Image Processing as Input for Air Pollution
Abstract
Air pollution models require a huge amount of various input data to achieve realistic pollution measurements and forecast. These inputs are nowadays estimated from sparse ground measurements. Remote sensing measurements are yet under-exploited, though they have a great potential. This paper reviews some image processing techniques that can be applied to estimate significant parameters such as wind direction and velocity, ground topography and land use estimation, and also to estimate their temporal evolution.
Un modèle réaliste de pollution atmosphérique nécessite en entrée un quantité considérable de données de types variés. A l'heure actuelle, les données sont collectées essentiellement par des mesures au sol, et malgré leur fort potentiel, les mesures de télédétection sont sous-exploitées. Cet article passe en revue diverses méthodes de traitement d'images, qui permettent l'exploitation des données satellitaires pour calculer des paramètres pertinents comme le vent, la topographie, l'occupation du sol, et l'évolution temporelles de ces paramètres.