Skip to main content

DESARROLLO DE NUEVAS METODOLOGIAS DE TELEDETECCION PARA UNA AGRICULTURA MAS SOSTENIBLE

PID2019-107386RB-I00

•
Funding agency name Agencia Estatal de Investigación
Funding agency acronym AEI
Program Programa Estatal de I+D+i Orientado a los Retos de la Sociedad
Call Proyectos de I+D+i (Generación de Conocimiento y Retos Investigación)
Call year 2019
State Plan 2017-2020 Plan Estatal de Investigación Científica y Técnica y de Innovación
Beneficiary centre UNIVERSIDAD PUBLICA DE NAVARRA

Resultados relacionados

Resultados totales (Incluyendo duplicados): 3
Encontrada(s) 1 página(s)

Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
Publication Tesis doctoral (DoctoralThesis)

Dense remote sensing time series for monitoring forest disturbances and recovery: harvesting, defoliation and post-fire dynamics

  • Giambelluca, Ana Laura
Los ecosistemas forestales se ven cada vez más afectados por procesos de degradación, lo que resalta la necesidad de sistemas de monitoreo robustos para evaluar la salud de los bosques y respaldar intervenciones de gestión oportunas. Esta tesis tiene como objetivo avanzar en la atribución, caracterización y comprensión de las perturbaciones y la recuperación forestal mediante la integración de series temporales de datos de teledetección de múltiples fuentes con factores climáticos y topográficos. En lugar de ver las perturbaciones como eventos aislados, esta tesis establece un marco integrado para abordar los tres principales impulsores del cambio forestal: la gestión, el fuego y el estrés climático. Algunas perturbaciones implican un cambio parcial de la cubierta forestal, como las claras, lo que dificulta su detección por medio de la teledetección. Para distinguir los cambios estructurales inducidos por el hombre en las masas forestales, utilizamos series temporales espectrales densas para identificar las prácticas de aprovechamiento forestal. Al analizar señales de cambio subanuales, diferenciamos entre la clara y la corta a hecho, proporcionando una base de referencia fiable para monitorear la intensidad silvícola tanto a escala regional como de rodal. En cuanto a las perturbaciones naturales, la investigación exploró los complejos mecanismos de resiliencia post-incendio. Encontramos que la recuperación del ecosistema es un proceso no estacionario donde las especies arbóreas mostraron una mayor influencia en la recuperación a corto plazo, mientras que la persistencia a largo plazo viene dictada por limitaciones ambientales específicas del sitio, especialmente la elevación y el balance hídrico. Además, se abordó una brecha metodológica crítica al evaluar la divergencia entre la recuperación estructural y la funcional. Mientras que los índices espectrales a menudo sugieren un rápido "reverdecimiento" (green-up) debido a la humedad del sotobosque, los modelos de productividad basados en procesos revelan un cronograma más conservador y realista para la restauración de las funciones forestales esenciales. Finalmente, la tesis avanza en la comprensión de los factores impulsores de la defoliación forestal. Mediante la implementación de un marco predictivo para la salud forestal, identificamos que los patrones de defoliación regional están impulsados principalmente por estresores topoclimáticos. Esto resalta el papel de la baja elevación, las condiciones climáticas más secas y las laderas orientadas al sur como puntos críticos de vulnerabilidad. En conclusión, esta investigación demuestra que la integración de datos de múltiples fuentes no es meramente una elección técnica, sino una necesidad científica para capturar la naturaleza multidimensional de la dinámica forestal, proporcionando herramientas esenciales para la toma de decisiones informada en la gestión forestal sostenible bajo un clima cambiante., Forest ecosystems are increasingly affected by degradation processes, highlighting the need for robust monitoring systems to assess forest health and support timely management interventions. This thesis aims to advance the attribution, characterization, and understanding of forest disturbance and recovery through the integration of multi-source remote sensing time series data with climatic and topographic factors. Instead of viewing disturbances as isolated events, this thesis establishes an integrated framework to address the three primary drivers of forest change: management, fire, and climate stress. Some disturbances imply a partial change of the forest cover, such as thinning, making the detection of them challenging using remote sensing. To distinguish human-induced structural changes in forest stands, we utilized dense spectral time series to identify forest harvesting practices. By analysing sub-annual change signals, we differentiated between thinning and clear-cutting, providing a reliable baseline for monitoring silvicultural intensity at both regional and stand-specific scales. Regarding natural disturbances, the research explored the complex mechanisms of post-fire resilience. We found that ecosystem recovery is a non-stationary process where tree species showed more influence on recovery in the short term, while long-term persistence is dictated by site-specific environmental constraints, especially elevation and water balance. Furthermore, a critical methodological gap was addressed by evaluating the divergence between structural and functional recovery. While spectral índices often suggest a rapid "green-up" due to understory moisture, process-based productivity models reveal a more conservative and realistic timeline for the restoration of essential forest functions. Finally, the thesis advances the understanding of the drivers behind forest defoliation. By implementing a predictive framework for forest health, we identified that regional defoliation patterns are primarily driven by topoclimatic stressors. This highlights the role of low elevation, drier climatic conditions and southern-facing slopes as vulnerability hotspots. In conclusio, this research demonstrates that integrating multi-source data is not merely a technical choice but a scientific necessity to capture the multi-dimensional nature of forest dynamics, providing essential tools for informed decision-making in sustainable forest management under a changing climate., This thesis has been possible thanks to a grand: the “Predoctoral grants 2022 from the Government of Navarra for the implementation of doctoral programs of interest to Navarra”, BDNS identification: 631887. And through the ReSAg (PID2019-107386RB-I00) and DAMAGE (PID2023-0152885OB-I00) projects funded by the Ministry of Science and Innovation (MCIN/AEI/10.13039/501100011033), and which include funds from the European Regional Development Fund (ERDF-EU)., Programa de Doctorado en Ciencias y Tecnologías Industriales, Industria Zientzietako eta Teknologietako Doktoretza Programa
Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
Publication Tesis doctoral (DoctoralThesis)

Assessing the contribution of optical, SAR and LiDAR data for vegetation applications: from crop monitoring to forest characterization

  • Aranguren Erice, Itxaso
El seguimiento de la vegetación en ecosistemas agrícolas y forestales es esencial para la seguridad alimentaria, la gestión forestal sostenible y la mitigación del cambio climático. La teledetección proporciona observaciones sistemáticas y espacialmente consistentes a gran escala, convirtiéndose en una herramienta fundamental en este ámbito. La disponibilidad de diferentes tipos de sensores ofrece perspectivas complementarias sobre las características y dinámicas de la vegetación, aunque su utilidad, empleado de forma individual o combinada, sigue siendo un área de investigación activa. Esta tesis evalúa el potencial de la teledetección óptica, SAR y LiDAR para el seguimiento de la vegetación en ecosistemas agrícolas y forestales, abordando cuatro objetivos específicos. En primer lugar, se evaluaron las características de intensidad y polarimetría de Sentinel-1 para el modelado de series temporales de NDVI de Sentinel-2 en cuatro tipos de cultivos. Se obtuvieron buenos resultados para la cebada, el trigo y el girasol, identificándose las variables SAR temporales como un factor clave para una reconstrucción precisa del NDVI. En segundo lugar, se evaluó el uso de Sentinel-1, Sentinel-2 y LiDAR para la clasificación de tipos y especies forestales en tres niveles taxonómicos. Sentinel-2 resultó ser el sensor más informativo, con LiDAR aportando información estructural complementaria. Se alcanzaron precisiones globales de 0,90, 0,80 y 0,79 en los tres niveles. En tercer lugar, los mismos sensores fueron evaluados para la estimación del área basimétrica y el volumen de masa en hayedos europeos. El LiDAR proporcionó la mayor capacidad predictiva, con Sentinel-2 aportando información espectral complementaria. Sentinel-1 añadió una capacidad predictiva marginal bajo condiciones de dosel denso. Por último, se investigó la coherencia interferométrica en banda L derivada de los productos GSLC de NISAR para la estimación de la biomasa aérea más allá del límite de saturación del coeficiente de retrodispersión. Se adoptó un marco de corrección de residuos en dos etapas, que mostró mejoras significativas en el enfoque basado en datos para un área de alta biomasa. En conjunto, se espera que los resultados de esta tesis contribuyan a un mejor entendimiento del potencial de los diferentes sensores de teledetección para el seguimiento de la vegetación. Los hallazgos sugieren que el avance puede provenir no solo de la integración de sensores, sino también de la explotación de toda la información disponible en los productos SAR existentes, combinada con estrategias de modelado más avanzadas., Vegetation monitoring across agricultural and forest ecosystems is essential for food security, sustainable forest management, and climate change mitigation. Remote sensing provides systematic, spatially consistent observations at large scales, becoming an indispensable tool for this purpose. The availability of different sensor types offers complementary perspectives on vegetation characteristics and dynamics, though their utility, either used individually or in combination, remains an active research area. This thesis evaluates the potential of optical, SAR, and LiDAR remote sensing for vegetation monitoring across agricultural and forest ecosystems, addressing four specific objectives. First, Sentinel-1 intensity and polarimetric features were evaluated for modelling Sentinel-2 NDVI time series across four crop types. Strong performance was achieved for barley, wheat, and sunflower, with temporal SAR features identified as a critical factor for accurate NDVI reconstruction. Second, the use of Sentinel-1, Sentinel-2, and LiDAR was assessed for forest type and species classification across three taxonomic levels. Sentinel-2 emerged as the most informative sensor, with LiDAR contributing complementary structural information. Overall accuracies of 0.90, 0.80, and 0.79 were achieved across the three levels. Third, the same sensors were evaluated for basal area and stand volume estimation in European beech stands. LiDAR provided the strongest predictive capacity, with Sentinel-2 contributing complementary spectral information. Sentinel-1 added negligible predictive power under dense canopy conditions. Finally, L-band interferometric coherence derived from NISAR GSLC products was investigated for aboveground biomass retrieval beyond the backscatter saturation limit. A two-stage residual correction framework was adopted, showing meaningful improvements within the data-driven framework at a high-biomass site. Overall, the results of this thesis are expected to contribute to a better understanding of the potential of different remote sensors for vegetation monitoring. The findings suggest that progress may come not only from sensor integration, but also from exploiting the full information content of existing SAR products combined with more advanced modelling strategies., This thesis was supported by the grant “Predoctoral grants 2023 from the Government of Navarra for the implementation of doctoral programs of interest to Navarra”, and through the projects forestOBS (project code 0011-1365-2021-000072), granted in the 2021 call for R&D projects by the Government of Navarre, and ReSAg (PID2019-107386RB-I00) and DAMAGE (PID2023-0152885OB-I00), funded by the Spanish State Research Agency (Agencia Estatal de Inves-tigación, AEI), Ministry of Science, Innovation and Universities. Projects included funds from the European Regional Development Fund (FEDER-UE)., Programa de Doctorado en Ciencias y Tecnologías Industriales, Industria Zientzietako eta Teknologietako Doktoretza Programa
Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
Publication Tesis doctoral (DoctoralThesis)

Sentinel-1 time series applications over agricultural fields: proposal, evaluation and comparison of different methodologies

  • Arias Cuenca, María
La monitorización de los cultivos es esencial para diferentes aplicaciones, como el aseguramiento de la seguridad alimentaria, la gestión de los cultivos y la implementación de políticas agrarias. La teledetección proporciona información acerca de las propiedades biofísicas de las plantas y los suelos, así como de la variabilidad espacial en amplias áreas del territorio de forma periódica. El lanzamiento de los satélites radar de apertura sintética (SAR) Sentinel-1 en 2014 y 2016 permitió la adquisición de series temporales densas de imágenes con buena resolución espacial y temporal incluso en zonas cubiertas de nubes. El principal objetivo de esta tesis es la evaluación de diferentes metodologías para aplicaciones agrícolas a escala de parcela usando series temporales Sentinel-1. En primer lugar, se propuso una metodología de clasificación de cultivos supervisada basada en las firmas temporales de Sentinel-1. Se implementó en un caso de estudio con 14 clases de cultivos y un dataset grande de parcelas agrícolas. En segundo lugar, se evaluó la influencia de la geometría de adquisición de las imágenes Sentinel-1 sobre parcelas de trigo. Se evaluó la influencia del ángulo de incidencia en la retrodispersión y los coeficientes de terrain-flattening, y se aplicó una normalización del ángulo de incidencia seguida de una corrección de la anisotropía azimutal en las series temporales de polarización VV. En tercer lugar, se evaluó la atenuación de la retrodispersión producida por las cubiertas de trigo en polarización VV, y un nuevo método de corrección del efecto de la atenuación llamado WATCOR fue propuesto. Finalmente, cuatro técnicas para estimar la humedad del suelo basadas en series temporales de Sentinel-1 en cultivo de trigo fueron evaluadas, proponiendo diferentes alternativas metodológicas para su aplicación a escala de parcela. A pesar de la complejidad de la estimación de la humedad del suelo a escala de parcela únicamente con datos SAR, se obtuvieron estimaciones aceptables. Los resultados de esta tesis demostraron que el análisis y la extracción de información contenida en series temporales SAR es útil para diferentes aplicaciones, augurando interesantes desarrollos futuros en este campo., Crop monitoring is essential for different applications such as food security assurance, crop management, and the design and implementation of agricultural policies. Remote sensing provides information about biophysical properties of plants and soils and their spatial variability on large areas of the territory on a periodic basis. The launch of Sentinel-1 synthetic aperture radar (SAR) satellites in 2014 and 2016 made possible the acquisition of dense time series of images with good spatial resolution and temporal resolution even in cloud-covered areas. The main objective of this thesis is the evaluation of different methodologies for agricultural applications at the field scale using Sentinel-1 time series. First, a supervised crop classification methodology based on time signatures from Sentinel-1 images was proposed and implemented in a case study with 14 crop classes and a large dataset of agricultural fields. Secondly, the influence of acquisition geometry of Sentinel-1 images over wheat fields was assessed. The influence of the incidence angle on backscatter coefficients and terrain-flattened coefficients was evaluated, and an incidence angle normalization followed by an azimuthal anisotropy correction were applied to VV polarized time series. Thirdly, the backscatter attenuation produced by wheat canopy in VV polarization was evaluated, and a new wheat attenuation correction methodology named WATCOR was proposed. Finally, four different soil moisture (SM) estimation techniques based on Sentinel-1 time series were evaluated over wheat fields, proposing different methodological alternatives for their application at the field scale. Despite the complexity of estimating SM at the field scale solely with SAR data, acceptable estimations were obtained. The results of this thesis showed that the analysis and extraction of the information contained in SAR time series is useful for various agricultural applications, foreshadowing exciting future developments in this field., This work was supported by the Spanish Ministry and Competitiveness and the European Regional Development Fund (MINECO/FEDER) through a project (CGL2016-75217-R) and a pre-doctoral grant (BES-2017-080560). It was also supported by the Spanish Ministry of Science and Innovation under Project PID2019-107386RB-I00/ AEI/10.13039/501100011033., Programa de Doctorado en Ciencias y Tecnologías Industriales (RD 99/2011), Industria Zientzietako eta Teknologietako Doktoretza Programa (ED 99/2011)