DESTSAM: Dense satellite time series for agricultural monitoring

Abstract

Das Gesamtziel des Vorhabens DESTAM war innovative KI-basierte Methoden zu entwickeln, um optische Satellitenbildzeitreihen mit Hilfe von SAR-Satellitenaufnahmen zu verdichten. Mittels der KI-basierten Zeitreihen sollte ein zeitlich engmaschiges und anwendungsorientiertes Monitoring von landwirtschaftlichen Flächen sowie von Walddegradierung ermöglicht werden. Der erhöhte Informationsgewinn durch verbesserte Zeitreihen ist notwendig, um Observationslücken aufgrund von Bewölkung zu füllen und um das Problem der hohen pixel- oder feldspezifischen Variabilität von Nutzpflanzen-Systemen in der kleinbäuerlichen Landwirtschaft zu überwinden. Insbesondere ist das Monitoring zu phänologischen Schlüssel-Zeitpunkten (Beginn, Höhepunkt und Ende der Saison) fundamental und es bedarf daher zu diesen Zeiten engmaschiger Zeitreihen, die bisher häufig nicht vorhanden sind. Ebenfalls ist es notwendig, Walddegradierung in häufig bewölkten innertropischen Gebieten sehr früh zu erkennen. Die hier entwickelten Verfahren beabsichtigen, Zeitreihen gezielt an einzelnen Datenpunkten zu verdichten und a posteriori eine Zeitreihen-Auswertung zu ermöglichen. Somit wurden die durch Multisensor-Fusion verdichteten Zeitreihen an den zeitlichen Verlauf eines Pixels angepasst und optimiert und der Informationsgewinn gesteigert. Die aus dem Vorhaben entstandenen Zeitreihen wurden anschließend für das Monitoring von Anomalien in der Subsistenzwirtschaft in Afrika und zur frühen Erkennung von Walddegradierung getestet.