Analysis of multi-temporal spaceborne Earth observation data to map selected land cover classes

Nowadays, the need for reliable, timely, high-resolution land cover maps is more than urgent if large-scale environmental problems are to be tackled effectively. Many different contexts would in fact benefit from such products, such as climate change, desertification, arctic greening, deforestation, urbanization, soil erosion, forest monitoring, conservation of biodiversity, urban area management, water resources management, agriculture, food security and many others. Due to the fact that the involved variables tend to change very rapidly in time and space, the availability of frequent and good quality global land cover products raises great interest. Several regional/global thematic and land cover maps have been delivered and other are expected, but they often do not meet the specific requirements of various applications; this is mainly due to the fact that all the existing products have been generated from different satellite sensors (optical, radar or both), different sampling strategies, different types of mapped land cover types, different validation protocols, etc. Moreover, the spatial and/or temporal resolution of these products is often insufficient for some applications. In this thesis work, we investigated how to leverage multitemporal optical and SAR data to characterize a very small set of classes rather than a full range of land cover types. Our work focuses on vegetation (including tree species, grasslands, shrublands and others), water bodies (including lakes, seas, rivers and others) and organic croplands (specifically, organic farming practices). Regarding vegetation, the technical literature offers numerous well-established methodologies aimed at mapping vegetated land covers. On the contrary, approaches that use SAR sensors as the main source of data are definitely more scarce. For this reason, part of this thesis work will be devoted to analyze the potential of multitemporal SAR data to characterize several types of natural vegetation. Regarding mapping of water bodies, the scientific literature provides several solutions based on optical and SAR data. However, almost all the analyzed methodologies have some limitations, mainly related to lack of automatism, impossibility to use the proposed method in other regions of interest, relatively low spatial resolution and others. Given the climate change community's need for timely information on the status of water bodies at the global level regardless of weather conditions, in this thesis a methodology aimed at mapping water bodies using sequences of SAR data, that is able to overcome the most severe limitations of the existing methodologies, is proposed. Finally, to characterize organic farmland, several aspects must be detected and monitored, including weed-killer operations, fertilization activities and tillage techniques. To do so, both multitemporal optical and SAR data are exploited to build small detection blocks, that will be part of a more complex organic farming monitoring system aimed at improving transparency and traceability within the organic food supply chain. In general, results showed that SAR and multispectral time series can be successfully employed to classify these land cover types.

Oggigiorno, per poter affrontare efficacemente i problemi ambientali su larga scala, la necessità di disporre di mappe di copertura del suolo affidabili e ad alta risoluzione spaziale e temporale è più che mai urgente. Infatti, numerosi contesti potrebbero trarre beneficio da tali prodotti come, ad esempio, il cambiamento climatico, la desertificazione, l'inverdimento dell'artico, la deforestazione, l'urbanizzazione, l'erosione del suolo, il monitoraggio delle foreste, la conservazione della biodiversità, la gestione delle aree urbane, la gestione delle risorse idriche, l'agricoltura, la sicurezza alimentare e molti altri. Siccome le variabili di interesse tendono a cambiare molto rapidamente nel tempo e nello spazio, la disponibilità di mappe di copertura del suolo frequenti e di buona qualità suscita un grande interesse. Negli ultimi anni sono state prodotte diverse mappe tematiche e di copertura del suolo su scala regionale/globale le quali, tuttavia, spesso non soddisfano i requisiti imposti dalle applicazioni; ciò è dovuto principalmente al fatto che i prodotti esistenti sono stati generati da diversi sensori satellitari (ottici, radar o entrambi), diverse strategie di campionamento, diverse legende, diversi protocolli di validazione, ecc. Inoltre, la risoluzione spaziale e/o temporale di tali prodotti è spesso insufficiente per diverse applicazioni. In questo lavoro di tesi è stato studiato come sfruttare dati multitemporali di tipo ottico e SAR (Synthetic Aperture Radar) per caratterizzare un insieme molto ristretto di classi, piuttosto che un'ampia gamma di tipi di copertura del suolo. Il lavoro presentato si concentra sulla vegetazione (tra cui specie arboree, praterie, arbusti ed altri), corpi idrici (tra cui laghi, mari, fiumi ed altri) e colture biologiche (in particolare, pratiche di agricoltura biologica). Per quanto riguarda la vegetazione, la letteratura scientifica offre numerose metodologie consolidate, finalizzate alla mappatura delle coperture vegetative. Al contrario, gli approcci che sfruttano i sensori SAR come principale fonte di dati sono decisamente più rari. Per questo motivo, parte di questa tesi è dedicata all'analisi della potenzialità dei dati SAR multitemporali nel caratterizzare diversi tipi di vegetazione naturale. Per quanto riguarda la mappatura dei corpi idrici, la letteratura tecnica fornisce diverse soluzioni basate sia su dati ottici che SAR. Tuttavia, la maggioranza delle metodologie analizzate presentano alcune limitazioni legate principalmente alla mancanza di automatismo degli algoritmi, l'impossibilità di utilizzare il modello in altre regioni di interesse, alla risoluzione spaziale relativamente bassa ed altri. Dal momento che la comunità sul cambiamento climatico necessita di informazioni tempestive relative allo stato dei corpi idrici a livello non solo locale/regionale ma anche globale, e che sia indipendente dalle condizioni meteorologiche delle diverse aree del mondo, in questa tesi si propone una metodologia volta a mappare i corpi idrici sfruttando sequenze temporali di dati SAR, che sia in grado di superare le limitazioni più gravi presenti negli approcci esistenti. Infine, per quanto concerne la caratterizzazione dei terreni agricoli biologici, occorre rilevare e monitorare diversi aspetti, tra cui le operazioni di diserbo, le attività di fertilizzazione e le tecniche di lavorazione del terreno. A tal fine, sia i dati ottici multitemporali che i dati SAR vengono sfruttati per costruire piccoli blocchi che faranno parte di un sistema di monitoraggio dell'agricoltura biologica più complesso, volto a migliorare la trasparenza e la tracciabilità all'interno della catena di approvvigionamento alimentare biologica. In generale, i risultati hanno dimostrato che le sequenze temporali di dati SAR e multispettrali possono essere impiegate con successo nella classificazione dei diversi tipi di copertura del suolo di cui sopra.