Grassland Use Intensity Classification Using Intra-Annual Sentinel-1 and -2 Time Series and Environmental Variables

Ana Potočnik (Avtor), Matej Račič (Avtor), Markus Immitzer (Avtor), Krištof Oštir (Avtor), Tatjana Veljanovski (Avtor)

Povzetek

Detailed spatial data on grassland use intensity is needed in several European policy areas for various applications, e.g., agricultural management, supporting nature conservation programs, improving biodiversity strategies, etc. Multisensory remote sensing is an efficient tool to collect information on grassland parameters. However, there is still a lack of studies on how to process, combine, and implement large radar and optical image datasets in a joint observation framework to map grassland types on large heterogeneous study areas. In our study, we assessed the usefulness of 2521 Sentinel-1 and 586 Sentinel-2 satellite images and topographic data for mapping grassland use intensity. We focused on the distinction between intensively and extensively managed permanent grassland in a large heterogeneous study area in Slovenia. We provided dense Satellite Image Time Series (SITS) for 2017, 2018 and 2019 to identify important differences, e.g., management p ractices, between the two grassland types analysed. We also investigated the effectiveness of combining two different remote-sensing products, the optical Normalised Difference Vegetation Index (NDVI) and radar coherence. Grassland types were distinguished using an object-based approach and the Random Forest classification. With the use of SITS only, the models achieved poor performance in the case of cloudy years (2018). However, the performance improved with additional features (environmental variables). The feature selection method based on Mean Decrease Accuracy (MDA) provided a deeper insight into the high-dimensional multisensory SITS. It helped select the most relevant features (acquisition dates, environmental variables) that distinguish between intensive and extensive grassland types.

Ključne besede

ekstenzivno in intenzivno upravljani travniki;NDVI;koherenca;časovna vrsta satelitskih posnetkov;naključni gozd;izbira značilnosti;extensive and intensive managed grassland;coherence;Satellite Image Time Series;Random Forest;feature selection;

Podatki

Jezik:	Angleški jezik
Leto izida:	2022
Tipologija:	1.01 - Izvirni znanstveni članek
Organizacija:	ZRC-SAZU - Znanstvenoraziskovalni center Slovenske akademije znanosti in umetnosti
Založnik:	MDPI
UDK:	528
COBISS:	115487491
ISSN:	2072-4292
Št. ogledov:	217
Št. prenosov:	28
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Slovenski jezik
Sekundarni naslov:	Klasifikacija intenzivnosti rabe travnikov z uporabo medletnih časovnih vrst Sentinel-1 in -2 ter okoljskih spremenljivk
Sekundarni povzetek:	Podrobni prostorski podatki o intenzivnosti rabe travišč so potrebni na več evropskih področjih politike za različne namene, npr. za upravljanje kmetijstva, podporo programom ohranjanja narave, izboljšanje strategij biotske raznovrstnosti itd. Večsenzorično daljinsko zaznavanje je učinkovito orodje za zbiranje informacij o parametrih travišč. Vendar še vedno primanjkuje študij o tem, kako obdelati, združiti in uporabiti velike nabore podatkov o radarskih in optičnih slikah v okviru skupnega opazovanja za kartiranje tipov travišč na velikih heterogenih študijskih območjih. V naši študiji smo ocenili uporabnost 2521 satelitskih posnetkov Sentinel-1 in 586 satelitskih posnetkov Sentinel-2 ter topografskih podatkov za kartiranje intenzivnosti rabe travišč. Osredotočili smo se na razlikovanje med intenzivno in ekstenzivno gospodarjenim trajnim travinjem na velikem heterogenem študijskem območju v Sloveniji. Zagotovili smo goste časov ne vrste satelitskih posnetkov (SITS) za leta 2017, 2018 in 2019, da bi ugotovili pomembne razlike, npr. načine gospodarjenja, med obema analiziranima tipoma travišč. Raziskali smo tudi učinkovitost združevanja dveh različnih izdelkov daljinskega zaznavanja, optičnega normaliziranega indeksa razlike v vegetaciji (NDVI) in radarske koherence. Tipe travišč smo razlikovali z uporabo objektnega pristopa in klasifikacije Random Forest. Z uporabo samo podatkov SITS so modeli dosegli slabo učinkovitost v primeru oblačnih let (2018). Vendar se je uspešnost izboljšala z dodatnimi značilnostmi (okoljskimi spremenljivkami). Metoda izbire lastnosti na podlagi povprečne natančnosti zmanjšanja (Mean Decrease Accuracy - MDA) je zagotovila globlji vpogled v visokodimenzionalni veččutni SITS. Pomagala je izbrati najpomembnejše značilnosti (datumi pridobivanja, okoljske spremenljivke), ki omogočajo razlikovanje med intenzivnimi in ekstenzivnimi tipi travnikov.
Sekundarne ključne besede:	ekstenzivno upravljani travniki;intenzivno upravljani travniki;NDVI;koherenca;časovna vrsta satelitskih posnetkov;naključni gozd;izbira značilnosti;
Vrsta dela (COBISS):	Članek v reviji
Strani:	21 str.
Letnik:	ǂLetn. ǂ14
Zvezek:	ǂšt. ǂ14, art. 3387
Čas izdaje:	2022
DOI:	10.3390/rs14143387
ID:	15916262