MOnitoring VEgetation status and functioning at high spatio-temporal resolution from Sentinel-2

Description du projet

Deux satellites valent mieux qu’un: l’imagerie terrestre à haute résolution pour la surveillance des cultures et des forêts

L’imagerie par satellite pour l’observation de la Terre fournit des informations spatiales et temporelles importantes dans de nombreux domaines tels que la météorologie, l’océanographie, l’agriculture, la conservation, la planification régionale, le renseignement et la défense. En ce qui concerne la gestion des cultures et des forêts, il est urgent de disposer d’une résolution plus élevée pour surveiller les variables biophysiques, notamment l’indice de surface foliaire et la fraction du rayonnement photosynthétiquement actif absorbée. Les technologies actuelles ne permettent pas de trouver un équilibre entre la résolution spatiale et la résolution temporelle. Le projet MOVES, financé par l’UE, développe un algorithme opérationnel permettant de récupérer les informations nécessaires à la résolution requise en exploitant les satellites Sentinel-2, une constellation de deux satellites identiques sur la même orbite, avec une résolution spatiale de 10 à 20 mètres et un échantillonnage temporel de cinq jours.

Objectif

Leaf Area Index (LAI), Fraction of green Vegetation Cover (FCOVER) and Fraction of Absorbed Photosynthetically Active Radiation (FAPAR) are key biophysical variables representing the status and functioning of vegetation. High spatiotemporal resolution LAI/FAPAR/FCOVER products are urgently needed in many terrestrial applications including crop and forest management. However, the trade-off in traditional remote sensing sensors between temporal and spatial resolutions hinders the generation of such products. The launch of Sentinel-2 satellites, with spatial resolution of 10-20 m and 5-day temporal sampling (in tandem), opens a new paradigm in satellite vegetation monitoring. The proposed project “MOVES” will develop an operational algorithm for retrieving LAI/FAPAR/FCOVER from Sentinel-2 data. An easily-invertible radiative transfer model (RTM) will be firstly developed, which will apply a universal model framework for all vegetation types (continuous vs discrete) and terrains (horizontal vs sloping). In this project, the hybrid training and domain adaption paradigms will be introduced into the retrieval of LAI/FAPAR/FCOVER, to enhance the transferability of the retrieval algorithm and achieve spatiotemporally consistent retrieval. The Copernicus ground-based observations (GBOC) and FLUXNET sites will be used to validate the proposed algorithm and assess its potential in the monitoring of vegetation status and functioning. The project is conceived to combine the prominent expertise of the hosting institute in biophysical variable retrieval and remote sensing ecological application, with my well-demonstrated RTM development skills. Overall, MOVES will facilitate the delivery of Sentinel-2 LAI/FAPAR/FCOVER products of physical consistence and high accuracy, and underpin new avenues for the development of high spatiotemporal frequency vegetation monitoring systems.