(English) Coastal areas support important ecosystems with great ecological value, giving rise to countless resources increasingly exploited by humans. Understanding the processes occurring in both inland and aquatic ecosystems, as well as their mutual interactions, and with anthropic activities is required. In this line, the new generation of high-resolution multispectral Sentinel satellites (Sentinel-2; S2) extend the capabilities for the integrated monitoring of coastal areas thanks to their spatial and temporal resolutions (up to 10 m and 5 days). However, global remote sensing issues/limitations (e.g., cloud screening, spectral mixing, atmospheric correction) and regional-specific characteristics (e.g., involved ecosystems, economic fabric, interlinkages), make up challenges of diverse nature. The basis of the research presented in this thesis is to explore the potential of S2 for the monitoring of coastal areas, and the associated technical and scientific questions. The work is focused on the processing of S2 imagery for characterizing Ebro Delta (Spain) coastal features and their dynamics, involving aquaculture, agriculture, spatial planning, environmental monitoring, and preparedness for natural hazards. From atmospheric correction and image pre-processing (first steps) to data modelling and analysis (last steps), a number of technical and scientific challenges have been addressed.
In coastal waters, different atmospheric correction levels, processors, spectral combinations, and statistical models have been used for mapping water quality (i.e., chlorophyll-a, Secchi disk depth) and macrophytes (i.e., seagrass, macroalgae). For estimating chlorophyll-a (proxy of phytoplankton biomass), the best results were obtained using simple ratios including visible and/or red-edge bands applied to Rayleigh or full-atmospheric corrected imagery, by fitting either linear or 2nd-degree polynomial (MAE ~ 0.6 mg/m3), obtaining time series which allowed to relate the distribution of phytoplankton with the environmental and anthropic forcing. The relationship between Secchi disk depth and light attenuation products (r > 0.75) demonstrated the feasibility of monitoring water clarity with S2. In relation to the estimation of macrophytes coverage, machine-learning supervised classification of S2 VIS-NIR composites was used for assessing the spatial coverage of seagrass and macroalgae communities in shallow waters, unveiling a negative impact of agricultural runoff on macrophytes’ communities. Inland, an automatic method was developed based on the identification of key points in the combined temporal profiles of three common vegetation and land surface water indexes for the extraction of rice phenological metrics, irrigation management, and crop yield proxy. The results provided information on significant rice phenological stages and field status (e.g., rice maturity, hydroperiod), also showing that crop yield is better estimated during the rice heading period (r = - 0.8). Finally, for assessing storms’ effects with S2, a combined flooding-water quality monitoring method was defined and implemented, reaffirming the capabilities of S2 for depicting the different grades of land and aquatic environments’ resilience.
The conducted research has been applied to the estimation of phytoplankton biomass at coastal bays (aquaculture), the generation of information on crop dynamics and management (agriculture), the assessment of agriculture runoff disturbance in coastal waters (environmental monitoring), and the characterization of storms’ effects on land and water ecosystems (natural hazards). A work that brings the application of satellite image processing to scientists, engineers, coastal managers, and stakeholders by providing results that demonstrate the usefulness of these viable and low-cost techniques for high-quality coastal monitoring.
(Català ) Les zones costaneres alberguen importants ecosistemes de gran valor ecològic, que donen lloc a innumerables recursos cada cop més explotats per l’ésser humà . Per això, és necessari comprendre els processos que ocorren tant en els ecosistemes terrestres com en els aquà tics, aixà com les seves interaccions mútues i amb les activitats antròpiques. En aquesta lÃnia, la nova generació de satèl·lits multiespectrals Sentinel d’alta resolució (Sentinel-2; S2) amplia les capacitats per a la monitorització integrada de les zones costaneres grà cies a les seves resolucions temporals i espacials millorades (fins 10 m i 5 dies). Tanmateix, els problemes/limitacions globals de la teledetecció (e.g., triatge de núvols, barreja espectral, correcció atmosfèrica) i les caracterÃstiques especÃfiques de cada regió (e.g., ecosistemes implicats, teixit econòmic del lloc, interrelacions), composen reptes de diversa naturalesa. En aquest sentit, la base de la investigació presentada en aquesta tesi és explorar el potencial de S2 per a la monitorització de zones costaneres, i les qüestions tècniques i cientÃfiques associades. El treball es centra en el processat d’imatges S2 per a la caracterització d’aspectes costaners al Delta de l’Ebre (Espanya) i la seva dinà mica, involucrant l’aqüicultura, l’agricultura, la planificació espacial, el seguiment mediambiental, i la preparació front a riscos naturals. Des de la correcció atmosfèrica i el pre-processat de les imatges (primers passos) fins el modelat i l’anà lisi de les dades (últims passos), s’han abordat diferents reptes tècnics i cientÃfics.
En aigües costaneres, s’han utilitzat diferents nivells de correcció atmosfèrica, processadors, combinacions espectrals i models estadÃstics per a cartografiar la qualitat de l’aigua (i.e., clorofil·la-a, profunditat del disc de Secchi) i els macròfits (i.e., praderes marines, macroalgues). Per estimar la clorofil·la-a (indicador de biomassa fitoplanctònica), els millors resultats es van obtenir utilitzant ratis simples entre les bandes visibles i/o del marge vermell aplicats a imatges corregides per Rayleigh o amb correcció atmosfèrica complerta, amb un ajust lineal o polinomial de 2n grau (MAE ~ 0,6 mg/m3), obtenint series temporals que van permetre relacionar la distribució del fitoplà ncton amb el forçament ambiental i antròpic. La relació entre la profunditat del disc de Secchi i els productes d’atenuació de la llum (r > 0.75) va demostrar la viabilitat de la monitorització de la claredat de l’aigua amb S2. En quan a l’estimació de la cobertura de macròfits, la classificació supervisada per aprenentatge automà tic de composicions de bandes VIS-NIR de S2 va ser útil per avaluar la cobertura espacial de las comunitats de praderes marines i macroalgues en aigües poc profundes, revelant un impacte negatiu de l’escorrentia agrÃcola en comunitats de macròfits. A l’interior, es va desenvolupar un mètode automà tic basat en la identificació de punts clau en els perfils temporals combinats de tres Ãndex comuns de vegetació i aigua superficial de la terra per a la extracció de mètriques fenològiques de l’arròs, la gestió de la irrigació i l’aproximació al rendiment dels cultius. Els resultats van proporcionar informació significativa sobre les etapes fenològiques de l’arròs i l’estat del camp (e.g., maduresa de l’arròs, hidroperÃode), mostrant també que el rendiment del cultiu s’estima millor durant el perÃode de floració de l’arròs (r = - 0.8). Per últim, per avaluar els efectes de les tempestes amb S2, es va definir i implementar un mètode combinat de monitorització de la qualitat de l’aigua i les inundacions, reafirmant les grans capacitats de S2 per a representar els diferents graus de resiliència dels entorns terrestres i aquà tics.
(Español) Las zonas costeras albergan importantes ecosistemas de gran valor ecológico, que dan lugar a innumerables recursos cada vez más explotados por el ser humano. Por ello, es necesario comprender los procesos que ocurren tanto en los ecosistemas terrestres como en los acuáticos, asà como sus interacciones mutuas y con las actividades antrópicas. En esta lÃnea, la nueva generación de satélites multiespectrales Sentinel de alta resolución (Sentinel-2; S2) amplÃa las capacidades para la monitorización integrada de las zonas costeras gracias a su resolución espacial y temporal (hasta 10 m y 5 dÃas). Sin embargo, los problemas/limitaciones globales de la teledetección (e.g., cribado de nubes, mezcla espectral, corrección atmosférica) y las caracterÃsticas especÃficas de cada región (e.g., ecosistemas implicados, tejido económico del lugar, interrelaciones), componen retos de diversa naturaleza. En este sentido, la base de la investigación presentada en esta tesis es explorar el potencial de S2 para la monitorización de zonas costaras, y las cuestiones técnicas y cientÃficas asociadas. El trabajo se centra en el procesamiento de imágenes S2 para la caracterización de aspectos costeros del Delta del Ebro (España) y su dinámica, involucrando la acuicultura, la agricultura, la planificación espacial, el seguimiento medioambiental, y la preparación ante riesgos naturales. Desde la corrección atmosférica y el preprocesamiento de las imágenes (primeros pasos) hasta el modelado y el análisis de los datos (últimos pasos), se han abordado distintos retos técnicos y cientÃficos.
En las aguas costeras, se han utilizado diferentes niveles de corrección atmosférica, procesadores, combinaciones espectrales y modelos estadÃsticos para cartografiar la calidad del agua (i.e., clorofila-a, profundidad del disco de Secchi) y los macrófitos (i.e., praderas marinas, macroalgas). Para estimar la clorofila-a (indicador de la biomasa fitoplanctónica), los mejores resultados se obtuvieron utilizando ratios simples que incluÃan bandas visibles y/o del borde rojo aplicados a imágenes corregidas por Rayleigh o con corrección atmosférica completa, con un ajuste lineal o polinomial de 2º grado (MAE ~ 0,6 mg/m3), obteniendo series temporales que permitieron relacionar la distribución del fitoplancton con el forzamiento ambiental y antrópico. La relación entre la profundidad del disco Secchi y los productos de atenuación de la luz (r > 0,75) demostró la viabilidad de la monitorización de la claridad del agua con S2. En cuanto a la estimación de la cobertura de macrófitos, la clasificación supervisada por aprendizaje automático de composiciones de bandas VIS-NIR de S2 fue útil para evaluar la cobertura espacial de las comunidades de praderas marinas y macroalgas en aguas poco profundas, revelando un impacto negativo de la escorrentÃa agrÃcola en las comunidades de macrófitos. En el interior, se desarrolló un método automático basado en la identificación de puntos clave en los perfiles temporales combinados de tres Ãndices comunes de vegetación y agua superficial de la tierra para la extracción de métricas fenológicas del arroz, la gestión de la irrigación y la aproximación al rendimiento de los cultivos. Los resultados proporcionaron información significativa sobre las etapas fenológicas del arroz y el estado del campo (e.g., madurez del arroz, hidroperiodo), mostrando también que el rendimiento del cultivo se estima mejor durante el perÃodo de floración del arroz (r = - 0,8). Por último, para evaluar los efectos de las tormentas con S2, se definió e implementó un método combinado de monitorización de la calidad del agua e inundaciones, reafirmando la capacidad de S2 para representar los diferentes grados de resiliencia de los entornos terrestres y acuáticos.
