Κατανόηση της χρονικής συμπεριφοράς των καλλιεργειών με τη χρήση δεδομένων Sentinel-1 και Sentinel-2 για γεωργικές εφαρμογές

Από RemoteSensing Wiki

Αναθεώρηση της 18:54, 27 Φεβρουαρίου 2018

Αρχικό άρθρο: Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [1] (Amanda Veloso, Stéphane Mermoz, Alexandre Bouvet, Thuy Le Toan, Milena Planells, Jean-François Dejoux, Eric Ceschia) Keywords: Crops, Remote sensing, Multi-temporal Sentinel-1 data, Optical data

Οι πληροφορίες παρακολούθησης των καλλιεργειών είναι απαραίτητες για την ασφάλεια των τροφίμων και για να βελτιωθεί η κατανόηση του ρόλου της γεωργίας στην κλιματική αλλαγή, μεταξύ άλλων. Η τηλεπισκόπηση οπτικών δεδομένων και δεδομένων ραντάρ μπορεί να βοηθήσει στη χαρτογράφηση των τύπων καλλιεργειών και στην εκτίμηση των βιοφυσικών παραμέτρων, ιδίως με τη διαθεσιμότητα ενός πρωτοφανή ποσού ελεύθερων δεδομένων Sentinel. Αυτά τα σύνολα δεδομένων, των οποίων η συνέχεια εξασφαλίζεται μέχρι και για δεκαετίες, προσφέρουν μια μοναδική ευκαιρία για την παρακολούθηση των καλλιεργειών συστηματικά κάθε 5 έως 12 ημέρες. Πριν από την ανάπτυξη μεθόδων επιχειρησιακής παρακολούθησης, είναι σημαντικό να κατανοήσουμε τις χρονικές παραλλαγές του σήματος τηλεπισκόπησης διαφορετικών τύπων καλλιεργειών σε μια δεδομένη περιοχή. Σε αυτή τη μελέτη, αναλύουμε τη χρονική τροχιά των δεδομένων τηλεπισκόπησης για μια ποικιλία καλλιεργειών που χρησιμοποιούνται ευρέως. Η περιοχή δοκιμής βρίσκεται στη νοτιοδυτική Γαλλία, όπου έχουν αποκτηθεί δεδομένα Sentinel-1. Επειδή τα δεδομένα Sentinel-2 δεν είναι διαθέσιμα για τη μελέτη αυτή, χρησιμοποιούνται οπτικοί δορυφόροι παρόμοιοι με το Sentinel-2, κυρίως με σκοπό την εξαγωγή NDVI, για τη σύγκριση μεταξύ χρονικών συμπεριφορών με δεδομένα ραντάρ. Τα χρονικά προφίλ ανάκλασης Ραντάρ Συνθετικού Ανοίγματος (SAR) και NDVI των πεδίων ερμηνεύονται φυσικά. Τα βασικά ευρήματα αυτής της ανάλυσης, που οδηγούν σε πιθανές εφαρμογές δεδομένων Sentinel-1, με ή χωρίς τη σύνδεση του Sentinel-2, περιγράφονται στη συνέχεια. Η μελέτη αυτή επισημαίνει το ενδιαφέρον των δεδομένων SAR και ιδιαίτερα του λόγου VH/VV.

Τα δεδομένα τηλεπισκόπησης μπορούν να βοηθήσουν στην παρακολούθηση της ανάπτυξης των καλλιεργειών παρέχοντας πληροφορίες σχετικά με τη φαινολογική κατάσταση και την ανάπτυξη της βλάστησης. Αποτελούν ένα πολύτιμο εργαλείο για την αντιμετώπιση αυτών των ζητημάτων, ειδικά όταν συνδυάζονται με αγρο-υδρολογικά μοντέλα για μελέτες που σχετίζονται με την απόδοση των καλλιεργειών και τον προϋπολογισμό για το νερό. Τα οπτικά δεδομένα χρησιμοποιούνται για να διερευνήσουν τους δεσμούς μεταξύ των φωτοσυνθετικών και των οπτικών ιδιοτήτων των φύλλων των φυτών, συνήθως μέσω του δείκτη βλάστησης κανονικοποιημένης διαφοράς (NDVI). Οι οπτικές δορυφορικές εικόνες παρείχαν μια σειρά δεδομένων καλλιεργειών, π.χ. χάρτες τύπου καλλιέργειας και εκτιμήσεις έκτασης καλλιεργειών και διαφορετικών βιοφυσικών παραμέτρων. Αυτές οι εφαρμογές έχουν αναπτυχθεί ευρέως με βάση δεδομένα από διάφορους δορυφόρους, οι οπτικοί αισθητήρες των οποίων επηρεάζονται από την παρουσία σύννεφων. Όσον αφορά τα δεδομένα SAR, έχουν διεξαχθεί μελέτες σε διάφορες συχνότητες και γωνίες πρόσπτωσης για την ερμηνεία των χρονικών τροχιών και έχουν παραχθεί χάρτες τύπου καλλιέργειας. Ωστόσο, σε σύγκριση με τα οπτικά δεδομένα, η χρήση δεδομένων SAR σε γεωργικές εφαρμογές δεν έχει αναπτυχθεί καλά, λόγω της πολυπλοκότητας, της ποικιλομορφίας και της διαθεσιμότητας των δεδομένων SAR, αλλά και της δυσκολίας της ερμηνείας αυτών. Μια νέα εποχή ξεκίνησε με την έναρξη της λειτουργίας του πρώτου δορυφόρου Sentinel, παρέχοντας ένα μεγάλο, άνευ προηγουμένου, ποσό ελεύθερων δεδομένων. Ο δορυφόρος Sentinel-1A, ο πρώτος δορυφόρος SAR που ξεκίνησε τον Απρίλιο του 2014, έχει αρχίσει να παρέχει χρονικές σειρές εικόνων SAR (ζώνη C) σε χρονικό διάστημα 12 ημερών. Με το Sentinel-1B, που ξεκίνησε τον Απρίλιο του 2016, η παροχή δεδομένων αναμένεται κάθε 6 ημέρες. Ο Sentinel-2A, ο οπτικός δορυφόρος που ξεκίνησε τον Ιούνιο του 2015, παρέχει δεδομένα σε χρονικό διάστημα 10 ημερών. Οι πυκνές χρονοσειρές Sentinel προσφέρουν μια μοναδική ευκαιρία συστηματικής παρακολούθησης των καλλιεργειών σε εβδομαδιαία βάση.

Το πειραματικό σύνολο δεδομένων της παρούσας εργασίας περιέχει 28 αρχεία Sentinel-1. Λόγω του ότι τα δεδομένα Sentinel-2 δεν ήταν ακόμη διαθέσιμα, χρησιμοποιούμε ένα σύνολο 71 αρχείων από διαφορετικούς οπτικούς δορυφόρους τύπου Sentinel-2. Η εργασία αναλύει τη χρονική συμπεριφορά των συντελεστών επαναφοράς του SAR και του NDVI των κυριότερων τύπων καλλιεργειών στον εύκρατο κόσμο σε πεδία με ποικίλες πρακτικές διαχείρισης (π.χ. στην καλλιέργεια και τη σπορά) και περιβαλλοντικές συνθήκες (βροχόπτωση, θερμοκρασία). Η μελέτη περιλαμβάνει δύο πειραματικές τοποθεσίες κοινών πειραμάτων για την αξιολόγηση και την παρακολούθηση καλλιεργειών (JECAM) που ανήκουν στο περιφερειακό σύστημα παρατήρησης στη νοτιοδυτική Γαλλία (βλέπε εικόνα).

Η ανάλυση και ερμηνεία των δεδομένων χρονοσειρών Sentinel-1 και τύπου Sentinel-2 ενισχύει επίσης την εκτίμηση της παραγωγής καλλιεργήσιμων εκτάσεων και της υγρασίας εδάφους χρησιμοποιώντας αγρο-μετεωρολογικά μοντέλα. Επιπλέον, η ευαισθησία των δεδομένων SAR στην υγρασία του εδάφους είναι χρήσιμη για την ανίχνευση αρδευόμενων καλλιεργειών, επομένως και για τη μοντελοποίηση καλλιεργειών παρέχοντας πληροφορίες για τις πρακτικές άρδευσης, αλλά και για μια καλύτερη στρατηγική διαχείρισης των υδάτων.

Τα αποτελέσματά μας έδειξαν ότι, για τις καλλιέργειες κριθαριού και αραβοσίτου, τα δεδομένα Sentinel συσχετίζονται με το GAI και τη φρέσκια βιομάζα. Παρά την έλλειψη δεδομένων επιτόπιας μέτρησης GAI και βιομάζας για την κράμβη και τη σόγια, τα δεδομένα SAR είναι πιθανόν να είναι αξιόπιστα για την εκτίμηση της βιομάζας ή του GAI, δεδομένης της καλής συμφωνίας μεταξύ VH/VV και NDVI. Η εκτίμηση της χρονοσειράς GAI είναι χρήσιμη για την ώθηση μοντέλων καλλιέργειας. Τα δεδομένα SAR θα μπορούσαν να χρησιμοποιηθούν για την άμεση εκτίμηση της βιομάζας καλλιέργειας. Εκτός αυτού, κατά τη διάρκεια περιόδων ισχυρής ανάπτυξης της κάλυψης, η ευαισθησία του NDVI στο GAI και τη βιομάζα είναι πιθανότερο να κορεστεί. Συνεπώς, τα δεδομένα SAR αποτελούν μια λύση για την περιγραφή της ανάπτυξης των καλλιεργειών υπό αυτές τις συνθήκες. Τέλος, η κοινή χρήση του SAR και των οπτικών δεδομένων μπορεί να επιτρέψει την ανάπτυξη χαρτών αλλαγής του εδάφους που είναι χρήσιμοι στο πλαίσιο της συμβατικής γεωργίας.

Ο σίτος και η κράμβη διακρίνονται καλύτερα με τη χρήση ανακλάσεων VH και VV μεταξύ Μαρτίου και Ιουλίου και NDVI μεταξύ Νοεμβρίου και Δεκεμβρίου. Όσον αφορά τις καλοκαιρινές καλλιέργειες, συνιστούμε τη χρήση των VH/VV και VV για τον διαχωρισμό του καλαμποκιού, της σόγιας και του ηλίανθου κατά τη διάρκεια της φάσης της ανθοφορίας. Για το κριθάρι και τον αραβόσιτο τόσο ο NDVI όσο και τα VH/VV προφίλ είναι σε καλή συμφωνία με τις επιτόπιες μετρήσεις GAI και φρέσκιας βιομάζας. Έτσι, ο λόγος VH/VV θα μπορούσε να χρησιμοποιηθεί για την ανάκτηση βιοφυσικών παραμέτρων. Ο VH/VV είναι επίσης σε θέση να ανιχνεύσει την αυθόρμητη αναγέννηση μετά τη συγκομιδή.

Σε γενικές γραμμές, τα SAR και τα οπτικά δεδομένα αναπαράγουν με ακρίβεια τους κύκλους ανάπτυξης των καλλιεργειών και μπορούν να συνδυαστούν για να έχουν πλήρεις χρονοσειρές χωρίς κενά, που χρησιμοποιούνται ως εισαγόμενα δεδομένα για γεωργο-μετεωρολογικά μοντέλα. Τα δεδομένα ραντάρ θα μπορούσαν επίσης να χρησιμοποιηθούν για να γεμίσουν τυχόν κενά στη σειρά οπτικών δεδομένων, συγκεκριμένα κατά τη διάρκεια συννεφιασμένων περιόδων. Η άνευ προηγουμένου ποσότητα δωρεάν δεδομένων Sentinel, εγγυημένη έως και το 2030 με την επόμενη γενιά Sentinel, προσφέρει μια μοναδική ευκαιρία για την παρακολούθηση των καλλιεργειών σε σχεδόν πραγματικό χρόνο.