Αξιοποιώντας τις χρονοσειρές των εικόνων Sentinel-1 και Sentinel-2 για την ανίχνευση της φαινολογίας λιβαδιών σε ορεινές περιοχές
Από RemoteSensing Wiki
(Νέα σελίδα με ''''Αξιοποιώντας τις χρονοσειρές των εικόνων Sentinel-1 και Sentinel-2 για την ανίχνευση της φαινολογίας...')
Επόμενη επεξεργασία →
Αναθεώρηση της 18:43, 19 Ιανουαρίου 2022
Αξιοποιώντας τις χρονοσειρές των εικόνων Sentinel-1 και Sentinel-2 για την ανίχνευση της φαινολογίας λιβαδιών σε ορεινές περιοχές
Πρωτότυπος τίτλος: Exploiting Time Series of Sentinel-1 and Sentinel-2 Imagery to Detect Meadow Phenology in Mountain Regions
Συγγραφέας: Laura Stendardi, Stein Rune Karlsen, Georg Niedrist, Renato Gerdol, Marc Zebisch, Mattia Rossi, Claudia Notarnicola
Σύνδεσμος πρωτότυπου κειμένου: [https://www.mdpi.com/2072-4292/11/5/542/htm
Εισαγωγή
Βασική στρατηγική για τη διατήρηση της σταθερότητας των οικοσυστημάτων και των περιφερειακών οικονομιών αποτελεί η γεωργική διαχείριση των ευρωπαϊκών ορεινών περιοχών. Φαινολογία ορίζεται ως «η μελέτη του χρόνου των επαναλαμβανόμενων βιολογικών γεγονότων, οι αιτίες του χρόνου τους όσον αφορά τις βιοτικές και αβιοτικές δυνάμεις και η συσχέτιση μεταξύ των φάσεων του ίδιου ή διαφορετικού είδους». Η φαινολογία της βλάστησης είναι ένας σχετικός δείκτης της παραγωγικότητας και της υγείας των καλλιεργειών
Περιοχή μελέτης
Η περιοχή μελέτης είναι η περιοχή του Νότιου Τιρόλου που βρίσκεται στη βόρεια Ιταλία. Το σχήμα 1 δείχνει τους τύπους κάλυψης γης, το υψόμετρο της περιοχής και τους σταθμούς που χρησιμοποιούνται στη μελέτη μας ως σημείο αναφοράς εδάφους. Κάθε όνομα του σταθμού περιλαμβάνει πληροφορίες σχετικά με τη θέση, τον τύπο κάλυψης βλάστησης και την κλίση της περιοχής. Επιπλέον, τα ονόματα περιλαμβάνουν το υψόμετρο των σταθμών.
Μεθοδολογία
Η συνολική προτεινόμενη μεθοδολογία παρουσιάζεται στο σχήμα 2.Ο κεντρικός στόχος της διαδικασίας είναι να αντλήσει από τις χρονοσειρές των εικόνων S-1 και S-2 τα κύρια φαινολογικά χαρακτηριστικά. Η όλη διαδικασία χωρίζεται σε τέσσερα κύρια βήματα. Αρχικά γίνεται η προεπεξεργασία των εικόνων S-1 και S-2, ως προς την ίδια περιοχή ενδιαφέροντος. Στη συνέχεια, οι χρονοσειρές S-1 και S-2 εξάγονται πάνω από τις επιλεγμένες περιοχές όπου υπάρχουν επίσης διαθέσιμα δεδομένα εδάφους. Όλες οι μη φυτικές περιοχές αποκρύφθηκαν χρησιμοποιώντας τις πληροφορίες κάλυψης γης CORINE 2012 (CLC 2012). Στη συνέχεια, το backscatter από το S-1 και το NDVI από τους αισθητήρες S-2 και εδάφους μοντελοποιούνται για να εξάγουν τα κύρια χαρακτηριστικά του φαινοκύκνου, όπως η έναρξη της σεζόν και το συμβάν κοπής. Τέλος, παράγονται χάρτες και πραγματοποιείται η επικύρωση. Για να υπολογίσουμε το NDVI, χρησιμοποιήσαμε τον τύπο :NDVI=NIR−Κόκκινο/NIR+Κόκκινο
Αποτελέσματα
Στατιστική και ηλεκτρομαγνητική μοντελοποίηση
Τόσο τα σήματα πόλωσης VH όσο και VV δείχνουν ισχυρή συσχέτιση στη ζώνη C για όλους τους διαφορετικούς τύπους χρήσης γης, ως αποτέλεσμα της υψηλής ευαισθησίας στη βιομάζα βλάστησης σε σχέση με το SWC. Oi υψηλότερες τιμές σ0 και στις δύο πολώσεις συσχετίστηκαν με την περίοδο κατά την οποία η πράσινη βιομάζα καλλιέργειας φθάνει γενικά στο μέγιστο. Οι αμπελώνες, οπωρώνες και φυλλοβόλα δάση παρουσιάζουν υψηλότερο επίπεδο σήματος, που κυμαίνεται από −11,5 dB έως −7,5 dB και από −18,5 dB έως −13,5 dB για την πόλωση VV και VH, αντίστοιχα. Τα δάση κωνοφόρων δείχνουν χαμηλότερη υπογραφή και στις δύο πολώσεις. Τα δημητριακά παρουσιάζουν παρόμοια τάση στα κανάλια VV και VH, ενώ τα λιβάδια και τα βοσκοτόπια παρουσιάζουν εποχιακές αλλαγές στο δυναμικό εύρος, ανάλογα με την πόλωση. Στο κανάλι VV, τα βοσκοτόπια παρουσιάζουν υψηλό δυναμικό εύρος, από −14 dB έως −6,5 dB, με αιχμή τον Νοέμβριο και χαμηλότερες τιμές κατά τη διάρκεια του καλοκαιριού λόγω της έλλειψης νερού Η σχέση μεταξύ του Sentinel-2 NDVI και των συντελεστών οπισθοχώρησης συγκρίθηκε για τέσσερις περιοχές λιβαδιών με το NDVI να μετράται στο έδαφος (αισθητήρας SRS). Ο ισχυρότερος συσχετισμός μεταξύ S-1 και S-2 σε ημιφυσικά ενδιαιτήματα βρέθηκε στο κανάλι VH (R2=0.52). Με βάση το αποτέλεσμα της ανάλυσης μας, σ0 oι χρονοσειρές VH ακολουθούν την τάση του NDVI κατά τη διάρκεια όλων των εποχών στις επιλεγμένες περιοχές, υποδεικνύοντας έτσι τη δυνατότητα εκχύλισης φαινολογικών φάσεων. Για να ολοκληρώσουμε την ανάλυση, ερευνήσαμε την επίδραση του εδάφους και της βλάστησης σε αυτό το σήμα για τα λιβάδια, μέσω προσομοιώσεων με το WCM.
Εκχύλιση φαινολογικών φάσεων
Χαρτογραφήσαμε το SOS(start of season-΄εναρξη της σεζόν) με τις χρονοσειρές S-1 και S-2, χρησιμοποιώντας ένα γραμμικό φίλτρο. Ο πρώτος χάρτης λαμβάνεται από το S-1 σVH χρονομετρήσεις με κατώτατο όριο 0,9 (Σχήμα 4α) και η δεύτερη από τη χρονική σειρά S-2 NDVI με όριο NDVI 0,7(Σχήμα 4β). Κάθε τάξη αντιστοιχεί σε διαφορετικό χρονικό διάστημα SOS για συνολικά 10, από DOY 61 έως DOY 210. Όλες οι μη φυτικές περιοχές καλύπτονται χρησιμοποιώντας πληροφορίες κάλυψης γης CORINE 2012. Πάνω από ένα ορισμένο υψόμετρο όμως, όπως αναφέρεται στη στατιστική ανάλυση, η σVH χάνει την ευαισθησία στη βλάστηση και έδωσε παράλογα αποτελέσματα. Για το λόγο αυτό, ο χάρτης SAR (Σχήμα 4π.χ.) είναι καλυμμένος πάνω από υψόμετρο 2100 m. Μια λεπτομέρεια του χάρτη παρουσιάζεται στο σχήμα 4c,d, όπου βρίσκεται o σταθμός domef 1500.
Συγκομιδή
Το σχήμα 5α,β απεικονίζει το χρόνο συγκομιδής μεταξύ doy 180 και DOY 221 των λιβαδιών περιοχών κοντά στο σταθμό vimes 1500. Ο πρώτος χάρτης (α) λαμβάνεται από τη σειρά χρονομέτρησης Sentinel-1 VH, ενώ ο δεύτερος χάρτης (β) παράγεται από το Sentinel-2 NDVI. Ο χάρτης SAR δείχνει ένα χρόνο συγκομιδής μεταξύ DOY 201 και 220 για τις περισσότερες από τις περιοχές λιβαδιών (πράσινο και κίτρινο χρώμα). Αντίθετα, ο οπτικός χάρτης παρουσιάζει μια προηγούμενη συγκομιδή μεταξύ doy 180 και 200 (ροζ και βιολετί χρώμα). Εκτός από την περιοχή όπου το κούρεμα υπερβαίνει το DOY 220, οι δύο χάρτες δίνουν ένα αποτέλεσμα που δεν αντιστοιχεί, με μετατόπιση του χρόνου του αποτελέσματος sar. Το SAR και οι οπτικές χρονο σειρές δίνουν ένα αντίστοιχο αποτέλεσμα από το DOY 221, όπως μπορούμε να δούμε με πορτοκαλί χρώμα στους χάρτες.
Συμπεράσματα
Η εργασία περιγράφει την C-band Sentinel-1 και την εφαρμογή Sentinel-2 NDVI για την παρακολούθηση των ορεινών λιβαδιών. Ο κύριος στόχος ήταν να ελεγχθεί η σκοπιμότητα της ανάκτησης φαινοκυκλικών φάσεων από χρονοσειρές SAR και να συγκριθεί τα αποτελέσματα με τους οπτικούς αισθητήρες, υπό την προοπτική της ενσωμάτωσης των δεδομένων. Από την αναλυσή μας: • Η στατιστική ανάλυση των σ0 η χρονική σειρά έδειξε ότι το σήμα SAR μπορεί να ανιχνεύσει φαινολογικούς κύκλους σε διαφορετικούς τύπους κάλυψης βλάστησης. • Ο σημαντικός συσχετισμός, με αμελητέα μεταβολή των σVH και το NDVI από οπτικούς αισθητήρες, επέτρεψε την εξαγωγή των φάσεων έναρξης, μέγιστης και EOS, επιπλέον της περιόδου κοπής. • Τα δεδομένα SAR μπορούν να χρησιμοποιηθούν για την ανίχνευση των φαινολογικών φάσεων σε περιοχές λιβαδιών, με ακρίβεια συμβατή με την χρονική ανάλυση του S-1 έως 1500 m a.s.l. Αυτό το αποτέλεσμα φαίνεται ελπιδοφόρο στη διαδικασία ενσωμάτωσης δεδομένων SAR-Optical για την ανίχνευση φαινολογίας. Ωστόσο, πρέπει να επιβεβαιωθεί για διαφορετικά υψόμετρα και τύπους βλάστησης. Η μη διαθεσιμότητα των δεδομένων κατά τη διάρκεια της περιόδου κοπής οδήγησε σε σφάλματα στον ορισμό του πρώτου χρόνου συγκομιδής. Για το λόγο αυτό, οι μελλοντικές μελέτες θα πρέπει να λαμβάνουν υπόψη πληροφορίες από δορυφόρους Sentinel-1B και Sentinel-2B για την αύξηση της συνέπειας των δεδομένων.