Classification of wheat and barley fields using high-resolution Sentinel-1 backscatter data

Abstract

In a world where food demand keeps increasing due to constant population growth, it is very important to ensure food supply to all the inhabitants despite the high arable land demand. To manage that, it is crucial that the yield of winter cereal fields is the highest possible. In the context of crop monitoring and optimizing field management, Earth Observation (EO) methods have been used in different ways. The main goal of this thesis is to develop a reliable algorithm capable of classifying wheat and barley fields from the Netherlands and Austria using statistical methods and high-resolution backscatter data from ESA?s Copernicus mission that uses synthetic aperture radars embarked on both Sentinel-1 satellites. To develop this algorithm it was first necessary to study the phenological stages of crops, the backscatter throughout the seasons and inter-annual variability due to different temperature, rainfall and soil moisture conditions. Research results give three different types of classifications, each one with a different grade of complexity. The most complex and consistent algorithm is able to classify winter cereals with an average success rate of 83.55% for the three studied seasons and up to a maximum success rate of 91.90% for a single season. In conclusion, this project demonstrated that even though winter wheat and winter barley backscatter response is very similar during large parts of the growing season, significant differences are found during the phases of head formation and bending, which lead to structural effects in the backscatter time series. Furthermore, it could be shown that it is possible to separate these crop types with a high accuracy using only microwave remote sensing observations.

En un mundo donde la demanda de alimentos sigue aumentando debido al crecimiento constante de la población, es muy importante asegurar el suministro de alimentos a todos los habitantes a pesar de la elevada demanda de tierras de cultivo. Para ello, es crucial que el rendimiento de los campos de cereales de invierno sea el mas alto posible. En el contexto del monitoreo de cultivos y la optimización de la gestión del campo, la observación de la Tierra desde el espacio se utiliza de distintas maneras. El objetivo principal de esta tesis es desarrollar un algoritmo fiable capaz de clasificar los campos de trigo y cebada de los Países Bajos y Austria mediante métodos estadísticos y datos de retrodispersión de alta resolución de la misión Copernicus de la ESA que utiliza radares de apertura sintética embarcados en los dos satélites Sentinel-1. Para desarrollar este algoritmo, en primer lugar fue necesario estudiar las etapas fenológicas de los cultivos, los datos de satélite a lo largo de las temporadas y la variabilidad interanual debida a las diferencias de temperatura, precipitaciones y condiciones de humedad del terreno. Los resultados de la investigación dan tres tipos diferentes de clasificaciones, cada una con un grado de complejidad diferente. El algoritmo más complejo y consistente es capaz de clasificar los cereales de invierno con una tasa de éxito promedio de hasta un 83,55 % para las tres temporadas estudiadas, con un máximo de 91,90 % para una sola temporada. En conclusión, este proyecto demuestra que, aunque la retrodispersión de trigo y cebada observada desde satélite es muy similar durante gran parte del año, diferencias significativas son identificadas durante las fases de formación y doblamiento de la cabeza de los cultivos, que provocan cambios estructurales en los gráficos temporales de retrodispersión. Finalmente, se visualiza la posibilidad de separar ambos tipos de cultivos con una gran precisión utilizando exclusivamente técnicas de teledetección por microondas.

En un món on la demanda d'aliments continua augmentant a causa del creixement constant de la població, és molt important assegurar el subministrament d'aliments a tots els habitants malgrat l'elevada demanda de terres de cultiu. Per aconseguir-ho, és crucial que el rendiment dels camps de cereals d'hivern sigui el més alt possible. En el context del monitoratge dels cultius i l'optimització de la gestió del camp, l'observació terrestre des de l'espai s'usa de diverses maneres. L'objectiu principal d'aquesta tesi és desenvolupar un algoritme fiable capaç de classificar els camps de blat i ordi dels Països Baixos i Àustria mitjançant, mètodes estadístics i dades de retrodispersió d'alta resolució de la missió Copernicus de l'ESA que utilitza radars d'obertura sintètica embarcats en els dos satèl·lits Sentinel-1. Per desenvolupar aquest algorisme, primerament va ser necessari estudiar les etapes fenològiques dels cultius, les dades de satèl·lit al llarg de les temporades i la variabilitat interanual a causa de les diferències de temperatura, precipitacions i condicions d'humitat del terreny. Els resultats de la investigació donen tres tipus diferents de classificacions, cadascuna amb un grau de complexitat diferent. L'algoritme més complex i consistent és capaç de classificar els cereals d'hivern amb una taxa d'èxit mitjana d'un 83,55% per a les tres temporades estudiades, amb una taxa d'èxit màxima de 91,90% per a una sola temporada. En conclusió, aquest projecte demostra que, tot i que la retrodispersió de blat i ordi d'hivern observada des de satèl·lit és molt similar durant gran part de l'any, diferències significants són identificades durant les fases de formació i doblegament del cap dels cultius, que provoquen canvis estructurals en les gràfiques temporals de retrodispersió. A més a més, es visualitza la possibilitat de separar ambdós tipus de conreus amb gran precisió utilitzant exclusivament tècniques de teledetecció per microones.