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

Descrizione del progetto

Due satelliti sono meglio di uno: immagini della Terra a risoluzione più elevata per il monitoraggio di colture e foreste

I satelliti di imaging per l’osservazione della Terra forniscono importanti informazioni spaziali e temporali che risultano rilevanti per numerosi settori, tra cui meteorologia, oceanografia, agricoltura, conservazione, pianificazione regionale, intelligence e difesa. Per quanto riguarda la gestione delle colture e delle foreste, è urgentemente necessaria una maggiore risoluzione affinché sia possibile monitorare variabili biofisiche tra cui l’indice di superficie fogliare e la frazione della radiazione assorbita fotosinteticamente attiva. Le attuali tecnologie non riescono a raggiungere l’obiettivo di bilanciare la risoluzione spaziale con quella temporale. Il progetto MOVES, finanziato dall’UE, sta sviluppando un algoritmo operativo allo scopo di recuperare le informazioni necessarie alla risoluzione richiesta sfruttando i satelliti Sentinel-2, una costellazione di due satelliti identici nella stessa orbita, con una risoluzione spaziale compresa tra i 10 e i 20 metri e un campionamento temporale pari a 5 giorni.

Obiettivo

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.