RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Στάθης Αβραμιώτης

2018-02-27T19:45:48Z

Tsoublekios: Νέα σελίδα με '[[Χαρτογράφηση και εκτίμηση της αλλαγής της γης μεταξύ 2001 και 2013 σε ένα ετερογενές τοπίο στη Δ...'

[[Χαρτογράφηση και εκτίμηση της αλλαγής της γης μεταξύ 2001 και 2013 σε ένα ετερογενές τοπίο στη Δυτική Αφρική]]

[[Η συνεισφορά της CCI στη δημιουργία του Παγκόσμιου Συστήματος Παρακολούθησης του Κλίματος]]

[[Μακροπρόθεσμη δυναμική της πλημμυρικής λίμνης στο υγρότοπο του Παντανάλ: πρόκειται για το κλίμα;]]

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

[[Εκτίμηση της βιομάζας και της απόδοσης παραγωγής αραβοσίτου με δεδομένα τύπου Sentinel-2]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Χαρτογράφηση και εκτίμηση της αλλαγής της γης μεταξύ 2001 και 2013 σε ένα ετερογενές τοπίο στη Δυτική Αφρική

2018-02-27T19:42:23Z

Tsoublekios:

[[εικόνα:avram5.jpg|thumb|right|Τα αποτελέσματα ταξινόμησης με Τυχαία Δάση (a) και Διανυσματική Μηχανή Υποστήριξης (b)]]
'''Αρχικό άρθρο''': Mapping and estimating land change between 2001 and 2013 in a heterogeneous landscape in West Africa: Loss of forestlands and capacity building opportunities [https://www.sciencedirect.com/science/article/pii/S0303243417301459] (Hèou Maléki Badjana, Pontus Olofsson, Curtis E. Woodcock, Joerg Helmschrot, Kpérkouma Wala, Koffi Akpagana)

'''Keywords''': Land change, Stratified estimation, Open source, Heterogeneous landscape, Landsat, BEEODA, West Africa, Capacity building, REDD

Στη Δυτική Αφρική, η ταξινόμηση της κάλυψης της γης και της αλλαγής της γης παραμένει μια μεγάλη πρόκληση λόγω της αποσπασματικής και ετερογενούς φύσης του τοπίου. Στόχος της παρούσας μελέτης είναι η διερεύνηση λογισμικού ανοιχτού κώδικα και εύκολης υλοποίησης προσεγγίσεων για τη χαρτογράφηση και την εκτίμηση της αλλαγής της γης, οι οποίες μπορούν να μεταφερθούν σε τοπικά ιδρύματα για την ενίσχυση των δυνατοτήτων και να παράσχουν ενημερωμένες πληροφορίες σχετικά με την περιφερειακή δυναμική της επιφάνειας της γης. Οι περιοχές κάλυψης και μεταβολής της γης εκτιμήθηκαν με την εφαρμογή ενός αμερόληπτου εκτιμητή σε δείγματα δεδομένων σύμφωνα με τις διεθνείς κατευθυντήριες γραμμές. Τα ευρήματα περιλαμβάνουν μια σύσταση του αλγόριθμου Τυχαίων Δασών (RF) όπως εφαρμόζεται στην εργαλιοθήκη του Orfeo και ένα στρωματοποιημένο πρωτόκολλο εκτίμησης - όλα εκτελούνται στο περιβάλλον γραφικής χρήσης QGIS. Διαπιστώθηκε ότι, παρά την εκτιμώμενη αναδάσωση 10,727, η συνδυασμένη απώλεια δασών και σαβάνας ανερχόταν σε 56.271 εκτάρια (που αντιπροσωπεύει απώλεια 16% των δασικών εκτάσεων του 2001).

Η τηλεπισκόπηση έχει γίνει ένα σημαντικό εργαλείο για την παροχή πληροφοριών που περιγράφουν τη φύση και την έκταση των χερσαίων πόρων, για την παρακολούθηση της αλλαγής της γης με την πάροδο του χρόνου και για τη βαθμονόμηση μοντέλων πρόβλεψης μελλοντικής χρήσης γης. Αυτό ισχύει περισσότερο σήμερα καθώς η ποιότητα και η ποσότητα των δεδομένων τηλεπισκόπησης έχουν αυξηθεί δραματικά την τελευταία δεκαετία. Ένα από τα σημαντικότερα βήματα αυτής της εξέλιξης ήταν το άνοιγμα του αρχείου Landsat το 2008 αλλά και η εκκίνηση και η πολιτική ελεύθερων δεδομένων των Landsat-8 και Sentinel-2, καθώς και η εκκίνηση ενός πλήθους δορυφόρων πολύ υψηλής ανάλυσης.

Η Δυτική Αφρική είναι μια υπομελετημένη περιοχή και τα τοπικά ερευνητικά περιβάλλοντα δεν είναι σε θέση να χρησιμοποιούν πρόσφατα δεδομένα και μεθόδους. Ωστόσο, είναι μια σημαντική περιοχή βιοποικιλότητας και φυσικών πόρων που απειλούνται από την αλλαγή της γης. Τα συστήματα παρακολούθησης των δασών επιτρέπουν στις χώρες να εκτιμούν ένα ευρύ φάσμα δασικών πληροφοριών, συμπεριλαμβανομένης της παρακολούθησης και της υποβολής εκθέσεων σχετικά με τις δραστηριότητες του προγράμματος συνεργασίας των Ηνωμένων Εθνών για τη μείωση των εκπομπών από την αποδάσωση και την υποβάθμιση των δασών στις Αναπτυσσόμενες Χώρες (REDD+). Ωστόσο, η απογραφή χαρακτηριστικών των δασών και άλλων πεδίων που βασίζεται αποκλειστικά σε έρευνες εδάφους δεν είναι εφικτή σε πολλές χώρες της Δυτικής Αφρικής εξαιτίας της έλλειψης κατάλληλων πόρων και ικανοτήτων. Αυτό κάνει την τηλεπισκόπηση ένα ουσιαστικό εργαλείο για την παρακολούθηση της γης, αλλά η έλλειψη οικονομικών, ανθρώπινων και τεχνικών πόρων έχει περιορίσει τη χρήση της. Η πρόκληση της βελτίωσης της ακρίβειας των ταξινομήσεων οφείλεται όχι μόνο στη φύση του τοπίου, αλλά και στην επιλογή των δεδομένων, των προσεγγίσεων και τεχνικών προεπεξεργασίας εικόνας και ταξινόμησης. Οι πρόσφατες εξελίξεις, όπως η ανάλυση των χρονοσειρών, παρέχουν μια ελπιδοφόρα προσέγγιση για την παρακολούθηση αυτών των τοπίων, αλλά η υλοποίηση είναι δύσκολη ή και αδύνατη λόγω έλλειψης διαθέσιμων ιστορικών δεδομένων, υπολογιστικής ισχύος και τεχνικής ικανότητας. Επομένως, υπάρχει ανάγκη να βρεθούν εναλλακτικές μέθοδοι που να παρέχουν ακριβείς πληροφορίες χρησιμοποιώντας περιορισμένα δεδομένα και τεχνικές δυνατότητες. Μια εναλλακτική προσέγγιση για να ξεπεραστεί αυτό το πρόβλημα της ύπαρξης μεροληψίας είναι 1) η σύγκριση των παρατηρήσεων αντί των χαρτών κατά την ταξινόμηση της αλλαγής γης και 2) η χρήση του χάρτη μεταβολής για τη διαστρωμάτωση του τοπίου κατά την επιλογή ενός δείγματος παρατηρήσεων αναφοράς στις οποίες μπορεί να εφαρμοστεί ένας αμερόληπτος εκτιμητής - σύμφωνα με τις διεθνείς κατευθυντήριες αρχές.

Στόχος της μελέτης ήταν η διερεύνηση προσεγγίσεων για τη χαρτογράφηση και την εκτίμηση της αλλαγής της γης σε μια οικολογικά ευαίσθητη περιοχή στο Τόγκο και το Μπενίν μεταξύ 2001 και 2013 και η παροχή ενημερωμένων πληροφοριών για την αλλαγή της γης για την περιοχή μελέτης. Η μεθοδολογία βασίζεται σε λογισμικό πλήρως ανοιχτού κώδικα με τεχνικές που οι τοπικοί επαγγελματίες μπορούν να εφαρμόσουν χωρίς πρόσβαση σε μεγάλα ποσά δεδομένων και στην απαιτούμενη τεχνική ικανότητα για πιο προηγμένες μεθόδους.

Ο αμερόληπτος εκτιμητής που εφαρμόζεται στα δείγματα δεδομένων σε αυτό το άρθρο συμπεριλαμβάνει τα αποτελέσματα των σφαλμάτων ταξινόμησης χάρτη. H προσέγγιση με βάση τα εικονοστοιχεία που χρησιμοποιείται εδώ μπορεί να έχει ταξινομήσει με ακρίβεια ορισμένα εικονοστοιχεία δασών και σαβάνας που έχουν ταξινομηθεί εσφαλμένα με την προσέγγιση βάσει αντικειμένων. Αυτό υποδηλώνει ότι αν χρησιμοποιείτε δεδομένα Landsat, προτιμάται μια προσέγγιση βασισμένη σε εικονοστοιχεία.

Από τεχνική άποψη, τα αποτελέσματα δείχνουν ότι ο αλγόριθμος λιπασματοποίησης των Zhu κ.α. (2015) ξεπέρασε τις προσεγγίσεις που βασίζονται στο NDVI. Οι αδυναμίες του τελευταίου οφείλονται στην ανικανότητά του να απομακρύνει τη σκιά του νέφους ή τουλάχιστον ένα σημαντικό μέρος αυτών. Αντιθέτως, τα αποτελέσματα των Maxwell και Sylvester (2012) έδειξαν ότι οι ετήσιες μέγιστες χρονοσειρές NDVI θα μπορούσαν να εξαλείψουν επιτυχώς τα αποτελέσματα της σκιάς του νέφους και να επιτρέψουν την απεικόνιση και ανάλυση των ετήσιων αλλαγών στην καλλιεργήσιμη γη. Η διαφορά μεταξύ των αποτελεσμάτων μας και αυτών που ελήφθησαν από τους Maxwell και Sylvester (2012) μπορεί να σχετίζεται με τον αριθμό των 3 και 230 εικόνων που εισήχθησαν αντίστοιχα. Αυτό υποδηλώνει ότι με έναν περιορισμένο αριθμό διαθέσιμων εικόνων, ο αλγόριθμος των Zhu κ.α. (2015) μπορεί να είναι χρήσιμος για τη βελτίωση της ποιότητας της εικόνας για ανίχνευση αλλαγών. Το εύρος ζώνης και η υπολογιστική ισχύς συχνά περιορίζονται στην περιοχή, με αποτέλεσμα να χρησιμοποιείται συχνά ένας μικρός αριθμός εικόνων. Αυτό υπογραμμίζει το αποτέλεσμα ότι ένας ελάχιστος αριθμός τριών ημερομηνιών εικόνων μπορεί να χρησιμοποιηθεί για τη δημιουργία αποδεκτών εποχιακών συνθέτων.

Από τους δύο ταξινομητές, RF και Διανυσματική Μηχανή Υποστήριξης (SVM), που χρησιμοποιήθηκαν σ’ αυτή τη μελέτη, διαπιστώθηκαν κάποιες διαφορές: πρώτον, ο ταξινομητής RF εκτελούταν ταχύτερα. Δεύτερον, απέδωσε υψηλότερες ακρίβειες και λιγότερη μεροληψία χάρτη σε σύγκριση με τον ταξινομητή SVM. Η διαφορά στη συνολική ακρίβεια ήταν στατιστικά σημαντική σε επίπεδο σημαντικότητας 5%. Η μεταβλητότητα των φασματικών υπογραφών αυτών των κατηγοριών ελήφθη υπόψη κατά την επιλογή των δεδομένων εκπαίδευσης. Από τη σκοπιά της οικοδόμησης δυνατοτήτων, η χρήση της εικονικής μηχανής BEEODA διευκόλυνε αυτή τη διαδικασία και παρείχε ένα περιβάλλον για την εύκολη συλλογή των δεδομένων εκπαίδευσης και την εκτέλεση των ταξινομήσεων.

[[category:Εφαρµογές εδαφοκάλυψης (Ανίχνευση µεταβολών εδαφοκάλυψης)]]

Αρχείο:Avram5.jpg

2018-02-27T19:42:03Z

Tsoublekios:

Χαρτογράφηση και εκτίμηση της αλλαγής της γης μεταξύ 2001 και 2013 σε ένα ετερογενές τοπίο στη Δυτική Αφρική

2018-02-27T19:39:18Z

Tsoublekios: Νέα σελίδα με '[[εικόνα:avram5.png|thumb|right|Τα αποτελέσματα ταξινόμησης με Τυχαία Δάση (a) και Διανυσματική Μηχανή Υπ...'

[[εικόνα:avram5.png|thumb|right|Τα αποτελέσματα ταξινόμησης με Τυχαία Δάση (a) και Διανυσματική Μηχανή Υποστήριξης (b)]]
'''Αρχικό άρθρο''': Mapping and estimating land change between 2001 and 2013 in a heterogeneous landscape in West Africa: Loss of forestlands and capacity building opportunities [https://www.sciencedirect.com/science/article/pii/S0303243417301459] (Hèou Maléki Badjana, Pontus Olofsson, Curtis E. Woodcock, Joerg Helmschrot, Kpérkouma Wala, Koffi Akpagana)

'''Keywords''': Land change, Stratified estimation, Open source, Heterogeneous landscape, Landsat, BEEODA, West Africa, Capacity building, REDD

Στη Δυτική Αφρική, η ταξινόμηση της κάλυψης της γης και της αλλαγής της γης παραμένει μια μεγάλη πρόκληση λόγω της αποσπασματικής και ετερογενούς φύσης του τοπίου. Στόχος της παρούσας μελέτης είναι η διερεύνηση λογισμικού ανοιχτού κώδικα και εύκολης υλοποίησης προσεγγίσεων για τη χαρτογράφηση και την εκτίμηση της αλλαγής της γης, οι οποίες μπορούν να μεταφερθούν σε τοπικά ιδρύματα για την ενίσχυση των δυνατοτήτων και να παράσχουν ενημερωμένες πληροφορίες σχετικά με την περιφερειακή δυναμική της επιφάνειας της γης. Οι περιοχές κάλυψης και μεταβολής της γης εκτιμήθηκαν με την εφαρμογή ενός αμερόληπτου εκτιμητή σε δείγματα δεδομένων σύμφωνα με τις διεθνείς κατευθυντήριες γραμμές. Τα ευρήματα περιλαμβάνουν μια σύσταση του αλγόριθμου Τυχαίων Δασών (RF) όπως εφαρμόζεται στην εργαλιοθήκη του Orfeo και ένα στρωματοποιημένο πρωτόκολλο εκτίμησης - όλα εκτελούνται στο περιβάλλον γραφικής χρήσης QGIS. Διαπιστώθηκε ότι, παρά την εκτιμώμενη αναδάσωση 10,727, η συνδυασμένη απώλεια δασών και σαβάνας ανερχόταν σε 56.271 εκτάρια (που αντιπροσωπεύει απώλεια 16% των δασικών εκτάσεων του 2001).

Η τηλεπισκόπηση έχει γίνει ένα σημαντικό εργαλείο για την παροχή πληροφοριών που περιγράφουν τη φύση και την έκταση των χερσαίων πόρων, για την παρακολούθηση της αλλαγής της γης με την πάροδο του χρόνου και για τη βαθμονόμηση μοντέλων πρόβλεψης μελλοντικής χρήσης γης. Αυτό ισχύει περισσότερο σήμερα καθώς η ποιότητα και η ποσότητα των δεδομένων τηλεπισκόπησης έχουν αυξηθεί δραματικά την τελευταία δεκαετία. Ένα από τα σημαντικότερα βήματα αυτής της εξέλιξης ήταν το άνοιγμα του αρχείου Landsat το 2008 αλλά και η εκκίνηση και η πολιτική ελεύθερων δεδομένων των Landsat-8 και Sentinel-2, καθώς και η εκκίνηση ενός πλήθους δορυφόρων πολύ υψηλής ανάλυσης.

Η Δυτική Αφρική είναι μια υπομελετημένη περιοχή και τα τοπικά ερευνητικά περιβάλλοντα δεν είναι σε θέση να χρησιμοποιούν πρόσφατα δεδομένα και μεθόδους. Ωστόσο, είναι μια σημαντική περιοχή βιοποικιλότητας και φυσικών πόρων που απειλούνται από την αλλαγή της γης. Τα συστήματα παρακολούθησης των δασών επιτρέπουν στις χώρες να εκτιμούν ένα ευρύ φάσμα δασικών πληροφοριών, συμπεριλαμβανομένης της παρακολούθησης και της υποβολής εκθέσεων σχετικά με τις δραστηριότητες του προγράμματος συνεργασίας των Ηνωμένων Εθνών για τη μείωση των εκπομπών από την αποδάσωση και την υποβάθμιση των δασών στις Αναπτυσσόμενες Χώρες (REDD+). Ωστόσο, η απογραφή χαρακτηριστικών των δασών και άλλων πεδίων που βασίζεται αποκλειστικά σε έρευνες εδάφους δεν είναι εφικτή σε πολλές χώρες της Δυτικής Αφρικής εξαιτίας της έλλειψης κατάλληλων πόρων και ικανοτήτων. Αυτό κάνει την τηλεπισκόπηση ένα ουσιαστικό εργαλείο για την παρακολούθηση της γης, αλλά η έλλειψη οικονομικών, ανθρώπινων και τεχνικών πόρων έχει περιορίσει τη χρήση της. Η πρόκληση της βελτίωσης της ακρίβειας των ταξινομήσεων οφείλεται όχι μόνο στη φύση του τοπίου, αλλά και στην επιλογή των δεδομένων, των προσεγγίσεων και τεχνικών προεπεξεργασίας εικόνας και ταξινόμησης. Οι πρόσφατες εξελίξεις, όπως η ανάλυση των χρονοσειρών, παρέχουν μια ελπιδοφόρα προσέγγιση για την παρακολούθηση αυτών των τοπίων, αλλά η υλοποίηση είναι δύσκολη ή και αδύνατη λόγω έλλειψης διαθέσιμων ιστορικών δεδομένων, υπολογιστικής ισχύος και τεχνικής ικανότητας. Επομένως, υπάρχει ανάγκη να βρεθούν εναλλακτικές μέθοδοι που να παρέχουν ακριβείς πληροφορίες χρησιμοποιώντας περιορισμένα δεδομένα και τεχνικές δυνατότητες. Μια εναλλακτική προσέγγιση για να ξεπεραστεί αυτό το πρόβλημα της ύπαρξης μεροληψίας είναι 1) η σύγκριση των παρατηρήσεων αντί των χαρτών κατά την ταξινόμηση της αλλαγής γης και 2) η χρήση του χάρτη μεταβολής για τη διαστρωμάτωση του τοπίου κατά την επιλογή ενός δείγματος παρατηρήσεων αναφοράς στις οποίες μπορεί να εφαρμοστεί ένας αμερόληπτος εκτιμητής - σύμφωνα με τις διεθνείς κατευθυντήριες αρχές.

Στόχος της μελέτης ήταν η διερεύνηση προσεγγίσεων για τη χαρτογράφηση και την εκτίμηση της αλλαγής της γης σε μια οικολογικά ευαίσθητη περιοχή στο Τόγκο και το Μπενίν μεταξύ 2001 και 2013 και η παροχή ενημερωμένων πληροφοριών για την αλλαγή της γης για την περιοχή μελέτης. Η μεθοδολογία βασίζεται σε λογισμικό πλήρως ανοιχτού κώδικα με τεχνικές που οι τοπικοί επαγγελματίες μπορούν να εφαρμόσουν χωρίς πρόσβαση σε μεγάλα ποσά δεδομένων και στην απαιτούμενη τεχνική ικανότητα για πιο προηγμένες μεθόδους.

Ο αμερόληπτος εκτιμητής που εφαρμόζεται στα δείγματα δεδομένων σε αυτό το άρθρο συμπεριλαμβάνει τα αποτελέσματα των σφαλμάτων ταξινόμησης χάρτη. H προσέγγιση με βάση τα εικονοστοιχεία που χρησιμοποιείται εδώ μπορεί να έχει ταξινομήσει με ακρίβεια ορισμένα εικονοστοιχεία δασών και σαβάνας που έχουν ταξινομηθεί εσφαλμένα με την προσέγγιση βάσει αντικειμένων. Αυτό υποδηλώνει ότι αν χρησιμοποιείτε δεδομένα Landsat, προτιμάται μια προσέγγιση βασισμένη σε εικονοστοιχεία.

Από τεχνική άποψη, τα αποτελέσματα δείχνουν ότι ο αλγόριθμος λιπασματοποίησης των Zhu κ.α. (2015) ξεπέρασε τις προσεγγίσεις που βασίζονται στο NDVI. Οι αδυναμίες του τελευταίου οφείλονται στην ανικανότητά του να απομακρύνει τη σκιά του νέφους ή τουλάχιστον ένα σημαντικό μέρος αυτών. Αντιθέτως, τα αποτελέσματα των Maxwell και Sylvester (2012) έδειξαν ότι οι ετήσιες μέγιστες χρονοσειρές NDVI θα μπορούσαν να εξαλείψουν επιτυχώς τα αποτελέσματα της σκιάς του νέφους και να επιτρέψουν την απεικόνιση και ανάλυση των ετήσιων αλλαγών στην καλλιεργήσιμη γη. Η διαφορά μεταξύ των αποτελεσμάτων μας και αυτών που ελήφθησαν από τους Maxwell και Sylvester (2012) μπορεί να σχετίζεται με τον αριθμό των 3 και 230 εικόνων που εισήχθησαν αντίστοιχα. Αυτό υποδηλώνει ότι με έναν περιορισμένο αριθμό διαθέσιμων εικόνων, ο αλγόριθμος των Zhu κ.α. (2015) μπορεί να είναι χρήσιμος για τη βελτίωση της ποιότητας της εικόνας για ανίχνευση αλλαγών. Το εύρος ζώνης και η υπολογιστική ισχύς συχνά περιορίζονται στην περιοχή, με αποτέλεσμα να χρησιμοποιείται συχνά ένας μικρός αριθμός εικόνων. Αυτό υπογραμμίζει το αποτέλεσμα ότι ένας ελάχιστος αριθμός τριών ημερομηνιών εικόνων μπορεί να χρησιμοποιηθεί για τη δημιουργία αποδεκτών εποχιακών συνθέτων.

Από τους δύο ταξινομητές, RF και Διανυσματική Μηχανή Υποστήριξης (SVM), που χρησιμοποιήθηκαν σ’ αυτή τη μελέτη, διαπιστώθηκαν κάποιες διαφορές: πρώτον, ο ταξινομητής RF εκτελούταν ταχύτερα. Δεύτερον, απέδωσε υψηλότερες ακρίβειες και λιγότερη μεροληψία χάρτη σε σύγκριση με τον ταξινομητή SVM. Η διαφορά στη συνολική ακρίβεια ήταν στατιστικά σημαντική σε επίπεδο σημαντικότητας 5%. Η μεταβλητότητα των φασματικών υπογραφών αυτών των κατηγοριών ελήφθη υπόψη κατά την επιλογή των δεδομένων εκπαίδευσης. Από τη σκοπιά της οικοδόμησης δυνατοτήτων, η χρήση της εικονικής μηχανής BEEODA διευκόλυνε αυτή τη διαδικασία και παρείχε ένα περιβάλλον για την εύκολη συλλογή των δεδομένων εκπαίδευσης και την εκτέλεση των ταξινομήσεων.

[[category:Εφαρµογές εδαφοκάλυψης (Ανίχνευση µεταβολών εδαφοκάλυψης)]]

Η συνεισφορά της CCI στη δημιουργία του Παγκόσμιου Συστήματος Παρακολούθησης του Κλίματος

2018-02-27T19:36:28Z

Tsoublekios: Νέα σελίδα με '[[εικόνα:avram4.png|thumb|right|Το Glacier_cci συνέβαλε τα περιγράμματα που αναγράφονται στα αριστερά και κυκ...'

[[εικόνα:avram4.png|thumb|right|Το Glacier_cci συνέβαλε τα περιγράμματα που αναγράφονται στα αριστερά και κυκλώνονται με λευκό χρώμα στο RGI (μπλε). Πνευματικά δικαιώματα εικόνας NASA.]]
'''Αρχικό άρθρο''': The ESA Climate Change Initiative (CCI): A European contribution to the generation of the Global Climate Observing System [https://www.sciencedirect.com/science/article/pii/S0034425717303292] (Stephen Plummer, Pascal Lecomte, Mark Doherty)

'''Keywords''': Climate Change Initiative, Essential Climate Variables, GCOS, European Space Agency

Το σύστημα της Γης συμπεριφέρεται ως ένα συζευγμένο σύστημα που περιλαμβάνει φυσικά, χημικά, βιολογικά και ανθρωπογενή συστατικά και διεργασίες με πολύπλοκες αλληλεπιδράσεις μεταξύ τους. Η αλλαγή του κλίματος είναι η μεγαλύτερη πρόκληση για το σύστημα της Γης. Η συμφωνία του Παρισιού αναγνώρισε την ανάγκη μείωσης των κινδύνων και των επιπτώσεων της αλλαγής του κλίματος και ζήτησε να διατηρηθεί η αύξηση της μέσης θερμοκρασίας αρκετά κάτω από τους 2°C πάνω από τα προβιομηχανικά επίπεδα, με στόχο να περιοριστεί σε 1,5°C. Η Σύμβαση-Πλαίσιο των Ηνωμένων Εθνών για την Κλιματική Αλλαγή (UNFCCC) στηρίζεται στα στοιχεία και τις πιθανές αιτίες της αλλαγής του κλίματος που συνθέτει η Διακυβερνητική Επιτροπή για την Αλλαγή του Κλίματος (IPCC) και υποστηρίζεται από το Παγκόσμιο Σύστημα Παρακολούθησης του Κλίματος (GCOS). Το GCOS έχει καθορίσει ένα σύνολο βασικών μεταβλητών του κλίματος (ECV), καθώς και τις απαιτήσεις για τη συστηματική παρατήρηση τους και την ανάπτυξη αρχείων δεδομένων που απαιτούνται για τη μελέτη του κλιματικού συστήματος. Η πρωτοβουλία για την αλλαγή του κλίματος (CCI), αντιπροσωπεύει τη συμβολή της Ευρωπαϊκής Διαστημικής Υπηρεσίας (ESA) στο GCOS. Το CCI είναι ένα πρόγραμμα που αποσκοπεί στη συνάντηση της ευρωπαϊκής εμπειρογνωμοσύνης στην παρακολούθηση της Γης με την ερευνητική κοινότητα για το κλίμα για την αντιμετώπιση των ECV που μπορούν να δημιουργηθούν χρησιμοποιώντας δορυφορικές παρατηρήσεις.

Το GCOS έχει γίνει ο de facto αναγνωρισμένος μηχανισμός για τη διευκόλυνση αυτής της δέσμευσης από την UNFCCC. Από το 2003 ο κατάλογος των ECV και οι συναφείς απαιτήσεις τους εξελίχθηκαν ως απάντηση στα συμπεράσματα της IPCC και στις αξιολογήσεις της επάρκειας των δεδομένων από το GCOS. Στόχος αυτής της άσκησης είναι η καθιέρωση μόνιμης και διαφανούς πρόσβασης σε συνεπή δεδομένα πολλαπλών αισθητήρων που παράγονται από τα παγκόσμια αρχεία παρακολούθησης της Γης. Το πλαίσιο πίσω από την CCI προσδιορίζεται μέσω βασικών απαιτήσεων, οι οποίες εφαρμόζονται σε όλα τα έργα ECV.

Αυτές οι βασικές απαιτήσεις έχουν εξελιχθεί στα 6 χρόνια του προγράμματος με βελτιώσεις στην ποιότητα των αλγορίθμων και στην ικανότητα να παράγουν δεδομένα με συνέπεια, αλλαγές στις απαιτήσεις του GCOS, στη χρηματοδότηση και το συνεργατικό τοπίο. Το πρόγραμμα CCI έχει επικεντρωθεί σε 13 GCOS ECV όπου η δυνητική συνεισφορά της ESA και των ευρωπαϊκών δορυφορικών αισθητήρων θεωρήθηκε σημαντική. Καθένα από αυτά τα ECV έχει αντιμετωπιστεί μέσω ενός ειδικού έργου που περιλαμβάνει την αξιολόγηση της ποιότητας των αλγορίθμων, κύκλους βελτίωσης αλγορίθμου, επεξεργασία μεγάλου μεγέθους δεδομένων παρατήρησης της Γης, χαρακτηρισμό αβεβαιότητας, επικύρωση, σύγκριση δεδομένων και αξιολόγηση από την κοινότητα για την κλιματική έρευνα.

Οι στόχοι αυτής της άσκησης ήταν: να επιτευχθεί κοινή κατανόηση του τι είναι τα μεμονωμένα δεδομένα και πώς μπορούν να χρησιμοποιηθούν, ενώ, δεδομένης της πολυεπιστημονικής προσέγγισης του προγράμματος, να ενθαρρυνθεί η δημιουργία βελτιωμένων διατομεακών δεσμών που θα καλύπτουν τις επιστημονικές κοινότητες της γης, του ωκεανού, της ατμόσφαιρας και της κρυόσφαιρας. Τα έργα που χρηματοδοτούνται στο πλαίσιο της CCI φτάνουν στο τέλος τους αλλά, όπως εντοπίστηκε από νωρίς στο πρόγραμμα, η πρόθεση είναι να συνεχιστεί η παραγωγή δεδομένων μέσω της μεταφοράς προσεγγίσεων, συστημάτων παραγωγής και εμπειρίας σε επιχειρησιακά προγράμματα.

Η IPCC (2013) κατέληξε, με μεγάλη σιγουριά, στο συμπέρασμα ότι, για την κρυόσφαιρα, τόσο οι πάγος της Γροιλανδίας όσο και η Ανταρκτική έχαναν μάζα τις τελευταίες δύο δεκαετίες και ότι παγκοσμίως οι παγετώνες συνέχισαν να υποχωρούν. Επιπλέον, ο πάγος της Αρκτικής και η ανοιξιάτικη κάλυψη χιονιού του βόρειου ημισφαιρίου συνέχισε να μειώνεται σε έκταση. Στην περίπτωση των παγετώνων, το συμπέρασμα αυτό βασίστηκε στη διεθνή προσπάθεια παραγωγής του καταλόγου παγετώνων Randolph (RGI), του πρώτου συνολικού αποθέματος παγετώνων παγκοσμίως. Τα μέλη της κοινοπραξίας από το Glacier_cci συνέβαλαν στην επιτυχημένη δημιουργία του RGI, ο οποίος συνέβαλε περίπου στο 1/3 των περιγραμμάτων παγετώνων (βλέπε εικόνα). Ένα πρόγραμμα IMBIE, το οποίο ξεκίνησε το 2016, έχει στόχο την καθιέρωση μιας ικανότητας ετήσιας ενημέρωσης των εκτιμήσεων για τη συμβολή των φύλλων πάγου στην άνοδο της στάθμης της θάλασσας, την κατανόηση των διαφορών μεταξύ των εκτιμήσεων και των διαδικασιών που προκαλούν ανισορροπία στα φύλλα του πάγου.

Οι μακροχρόνιες παρατηρήσεις της στάθμης της θάλασσας από τα μέσα του 19ου αιώνα δείχνουν ότι ο ρυθμός αύξησης της στάθμης της θάλασσας ήταν μεγαλύτερος από ό, τι στις προηγούμενες δύο χιλιετίες, με την παγκόσμια μέση στάθμη της θάλασσας να αυξάνεται κατά 0,19m μεταξύ 1901 και 2010. Το SeaLevel_cci δημιούργησε βελτιωμένες εκτιμήσεις επιπέδων παγκόσμιου μέσου όρου μέσω επανεπεξεργασίας δορυφορικών δεδομένων από πολυάριθμους δορυφόρους και την ανάπτυξη αλγορίθμων για τη μείωση της αβεβαιότητας της εκτίμησης και τη βελτίωση της ενδο-δορυφορικής συνέπειας.
Ο ωκεανός είναι το κύριο στοιχείο του Γήινου Συστήματος στη ρύθμιση της θερμικής ενέργειας, λόγω της χωρητικότητας αποθήκευσης θερμότητας. Το SST_cci έχει επικεντρωθεί σε βελτιωμένες μακροχρόνιες παρατηρήσεις της θερμοκρασίας της θάλασσας με επίκεντρο την ομοιογένεια, τη σταθερότητα και τον προσδιορισμό των αβεβαιότητων.

Η συμβολή των αερολυμάτων στην ακτινοβολία αποτελεί ένα από τα λιγότερο γνωστά πεδία στην επιστήμη του κλίματος. Το AeroSAT συγκεντρώνει την παγκόσμια επιστημονική κοινότητα δορυφορικών αερολυμάτων με στόχο τη βελτίωση της διασύνδεσης μεταξύ κοινοτήτων επιτόπιων και δορυφορικών μετρήσεων και ιδιαίτερα μοντέλων για να διασφαλιστεί ότι η αυξανόμενη πολυπλοκότητα στο νέφος και τα αερολύματα που εισάγονται στα κλιματικά μοντέλα θα ελεγχθούν αποτελεσματικά. Η CCI βασίστηκε στην ευρωπαϊκή εμπειρογνωμοσύνη για την εκτίμηση των αερίων θερμοκηπίου από την SCIAMACHY και συνεργάστηκε με τις ΗΠΑ και την Ιαπωνία για τη βελτίωση της ποιότητας και της γνώσης της μεταβλητότητας στο χώρο και το χρόνο τόσο του CO2 όσο και του CH4.

Το Land_Cover_cci βασίστηκε σε προηγούμενες προσπάθειες όπως η GlobCover, με ιδιαίτερη έμφαση στη βελτίωση τόσο των μεθόδων προεπεξεργασίας όσο και της ταξινόμησης που απαιτούνται για τη δημιουργία ενός παγκόσμιου δεδομένου γης. Το επίκεντρο αυτής της εργασίας ήταν οι παρατηρήσεις της ανάκλασης της επιφάνειας σε παγκόσμια κλίμακα, με τη σύγκριση της χωρικής ανάλυσης κυρίως από ευρωπαϊκούς αισθητήρες σε συνδυασμό με τη συμβολή των ESA SAR αισθητήρων για τον προσδιορισμό ειδικών τύπων κάλυψης γης. Αυτό παρήγαγε το πρώτο σύνολο συνεπών παγκόσμιων αρχείων κάλυψης της γης.

Η Πέμπτη Έκθεση Αξιολόγησης της IPCC το 2013 υπογράμμισε τη σημασία των βελτιώσεων στις παρατηρήσεις και στη μοντελοποίηση για την κατανόηση της Γης ως συστήματος, με την αυξημένη εμπιστοσύνη στις διατυπώσεις σε σύγκριση με την προηγούμενη έκδοση, η οποία οφείλεται εν μέρει στην κατανόηση της διαδικασίας και στις βελτιωμένες αναπαραστάσεις μοντέλων αλλά και στην εξέλιξη των δεδομένων ECV. Ενώ η τελευταία δεκαετία έχει ως επίκεντρο την κατανόηση της Γης ως συστήματος, η επόμενη δεκαετία για την επιστήμη θα επικεντρωθεί ολοένα και περισσότερο στις επιπτώσεις του κλίματος.

[[category: Κλιματική αλλαγή]]

Μακροπρόθεσμη δυναμική της πλημμυρικής λίμνης στο υγρότοπο του Παντανάλ: πρόκειται για το κλίμα;

2018-02-27T19:32:07Z

Tsoublekios: Νέα σελίδα με 'Graphical Abstract '''Αρχικό άρθρο''': Long-term dynamics of a floodplain shallow lake in the Pantanal [https://www.scie...'

[[εικόνα:avram3.png|thumb|right|Graphical Abstract]]
'''Αρχικό άρθρο''': Long-term dynamics of a floodplain shallow lake in the Pantanal [https://www.sciencedirect.com/science/article/pii/S0048969717316029] (Ana Silio-Calzada, José Barquín, Vera L.M. Huszar, Nestor Mazzeo, Fernando Méndez, Jose Manuel Álvarez-Martínez)

'''Keywords''': Flood pulse, Shallow lake, Remote sensing, Landsat, Climate change, Dam, Pantanal, River flow alterations

Η υδρολογική ποικιλομορφία σε σχέση με τα εποχιακά και πολυετή χρονοδιαγράμματα διαμορφώνει έντονα την οικολογική δομή και λειτουργία των οικοσυστημάτων πλημμυρικών περιοχών. Το τρέχον σενάριο της IPCC για το κλίμα προβλέπει αύξηση της συχνότητας των ακραίων συμβάντων. Κάτι τέτοιο μπορεί να συμβαίνει και στην περίπτωση του Pantanal, του μεγαλύτερου υγρότοπου γλυκού νερού στη Γη και ενός από τους πιο σημαντικούς όσον αφορά το οικοσύστημά του και τη βιοποικιλότητα, καθώς και βασικού υδρολογικού πόρου της Νότιας Αμερικής. Υπάρχει συνεπώς επείγουσα ανάγκη να κατανοήσουμε πώς λειτουργούν, αλληλεπιδρούν και ανταποκρίνονται στις αλλαγές τα οικοσυστήματα του Pantanal. Αυτό, σε συνδυασμό με άλλες ανθρωπογενείς διαταραχές (π.χ. ρύθμιση των ποταμών ή μεταβολές της χρήσης γης) αποτελεί σοβαρή απειλή για τη φυσική λειτουργία αυτών των οικοσυστημάτων.

Οι μεταβολές στις περιοχές των ανοιχτών υδάτων και της βλάστησης των παρακτίων πλημμυρικών περιοχών χαρτογραφήθηκαν με την εφαρμογή μιας ειδικής τηλεπισκοπικής μεθόδου που αναπτύχθηκε ad hoc. Επιπρόσθετα στη φυσική ταλάντωση της λίμνης, μεταξύ της επέκτασης και της συρρίκνωσης της πλημμυρικής περιοχής και των υγροτόπων, οι αναλύσεις μας αποκάλυψαν μεγάλες διαχρονικές αλλαγές, ομαδοποιημένες σε τρεις κύριες περιόδους μέσα στο χρονικό διάστημα που μελετήθηκε (βλέπε εικόνα). Αυτές οι περίοδοι ήταν κοντά σε διαφορετικά γεγονότα της La Niña. Ωστόσο, όλα αυτά τα γεγονότα της La Niña δεν προκάλεσαν σοβαρές αλλαγές στην ανοιχτή επιφάνεια της λίμνης (OWA).

Επιπλέον, τα αποτελέσματά μας υποδεικνύουν ότι αυτό το σύστημα χάνει από την περιοχή ανοιχτών υδάτων, ενώ αυξάνεται η βλάστηση των παρακτίων περιοχών. Η μακροπρόθεσμες δυναμικές του συστήματος δεν είναι όλες σχετικές με το κλίμα, αλλά είναι αποτέλεσμα ενός συνδυασμού παραγόντων. Η έναρξη της λειτουργίας του φράγματος του Manso ανάντη του συστήματος που μελετήθηκε και η επακόλουθη ρύθμιση των ποταμών λόγω της λειτουργίας του φράγματος, σε συνδυασμό με τις κλιματικές ταλαντώσεις, πιθανότατα είναι υπεύθυνες για τις παρατηρούμενες αλλαγές. Φαίνεται, λοιπόν, να υπάρχει προοδευτική απώλεια της ικανότητας του οικοσυστήματος να ανταποκρίνεται στις κλιματικές ταλαντώσεις όπως και στο παρελθόν, γεγονός που μπορεί να δημιουργήσει σοβαρούς κινδύνους για τη διατήρηση της βιοποικιλότητας και της παροχής υπηρεσιών οικοσυστήματος στο πραγματικό σενάριο της παγκόσμιας αλλαγής.

Η υδρολογική ποικιλία σε εποχικές και πολυετείς χρονικές κλίμακες διαμορφώνει έντονα τα υδάτινα οικοσυστήματα. Οι μεταβολές των φυσικών, χημικών και βιολογικών διεργασιών σε τέτοια οικοσυστήματα διαμορφώνονται από το μέγεθος, τη διάρκεια και τη συχνότητα των πλημμυρών. Τα ποτάμια μεταφέρουν θρεπτικές ουσίες στις πλημμυρισμένες περιοχές κατά τη διάρκεια της εποχής των πλημμυρών και ευνοούν την πρωτογενή παραγωγικότητα, ενώ τα θρεπτικά συστατικά και τα οργανικά σωματίδια επιστρέφουν στον ποταμό όταν τα νερά αποσύρονται. Κατά τη διάρκεια της ξηρής περιόδου, η χερσαία βλάστηση αναγεννάται, ενώ η υδάτινη μάζα πλημμυρικών περιοχών μειώνεται ή και ξηραίνεται.

Η χρήση τεχνικών τηλεπισκόπησης επιτρέπει την παρατήρηση αυτών των οικοσυστημάτων, η οποία δεν ήταν εύκολο να πραγματοποιηθεί με επιτόπιες μετρήσεις, παρέχοντας συχνές και συνεπείς πληροφορίες σε μεγάλες χρονικές διάρκειες. Την τελευταία δεκαετία, έχουν πραγματοποιηθεί αρκετές μελέτες στο Pantanal, χρησιμοποιώντας μια μεγάλη ποικιλία πηγών δεδομένων (π.χ. οπτικά, ραντάρ, lidar ή/και θερμικά δεδομένα) για τη μελέτη του εδάφους και της διαθεσιμότητας ύδατος. Απαιτούνται, λοιπόν, μακροπρόθεσμα δεδομένα σχετικά με την εποχιακή και την ανά εξάμηνο διαφοροποίηση των μοντέλων πλημμύρας, προκειμένου να εξηγηθεί ο τρόπος με τον οποίο η υδρολογική μεταβλητότητα ελέγχει τις βασικές διεργασίες στα οικοσυστήματα αυτά. Έτσι, στόχος της μελέτης ήταν: (i) ο χαρακτηρισμός της μακροπρόθεσμης μεταβλητότητας της πλημμυρισμένης περιοχής της πλημμυρικής λίμνης Chacororé (η τρίτη μεγαλύτερη στο Βραζιλιάνικο Pantanal) με τηλεπισκοπικές τεχνικές και (ii) η ανάλυση των πιθανών παραγόντων που επηρεάζουν τη μεταβλητότητα αυτής της περιοχής.

Τα στοιχεία μας αποδεικνύουν ότι ο ποταμός Cuiabá είναι η κύρια πηγή παλμών πλημμυρών της λίμνης Chacororé. Εντούτοις, σημαντικά μπορεί επίσης να συνεισφέρει η κατακρήμνιση που επηρεάζει την τοπική λεκάνη απορροής της λίμνης. Παρατηρείται μια έλλειψη αντιστοιχίας μεταξύ των ροών των ποταμών και της περιοχής που καλύπτει η λίμνη κυρίως κατά την περίοδο των κορυφαίων ροών των ποταμών. Παράγοντες που σχετίζονται με τη μορφολογία της λεκάνης και τη συνδεσιμότητά της με τις τοπικές ροές ύδατος ενδέχεται να περιορίζουν τις επιπτώσεις αυτών των περιόδων. Ορισμένοι άλλοι τοπικοί παράγοντες, όπως το φαινόμενο ρύθμισης των οριζόντιων ροών νερού σε γειτονικούς υγροτόπους, θα μπορούσαν να εξηγήσουν το παρατηρούμενο πρότυπο.

Οι εμπειρικές και θεωρητικές ενδείξεις δείχνουν την αύξηση του μεγέθους, της μεταβλητότητας και της σημασίας των ακραίων γεγονότων σε ορισμένες περιοχές. Υπό αυτή την έννοια, οι ισχυρές διασταυρώσεις που προκύπτουν μεταξύ των δεικτών που σχετίζονται με τον Δείκτη Ταλάντωσης El Niño και των εκτιμώμενων ανωμαλιών παλμών πλημμυρών καταδεικνύουν ότι η OWA δεν ελέγχεται σημαντικά μόνο από τις διακυμάνσεις ροής του Cuiabá και των τοπικών κατακρημνισμάτων, αλλά και από τις κλιματικές αλλαγές. Έτσι, τα γεγονότα μεγάλης κλίμακας έχουν μετρήσιμο αντίκτυπο στη δυναμική του υγροτόπου της λίμνης.

Η ανάλυση της χρονοσειράς έδειξε μείωση της επιφάνειας της λίμνης, χάνοντας το 28% της επιφάνειας του νερού μεταξύ Σεπτεμβρίου 1984 και 2011. Η χρονική διακύμανση της επιφάνειας του νερού μπορεί να εκληφθεί ως ένα άμεσο αποτέλεσμα των παλμών πλημμύρας. Συνεπώς, η μεταβολή αυτή παρατηρήθηκε και στην καταγραφή της ροής του ποταμού Cuiabá, αν και ελαφρώς μικρότερη, με κατά μέσο όρο απώλεια 19% για την ίδια περίοδο. Αντίθετα, η παράκτια περιοχή πλημμυρικών περιοχών (WVA) αυξήθηκε κατά 51%.

Η μελέτη αυτή ανακατασκεύασε τη χρονική εξέλιξη της λίμνης Chacororé και των σχετικών υγροτόπων για περίοδο 28 ετών. Η ανεπτυγμένη μέθοδος που συνδυάζει τη χρήση του NDVI, του NDWI και των πρόσφατα ανεπτυγμένων δεικτών NWI, που εκτιμήθηκαν από τα τηλεπισκοπικά δεδομένα, επέτρεψε την επιτυχή αναγνώριση των υδάτινων σωμάτων, της βλάστησης των υδάτινων περιοχών και των μη πλημμυρικών γαιών σε ένα μεγάλο και περίπλοκο σύστημα πλημμυρικών περιοχών. Ταυτόχρονα, η μέθοδος επέτρεψε τον εντοπισμό των διακυμάνσεων των ετήσιων πλημμυρών και διερεύνησε τους πιθανούς παράγοντες και τις αποκρίσεις του συστήματος πλημμυρικών περιοχών. Όσο αφορά τα δεδομένα, οι εικόνες Landsat TM/ETM+ φάνηκαν επαρκείς για αυτόν τον τύπο μελέτης, ωστόσο νεότεροι δορυφορικοί αισθητήρες, όπως οι Landsat-8 Operational Land Imager (OLI) και Sentinel-2 MultiSpectral Instrument (MSI) με στενότερες φασματικές ζώνες και καλύτερη χωρική ανάλυση, μπορούν να αποτελέσουν ένα βήμα προς τα εμπρός, όσον αφορά τόσο την αναγνώριση του νερού όσο και του υγροτόπου.

[[category:Εφαρµογές φυσικών καταστροφών (Πλημμύρες)]]

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

2018-02-27T19:29:03Z

Tsoublekios:

[[εικόνα:avram1.jpg|thumb|right|Δεδομένα πεδίου σε περιοχή 70 × 40 χλμ. στη νοτιοδυτική Γαλλία, τοποθετημένα σε οπτικά δεδομένα πολύ υψηλής ανάλυσης από το BingMap. Οι μεγάλοι κύκλοι αντιπροσωπεύουν τις δύο πειραματικές τοποθεσίες κοινών πειραμάτων για την αξιολόγηση και την παρακολούθηση καλλιεργειών (JECAM), Auradé και Lamasquère. Οι μικροί κύκλοι αντιπροσωπεύουν τα άλλα πεδία καλλιέργειας που μελετώνται σε αυτή την εργασία. Στην περιοχή αυτή, κατά μέσο όρο μεταξύ του 2006 και του 2013, το 43% των καλλιεργειών ήταν σιτηρά, το 25% ήταν ηλίανθος, το 5% ήταν αραβόσιτος και 5% κράμβη (από τη λεπτομερή γαλλική βάση δεδομένων για τη χρήση γης RPG)]]
'''Αρχικό άρθρο''': Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [https://www.sciencedirect.com/science/article/pii/S0034425717303309] (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.

[[category:Ανίχνευση μεταβολών βλάστησης]]

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

2018-02-27T19:28:52Z

Tsoublekios:

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

2018-02-27T19:27:27Z

Tsoublekios:

[[εικόνα:avram1.jpg|thumb|right|Δεδομένα πεδίου σε περιοχή 70 × 40 χλμ. στη νοτιοδυτική Γαλλία, τοποθετημένα σε οπτικά δεδομένα πολύ υψηλής ανάλυσης από το BingMap. Οι μεγάλοι κύκλοι αντιπροσωπεύουν τις δύο πειραματικές τοποθεσίες κοινών πειραμάτων για την αξιολόγηση και την παρακολούθηση καλλιεργειών (JECAM), Auradé και Lamasquère. Οι μικροί κύκλοι αντιπροσωπεύουν τα άλλα πεδία καλλιέργειας που μελετώνται σε αυτή την εργασία. Στην περιοχή αυτή, κατά μέσο όρο μεταξύ του 2006 και του 2013, το 43% των καλλιεργειών ήταν σιτηρά, το 25% ήταν ηλίανθος, το 5% ήταν αραβόσιτος και 5% κράμβη (από τη λεπτομερή γαλλική βάση δεδομένων για τη χρήση γης RPG)]]
'''Αρχικό άρθρο''': Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [https://www.sciencedirect.com/science/article/pii/S0034425717303309] (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.

[[category:Ανίχνευση μεταβολών βλάστησης]]

Εκτίμηση της βιομάζας και της απόδοσης παραγωγής αραβοσίτου με δεδομένα τύπου Sentinel-2

2018-02-27T19:24:55Z

Tsoublekios: Νέα σελίδα με '[[εικόνα:avram2.png|thumb|right|Χωρική απεικόνιση της απόδοσης του αραβοσίτου με το μοντέλο SAFY το 2013 και ...'

[[εικόνα:avram2.png|thumb|right|Χωρική απεικόνιση της απόδοσης του αραβοσίτου με το μοντέλο SAFY το 2013 και 2014 και θέση των αρδευόμενων και μη πεδίων στην περιοχή μελέτης]]
'''Αρχικό άρθρο''': Estimating maize biomass and yield over large areas using high spatial and temporal resolution Sentinel-2 like remote sensing data [https://www.sciencedirect.com/science/article/pii/S0034425716302875] (Marjorie Battude, Ahmad Al Bitar, David Morin, Jérôme Cros, Mireille Huc, Claire Marais Sicre, Valérie Le Dantec, Valérie Demarez)

'''Keywords''': High spatial and temporal resolution, Green Area Index, Biomass, Yield, Maize, Crop Modeling, Regional scale

Η μελέτη αυτή στοχεύει στην ανάπτυξη μιας γενικής μεθοδολογίας βασισμένης στη χρήση δεδομένων τηλεπισκόπησης για την παροχή ακριβών εκτιμήσεων της βιομάζας και της απόδοσης του αραβοσίτου σε περιφερειακή κλίμακα. Προτείνεται εδώ μια στρατηγική βαθμονόμησης και χωροθέτησης, όσο το δυνατόν ανεξάρτητη των επιτόπιων μετρήσεων και αξιόπιστη σε μεγάλες εκτάσεις και υπό διάφορες κλιματικές συνθήκες. Για το σκοπό αυτό, συνδυάζεται το μοντέλο Simple Algorithm For Yield estimates (SAFY) με δεδομένα τηλεπισκόπησης υψηλής χωρικής και χρονικής ανάλυσης (HSTR) από διάφορους αισθητήρες. Το πείραμα SPOT4-Take5 που πραγματοποιήθηκε το 2013 σχεδιάστηκε για να προσομοιώνει τη χρονική δειγματοληψία της αποστολής Sentinel-2 της ESA. Οι αποδόσεις SAFY επικυρώθηκαν με τοπικές μετρήσεις βιομάζας και εκτιμήσεις απόδοσης τόσο σε τοπικές όσο και σε περιφερειακές κλίμακες χρησιμοποιώντας ένα πολυετές σύνολο δεδομένων. Τα αποτελέσματα έδειξαν επίσης ότι η χρήση διπλής λογιστικής λειτουργίας για την παρεμβολή των χρονοσειρών του Δείκτη Πράσινης Περιοχής (GAI) επιτρέπει τη βελτίωση των εκτιμήσεων της βιομάζας και της απόδοσης όταν λείπουν τα δεδομένα τηλεπισκόπησης. Αυτή η εργασία καταδεικνύει τη δυνατότητα των δεδομένων τηλεπισκόπησης HSTR να βαθμονομούν ένα απλό μοντέλο καλλιέργειας χωρίς να καταφεύγουν σε δεδομένα επιτόπιων μετρήσεων και έτσι να προωθούν τις μελλοντικές εφαρμογές χρησιμοποιώντας δεδομένα Sentinel-2.

Πέρα από την καλύτερη διαχείριση των περιβαλλοντικών πόρων, είναι απαραίτητο να διατηρηθούν επαρκή επίπεδα αγροτικής παραγωγής. Σε έναν κόσμο όπου ο πληθυσμός αυξάνεται διαρκώς, η καλλιέργεια πρέπει να παρακολουθείται και να εξασφαλίζεται η επισιτιστική ασφάλεια. Επομένως, είναι απαραίτητο να γίνεται κατανοητή η λειτουργία των καλλιεργειών και να αξιολογείται η απόδοσή τους σε μεγάλες εκτάσεις.

Πολλές μελέτες αποκάλυψαν το ισχυρό δυναμικό των μεθόδων που βασίζονται στον συνδυασμό δεδομένων τηλεπισκόπησης με ημι-εμπειρικά μοντέλα καλλιέργειας για την εκτίμηση της γεωργικής παραγωγής σε μεγάλες περιοχές. Το κύριο μειονέκτημα αυτών των μελετών είναι ότι χρειάζονται επιτόπια μέτρηση βιομάζας και απόδοσης για τη βαθμονόμηση, ενώ αυτά τα δεδομένα είναι σπάνια διαθέσιμα σε μεγάλες περιοχές καθώς η απόκτηση τους είναι πολύ χρονοβόρα. Επιπλέον, ακόμη και αν είναι διαθέσιμα, εκτιμώνται πάντοτε με αρκετά μεγάλες αβεβαιότητες.

Το δυναμικό των δεδομένων τηλεπισκόπησης HSTR για την περιγραφή της χωροχρονικής μεταβλητότητας των βιοφυσικών μεταβλητών των καλλιεργειών έχει ήδη αποδειχθεί και η πρόσφατη διαθεσιμότητα δεδομένων τηλεπισκόπησης HSTR όπως οι εικόνες Sentinel-2 προσφέρουν νέες προοπτικές παρακολούθησης και μοντελοποίησης καλλιεργειών. Η μεθοδολογία που παρουσιάζεται εδώ βασίζεται στη χρήση ενός σχετικά απλού καλλιεργητικού μοντέλου σε συνδυασμό με HSTR δεδομένα οπτικής τηλεπισκόπησης. Το μοντέλο που χρησιμοποιήθηκε για τη μελέτη αυτή είναι το μοντέλο SAFY που συνδυάζει τη θεωρία αποδοτικότητας χρήσης φωτός του Monteith (1972) με μια λειτουργία κατανομής των φύλλων βασισμένη στη σύνθεση του Maas (1993). Η πρωτοτυπία της προσέγγισής μας είναι ότι χρησιμοποιήσαμε τις χρονοσειρές τηλεπισκοπικού Δείκτη Πράσινης Περιοχής (GAI) για τη βαθμονόμηση των παραμέτρων εισόδου SAFY. Προτείνουμε εδώ μια νέα μεθοδολογία που αφαιρεί τα βασικά μειονεκτήματα των προηγούμενων μελετών που έγιναν με το μοντέλο SAFY, προκειμένου να παράσχει εκτιμήσεις της απόδοσης καλλιεργειών σε μεγάλες περιοχές και σε αντίξοες κλιματολογικές συνθήκες. Η μελέτη επικεντρώθηκε στις καλλιέργειες αραβοσίτου, οι οποίες αντιπροσωπεύουν ένα σημαντικό μέρος της κάλυψης γης στα νοτιοδυτικά της Γαλλίας.
Το μοντέλο SAFY, βαθμονομημένο με τη βοήθεια τηλεπισκοπικού GAI, είναι σε θέση να αναπαράγει με ακρίβεια την βιομάζα επιτόπιων μετρήσεων καθ' όλη τη διάρκεια της βλαστικής περιόδου. Το μοντέλο αυτό χρησιμοποιήθηκε με σταθερή την τιμή των παραμέτρων SLA και ELUE. Τα αποτελέσματα δείχνουν υπερεκτίμηση της βιομάζας κατά την περίοδο ανάπτυξης. Συνολικά, παρατηρήθηκε ότι η νέα τυποποίηση του μοντέλου προκαλεί μείωση του μέσου συστηματικού σφάλματος, συμπεραίνοντας, έτσι, ότι βελτιώνει τις εκτιμήσεις βιομάζας.

Τα αποτελέσματα έδειξαν ότι η χρήση ενός μόνο ΗΙ ίσου με 0,5 για όλα τα πεδία αραβοσίτου οδηγεί σε ικανοποιητικές εκτιμήσεις απόδοσης σε μεγάλες περιοχές. Στο μοντέλο SAFY, θεωρήθηκε ότι η επίδραση του υδατικού στρες λαμβάνεται υπόψη στη δυναμική των GAI και ELUE. Αυτή η προσέγγιση μπορεί να είναι λιγότερο κατάλληλη για εφαρμογή σε τοπική κλίμακα, δεδομένου ότι η ΗΙ ποικίλλει ανάλογα με την ποικιλία, το στρες του νερού, το έλλειμμα αζώτου ή τις ασθένειες. Ωστόσο, τα καλά αποτελέσματα που προέκυψαν από τις εκτιμήσεις της απόδοσης σε περιφερειακή κλίμακα αποκαλύπτουν ότι η χρήση του GAI σε συνδυασμό με το μοντέλο SAFY έχει σχεδιαστεί κατάλληλα για χωροθετικούς σκοπούς.
Το μοντέλο αξιολογήθηκε για τη βιομάζα σε τοπική κλίμακα και για τις εκτιμήσεις απόδοσης σε τοπικές και περιφερειακές κλίμακες. Η μελέτη αυτή οδήγησε σε μια νέα έκδοση του μοντέλου SAFY που λαμβάνει υπόψη την εποχική διακύμανση της ειδικής περιοχής φύλλων (SLA) και της απόδοσης αποτελεσματικής χρήσης φωτός (ELUE). Η νέα έκδοση επέτρεψε την καλύτερη προσομοίωση της βιομάζας σε όλο τον κύκλο του φυτού σε σύγκριση με την προηγούμενη έκδοση.

Σε περιφερειακή κλίμακα, βρέθηκε μια πολύ καλή συμφωνία μεταξύ μοντέλου και στατιστικών απόδοσης. Τα αποτελέσματα ήταν αρκετά καλά για τα αρδευόμενα χωράφια και αποκάλυψαν ότι ο GAI φαίνεται να είναι ένας καλός δείκτης για την εκτίμηση της απόδοσης για τον αρδευόμενο αραβόσιτο σε μεγάλες περιοχές. Είναι ιδιαίτερα ενδιαφέρον ότι ο GAI μπορεί να εκτιμηθεί απευθείας από δεδομένα τηλεπισκόπησης σε μεγάλες περιοχές χωρίς να απαιτείται πληροφόρηση για το περιεχόμενο στο έδαφος νερό. Το μοντέλο SAFY, το οποίο δεν προσομοιώνει την περιεκτικότητα του εδάφους σε νερό, παρουσιάζει πολύ ικανοποιητικά αποτελέσματα ενώ παραμένει σχετικά απλό στη χρήση για χωροθέτηση. Τέλος, η χρήση διπλής λογιστικής λειτουργίας για την παρεμβολή χρονικών σειρών GAI βελτιώνει την αξιοπιστία των εκτιμήσεων βιομάζας και απόδοσης όταν μειώνεται η χρονική δειγματοληψία των δεδομένων τηλεπισκόπησης.

Η μελέτη αυτή καταδεικνύει τις μεγάλες δυνατότητες των δεδομένων τηλεπισκόπησης HSTR. Τα δεδομένα SPOT4-Take5 χρησιμοποίησαν την ίδια χρονική δειγματοληψία με την αποστολή Sentienl-2. Η μελέτη υπογραμμίζει τη σημασία της χρονικής δειγματοληψίας χρησιμοποιώντας δεδομένα πολλαπλών αισθητήρων. Η μεθοδολογία που αναπτύχθηκε εδώ μπορεί να θεωρηθεί αρκετά γενική ώστε να εφαρμοστεί στις εικόνες Sentinel-2 και σε άλλες καλλιέργειες σε μεγάλες περιοχές.

[[category:Γεωργία]]

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

2018-02-27T19:24:06Z

Tsoublekios:

Αρχείο:Avram4.png

2018-02-27T19:20:25Z

Tsoublekios:

Αρχείο:Avram3.png

2018-02-27T19:19:58Z

Tsoublekios:

Αρχείο:Avram2.png

2018-02-27T19:19:35Z

Tsoublekios:

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

2018-02-27T19:07:03Z

Tsoublekios:

[[εικόνα:avram1.jpg|thumb|right|Δεδομένα πεδίου σε περιοχή 70 × 40 χλμ. στη νοτιοδυτική Γαλλία, τοποθετημένα σε οπτικά δεδομένα πολύ υψηλής ανάλυσης από το BingMap. Οι μεγάλοι κύκλοι αντιπροσωπεύουν τις δύο πειραματικές τοποθεσίες κοινών πειραμάτων για την αξιολόγηση και την παρακολούθηση καλλιεργειών (JECAM), Auradé και Lamasquère. Οι μικροί κύκλοι αντιπροσωπεύουν τα άλλα πεδία καλλιέργειας που μελετώνται σε αυτή την εργασία. Στην περιοχή αυτή, κατά μέσο όρο μεταξύ του 2006 και του 2013, το 43% των καλλιεργειών ήταν σιτηρά, το 25% ήταν ηλίανθος, το 5% ήταν αραβόσιτος και 5% κράμβη (από τη λεπτομερή γαλλική βάση δεδομένων για τη χρήση γης RPG)]]
'''Αρχικό άρθρο''': Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [https://www.sciencedirect.com/science/article/pii/S0034425717303309] (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.

[[category:Ανίχνευση μεταβολών βλάστησης]]

Αρχείο:Avram1b.png

2018-02-27T19:06:33Z

Tsoublekios:

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

2018-02-27T19:05:45Z

Tsoublekios:

[[εικόνα:avram1.png|thumb|right|Δεδομένα πεδίου σε περιοχή 70 × 40 χλμ. στη νοτιοδυτική Γαλλία, τοποθετημένα σε οπτικά δεδομένα πολύ υψηλής ανάλυσης από το BingMap. Οι μεγάλοι κύκλοι αντιπροσωπεύουν τις δύο πειραματικές τοποθεσίες κοινών πειραμάτων για την αξιολόγηση και την παρακολούθηση καλλιεργειών (JECAM), Auradé και Lamasquère. Οι μικροί κύκλοι αντιπροσωπεύουν τα άλλα πεδία καλλιέργειας που μελετώνται σε αυτή την εργασία. Στην περιοχή αυτή, κατά μέσο όρο μεταξύ του 2006 και του 2013, το 43% των καλλιεργειών ήταν σιτηρά, το 25% ήταν ηλίανθος, το 5% ήταν αραβόσιτος και 5% κράμβη (από τη λεπτομερή γαλλική βάση δεδομένων για τη χρήση γης RPG)]]
'''Αρχικό άρθρο''': Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [https://www.sciencedirect.com/science/article/pii/S0034425717303309] (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.

[[category:Ανίχνευση μεταβολών βλάστησης]]

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

2018-02-27T19:04:07Z

Tsoublekios:

[[εικόνα: avram1.png|thumb|right|Δεδομένα πεδίου σε περιοχή 70 × 40 χλμ. στη νοτιοδυτική Γαλλία, τοποθετημένα σε οπτικά δεδομένα πολύ υψηλής ανάλυσης από το BingMap. Οι μεγάλοι κύκλοι αντιπροσωπεύουν τις δύο πειραματικές τοποθεσίες κοινών πειραμάτων για την αξιολόγηση και την παρακολούθηση καλλιεργειών (JECAM), Auradé και Lamasquère. Οι μικροί κύκλοι αντιπροσωπεύουν τα άλλα πεδία καλλιέργειας που μελετώνται σε αυτή την εργασία. Στην περιοχή αυτή, κατά μέσο όρο μεταξύ του 2006 και του 2013, το 43% των καλλιεργειών ήταν σιτηρά, το 25% ήταν ηλίανθος, το 5% ήταν αραβόσιτος και 5% κράμβη (από τη λεπτομερή γαλλική βάση δεδομένων για τη χρήση γης RPG)]]
'''Αρχικό άρθρο''': Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [https://www.sciencedirect.com/science/article/pii/S0034425717303309] (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.

[[category:Ανίχνευση μεταβολών βλάστησης]]

Αρχείο:Avram1.jpg

2018-02-27T19:02:22Z

Tsoublekios:

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

2018-02-27T18:55:02Z

Tsoublekios:

'''Αρχικό άρθρο''': Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [https://www.sciencedirect.com/science/article/pii/S0034425717303309] (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.

[[category:Ανίχνευση μεταβολών βλάστησης]]

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

2018-02-27T18:54:54Z

Tsoublekios:

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

2018-02-27T18:54:43Z

Tsoublekios: Νέα σελίδα με ''''Αρχικό άρθρο''': Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [https://www.sciencedir...'

'''Αρχικό άρθρο''': Understanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications [https://www.sciencedirect.com/science/article/pii/S0034425717303309] (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.

[[category:Ανίχνευση μεταβολών βλάστησης]]