Integration of optical and radar satellite data for natural resources monitoring

Remote sensing is the science of acquiring information without being in direct contact with the observed target. Earth Observation (EO) relies on remote sensing technologies to provide information and to monitoring the Earth surface. Nowadays several satellite EO systems acquire data which are made available to the scientific community for various scientific purposes. Both passive and active satellite sensors acquire data at different wavelengths of the electromagnetic spectrum (visible and near infrared and microwave) thus providing information of the surface properties. Each of these methods have their own limitations and considering an integration of these types of data could fill out the gaps cause by the limitations of each and provide better and more accurate results. Integration of data from different source becomes particularly important in the perspective of operational monitoring systems. The objective of the thesis’ research work is to test the integration of optical and SAR (Synthetic Aperture Radar) satellite data for natural resources monitoring. Two different applications were considered; monitoring vegetation disturbances, specifically mapping the areas affected by wildfires in Mediterranean regions of southern European states, and crop mapping in northern Italy. The first application has the major objective of producing burned areas maps over Portugal for the year 2003 by integrating Envisat ASAR and NASA Landsat 5 TM images in a fuzzy burned area mapping algorithm. The integration of both image data types relied on preliminary analysis of the backscattering coefficient (sigma naught, σ°) over burned and unburned surfaces and the subsequent formalization of the contribution of SAR data to be integrated with optical information. The greatest discrimination between burned and unburned surfaces was achieved by using the image difference between pre- and post-fire ASAR scenes (Δσ°), indeed, burned areas show a general increase of the backscattering coefficient due to the effects of the fire on the vegetated layer. A post-fire TM image has been used to derive spectral indices that were previously exploited for the discrimination of the burned areas. The algorithm relies on fuzzy sets theory to i) formalize the contributions of the SAR and optical input layers through the definition of fuzzy membership functions and ii) derive synthetic layers of fuzzy scores from the multi-source input. These layers are exploited in a seed region growing algorithm implemented to derive a final fuzzy score map. The most suitable approach for data integration was found to be the use of SAR information to revise the seeds identified from the optical input layers; indeed, falsely detected seeds (e.g. over low albedo surfaces) can be reduced with the information brought by Δσ°. Results showed that SAR data bring more information and increase the overall accuracy by decreasing the commission errors (areas identified as burned which are actually unburned surfaces). Results also highlighted that there are some issues on the use of SAR data for the identification of the burned areas since other factors can influence the backscattering coefficient rather than the change of the surface conditions induced by the fire. Topography of the area certainly plays an important role and the use of SAR data in mountain areas is still a critical issue. The second application focused on crop mapping, i.e. the identification of different crop types. Specifically, the objective was to assess the accuracy of crop maps produced at different time steps during the season and the contribution of the information brought by SAR to the overall accuracy. NASA Landsat 8 OLI and ASI Cosmo SkyMed images have been acquired for the summer season of the year 2013. The SAR and optical multi-temporal datasets have been processed to derive σ° and vegetation indices for each date, respectively. Three classification algorithms were tested (i.e. maximum Likelihood, Spectral Angle Mapper and Euclidean Distance) to assess overall accuracy of the crop map (all crop classes together) and of the single crop types. Results highlighted that maximum likelihood provided the best performance and the integration of the two types of data help to improve crop mapping and to retrieve early crop maps in mid-season. The so-called early crop map (a crop map derived at the end of June/beginning of July) is of key importance for private and public end users requiring information for crop management. In general, the two applications tested proved the improvement of results with using SAR and optical integrated data. In both case studies, multi-source data integration is necessary in the framework of operational monitoring of natural resources. Depending on the availability of data and continuity of the data, further studies will help to open new windows for multi-data processing in earth Observation applications. The ESA Sentinel missions will certainly provide useful datasets for further testing optical and SAR integration.

Il telerilevamento è una disciplina tecnico-scientifica che ha per oggetto l’acquisizione di informazioni quali-quantitative inerenti superfici (target) naturali o artificiali, senza che vi sia un contatto fisico con l’oggetto investigato. Dagli anni ’70 ad oggi, il ricorso a tecniche di telerilevamento per la produzione di informazioni utili al monitoraggio della superficie terrestre è stato crescente. Oggigiorno sono disponibili numerosi satelliti dedicati all’osservazione della Terra, in grado di acquisire dati disponibili per la comunità scientifica. Le piattaforme satellitari possono ospitare sensori di tipo “passivo” o “attivo”. Questa distinzione viene fatta in funzione della regione dello spettro elettromagnetico per cui questi sono sensibili: regioni del visibile, dell’infrarosso e dell’infrarosso termico provenienti dalla radiazione solare per i sensori passivi e microonde provenienti dalla strumentazione stessa per i sensori attivi. I sensori possono pertanto fornire differenti tipologie di informazione rispetto alle superfici naturali investigate. I dati acquisiti da sensori passivi ed attivi presentano alcune limitazioni d’impiego ma considerandone un loro uso integrato, è possibile sfruttarne la sinergia per colmare parte di queste limitazioni, ottenendo informazioni di migliore qualità e più accurate. La possibilità di integrare dati provenienti da diverse sorgenti, risulta essere ancor più importante nella prospettiva di sistemi informativi operativi per il monitoraggio ambientale. Obiettivo della ricerca condotta in questa tesi è stato quello di integrare dati satellitari ottici (acquisiti da sensori satellitari passivi) e dati SAR (Synthetic Aperture Radar, acquisiti da sensori satellitari attivi) in applicazioni per il monitoraggio delle risorse naturali. Il lavoro di ricerca si è focalizzato su due applicazioni di monitoraggio delle risorse naturali: la prima riguardante il monitoraggio dei danni subiti dalla vegetazione, con particolare attenzione alla mappatura di aree percorse da incendio in regioni mediterranee del Sud Europa e la seconda applicazione inerente la mappatura delle principali colture agricole nel Nord Italia. La prima applicazione ha avuto come obiettivo specifico quello di produrre mappe tematiche delle aree bruciate in Portogallo, durante l’anno 2003. Sono stati integrati dati Envisat ASAR (ESA) e dati Landsat 5 TM (NASA) in un algoritmo per la produzione di mappe di aree bruciate, basato sulla logica fuzzy. La fase di integrazione delle due tipologie di dato ha previsto un’analisi preliminare del coefficiente di backscattering (sigma naught, σ°) su superfici affette e non affette da incendio. Questa analisi ha permesso di formalizzare la modalità di integrazione del dato SAR con il dato ottico. La caratteristica del dato SAR in grado di discriminare maggiormente le aree bruciate è stata individuata nella differenza del valore del segnale σ° tra due acquiszioni, una prima dell’incendio ed una successiva all’incendio (Δσ°). Le aree bruciate hanno mostrano un aumento generale del coefficiente di backscattering per effetto dell’incendio dello strato vegetale. Per quanto riguarda il trattamento del dato ottico, differenti indici spettrali sono stati calcolati dall’immagine TM successiva all’evento di incendio. Questi indici sono stati analizzati per capire quali di questi fosse più idoneo nel discriminare le superfici percorse dal fuoco. L’algoritmo utilizzato durante la fusione dei dati SAR-ottico, si basa sulla teoria della logica fuzzy che è stata applicata allo scopo di: i) formalizzare il contributo del dato SAR e ottico (Δσ° e indici spettrali) in input alla fusione sulla base di funzioni di appartenenza fuzzy, ii) derivare un’informazione sintetica (layer sintetici) fuzzy (nell’intervallo 0-1) a partire dai contributi ottico e SAR input. I layer sintetici, derivati dai dati in input con Operatori fuzzy (OWA), sono stati utilizzati in un algoritmo di region growing implementato per ottenere la mappa finale fuzzy. Il miglior approccio individuato per l’integrazione è stato quello dell’impiego dell’informazione proveniente da dato SAR per revisionare i semi identificati a partire dai dati in ingresso ottici, layer di partenza per l’algoritmo di region growing. In questo modo, i semi erroneamente identificati (ad esempio quelli situati in aree con basso albedo quali le ombre dovute alla topografia e/o alla presenaz di nuvole) possono essere ridotti grazie al contributo dell’informazione contenuta nel dato SAR Δσ°. I risultati hanno evidenziato che il contributo dell’informazione SAR ha portato ad aumentare l’accuratezza globale delle mappe tematiche grazie ad un effetto sulla diminuzione degli errori di commissione. I risultati hanno anche evidenziato alcuni rispetto limiti per l'uso di questi dati per l'identificazione di aree bruciate, rilevando la presenza di altri fattori in grado di influenzare il coefficiente di backscattering oltre al cambiamento delle condizioni superficiali indotte dal fuoco. La topografia dell’area studio ad esempio ha sicuramente un ruolo importante da questo punto di vista, l’uso di dati SAR in aree montuose rimane ad oggi una tematica ancora oggetto di studio. La seconda applicazione ha avuto come oggetto la mappatura di coltivazioni agricole. L’obiettivo è stato quello di valutare l’accuratezza di una serie di mappe tematiche delle colture prodotte a diversi intervalli temporali durante la stagione agronomica e di valutare inoltre il contributo fornito dall’informazione SAR nell’accuratezza globale delle mappe. Sono state utilizzate immagini Landsat 8 OLI (NASA) e immagini Cosmo SkyMed (ASI) acquisite durante la stagione estiva 2013 per un’area di studio in Italia settentrionale. Dataset multi-temporali di immagini SAR ed ottiche sono stati processati per derivare per ciascuna immagine i valori di σ° e di indici spettrali relativi alla vegetazione. Sono stati considerati tre algoritmi di classificazione: Maximun Likelihood, Spectral Angle Mapper ed Euclidean Minimum Distance. L’accuratezza globale delle mappe tematiche è stata valutata sia globalmente sia considerando le singole tipologie colturali. I risultati hanno evidenziato che le migliori performance di classificazione sono sono state conseguite mediante l’applicazione dell’algoritmo Maximum Likelihood. L’integrazione delle due tipologie di dato ha portato un miglioramento della mappatura delle colture, l’approccio di integrazione si è rivelato pertanto utile per ottenere mappature precoci delle colture durante la stagione in corso. La cosiddetta “mappatura precoce delle colture” (prodotta tra la fine di Giugno ed inizio Luglio) rappresenta un risultato utile sia per utenti pubblici (come supporto informativo per decisori/legislatori) che privati (come supporto alla gestione delle colture). In generale, le due applicazioni testate in questa tesi hanno dimostrato un miglioramento nei risultati dovuto all’uso integrato di dati SAR ed ottico. Nei due casi studio, l’integrazione di dati multi-sorgente ha portato un contributo utile nel contesto di sistemi operativi per il monitoraggio di risorse naturali. Considerando una continuità nella disponibilità dei dati impiegati, ulteriori studi potranno contribuire a testare nuovi approcci metodologici per il trattamento di dati multi-sorgente, contribuendo ad applicazioni per il monitoraggio delle risorse naturali. Le missioni ESA Sentinel avranno un ruolo molto importante in questa prospettiva, e potranno fornire, in modo operativo, dati utili per sperimentare nuovi approcci di integrazione tra dati SAR ed ottico. Parole chiave: Osservazione della Terra, Risorse Naturali, SAR, Ottico, Mappatura delle colture, Aree bruciate.