Corrélation entre bilan de masse géodésique et indicateurs topo-climatiques

Génération des MNEs et orthophotos

Le logiciel retenu pour l’étude fut Pix4D version 2.1.58, qui utilise la technique de photogrammétrie connue sous le nom de « structure acquise à partir d’un mouvement» (structure from motion: SFM). Cette technique permet, avec plusieurs images d’un même objet prises de différentes positions, de reproduire en trois dimensions ce dernier avec un nuage de points, en gardant les proportions de l’objet selon les paramètres de la caméra. La géolocalisation des photos par le ONSS à bord du drone, combinée aux points de contrôle géolocalisés en surface du glacier, permet de situer précisément l’objet dans l’espace. Avec les dernières avancées technologiques et l’utilisation des drones, la précision de la photogrammétrie par SFM est semblable à celle du Lidar (Fonstad et al., 2013 ; Hugenholtz et al., 2013; Nolan et al., 2015; Turner et al., 2012; Verhoeven, 2011; Verhoeven et al., 2013; Westoby et al., 2012). Le logiciel Pix4D permet de faire des mosaïques, de la modélisation 3D et de calculer des indices, comme des nuances de gris et le NDVI pour les végétaux. Les images proviennent de six vols effectués au-dessus de la zone d’ablation du glacier Saskatchewan.

Chaque vol a duré environ 35 minutes et a permis d’enregistrer une moyenne de 250 images par vol. Le système géographique de référence utilisé est le WOS 84 UTM zone lIN. Un premier nuage de points de faible densité est d’abord produit à partir de la connaissance des paramètres internes (taille et résolution du – capteur, distance et points focaux) et externes (position et rotation) de la caméra et de la correspondance entre les points de rattache entre les photos, établie par corrélation d’images par le logiciel. Puis, dans un deuxième temps, les cibles (OCP) sont localisées et identifiées dans un minimum de six images afin de calibrer la solution photogrammétrique et d’en améliorer la précision. Un deuxième nuage de points densifié est ensuite produit en utilisant les paramètres internes et externes optimisés durant l’étape 1 et un ensemble plus large de points de rattache entre les images. En dernier lieu, le nuage de point est agrégé pour former le MNE, qui est utilisé pour produire l’orthomosaïque ROB. Un rapport d’erreur est produit et reporte l’erreur de calibration sur les OCPs en trois dimensions (X, Y, Z). Un indice de nuance de gris a aussi été produit dans la mosaïque initiale.

Deux approches ont été utilisées pour valider l’incertitude du nuage de points produit par photogrammétrie et des MNE et orthomosaïques qui en sont dérivés. Un échantillonnage fractionné a d’abord été utilisé pour séparer les points de contrôle en deux groupes, l’un utilisé pour calibrer le nuage de points, l’autre pour valider l’erreur de reprojection. La liste des GCPs a été séparée en deux groupes, l’attribution des points dans ceux-ci s’est faite par alternance. La calibration du nuage de points a été produite avec le premier groupe puis validée avec le deuxième groupe de CGPs exclus de la calibration. L’erreur est calculée comme la différence entre la coordonnée mesurée au GNSS sur un GCP et sa position prédite (reprojetée) par la solution photogrammétrique. Les groupes de calibration et validation sont ensuite intervertis et le calcul d’erreurs répétées. Les statistiques d’erreurs sont ensuite calculées à partir des erreurs obtenues à chaque GCP. Pour l’évaluation des incertitudes par validation croisée, chaque GCP est successivement exclu lors de la calibration de la solution photogrammétrique et mis de côté comme point de vérification. La distance entre la position GNSS du GCP de vérification et sa position dans la mosaïque fournit l’erreur du point. Cette opération est répétée jusqu’à ce que chaque GCP ait été utilisé comme point de validation et les statistiques d’erreurs calculées, comme la moyenne, l’écart type, l’erreur moyenne quadratique (RMSE) et le l de Moran.

MNE de référence et changements topographiques

La première mouture du projet comprenait deux voyages sur le terrain. Durant le premier séjour, une petite partie dans la portion la plus haute de la zone d’ablation a pu être couverte, faute de temps. Lors du deuxième voyage, le mauvais temps a empêché le drone de décoller durant plusieurs jours. Ainsi, c’est une petite surface dans le centre de la zone d’ablation qui fut couverte lors des deux voyages. Avec le peu de variation et les incertitudes qui étaient trop grandes pour la variation obtenue, un plan B a été retenu, soit l’ utilisation d’un modèle numérique d’élévation effectué par Lidar, car c’était le modèle le plus précis disponible. II est antérieur de cinq ans et a la plus grande mosaïque obtenue par drone, aInSI, les changements devraient être plus importants que les incerti tudes. Un modèle numérique d’élévation issu d’un relevé Lidar effectué au-dessus du glacier Saskatchewan en août 2010 a été util isé comme surface topographique de référence pour le calcul du bilan de masse. Le MNE produit à partir du nuage de points a été réalisé par l’Applied Geomatics Research Group (ARCG), pour une commande de la Commission géologique du Canada (Hopkinson, 2011).

Le but de ce projet était d’obtenir un modèle de référence des glaciers exutoires et du champ de glace Columbia. Ces données ont été comparées avec celles des bases de données de la National Topographie Data Base (NTDB) de 1983 et de la BC TRIM Databases entre 1986 et 2001. L’incertitude sur le MNE de 2010 est de 1 men XY et de 1 men Z (Hopkinson, 2011). Pour valider le MNE, il a été comparé avec des MNE plus anciens du glacier Saskatchewan. Les changements dans le temps et le déplacement de la terminaison du glacier avec aujourd’hui suivent les mêmes tendances que ce qui , a été observé sur le glacier Peyto, un glacier situé à proximité, soit taux d’affaissement vertical au front de 6,7 m entre 1983 et 2010, selon les données du NTDB databases. Un relèvement du MNE LiDAR de 10 m a été effectué. Pour arriver à cette valeur, trois endroits en bordure du glacier jugés stables dans le temps et situés sur toute la longueur du glacier ont été comparés entre eux (voir les emplacements sur la figure 2.2). Une différence moyenne de 10 m entre le MNE LiDAR de 2010 et le MNE de 2015 (photogrammétrie) a été observée, et s’explique par un changement d’ ellipsoïde, soit du datum NAD83 CSRS pour la référence horizontale et le CGVD28 pour la référence verticale, vers l’ ellipsoïde WGS84. Ce modèle a été transformé pour avoir le même système de référence, soit WGS 1984 UTM zone lIN.

Indicateurs topo-climatiques

Afin d’évaluer la différence de hauteur de glace et comprendre ce qui influence cette dernière, plusieurs variables topo-climatiques ont été mesurées pour évaluer la corrélation entre ces variables et le bilan de masse glaciaire. Les variables topoclimatiques calculées sont le rayonnement solaire potentiel, le pseudo-albédo, le déplacement en surface, la rugosité de la glace et l’altitude. Ces variables sont détaillées dans les prochains paragraphes. Pour pouvoir comparer entre elles les différentes variables, leurs résolutions ont été harmonisées. La rugosité est la couche de base qui avait la plus grande résolution, elle a donc servi de référence pour les autres variables. Pour uniformiser la résolution des différentes variables, un modèle a été développé dans ArcGIS pour agréger les couches à une résolution commune et les co-géolocaliser (Figure 2.4). Plusieurs étapes ont été effectuées pour minimiser les effets des voisins et des interpolations. Le calcul de la moyenne a aussi été utilisé pour ces raisons. L’agrégation spatiale est obtenue par l’application d’une fenêtre mobile de la résolution voulue (Block Statistics), ayant ici 10 m de côté (Neigboorhood), dans laquelle la moyenne de la fenêtre (Statistics type) est calculée et attribuée aux cellules de la fenêtre. Un rééchantillonnage par plus proche voisin (Resample) est ensuite effectué à la résolution souhaitée, soit 10 m x 10 m. Le nombre de lignes et de colonnes de la matrice est maintenu en utilisant le même masque de forme rectangulaire sur toutes les couches (Clip). Un deuxième masque est ensuite utilisé pour garder seulement les valeurs de la surface glaciaire (extract by mask).

Le bilan de masse géodésique a été calculé en soustrayant le MNE de 2015 (drone) de celui de 2010 (LiDAR) dans le logiciel ArcGIS (Cogley et al., 2011). Un rapport de 0,9 m-I a été utilisé pour changer les unités de mètre en mètre d’équivalent en eau (mw.e.)(Cogley et al. , 20 Il, p. 35 et 66; Cuffey et Paterson, 2010, p. 12 et 95). La couche du bilan de masse a été transformée pour avoir une résolution de 10 m x 10 m avec l’aide de l’outil d’agrégation de la figure 2.4. Un bilan de masse résiduel a été produit afin de diminuer l’influence dominante de l’altitude sur le bilan de masse glaciaire. L’objectif derrière le bilan de masse résiduel est de tenter de reproduire une altitude constante sur toute la surface de la zone d’ablation. L’ altitude a une grande influence sur le bilan de masse, l’objectif de cette couche est de voir si d’ autres éléments influençant le bilan de masse sont cachés par l’effet de l’ altitude. Pour ce faire, une surface de tendance polynomiale de 3e ordre a été ajustée puis soustraite du bilan de masse géodésique. Les valeurs résiduelles représentent les variations spatiales de bilan de masse indépendantes de l’effet de l’altitude. La courbe de tendance a été produite à partir de la matrice du bilan de masse à une résolution de 10 m x 10 m. L’ altitude de chaque pixel du glacier a été extraite du modèle numérique d’élévation de 2015. La résolution du MNE a été modifiée de la même façon que les autres couches (Figure 2.4). L’albédo est une composante importante dans le bilan énergétique glaciaire, qui représente le ratio entre le rayonnement solaire réfléchi de la surface et le flux incident (Cogley et al., 2011). Une neige fraîche a un albédo d’environ 0,9, tandis qu’un glacier sale peut avoir un albédo de 0,10 (Brock et al., 2000). Avec la forte pente du glacier (16°) (Tennant et Menounos, 2013) qui entraîne un gradient de température (Lutgens et Tarbuck, 2013, p. 111), l’albédo ne sera pas constant sur toute la surface d’étude, la pureté de la glace ne sera pas constante sur toute la surface étudiée.