The Polarimetric Synthetic Aperture Radar technique has provided various opportunities and challenges in agricultural activities mainly on crop management. The aim of this study is to investigate the sensitivity of 10 parameters derived from multi-temporal Sentinel-1 Synthetic Aperture Radar (SAR) data, to crop height and canopy coverage (CC) of maize, sunflower, and wheat. The correlation coefficient values indicate a high correlation for maize during the early growing stage. The coefficient determinations (R2) of 0.82 and 0.81 indicate that there is a strong relationship between the maize height and SAR parameters including VV + VH and VV, respectively. The maize CC is well correlated with VV parameter (R2 = 0.73), but it is observed that at the later growing stage the correlation became weaker. This means that the sensitivity decreases with increasing vegetation cover growth. Compared to maize, the sensitivity of SAR parameters to wheat variables is often good at the early stage. However, the highest correlation with wheat height represented by Alpha (α) decomposition parameter (R2 = 0.67). The sunflower height has an insignificant correlation with the majority of SAR parameters and only VH polarization shows low sensitivity (R2 = 0.31). The sunflower CC shows relatively higher correlation with VV polarization (R2 = 0.46) at the early stage while no considerable correlation is observed at the later stage. It is found that Sentinel-1 has a high potential for estimation of crop height and CC of the maize as a broad-leaf crop. The same is not true for sunflower as another broad-leaf crop.

No abstract

ABSTRACT:Temporal monitoring of crop types is essential for the sustainable management of agricultural activities on both national and global levels. As a practical and efficient tool, remote sensing is widely used in such applications. In this study, Sentinel-1 Synthetic Aperture Radar (SAR) imagery was utilized to investigate the performance of the sensor backscatter image on crop monitoring. Multi-temporal C-band VV and VH polarized SAR images were acquired simultaneously by in-situ measurements which was conducted at Konya basin, central Anatolia Turkey. During the measurements, plant height of maize plant was collected and relationship between backscatter values and plant height was analysed. The maize growth development was described under Biologische Bundesanstalt, bundessortenamt und CHemische industrie (BBCH). Under BBCH stages, the test site was classified as leaf development, stem elongation, heading and flowering in general. The correlation coefficient values indicated high correlation for both polarimetry during the early stages of the plant, while late stages indicated lower values in both polarimetry. As a last step, multi-temporal coverage of crop fields was analysed to map seasonal land use. To this aim, object based image classification was applied following image segmentation. About 80% accuracies of land use maps were created in this experiment. As preliminary results, it is concluded that Sentinel-1 data provides beneficial information about plant growth. Dual-polarized Sentinel-1 data has high potential for multi-temporal analyses for agriculture monitoring and reliable mapping.

Çevrenin korunması ve sürdürülebilir kıyı geliştirme hedeflerine ulaşmak için kıyı alanlarının izlenmesi gerekmektedir. Doğal çevre yönetimi, afet yönetimi, kıyı erozyonu incelemeleri, katı madde taşınımı ve kıyı morfodinamiklerinin modellemesi gibi farklı alanlarda kıyı çizgisi yaygın olarak kullanıldığından, kıyı çizgilerinin özellikle uydu görüntülerinden çıkarılması için çeşitli teknikler geliştirilmiştir. Rastgele Orman algoritması geliştirilen bu tekniklerden bir tanesidir. Rastgele Orman Algoritması, karar ağaçlarına dayanan bir makine öğrenme metodudur. Karar ağaçları, eğitim verilerinin sınıflarını analiz eder ve test verilerinin hangi sınıfa ait olduğunu eğitim verilerinden çıkarttığı kurallara göre belirler. Bu çalışmada, Terkos Gölü ve gölün hemen yakınında yer aldığı bölgedeki Karadeniz sahilindeki kıyı çizgileri, 22 Temmuz 2016 tarihinde alınan Landsat-8 uydu görüntüsüne Rastgele Orman sınıflandırma yöntemi kullanılarak çıkarılmıştır. Uygulamada öncelikle uydu görüntüsüne ön işleme uygulanmıştır. Rastgele Orman algoritması ile sınıflandırma işlemi için MATLAB platformu kullanılmıştır. Rastgele Orman algoritması çalışma bölgelerine ait görüntülerin farklı bant setlerine uygulanarak, sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma sonucunda kara ve su sınıfları olmak üzere ikili görüntüler elde edilmiştir. Uygulanan bant setleri NIR, R-G-B ve R-G-B-NIR'dir. Terkos Gölü'ne ait elde edilen kıyı çizgilerinin doğruluklarını analiz etmek için elle sayısallaştırılan kıyı çizgileri referans alınarak alansal ve kıyı çizgisi bazında karşılaştırılmıştır. Sonuçlara bakıldığında, kıyı çizgisi çıkarımında yakın kızıl ötesi bandını içeren görüntülerin en az hatalı sonucu verdiği görülmüştür.

No abstract