Tesis:
Remote sensing assessment of land use and crop parameters in irrigated systems
- Autor: PANCORBO DE OÑATE, José Luís
- Título: Remote sensing assessment of land use and crop parameters in irrigated systems
- Fecha: 2023
- Materia:
- Escuela: E.T.S. DE INGENIERÍA AGRONÓMICA, ALIMENTARIA Y DE BIOSISTEMAS
- Departamentos: PRODUCCION AGRARIA
- Acceso electrónico: https://oa.upm.es/74341/
- Director/a 1º: QUEMADA SÁENZ-BADILLOS, Miguel
- Director/a 2º: MOLINA SÁNCHEZ, Íñigo
- Resumen: Remote sensing is a valuable tool that could contribute to reduce the environmental impact of agricultural systems by measuring crop parameters to inform management decisions at field and regional scales. At the field scale, it could allow assessing the spatial variation of crop status to adjust water and nitrogen (N) applications and predict harvest parameters. At the regional scale, remote sensing could allow monitoring crop land use and field abandonment to support government management decisions related to water distribution or rural development. This thesis analyzes the performance of different remote sensing systems and modeling techniques to monitor crop parameters at field and regional scale, with a focus on modern satellite imagery.
For field-scale monitoring, we compared remote sensing information with ground-truth measurements at different growth stages (GS) to improve the adjustment of N fertilization and irrigation rates and the prediction of winter wheat traits (yield, grain protein concentration (GPC) and N output). For this purpose, we compared the performance of spectral vegetation indices (VIs), planar-domain indicators, ensemble modeling approaches combining information from different sensors and a hybrid artificial neural network-PROSAIL-PRO method. The suitability of the sensors was determined with acquisitions collected at field level with a spectroradiometer, at 300 m with a hyperspectral and a thermal sensor and with different satellite platforms. Additionally, the accuracy of atmospherically corrected reflectance values acquired by two satellites were validated with the field-level acquisitions. These analyses were conducted in a winter wheat (Triticum aestivum L.) field experiment combining four N and two water levels in central Spain over 2 years.
At the regional scale, we used remote sensing data to determine the trends in field abandonment associated to different farming strategies during a multi-year drought. For this purpose, crop land use maps were created following a multiple endmember spectral mixture analysis (MESMA) applied to a time series of hyperspectral AVIRIS imagery (350 – 2500 nm). MESMA classifies images by decomposing each pixel into subpixel fractional covers of land use classes. The area of abandoned fields was estimated from the change in bare soil area given by these maps over the years. The performance of the crop land use maps was assessed by comparing them with official crop reports. These analyses were conducted over 2334 km2 in the Central Valley of California from 2013 to 2018.
This thesis showed that analyzing together spectral and thermal information enables simultaneous adjustment of N and water application to match crop demand. Combining a VI related to chlorophyll content with another related to biomass improved N status assessment by reducing soil background noise at early GS and minimizing the effect of the water status that was evident in most VIs. The temperature-based indicators were a reliable method for adjusting irrigation because they were only affected by the water and not by the N levels. The water status assessment improved when the soil background noise was compensated with a VI. For the prediction of winter wheat traits, it was found that combining indicators related to different crop parameters with ensemble modeling approaches improved the prediction. The yield was the best estimated trait, achieving similar results with the hyperspectral sensor and with the open-access multispectral satellite Sentinel-2. The GPC prediction was the most challenging, and the results revealed the importance of using hyperspectral short-wave infrared (SWIR) bands. The SWIR bands that cover the protein absorption region improved the prediction of the N-related traits (GPC and grain N output) with both sensors. The hybrid method that estimates crop parameters using the entire spectra presented better results than the VIs based on few bands. This thesis confirmed the suitability of the hybrid method applied to Sentinel-2 for estimating the N status in all GSs and for predicting traits. The reflectance values of Sentinel-2 atmospherically corrected with Sen2Cor, MODTRAN and FLAASH models matched the on-ground spectral data. However, the WorldView-3 satellite displayed significant differences that were attributed to acquisitions under steep off-nadir view angles (24.5o and 39.1o). This thesis proposed and validated an empirical signal normalization procedure that allowed compensating the angular-induced effects and coupling Sentinel-2 and WorldView-3 imagery.
The performance of crop monitoring at regional scale was validated with the good agreement between the MESMA results and the official crop reports. Additionally, the MESMA results revealed an increase in non-cultivated area during the drought. This was achieved thanks to the narrow SWIR bands of the AVIRIS sensor that allow distinguishing between soil and crop residue. AVIRIS is currently used as part of the NASA Surface Biology and Geology Mission (SBG) preparatory campaigns that aims to acquire sub-monthly global imagery with a satellite carrying AVIRIS and a thermal sensor. The results of this thesis confirmed the suitability of this mission for adjusting N and irrigation rates due to the simultaneous acquisition of thermal and spectral data, and to provide accurate prediction of yield, GPC and grain N output, and identification of non-cultivated fields due to the narrow SWIR bands.
RESUMEN
La teledetección permite estimar parámetros de los cultivos para ayudar en la toma de decisiones y así reducir el impacto ambiental de los sistemas agrícolas. A escala de cultivo, podría evaluar la variación espacial del estado de los cultivos para ajustar las dosis de agua y nitrógeno (N) y para predecir parámetros de la cosecha. A escala regional, la teledetección puede permitir hacer el seguimiento del uso de suelo de los campos de cultivo y detectar los cultivos abandonados para apoyar las políticas relacionadas con la distribución del agua o el desarrollo rural. Esta tesis analiza la capacidad de diferentes sistemas de teledetección y técnicas de modelización para monitorizar parámetros del cultivo a escala de cultivo y regional, centrándose en las imágenes de satélite más modernas.
Para estudiar la monitorización a escala de cultivo, se comparó la información obtenida con teledetección con las muestras tomadas en campo en diferentes estadios de crecimiento (GS) para mejorar el ajuste de la fertilización N y del riego y la predicción de la cosecha del trigo (rendimiento, concentración de proteína en grano (GPC) y cantidad de N exportado). Para ello, se comparó la precisión de índices espectrales de vegetación (VIs), indicadores biplanares, modelos que combinan información de diferentes sensores y un método híbrido de redes neuronales artificiales-PROSAIL-PRO. La idoneidad de los sensores se determinó con adquisiciones recogidas con un espectrorradiómetro a nivel de terreno, a 300 m con un sensor hiperespectral y térmico y con diferentes satélites. La reflectancia adquirida por dos satélites corregida atmosféricamente se validó con las medidas a nivel de terreno. Los análisis se llevaron a cabo en un experimento de campo con trigo de invierno (Triticum aestivum L.) que combinaba cuatro niveles de N y dos de agua en el centro de España durante 2 años.
A escala regional, utilizamos la teledetección para determinar las tendencias en el abandono de campos de cultivo asociadas a estrategias agrícolas durante una sequía. Para ello, se crearon mapas de uso del suelo usando un multiple endmember spectral mixture analysis (MESMA) aplicado a una serie temporal de imágenes hiperespectrales AVIRIS (350 – 2500 nm). MESMA clasifica las imágenes descomponiendo cada píxel en fracciones de cobertura de las clases de uso del suelo. La superficie de los cultivos abandonados se estimó midiendo la superficie de suelo desnudo ofrecida por los mapas obtenidos con MESMA de los distintos años. La información de estos mapas se comparó con informes oficiales de los cultivos. Estos análisis se realizaron sobre 2334 km2 del Central Valley de California desde 2013 hasta 2018.
Esta tesis demuestra que analizar información espectral y térmica permite ajustar simultáneamente las dosis de N y agua. La combinación de un VI relacionado con el contenido de clorofila y otro relacionado con la biomasa mejoró la estimación del estado de N al reducir el ruido del suelo en GSs tempranos y minimizar el efecto del agua que era evidente en la mayoría de los VIs. Los indicadores térmicos fueron fiables para ajustar el riego porque sólo estaban afectados por el agua y no por los niveles de N. La estimación del estado hídrico mejoró al compensar el ruido del suelo con un VI. La combinación de indicadores relacionados con distintos parámetros del cultivo mejoró la predicción de la cosecha. El rendimiento fue la característica de la cosecha mejor estimada, obteniéndose resultados similares con el sensor hiperespectral y con el satélite multiespectral de libre acceso Sentinel-2. La predicción del GPC fue la más difícil, y los resultados revelaron la importancia de utilizar bandas hiperespectrales de la región infrarroja de onda corta (SWIR). Las bandas SWIR que cubren la región de absorción de la proteína mejoraron la predicción de las características de la cosecha relacionadas con el N (GPC y N exportado). El método híbrido que estima parámetros del cultivo utilizando el espectro completo presentó mejores resultados que los VIs que utilizan pocas bandas. Esta tesis confirma la idoneidad del método híbrido aplicado a Sentinel-2 para estimar el estado de N en todos los GSs y para predecir la cosecha. Los valores de reflectancia de Sentinel-2 corregidos atmosféricamente con Sen2Cor, MODTRAN y FLAASH coincidieron con los datos adquiridos a nivel de terreno. Sin embargo, el satélite WorldView-3 mostró diferencias que se atribuyeron a los ángulos de adquisición pronunciados (24.5o and 39.1o). Esta tesis propuso y validó un procedimiento empírico de normalización de la señal que permitió compensar los efectos angulares y acoplar las imágenes Sentinel-2 y WorldView-3.
El seguimiento de los cultivos a escala regional fue validado con la concordancia entre los resultados de MESMA y los informes oficiales. Los resultados de MESMA además revelaron un aumento de la superficie no cultivada durante la sequía. Esto se consiguió gracias a las estrechas bandas SWIR del sensor AVIRIS que permiten distinguir entre suelo y residuo del cultivo. AVIRIS se utiliza actualmente en las campañas preparatorias de la Surface Biology and Geology Mission de la NASA, cuyo objetivo es adquirir imágenes globales con un satélite portando AVIRIS y un sensor térmico. Esta tesis confirman la idoneidad de esta misión para ajustar las dosis de N y de riego gracias a los datos térmicos y espectrales simultáneos, y para proporcionar una predicción precisa del rendimiento, la GPC y el N exportado, así como la identificación de campos no cultivados gracias a las bandas SWIR.