Optimized and automated estimation of vegetation propertiesOpportunities for Sentinel-2

Resumen

La Biosfera es uno de los principales sistemas que conforman la Tierra. Su estudio permite comprender la relación entre la vegetación y el ciclo del carbono y cómo éste puede ser afectado por los cambios en los niveles de CO2 y los usos de suelo. Para el estudio de estas dinámicas a escala global y local, han sido desarrollados diversos modelos que son representaciones de la realidad en una escala y complejidad más simple. Parte de las variables de entrada de estos modelos son obtenidas mediante medidas de teledetección gracias al Global Climate Observing System (GCOS), que ha determinado un conjunto de 50 variables climáticas esenciales que contribuyen a los estudios de cambio climático que lidera la Convención Marco de las Naciones Unidas y el Panel Intergubernamental del Cambio Climático. En esta lista está incluido el índice de área foliar (LAI).El contenido de clorofila en hoja (LCC) es otro parámetro biofísico clave para los estudios de biosfera. El estudio de las propiedades de la vegetación desde el espacio requiere: (1) Métodos óptimos para el procesamiento y la estimación de la información y, (2) Disponibilidad de datos espaciales. Los métodos de procesado y estimación de parámetros biofísicos son necesarios ya que el sensor solo mide los flujos de energía reflejados por las cubiertas vegetales distribuidos espacialmente. Por ello, han sido desarrollados diversos modelos, que van desde complejos modelos con base física hasta modelos estadísticos o la combinación de los anteriores. En el desarrollo de esta tesis se ha reunido una amplia variedad de ellos. la Agencia Espacial Europea (ESA) ha desarrollado la misión Sentinel-2 que está especialmente diseñada para el monitoreo de las propiedades de la vegetación, con las capacidades operativas que cumplen los requerimientos espectrales, espaciales y temporales. Los datos que proporcionará la misión Sentinel-2 permitirán garantizar la continuidad de las misiones Spot y Landsat, aportando un tiempo de revisita menor, mejora de la amplitud de barrido, mayor resolución espectral y una mejor calibración y calidad de imagen. Para el procesamiento y la extracción de información de parámetros biofísicos han sido desarrollados diferentes paquetes computacionales por diversos grupos de investigación. Esta tesis pretende suministrar un conjunto de herramientas computacionales, dinámicas y flexibles que permitan automatizar y evaluar el potencial de los diferentes métodos que en la actualidad han sido publicados y están disponibles para su libre uso. Presenta los resultados científicos de la evaluación del impacto de diferentes parámetros de ajuste en los principales métodos de estimación de parámetros biofísicos, centrándonos en datos simulados del satélite Sentinel-2, previsto para ser lanzado en 2015. Para dicho trabajo se han reunido los principales métodos de estimación que van desde las simples relaciones espectrales hasta los complejos modelos de transferencia radiativa (RTM). Para esto, hemos implementado un conjunto de herramientas informáticas que permiten el diseño y evaluación de diversas estrategias de regularización como son la normalización de los datos, la sinergia entre datos simulados por RTM y datos de campañas de campo o de laboratorio, adición de modelos de ruido a los datos simulados y un amplio conjunto de métodos de regresión tanto paramétricos como no paramétricos. Este trabajo constituye la continuación de mi trabajo Final del Máster de Teledetección, donde he desarrolló una herramienta informática llamado ARTMO (por sus siglas en inglés Automated Radiative Transfer Models Operator) que reunió los RTM de la familia Prospect, SAIL y FLIGTH. Se implementó el método de estimación por tablas de búsqueda (LUT). Esta tesis presenta la evolución de ARTMO que pasa de ser una herramienta informática rígida que no permitía de manera sencilla la ampliación de sus funciones, a un flexible marco de desarrollo (framework software), donde ARTMO se convierte en una plataforma de soporte de diversos módulos implementados de manera independiente. Esta nueva versión de ARTMO permite a cualquier grupo de investigación desarrollar y compartir nuevas funciones, algoritmos y métodos de estimación de parámetros biofísicos. Además, hemos establecido las bases para la creación de una red tanto de usuarios como de desarrolladores en torno al estudio de las propiedades de la vegetación, sirviendo de apoyo para el estudio de nuevos algoritmos de estimación, diseño de nuevos sensores ópticos o para su uso en el campo de la educación.