431, 49.75651) 
North-west corner: (-68.76012, 49.79117) 
North-east corner: (-68.71410, 49.79107) 

5.2  Obtenir les données d'altitude

Le produit d'altitude recommandé est celui de la "Shuttle Radar Topography Mission". Il s'agit d'un produit d'une résolution spatiale de trois secondes d'arc recouvrant la quasi-totalité des étendues continentales. On peut obtenir les métadonnées et les rapports scientifiques sur le site du projet : http://www2.jpl.nasa.gov/srtm/ . Les données sont disponibles via ftp au http://dds.cr.usgs.gov/srtm/version2_1/SRTM3/. Le nom des fichiers est basé sur la coordonnée (latitude, longitude) du coin inférieur gauche de la tuile.

Les données sont distribuées sous la forme de grille couvrant un degré par un degré. Il s'agit d'archive sous le format zip. Une fois désarchivée, les données sont dans le format HGT. Le logiciel gdal permet de lire ces données et de les convertir vers un autre autre format spatial. On convertit les données vers le format Geotiff. On en profite pour rééchantillonner les données. Si la zone d'étude chevauche plusieurs tuiles SRTM, on réalise une mosaïque.

Exemple

Le domaine spatial ayant été bien déterminé, nous sommes en mesures de télécharger les données d'élévation requises. Ici, une seule tuile suffira. On en téléchargera tout de même deux et on produira la mosaïque afin de décrire la procédure complète.

Le script srtm_download.py télécharge les données et les désarchive. Le script srtm_mosaic.py crée la mosaïque. Le script srtm_clip.py reprojette les données et créer un raster respectant les paramètres spatiaux obtenus précédemment. Ce script réalise une interpolation selon la méthode du plus proche voisin. On peut remplacer ce choix par une autre méthode comme la méthode bilinéaire ou encore le spline cubique.

5.3  Obtenir les données de réflectance

Pour la réflectance au sol, on utilise le produit "MODIS/Aqua Surface Reflectance 8-Day L3 Global 500m SIN Grid V005 (MYD09A1)". C'est un des produit de réflectance disponible à partir du capteur MODIS. On le préfère au produit de réflectance quotidien car celui-ci nous assure une plus grande fiabilité. En effet, le produit sur 8 jours donne pour chaque pixel la valeur la plus fiable de réflectance pour les mesures effectuées durant cette période en utilisant les variables suivantes:

  • Couverture d'une grande partie du pixel
  • Angle de visée faible
  • Absence de nuages ou d'ombres de nuage
  • Faiblesse de l'épaisseur optique des aérsols.

Un produit d'une résolution spatiale de 250 mètres est également disponible. Il ne l'est toutefois que pour les bandes 1 et 2 de MODIS.

On télécharge les données à partir du serveur ftp suivant: ftp://e4ftl01.cr.usgs.gov/MOLA/MYD09A1.005 .

MOLA indique qu'il s'agit d'un produit "MODIS Land". MYD09A1 est le nom abrégé du produit et 005 est la version du produit.

Les données sont ensuites classées par date d'acquisition. Un répertoire est disponible pour chacune des période d'acquisition. Le nom de répertoire donne la date du début de l'acquisition. Les données contenues seront donc acquises soit cette date ou lors des sept journées suivantes inclusivement. Pour le moment, la recherche du répertoire associé à la période d'étude doit être effectuée manuellement. Étant donné que la réflectance du sol varie avec le temps et que cette variation possède une importante contribution saisonnière, on choisira des données de réflectance qui corresponde à la période de l'année associée à la simulation. Dans le cas où la simulation vise un période d'étude où des mesures ont été effectuées, on pourra choisir les données associées à la période de mesure.

La dernière information à obtenir avant le téléchargement est le nom de la tuile associée à la zone d'étude. L'équipe "MODIS LAND" met à la disposition des internautes des outils pour effectuer la conversion entre une coordonnée géographique et une tuile. Les outils sont disponibles au http://landweb.nascom.nasa.gov/developers/index.html.

Les données téléchargées seront dans le format HDF (Hierarchical Data Format). On utilsera gdalwarp pour convertir ces données vers le format geotiff et extraire le jeu de données appropriées pour la simulation.

La définition des jeu de données contenus dans chaque fichier HDF est donné au https://lpdaac.usgs.gov/products/modis_products_table/surface_reflectance/8_day_l3_global_500m/myd09a1 On notera que chaque fichier HDF contient un ensemble de jeu de données appelés "Scientific Data Sets (SDS)". Rien n'oblige que l'ensemble des SDS soient des données de même nature. Il est de la responsabilité de l'utilisateur de vérifier que les données conviennent à l'usage prévu.

Pour le moment, on n'inclue pas dans l'analyse l'information sur la qualité et l'état de la bande. L'information sur la géométrie d'acquisition n'est pas utilisée.

Finalement, on utilise gdalwarp pour extraire la portion du jeu de données requise pour la simulation.

Exemple

On veut obtenir des données de réflectance pour la campage de mesure qui a eu lieu près de poste de transformation de Micoua du 11 au 15 juin 2007.

En vérifiant sur le serveur ftp, on trouve que le jeu de données débutant le 10 juin 2007 est celui dont la couverture temporelle est la plus adéquate pour la mission. On téléchargera un jeu de données située à l'adresse ftp://e4ftl01.cr.usgs.gov/MOLA/MYD09A1.005/2007.06.10

En utilisant le "MODLAND tile calculator", on trouve que la tuile à télécharger se situe dans la quatrième rangée (vertical) et dans la treizième colonne (horizontal). La troisième composante du nom du fichier doit donc être h13v04. On trouve le jeux de données correspondant:

ftp://e4ftl01.cr.usgs.gov/MOLA/MYD09A1.005/2007.06.10/MYD09A1.A2007161.h13v04.005.2007173144303.hdf

On utilise la command gdalinfo pour obtenir la liste des jeux de données contenus dans le fichier.

gdalinfo MYD09A1.A2007161.h13v04.005.2007173144303.hdf

Les 13 jeux de données sont énumérées.

La première simulation sera effectuée pour une longueur d'onde d'environ 560 nanomètres. On utilisera donc la bande 4 de modis qui couvre de 545 à 565 nanomètres.

Pour obtenir de l'information sur ce jeu de données, on utilise la commande suivante:

gdalinfo HDF4_EOS:EOS_GRID:"MYD09A1.A2007161.h13v04.005.2007173144303.hdf":MOD_Grid_500m_Surface_Reflectance:sur_refl_b01

Le nom du jeu de donnée est très long. Il a été obtenu dans l'appel précédent de gdalinfo en utilisant le champ SUBDATASET_4_NAME.

On profite de l'extraction de la réflectance pour la quatrième bande pour reprojeter le jeu de données.

gdalwarp -t_srs 'epsg:2960' HDF4_EOS:EOS_GRID:"MYD09A1.A2007161.h13v04.005.2007173144303.hdf":MOD_Grid_500m_Surface_Reflectance:sur_refl_b04 relf_unscaled_b4.tif

On extrait maintenant la section de l'image requise pour l'analyse. Ici, on utilisera la méthode du spline cubique pour le rééchantillonage. Le choix de la méthode peut avoir un impact très important.

gdalwarp -te 517266.0 5511598.0 520616.0 5515448.0 -tr 50 50 -r cubicspline relf_unscaled_b4.tif  relf_clipped_unscaled_b4.tif

Les données sont prêtes à être converties en pgm.

5.4  Transformer les données de réflectance et d'altitude vers le format pgm

Une fois les géotiffs correctement générés, on doit les transformer en pgm.

Pour effectuer la transformation, il faut lire les données à partir du géotiff. On optimise ensuite les données afin des les stocker dans un PGM pour lequel les données doivent être encodé dans un entier non signée (compris entre 0 et 65535). Pour le moment, la stratégie consiste à effectuer l'opération suivante sur les données: $\frac{val - min}{etendue/65535}$

où $val$ est la valeur de chacun des pixels, $min$ est la valeur minimale dans la matrice et $etendue$ est la différence entre la valeur maximale et minimale du jeu de données.

La valeur minimale servira d'ordonnée à l'orgine "offset" pour la reconstitution et le rapport de l'étendue sur 65535 servira de gain.

On écrit ensuite les données dans le fichier pgm.

Pour les données de réflectance, il faut appliquer un facteur de gain supplémentaire. Cette valeur est documenté dans les métadonnées des jeux de données MODIS. Le facteur de gain est de 0.0001. Après l'application du gain, on peut utiliser les valeurs comme des réflectances. Une valeur de 1 correspond à une réflectance de 100% tandis qu'une valeur de 0.05 correspond à une réflectance de 5%. On intègre le nouveau gain en multipliant le gain trouvé précédemment par cette valeur.

Exemple

Le script alt_gtiff2pgm.py suivant permet de convertir les données d'altitude dans le format pgm.

Les changements à apporter au script pour générer la matrice de réflectance sont triviaux. Ils sont dans le script refl_gtiff2pgm.py.

5.5  Obtenir les données d'inventaire sur les dispositifs d'éclairage

Illumina a besoin en intrant d'informations sur les dispositifs d'éclairage présents dans la zone d'étude. Les dispositifs d'éclairage doivent être regoupés par type d'éclairage. Dans un type d'éclairage données, tous les dispositifs ont la même fonction angulaire d'éclairement et la même hauteur d'installation par rapport au sol. Le nombre maximale de type d'éclairage pour une simulation est de 9.

Il n'existe pas de représentation standard pour un ensemble de dispositifs d'éclairage. Une modèle de données intéressant constitue toutefois à géoréférencer chacun des dispositifs d'éclairage et d'associer à chacun un identifiant unique. On peut ensuite créér une banque de données dont la forme changera selon les besoins pour entreposer les attributs de chacun des dispositifs. Pour une petite modélisation, un fichier tabulaire sera probablement suffisant tandis que pour un projet de plus grande envergure, un système de gestion de bases de données relationnelles sera plus adéquat.

En intrant du modèle, il faut fournir 2 fichiers pgm par type d'éclairage contenant la hauteur des dispositifs d'éclairage et la luminosité totale pour chaque pixel pour ce type. Il faut aussi fournir un fichier indiquant la réponse angulaire associé à ce type.

Exemple

Pour une simulation effectuée à proximité du poste de transformation de Micoua, on a généré un shapefile contenant la position de chacun 28 projecteurs présents dans le poste de transformation. On sait que tous les projecteurs sont situés à 15 mètres du sol (meilleure approximation disponible). Pour les besoin de cet exemple, on supposera que chaque dispositif à une luminosité de 100 unités. Pour évaluer la fonction angulaire d'éclairage, on utilisera un fichier IES (ESNA Photometric File) avec l'estimation que les dispositifs sont incilinés de 30 degrés.

TODO: Même si pour les besoins d'une simulation où l'on comparera des valeurs relatives, il n'est pas nécessaire de travailler avec des valeurs réelles, il serait important de spécifier les unités attendus pour la luminosité dans Illumina ainsi que des valeurs réalistes pour certaines grandes familles de dispositifs d'éclairage.

Le script pour effectuer cette conversion est lamp2pgms.py.

Afin de réduire la quantité de code à réécrire, on incluera le code alt_gtiff2pgm.py qui contient les fonctions requises pour écrire les pgm.

TODO: Il faut faire fonctionner ies2fctem pour décrire le processus de calcul de la fonction angulaire d'éclairage

6.  Autres préparatifs à la simulation

6.1  Préparation des données de section efficace des aérosols

TODO: Il faut l'accès à AODSEM pour compléter cette section

6.2  Calcul de la position de l'observateur

Dans le fichier de configuration illumina.in, il faut spécifier la position de l'observateur en donnant la cellule dans lequel celui-ci se retrouve. Pour la position planimétrique, la tâche consiste à trouver quelle cellule contient la coordonnée géographique associée à l'observateur. On peut trouver cette information en utilisant la coordonnée du coin sud-ouest du domaine et la taille du pixel.

Le calcul de la position altimétrique de l'observateur dépend de l'altitude minimale du domaine, de l'altitude à l'endroit où se trouve l'observateur, de la hauteur du capteur par rapport au sol et du tableau d'épaisseurs des cellules.

Exemple

Pour une simulation à proximité du poste Micoua, on veut trouver la position du capteur pour la mesure ayant été effectuée le 13 juin 2007 à 00:20:12. La position de cette mesure est (519673m,5514866m) dans le système de référence spatial UTM zone 19N. En utilisant un logiciel de visualisation (ici Quantum GIS), on trouve que l'altitude de la cellule est de 248m. L'altitude minimale dans le domaine est de 189m. On suppose que le capteur est situé environ 1 mètre au dessus du sol. Le script ll2utm.py permet de calculer la position du capteur.

Peux-tu inclure la procédure pour passer d'un relevé lat-lon de la position de l'observateur à la position dans le UTM zone 19N? Ça serait utile pour de simples physiciens tel que moi!

De façon générale, le script python suivant permet de calculer la zone UTM associée à une coordonnées géographique. Il faut toutefois savoir qu'il existe quelques anomalies à cette règle générale dans le nord de l'Europe.

6.3  Choix du rayon de double diffusion

Le rayon de double diffusion est une distance radiale centrée sur un voxel de première diffusion au-delà de laquelle nous pouvons évaluer que la contribution additionnelle de la seconde diffusion devient négligeable (moins de 1% par ex.). Une étude de sensibilité a montré que ce rayon doit minimalement inclure l'ensemble de la source principale.

6.4  Pression atmosphérique

La pression atmoshérique peut être obtenu à partir de données météorologiques. Ces données peuvent être obtenus au Canada sur le site des Archives nationales d'information et de données climatologiques au site http://www.climate.weatheroffice.ec.gc.ca/Welcome_f.html.

Exemple

Pour une simulation effectuée à proximité du poste de transformation de Micoua, on veut savoir ce qu'est la pression atmosphérique le 13 juin 2007 à 00:20. Sur le site des Archives nationales d'information et de données climatologiques, on trouve que la pression atmopshérique était de 100,96 kPa à Baie-Comeau à minuit. On peut utiliser cette valeur comme première estimation de la pression au sol.

6.5  Épaisseur optique des aérosols

TODO: Intro sur l'épaisseur optique des aérosols.

Il est difficile de recommander un seul produit d'épaisseur optique des aérosols. Idéalement, on utilisera des données acquises durant les campagnes de mesures de la luminance artificielle du ciel nocturne.

Une première alternative est le réseau de spectrophomètres AERONET (AErosol RObotic NETwork) dont le site web est situé au http://aeronet.gsfc.nasa.gov/. Si la simulation est située à proximité d'un ces spectrophotomètres, il s'agit d'une source de données très intéressante. Le nombre de site de mesure étant limité, il est fort probable qu'un autre produit soit nécessaire.

Modis Atmosphere offre également un produit d'épaisseur optique (http://modis-atmos.gsfc.nasa.gov/MOD04_L2/index.html). TODO: Détaillez les limites du produit

Le projet NOMAD (Networked On-line Mapping of Atmospheric Data) offre également un produit d'épaisseur optiques intégrant des données acquises par les instruments du réseau AERONET et l'imagerie Modis. TODO: Vérifier la disponibilité des données. Lors de la dernière tentative de connection, le serveur nomad.geo.usherbrooke.ca ne répondait pas.

7.  Outils connexes

7.1  Raster Calculator

Le raster calculator est le nom utilisé par Une grande compagnie de géomatique TM pour énoncer un outil permettant de générer une nouvelle couche matricielle en combinant d'autres couches par la biais d'opérations mathématiques.

Quantum Gis dispose d'un plugin pour effectuer ce genre d'opération. Il est toutefois généralement préférable de pouvoir effectuer ces opérations dans un script. refl_interp.py présente un exemple d'application.

GlossyBlue theme adapté par David Gilbert et Martin Aubé
Powered by PmWiki