Opis projektu
Co dwa satelity to nie jeden: obrazowanie Ziemi w lepszej rozdzielczości pozwoli na monitorowanie upraw i lasów
Satelity obrazujące do obserwacji Ziemi dostarczają cennych informacji przestrzennych i czasowych, istotnych dla wielu dziedzin, w tym meteorologii, oceanografii, rolnictwa, ochrony przyrody, planowania regionalnego, wywiadu i obrony. Jeśli chodzi o gospodarkę rolną i leśną, pilnie potrzebne są obrazy o wyższej rozdzielczości, które umożliwią monitorowanie zmiennych biofizycznych, w tym indeks powierzchni liści i ilość zabsorbowanego promieniowania fotosyntetycznie czynnego. Pod tym względem obecne technologie nie sprawdzają się, gdyż żadna z nich nie oferuje dobrej rozdzielczości zarówno przestrzennej, jak i czasowej. W ramach finansowanego przez UE projektu MOVES opracowywany jest algorytm operacyjny pozwalający na uzyskanie niezbędnych danych w wymaganej rozdzielczości z wykorzystaniem satelitów Sentinel-2, konstelacji dwóch identycznych satelitów na tej samej orbicie, o rozdzielczości przestrzennej rzędu 10–20 metrów i częstotliwości próbkowania wynoszącej 5 dni.
Cel
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.
Dziedzina nauki
Program(-y)
Temat(-y)
System finansowania
MSCA-IF-EF-ST - Standard EFKoordynator
08193 Bellaterra
Hiszpania