Hütt, Christoph ORCID: 0000-0001-8381-9676 (2019). Combining Multitemporal Microwave and Optical Remote Sensing Data. Mapping of Land Use / Land Cover, Crop Type, and Crop Traits. PhD thesis, Universität zu Köln.

[img]
Preview
PDF
Huett2019MicrowaveOpticalRS_LULC_CropType_CropTraits.pdf - Published Version
Bereitstellung unter der CC-Lizenz: Creative Commons Attribution Non-commercial No Derivatives.

Download (83MB) | Preview

Abstract

Humanity has changed the earth’s surface to a dramatic extent. This is especially true for the area used for agricultural production. Against the background of a growing world population and the associated increased demand for food, it is precisely this area that will become even more important in the future. In order not to have to allocate even more land to agricultural use, optimization and intensification is the only way out of the dilemma. In this context, precise Geoinformation of the agriculturally used area is of central importance. It is utilized for improving land use, producing yield forecasts for more stable food security, and optimizing agricultural management. Rapid developments in the field of satellite-based remote sensing sensors make it possible to monitor agricultural areas with increased spatial, spectral and temporal resolution. However, to retrieve the needed information from this data, new methods are needed. Furthermore, the quality of the data has to be verified. Only then can the presented geodata help to grow crops more sustainably and more efficiently. This thesis develops new approaches for monitoring agricultural areas using the technology of microwave remote sensing in combination with optical remote sensing and existing geodata. It is framed by the overall objective to obtain knowledge on how this combination of data can provide the necessary geoinformation for land use studies, precision farming, and agricultural monitoring systems. Hundreds of remote sensing images from more than eight different satellites were analyzed in six research studies from two different Areas of Interest (AOIs). The studies guide through various spatial scales. First, the general Land Use / Land Cover (LULC) on a regional level in a multi-sensor scenario is derived, evaluating different sensor combinations of varying resolutions. Next, an innovative method is proposed, through which the high geometric accuracy of radar-imaging satellite sensors is exploited to update the spatial accuracy of any external geodata of lower spatial accuracy. Such external data is then used in the next two studies, which focus on cost-effective crop type mapping using Synthetic Aperture Radar (SAR) images. The resulting enhanced LULC maps present the annually changing crop types of the region alongside external, official geoinformation that is not retrievable from remote sensing sensors. The last two research studies deal with a single maize field, on which high resolution optical WorldView-2 images and experimental bistatic SAR observations from TanDEM-X are assessed and combined with ground measurements. As a result, this thesis shows that, depending on the AOI and the application, different resolution demands need to be fulfilled before LULC, crop type, and crop traits mapping can be performed with adequate accuracy. The spatial resolution needs to be adapted to the particularities of the AOI. Evaluation of the sensors showed that SAR sensors proved beneficial for the study objective. Processing the SAR images is complicated, and the images are unintuitive at first sight. However, the advantage of SAR sensors is that they work even in cloudy conditions. This results in an increased temporal resolution, which is particularly important for monitoring the highly dynamic agricultural area. Furthermore, the high geometric accuracy of the SAR images proved ideal for implementing the Multi-Data Approach (MDA). Thus information-rich external geodata could be used to lower the remote sensing resolution needs, improve the accuracy of the LULC-maps, and to provide enhanced LULC-maps. The first study of the maize field demonstrates the potential of the WorldView-2 data in predicting in-field biomass variations, and its increased accuracy when fused with plant height measurements. The second study shows the potential of the TanDEM-X Constellation (TDM) to retrieve plant height from space. LULC, crop type and information on the spatial distribution of biomass can thus be derived efficiently and with high accuracy from the combination of SAR, optical satellites and external geodata. The shown analyses for acquiring such geoinformation represent a high potential for helping to solve the future challenges of agricultural production.

Item Type: Thesis (PhD thesis)
Translated abstract:
AbstractLanguage
Die Menschheit hat die Erdoberfläche in dramatischem Maße verändert. Dies gilt insbesondere für die durch landwirtschaftliche Produktion genutzte Fläche. Vor dem Hintergrund einer wachsenden Weltbevölkerung und dem damit verbundenen erhöhten Bedarf nach Nahrungsmitteln werden gerade diese Gebiete in Zukunft weiter an Bedeutung zunehmen. Um nicht noch mehr Flächen für die landwirtschaftliche Nutzung bereitstellen zu müssen, ist Optimierung und Intensivierung der einzige Ausweg aus dem Dilemma. Von zentraler Bedeutung sind dabei Geoinformationen der landwirtschaftlich genutzten Fläche. Sie werden eingesetzt zur Verbesserung der Landnutzung, zur Erstellung von Ertragsprognosen für eine stabilere Ernährungssicherheit und zur Optimierung des Agrarmanagements. Rasante Entwicklungen auf dem Gebiet der satellitengestützten Fernerkundungssensoren ermöglichen es, landwirtschaftliche Flächen mit erhöhter spektraler, räumlicher und zeitlicher Auflösung abzubilden. Um jedoch die benötigten Informationen aus den Daten zu gewinnen, bedarf es neuer Methoden. Zusätzlich muss die Qualität der Daten verifiziert werden, nur dann können die präsentierten Geodaten dazu beitragen, den Nutzpflanzenanbau nachhaltiger und effizienter zu gestalten. In dieser Arbeit werden neue Ansätze für die Beobachtung landwirtschaftlicher Flächen entwickelt. Dazu wird die Technologie der satellitengestützten Synthetic Aperture Radar (SAR) Mikrowellenfernerkundung mit optischer Satelittenfernerkundung und bestehenden Geodaten kombiniert. Das übergeordnete Ziel der Arbeit ist es, Erkenntnisse darüber zu gewinnen, wie diese Datenkombination die notwendigen Geoinformationen für Landnutzungsstudien, Präzisionslandwirtschaft und landwirtschaftliche Überwachungssysteme liefern kann. Hunderte Fernerkundungsbilder von mehr als acht unterschiedlichen Satellitensystemen wurden in sechs Forschungsstudien aus zwei verschiedenen Untersuchungsgebieten analysiert. Die Studien leiten durch die verschiedenen berücksichtigten räumlichen Skalen. Zu Beginn wird die allgemeine Landnutzung auf regionaler Ebene in einem Multisensor-Szenario abgeleitet, dabei werden verschiedene Sensorkombinationen mit unterschiedlichen Auflösungen bewertet. Als nächstes wird ein innovatives Verfahren vorgestellt, durch das die hohe geometrische Genauigkeit der SAR-Satelliten genutzt wird, um die räumliche Lagegenauigkeit externer Geodaten mit geringerer Genauigkeit zu verbessern. Solche externen Geodaten sind ein Fokus der nächsten beiden Studien, die kosteneffiziente Feldfruchtkartierung mithilfe von SAR-Bildern demonstrieren. Die daraus resultierenden verbesserten Landnutzungskarten zeigen die jährlich wechselnden Feldfrüchte der Region in Kombination mit externen, offiziellen Geoinformationen, die normalerweise nicht von Fernerkundungssensoren ermittelt werden können. Die letzten beiden Forschungsarbeiten befassen sich mit einem Maisfeld, auf dem hochauflösende optische WorldView-2-Bilder und experimentelle bistatische SAR Beobachtungen von TanDEM-X, mit Bodenmessungen bewertet und kombiniert werden. Die Ergebnisse der Arbeit zeigen, dass je nach Untersuchungsgebiet unterschiedliche Auflösungsanforderungen erfüllt sein müssen, bevor Landnutzung, Feldfrüchte und Pflanzeneigenschaften mit ausreichender Genauigkeit kartiert werden können. Es zeigte sich, dass die räumliche Auflösung an die Besonderheiten der Untersuchungsregion angepasst werden muss. In einer weiteren Sensorbewertung erwiesen sich die eingesetzten SAR Sensoren als vorteilhaft für das Studienziel. Obwohl die Bearbeitung der SAR Bilder kompliziert ist, und die Bilder auf den ersten Blick ungewohnt wirken, wurde der Vorteil der SAR Sensoren deutlich: auch bei bewölktem Himmel werden Daten geliefert. Diese Eigenschaft führt zu einer erhöhten zeitlichen Auflösung, die sich als essentiell für die Überwachung der hochdynamischen landwirtschaftlichen Flächen herausstellte. Darüber hinaus erwies sich die hohe geometrische Genauigkeit der SAR Bilder als ideal für die Implementierung des Multi-Data Approach (MDA). Somit konnten informationsreiche externe Geodaten verwendet werden, um die Auflösungsanforderungen an die Fernerkundungsdaten zu senken, die Genauigkeit der Landnutzungskarten zu verbessern und um verbesserte, mit externen Geoinformationen angereicherte Landnutzungskarten zu erstellen. Die erste der beiden Maisfeldstudien zeigte das Potenzial des optischen Satellitensystems WorldView-2 für die Detektion von Biomassevariationen innerhalb eines Feldes und eine erhöhte Genauigkeit der Biomasseschätzung bei der Hinzunahme von Pflanzenhöhenmessungen. Die zweite Maisfeldstudie demonstrierte das Potenzial der TanDEM-X Konstellation, die Pflanzenhöhe auch aus dem Weltraum zu messen. Landnutzung, Feldfruchtkartierungen und Informationen über die räumliche Verteilung von Biomasse lassen sich also aus der Kombination von SAR und optischen Satelliten und externen Geodaten effizient und mit hoher Genauigkeit ableiten. Die gezeigten Analysen zur Gewinnung der Geoinformation stellen ein großes Potential dar und können helfen, die zukünftigen Herausforderungen landwirtschaftlicher Produktion zu meistern.German
Creators:
CreatorsEmailORCID
Hütt, Christophchristoph.huett@uni-koeln.deorcid.org/0000-0001-8381-9676
URN: urn:nbn:de:hbz:38-97204
Subjects: Data processing Computer science
Natural sciences and mathematics
Earth sciences
Agriculture
Geography and travel
Uncontrolled Keywords:
KeywordsLanguage
Remote SensingEnglish
Land Use / Land CoverEnglish
Crop TypeEnglish
Crop TraitsEnglish
Synthetic Aperture RadarEnglish
ClassificationEnglish
GeographyEnglish
Faculty: Faculty of Mathematics and Natural Sciences
Divisions: Faculty of Mathematics and Natural Sciences > Institute for Geography
Language: English
Date: 2019
Date of oral exam: 8 May 2019
Referee:
NameAcademic Title
Bareth, GeorgProf. Dr.
Schneider, KarlProf. Dr.
Refereed: Yes
URI: http://kups.ub.uni-koeln.de/id/eprint/9720

Downloads

Downloads per month over past year

Export

Actions (login required)

View Item View Item