De afgelopen decennia is teledetectie voor veel landbouwmonitoringdiensten steeds waardevoller geworden door wereldwijde systematische observaties, bijvoorbeeld van vegetatie met behulp van optische satellieten, te leveren die in indices worden verwerkt. Deze indices zijn beproefde maatstaven voor de toestand van gewassen en geven ons in een vroeg stadium inzicht in hoe goed gewassen het doen en of ze water of voedingsstoffen nodig hebben. Maar wat als wolken het zicht vanuit de ruimte belemmeren?
Dit is al lang de grootste beperking van het gebruik van optische satellieten voor operationele landbouwmonitoring. U kunt zich voorstellen hoe blij we zijn dat we met onze nieuwe 'CropSAR'-technologie door de wolken kunnen kijken en de observaties kunnen aanbieden in een operationele beeldverwerkingsdienst, waardoor we onze inspanningen op het gebied van landbouwmonitoring kunnen opschalen. Lees verder om meer te ontdekken.
Optische hoge-resolutiesatellieten zoals Sentinel-2 zijn belangrijk bij teledetectieoplossingen voor de landbouw. Sentinel-2 bestrijkt minstens om de 5 dagen het hele aardoppervlak om enorme hoeveelheden objectieve gegevens over de toestand van gewassen te leveren.
Maar hoewel al deze optische gegevens beschikbaar zijn, hebben operationele landbouwmonitoringsystemen nog steeds hun beperkingen. Optische sensoren kunnen niet door wolken kijken. Dit leidt tot blinde vlekken in de observaties, wat het onmogelijk maakt om de volledige tijdreeks van een vegetatie-index op te halen. Om nuttige informatie over de toestand van gewassen te verstrekken, is het belangrijk om regelmatig te monitoren, zeker in perioden waarin de omstandigheden op het veld drastisch veranderen (figuur 1). De CropSAR-technologie biedt een oplossing voor dit probleem. Doordat deze technologie onafhankelijk is van de weersomstandigheden, hebben we meer observaties tijdens essentiële groeifasen, zoals het moment waarop planten boven de grond komen.
Figuur 1: fAPAR-registraties bij wolkenloze hemel (groene stippen) door Sentinel-2 boven een aardappelveld. De rode pijlen wijzen naar belangrijke fasen in het groeiseizoen zonder geldige opvragingen. Dit beperkt de operationele gewasmonitoring of een goede opbrengstprognose aanzienlijk..
BUITEN DE GEBAANDE PADEN DENKEN
CropSAR is gebaseerd op observaties van Sentinel-1, een constellatie van twee radarsatellieten. Optische teledetectie lijkt tot op zekere hoogte op wat we met onze eigen ogen zien. Wat er met een radar te zien is, is echter veel moeilijker te vatten. Een radar is niet afhankelijk van gereflecteerd zonlicht, maar stuurt in plaats daarvan zijn eigen energiepuls uit en meet het retoursignaal (terugverstrooiing of 'backscatter') na interactie met het oppervlak. In het geval van vegetatie geeft de backscatter van een radar informatie over de structuur en het vochtgehalte van vegetatie en de onderliggende bodem in plaats van een indicatie te geven van biofysische processen in planten.
Hoewel optische en radarsensoren totaal andere dingen zijn, zijn hun metingen gecorreleerd aangezien beide informatie geven over de vegetatiestatus (figuur 2). Het is precies die correlatie die CropSAR gebruikt om de door wolken veroorzaakte blinde vlekken in onze optische metingen op te vullen.
Het beste van twee werelden
De correlatie tussen observaties van Sentinel-1 en Sentinel-2 is te complex en verschilt te zeer van geval tot geval om in een regressiemodel te kunnen vatten. Anderzijds hebben we wel enorme en steeds grotere hoeveelheden samenvallende observaties van Sentinel-1 en Sentinel-2. Het gebruik van deze gegevens in combinatie met nieuwe deep-learningtechnologie maakt het mogelijk om complexe relaties te ontwaren en beide datasets te combineren.
Met behulp van een krachtig GPU-cluster en geavanceerde neurale netwerktechnologieën konden we een algoritme creëren dat de temporele correlatie tussen Sentinel-1 en Sentinel-2 kan identificeren en zo leemten in Sentinel-2-observaties kan opvullen met behulp van informatie van Sentinel-1.
CropSAR neemt als input door wolken onderbroken tijdreeksen van Sentinel-2-fAPAR en voegt ononderbroken tijdreeksen van Sentinel-1-backscatter toe. Het algoritme genereert dan volledig wolkenvrije tijdreeksen van fAPAR, samen met hun betrouwbaarheidsniveau (figuur 4). Deze aanpak stelt ons in staat om het beste van twee werelden te combineren: begrijpen wat er in een plant gebeurt met behulp van een optisch beeld en de wolkendoordringende capaciteit van een radar. Op die manier hebben we met succes belangrijke landbouwgebeurtenissen, zoals het moment waarop planten boven de grond komen, de sluiting van de bovenste vegetatielaag en de oogst, zelfs in bewolkte perioden, kunnen waarnemen – gebeurtenissen die anders onmogelijk waren waar te nemen.
VOORUITBLIK
De CropSAR-technologie is nu klaar voor gebruik op veldniveau en is volledig geïmplementeerd in ons WatchITgrow-platform. Dit betekent dat de methode een ononderbroken tijdreeks voor elk individueel perceel oplevert, geïntegreerd over het gehele veld. Maar we willen nog een stap verder gaan!
Onze volgende stap is de uitbreiding van de technologie tot pixelniveau, waarbij door wolken veroorzaakte blinde vlekken in optische beelden worden opgevuld met behulp van radarobservaties. Op die manier kunnen we ook kijken naar verschillen in de toestand van gewassen op een bepaald veld, een voorwaarde voor precisielandbouw. Wij zijn van mening dat deze technologie een duidelijke meerwaarde zal betekenen voor operationele gewasmonitoring in tropische en gematigde gebieden, waar de meeste landbouw plaatsvindt.
