Teledetekcja

EXPLOITATION OF SENTINEL-1 INTERFEROMETRIC COHERENCE FOR LAND COVER AND VEGETATION MAPPING – SInCohMap

Program/nr konkursu: Europejska Agencja Kosmiczna, ESA SEOM-S14SCI Land
Okres trwania projektu:  2017 – 2020
Konsorcjum realizujące projekt:
DARES TECHNOLOGY – lider projektu
UPC Universitat Politècnica de Catalunya
Universidad de Alicante (UA)
EURAC
Instytut Geodezji i Kartografii (IGiK)
Université de Rennes 1

W ramach projektu przeprowadzono ocenę możliwości wykorzystania wieloczasowych obrazów koherencji interferometrycznej wygenerowanych z satelitów Sentinel-1 do mapowania pokrycia terenu i roślinności. Jednym z głównych celów projektu było ilościowe określenie wpływu wykorzystania danych S-1 InSAR (Interferometric Synthetic Aperture Radar) w stosunku do tradycyjnego mapowania pokrycia terenu i roślinności z wykorzystaniem danych optycznych (zwłaszcza Sentinel-2) lub podejść opartych na danych SAR (Synthetic Aperture Radar).

Klasyfikacja pokrycia terenu została przeprowadzona na trzech obszarach badawczych: Doñana (Hiszpania), Merano, Południowy Tyrol (Włochy), Wielkopolska (Polska).

Ryc. 1. Optyczna kompozycja w barwach naturalnych trzech obszarow testowych: a) Doñana (Hiszpania); b) Merano, Południowy Tyrol (Włochy); oraz c) Zachodnia Wielkopolska (Polska). Mapy referencyjne według klasyfikacji CLC poziom 3 dla odpowiadających obszarów testowych d), e) oraz f).

Ocenę wyników różnych metod klasyfikacji przeprowadzono w formule Round-Robin.

Ryc. 2.  Schemat doświadczenia Round Robin: od gotowych danych do finalnych map klasyfikacji pokrycia terenu. Pełen zestaw danych był dostępny dla wszystkich uczestników zarówno wewnętrznych (konsorcjum), jak i zewnętrznych. Zespoły wykorzystywały alokację danych w module danych przy użyciu standardowych protokołów, takich jak WCS / WCPS.

Uzyskane wyniki wskazują, że wieloczasowy zestaw obrazów koherencji interferometrycznej jest dobrym źródłem informacji do mapowania pokrycia terenu, o czym świadczy fakt, że trzy różne metodologie, opracowane przez trzy różne grupy badawcze, uzyskały dokładność powyżej 75% dla wszystkich trzech obszarów badań. Należy podkreślić, że we wszystkich obszarach badawczych występuje ponad dziesięć różnych klas, obejmujących prawie wszystkie klasy z klasyfikacji Corine.

Ryc. 3. Porównanie wyników klasyfikacji bazującej na pikselach I obiektach w obiektowej klasyfikacji obrazowej (KTH-SEG). Rząd 1: wyniki klasyfikacji pikselowej od lewej: Doñana (15 klas), środek: Merano (15 klas), z prawej: Wielkopolska (9 klas). Rząd 2: wyniki klasyfikacji bazującej na obiektach, od lewej: Doñana (15 klas), środek: Merano (15 klas), z prawej: Wielkopolska (9 klas). Klasa zero wskazuje obszary nakładania się i skracania sygnału radarowego wynikające z geometrii bocznego wybierania i silnie urozmaiconej rzeźby terenu.

Oficjalna strona projektu SInCohMap: sincohmap.org

---

Publikacje:

Jacob A., Vicente-Guijalba F., Lopez-Martinez C., Lopez-Sanchez J.M., Litzinger M., Kristen H., Mestre-Quereda A., Ziółkowski D., Lavalle M., Notarnicola C., Suresh G., Antropov O., Ge S., Praks J., Ban Y., Pottier E., Mallorquí Franquet J.J., Duro J., Engdahl M.E., 2020, Sentinel-1 InSAR Coherence for Land Cover Mapping: A Comparison of Multiple Feature-Based Classifiers, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 13, pp.535-552. doi:10.1109/JSTARS.2019.2958847 ARTYKUŁ

Vicente-Guijalba F., Jacob A., Lopez-Sanchez J.M., Lopez-Martínez C., Duro J., Notarnicola C., Ziolkowski D., Mestre-Quereda A., Pottier E., Mallorquí J.J., Lavalle M., Engdahl M., Sincohmap: Land-Cover and Vegetation Mapping Using Multi-Temporal Sentinel-1 Interferometric Coherence, Proceedings of 2018 IEEE International Geoscience & Remote Sensing Symposium (IGARSS), 22 - 27 July 2018, Valencia, Spain. doi:10.1109/IGARSS.2018.851792 ARTYKUŁ

Vicente-Guijalba F., Duro J., Notarnicola C., Jacob A., Sonnenschein R., Mallorquí J.J., López-Martínez C., Ziólkowski D., Hoscilo A., Dabrowska-Zielinska K., Bochenek Z., Pottier E., Lavalle M., Lopez-Sanchez J.M., Engdahl M., 2017, Assessing hypertemporal SENTINEL-1 COHERENCE maps for LAND COVER monitoring. In: 2017 9th International Workshop on the Analysis of Multitemporal Remote Sensing Images (MultiTemp), 27-29 June 2017, Brugge, Belgium. doi:10.1109/Multi-Temp.2017.8035240 ARTYKUŁ