Publication Date:
2024-02-05
Description:
Agricultural monitoring of crops such as winter wheat and winter barley is of high importance for farmers in the context of current global challenges like climate change and population growth as well as the related food security and arable land scarcity. A dense time series of satellite remote sensing data enables a farmer to react quickly to disturbances by adapting his field management strategy. Whereas optical remote sensing data need clear conditions, radar remote sensing data are independent of clouds and thus ensure regular acquisitions. Therefore, this thesis investigates the potential of synthetic aperture radar (SAR) data of Sentinel-1 to monitor biophysical parameters and to detect phenological entry dates of winter wheat and winter barley in two study areas in Northeast Germany. Two meteorologically very different years are compared: 2017, which was a rather wet year, and 2018, which was an extremely hot and dry year. The three SAR backscatter parameters VV (vertical-vertical), VH (vertical-horizontal) and their ratio VH/VV as well as three polarimetric decomposition parameters (entropy, anisotropy and alpha) are extracted from 400 Sentinel-1 images covering the vegetation periods in 2017 and 2018. Extensive field measurements took place regularly at the same time period at predefined observation points. Field and laboratory measurements result in six biophysical parameters (wet and dry biomass, leaf area index (LAI), plant height as well as absolute and relative vegetation water content) that are analysed in the thesis. Phenological observations and meteorological data are obtained from the German Weather Service (DWD). To get a basic understanding of the development of the SAR signal in the course of the vegetation period, temporal profiles of all SAR parameters are analysed as a first step. Differences between test sites, years and crop types as well as between- and withinfield differences are evaluated. Single and multiple regression models are used to estimate biophysical parameters from SAR parameters. To detect phenological entry dates, local extrema and breakpoints of smoothed time series of all SAR parameters are compared to observed phenological entry dates. The analysis of temporal profiles shows characteristic curves indicating phenological development of wheat and barley. Depending on prevailing phenological stages, the variable contribution of soil and vegetation, structural changes of the plants as well as their water content are mainly influencing the SAR signal. Temporal profiles are strongly influenced by meteorological conditions, therefore remarkable differences between profiles of 2017 and 2018 are observable. Based on these findings, the data is split in three groups depending on phenological development for the regression analysis. Between tillering and end of booting, wheat achieves best single regression results for VV backscatter. Multiple regression using VV, VH, entropy and alpha only marginally improves regression results and show coefficients of determination (R2) of 0.76 for plant height, 0.7 for wet and dry biomass, 0.69 for vegetation water content and 0.67 for LAI. Wheat continuously achieves higher R2 values than barley. Regression results as well as temporal profiles reveal that between-field differences are more prominent than within-field differences. Unlike known from optical remote sensing data, it is not possible to detect field heterogeneity using SAR parameters only, which is mainly due to geometrical characteristics of the SAR data such as the speckle effect. Entry dates of phenological stages are successfully detected. Particularly the beginning of stem elongation and the beginning of heading as well as the hard dough stage (only in 2018) are detected with accuracies of around 5 days. The variability of identified entry dates is higher between years than between fields and test sites and mainly due to meterological differences. This thesis provides multiple new insights of Sentinel-1 SAR data in an agricultural context. It is one of the first studies applying polarimetric decomposition of dual-polarized SAR data for agricultural monitoring. Results of the thesis confirm and expand results of previous studies and are particularly useful as a basis for continuative research to fully exploit the opportunities of SAR data in an agricultural context. Additionally, some of the results can directly support farmers in their decisions about field management. Particularly the successful detection of the beginning of stem elongation as well as the detection of flag leave emergence is of high interest for farmers to define the optimal timing of the second and third nitrogen fertilization as well as the most effective application time of pesticides and an optimal irrigation start time. Furthermore, indicators for an optimal harvest time can be derived from SAR data. However, the development of practical and timely applications of SAR data that are directly usable for farmers requires further research such as the extension of the methods to further years, crop types and study areas.
Description:
Das landwirtschaftliche Monitoring von Feldfrüchten wie Winterweizen und Wintergerste ist von großer Bedeutung für Landwirte im Rahmen aktueller globaler Herausforderungen wie Klimawandel und Bevölkerungswachstum sowie der damit zusammenhängenden Nahrungssicherheit und der steigenden Knappheit fruchtbarer Flächen. Eine dichte Zeitreihe aus Fernerkundungsdaten ermöglicht dem Landwirt, schnell auf Störungen zu reagieren, indem er seine Bewirtschaftungsstrategien anpasst. Während optische Satellitendaten auf wolkenfreie Bedingungen angewiesen sind, sind Radardaten wolkenunabhängig und sichern somit regelmäßige Aufnahmen. Diese Arbeit untersucht das Potential von Synthetic Aperture Radar (SAR) Daten der Sentinel-1 Mission, biophysikalische Parameter zu beobachten und phänologische Eintrittsdaten von Winterweizen und Wintergerste in zwei Untersuchungsgebieten in Nordostdeutschland zu erfassen. Zwei meteorologisch sehr unterschiedliche Jahre werden dabei miteinander verglichen: 2017, ein eher feuchtes Jahr, und 2018, ein extrem heißes und trockenes Jahr. Die drei SAR-Rückstreuungsparameter VV (vertikal-vertikal), VH (horizontal-horizontal) und deren Ratio VH/VV sowie drei Parameter abgeleitet aus polarimetrischer Dekomposition (Entropie, Anisotropie und Alpha) werden aus 400 Sentinel-1 Bildern extrahiert, die in den Vegetationsperioden 2017 und 2018 aufgenommen wurden. Umfangreiche Feldmessungen fanden in denselben Zeiträumen an vorher definierten Messpunkten statt. Feld- und Labormessungen resultieren in sechs biophysikalische Parameter (feuchte und trockene Biomasse, Blattflächenindex (LAI), Pflanzenhöhe sowie absoluter und relativer Pflanzenwassergehalt), die in dieser Arbeit betrachtet werden. Phänologische Beobachtungen und meteorologische Daten werden vom Deutschen Wetterdienst (DWD) bezogen. Um ein Grundlagenverständnis über die Entwicklung des SAR-Signals im Verlauf der Vegetationsperiode zu erhalten, wurde zunächst die zeitliche Entwicklung aller SAR-Parameter analysiert. Unterschiede zwischen Untersuchungsgebieten, Jahren und Fruchtarten sowie Unterschiede zwischen einzelnen Feldern und innerhalb eines Feldes werden evaluiert. Einfache und multiple Regressionsanalysen werden genutzt um biophysikalische Parameter aus den SAR-Parametern abzuleiten. Um Eintrittsdaten phänologischer Phasen zu detektieren, werden lokale Extrema und Strukturbrüche geglätteter Zeitreihen mit beobachteten phänologischen Eintrittsdaten verglichen. Die Analyse der zeitlichen Entwicklung der SAR-Parameter zeigt charakteristische Kurven, die die phänologische Entwicklung von Weizen und Gerste nachzeichnen. Abhängig von der vorherrschenden phänologischen Phase beeinflussen der unterschiedliche Anteil von Boden und Vegetation, strukturelle Änderungen der Pflanzen sowie deren Wassergehalt maßgeblich das SAR-Signal. Die Zeitreihen sind stark abhängig von meteorologischen Bedingungen, daher sind bemerkenswerte Unterschiede zwischen den Jahren 2017 und 2018 zu beobachten. Basierend auf diesen Ergebnissen wurden die Daten für die Regressionsanalyse in drei Gruppen abhängig von ihrer phänologischen Entwicklung aufgeteilt. Zwischen Bestockung und Ende des Ährenschwellens erreicht Weizen dabei die besten Ergebnisse für einfache Regression mit VV-Rückstreuung. Die multiple Regression mit den Parametern VV, VH, Entropie und Alpha verbessert die Regressionsergebnisse nur geringfügig und erreicht Determinationskoeffizienten (R2) von 0.76 für Pflanzenhöhe, 0.7 für feuchte und trockene Biomasse, 0.69 für absoluten Pflanzenwassergehalt und 0.67 für den LAI. Weizen erreicht durchgängig höhere R2-Werte als Gerste. Die Ergebnisse der Regressionsanalyse sowie die zeitlichen Verläufe zeigen, dass Unterschiede zwischen Feldern deutlicher hervortreten als Unterschiede innerhalb eines Feldes. Anders als von optischen Fernerkundungsdaten bekannt, ist es hauptsächlich aufgrund der geometrischen Eigenschaften der SAR-Daten wie dem Speckle-Effekt nicht möglich, die Heterogenität eines Feldes ausschließlich mithilfe von SAR-Parametern abzuleiten. Eintrittsdaten phänologischer Phasen konnten erfolgreich detektiert werden. Vor allem der Beginn des Schossens, der Beginn des Ährenschiebens sowie die Gelbreife (nur in 2018) konnten mit Genauigkeiten von ca. 5 Tagen erkannt werden. Die Variabilität der identifizierten Eintrittsdaten zwischen den beiden Jahre ist dabei größer als die Variabilität zwischen einzelnen Feldern und den beiden Untersuchungsgebieten, was hauptsächlich auf meteorologische Unterschiede zurückzuführen ist. Diese Arbeit stellt mehrere neue Erkenntnisse über Sentinel-1 SAR-Daten im landwirtschaftlichen Kontext bereit. Es ist eine der ersten Arbeiten, die polarimetrische Dekomposition von dual-polarisierten SAR-Daten für ein landwirtschaftliches Monitoring anwendet. Die Ergebnisse dieser Arbeit bestätigen und ergänzen Ergebnisse bisheriger Studien und sind vor allem als Basis für weiterführende Forschungsaktivitäten wertvoll, um die Möglichkeiten von SAR-Daten im landwirtschaftlichen Kontext voll auszuschöpfen. Zusätzlich können einige der Ergebnisse Landwirte direkt bei der Entscheidungsfindung hinsichtlich ihrer Feldbewirtschaftung unterstützen. Vor allem das erfolgreiche Erkennen des Schossbeginns sowie des Hervortretens des Fahnenblattes kurz vor dem Ährenschieben ist für Landwirte von hohem Interesse, um den optimalen Zeitpunkt für die zweite und dritte Stickstoffgabe, die effektivste Zeit des Pestizideinsatzes sowie den optimalen Startzeitpunkt der Bewässerung zu bestimmen. Weiterhin können Indikatoren zum Bestimmen des optimalen Erntezeitpunktes aus SAR-Daten abgeleitet werden. Dennoch benötigt die Entwicklung von praxis- und zeitnahen Anwendungen, die direkt für den Landwirt nutzbar sind, weiterführende Forschung wie zum Beispiel die Erweiterung der Methoden auf weitere Jahre, Fruchtarten und Untersuchungsgebiete.
Type:
info:eu-repo/semantics/doctoralThesis
Permalink