Rice cropland monitoring and mapping in the Po river catchment based on Sentinel-1-derived timeseries phenology parameters

Rice cultivation is one of the most vital agricultural activities in the world for human beings because it is a staple food for us. One of the ways to monitor the distribution of this valuable grain and collect cultivation statistics is through rice-based detection of cultivation patterns around the world or in smaller regions by government agency au thorities, by applying remote sensing-based rice detection algorithms to the region of interest. SAR-based rice monitoring has shown remarkable results over time in distin guishing rice cropland from other types of land cover because of its high sensitivity to flooded surfaces. For this study, a dataset with high spatial and temporal resolution was used. Multi-temporal SAR data analysis is the best known approach for rice area analysis and detection. The annual backscatter variation of rice acreage is higher than other crops during the rice growing season, and this is the key principle behind the rice monitoring algorithms. In this thesis, we applied the algorithm developed by "Nguyen and Wagner" [40]" to SAR multi-temporal VV and VH-polarised datasets from 2019 and 2020, aiming to distinguish rice acreage distribution from the other crop types. We improved the parameterization of the algorithm for the Po river catchment and obtained a rice map with about 88% precision, 99% overall accuracy, 77% F1-score and 0.78 Kappa. Moreover, we demon strated that the VH-polarisation time series is more efficient than the VV-polarisation in rice seasonality detection and mapping. We also developed further steps by analyzing the local extrema by segmenting the rice growing season into subsections and analyzing them separately to improve the original algorithm. This method was applied in the valleys of the Po River located in northern Italy, which are rich in rice cultivation with a high distribution of rice paddies.

La coltivazione del riso è una delle attività agricole più vitali al mondo per l’uomo, perché è un alimento di base per noi. Uno dei modi per monitorare la distribuzione di questo prezioso cereale e raccogliere statistiche sulla coltivazione è il rilevamento basato sul riso dei modelli di coltivazione in tutto il mondo o in regioni più piccole da parte delle autorità governative, applicando algoritmi di rilevamento del riso basati sul telerilevamento alla re gione di interesse. Il monitoraggio del riso basato sul SAR ha mostrato nel tempo risultati notevoli nel distinguere le coltivazioni di riso da altri tipi di copertura del suolo, grazie alla sua elevata sensibilità alle superfici allagate. Per questo studio è stato utilizzato un set di dati ad alta risoluzione spaziale e temporale. L’analisi dei dati SAR multitemporali è l’approccio più conosciuto per l’analisi e il rilevamento delle aree risicole. La variazione annuale della retrodiffusione della superficie coltivata a riso è più elevata rispetto alle altre colture durante la stagione di crescita del riso, e questo è il principio chiave alla base degli algoritmi di monitoraggio del riso. In questa tesi, abbiamo applicato l’algoritmo sviluppato da "Nguyen e Wagner" [40]" ai dataset SAR multi-temporali VV e VH-polarizzati del 2019 e 2020, con l’obiettivo di dis tinguere la distribuzione della superficie coltivata a riso dagli altri tipi di colture. Abbiamo migliorato la parametrizzazione dell’algoritmo per il bacino idrografico del Po e abbiamo ottenuto una mappa del riso con una precisione dell’88% circa, un’accuratezza complessiva del 99%, un F1-score del 77% e un Kappa di 0,78. Inoltre, abbiamo dimostrato che la serie temporale con polarizzazione VH è più efficiente della polarizzazione VV nel rileva mento e nella mappatura della stagionalità del riso. Abbiamo anche sviluppato ulteriori passi analizzando gli estremi locali, segmentando la stagione di coltivazione del riso in sottosezioni e analizzandole separatamente per migliorare l’algoritmo originale. Questo metodo è stato applicato nelle valli del fiume Po, situate nell’Italia settentrionale, ricche di coltivazioni di riso e con un’elevata distribuzione di risaie.