Paddy-rice leaf area index (LAI) estimation using radar and optical imagery

Abstract

Pirinç, dünya çapında 3,5 milyardan fazla insanın temel gıda maddesi olan en önemli ürünlerden biri olmasının yanısıra dünyada en çok tüketilen ve ekonomik olarak da en önemli besin ürünüdür. Bu konuda yapılan bir dizi çalışmanın sonucu, gelecekte artan nüfusu beslemek için pirinç üretiminin artacağını göstermektedir. Konunun bu derece önemine ragmen son gözlemler bazı alanlarda sulamadan dolayı toprak bozulmasının ve çevre kirliliginin meydana geldigini ve bundan dolayı pirinç verimliliginin azaldıgını hatta durdugun göstermiştir.Bu zorlukları gidermek ve gıda güvenligini saglamak için pirinç üretiminde ekin degişkenlerini belirlemek, analiz etmek ve elde edilen pirinci izlemek büyük önem taşımaktadır. Bu dogrultuda, pirinç üretimini ve verimliligini artırmak amacı ile bir takım çalışmalar yapılmıştır. Bu çalışmaların odak noktası, pirinç degişkenlerini tahmin etmek için uydu görüntülerini ürünün büyüme ve üretkenlik göstergesi olarak kullanmaktır.Yaprak alan endeksi (LAI), birim zemin alanı başına düşen yaprak alanı olarak tanımlanan boyutsuz bir indekstir ve bitkilerin büyümesini ve verimliligini izlemek için kullanılan en önemli biyofiziksel degişkenlerden biridir. Saha çalışmaları ile LAI'nın belirlenmesi büyük tarım alanı için zaman alıcı ve yorucudur. Uzaktan algılama ile elde edilen cografik verilerin kullanılması gibi dolaylı yöntemler ise güvenilirlik ve kullanım kolaylıgının yanında güncel ve tutarlı bir uzamsal ve zamansal kapsama ve çözünürlüge sunma yetenegine sahip oldukları için yaygınlık kazanmıştır. Ayrıca LAI'nın geniş bir alan üzerinde ölçümünün yapılması mümkün degildir. Bu nedenle LAI degerlerini hesaplamak için hızlı ve dogru bir şekilde elde edilen uydu verilerini kullanmak en uygun yöntem olarak düsşünülmüsştür. Bu çalısşmanın amacı, pirinç üretiminde LAI tahmininde ve degerlendirmesinde kullanılan uydu tabanlı radar ve optik görüntülerinin performansını yerinde (saha) ölçüm degerleri ile karşılaştırmalı olarak göstermektir.Çalışma sahası olarak Türkiye'nin önde gelen pirinç üretim alanlarından biri olan Ipsala bölgesi seçilmiştir. Bu bölge Meriç nehri boyunca 16 x 6 kilometre karelik bir alanı kaplamaktadır ve tarımsal arazi sulaması bu nehir ve yan kolları ile yapılmaktadır.Çeltik ekiminin büyümesi üç aşamadan oluşmaktadır: Bitkisel, üreme ve olgunlaşma aşaması. Yerinde (saha) LAI ölçümleri, CI-110 ölçüm cihazı ile üretimin üreme aşamasında (28 Agustos 2015 tarihinde) ve bu bölgede bulunan 6 çeltik tarlasında yapılmıştır. CI-110 ölçüm cihazı kullanılarak su ile kaplı yüzeyden 30 santimetre yükseklikte dijital yarıküresel görüntüler alınmıştır. Cihaz, 7 x 7 metrekare civarındaki herbir alanın kenarlarından yaklaşık 5 metre içeriden 10 dakikalık herbir periyot için 5 saniyelik veri toplamaya ayarlanmısştır. Bu cihaz aynı zamanda çalısşma bölgesindeki pirinç mahsulünün `gap fraction threshold (GFT)`, `photosynthetically active radiation (PAR)`, `transmission coefficient (TC)` ve `sunflecks ve mean leaf area index (MLA)` parametrelerini aynı anda ölçmek için kullanılmıştır.CI-110, Global Navigation Satellite System (GNSS) ve aydınlanma sensörüne gelen verileri analiz ederek, ölçüm yapılan noktadaki güneş konumunu belirlemekte ve yarım küre lens ile fotoğraf alımı gerçekleştirmektedir. Daha sonra elde edilen bu fotoğraflar, kontrollü olarak sınıflara (açıklık, yeşil alan vb.) ayrılmaktadır. Siniflandirmanin ardindan otsu eşik deger metodu ile ikilik sisteme dönüştürülerek elde edilen binary görüntü üzerinde bitki sinifina giren piksellerin alani hesaplanmaktadir. Yapilan bu basit görüntü isşleme algoritmaları ile, referans veri olarak alinan yarim küre forograflamadan yaprak alan indeksi elde edilmiştir.Çalışma alanındaki pirinç mahsulünün LAI'sini elde etmek için uzaktan algılama görüntüleri kullanılmıştır. Uzaktan algılama sisteminde aktif (RADAR) ve pasif (optik) olmak üzere iki farklı tipte sensörler kullanılmısştır.Aktif sensörler (radar) kendi elektromagnetik dalgasını gönderen ve bu dalganın cisme çarparak geri dönen radyasyonunu tespit eden sensörlerdir. Nesnelerin iki veya üç boyutlu görüntülerini oluşturmak için en çok tercih edilen görüntüleme radarı oldugundan ve uydu platformuna yerleştirilen büyük bir radar anteninin ileri hareketinin avantajlarından yararlanarak geleneksel ışın tarama radarlarından daha ince uzaysal çözünürlükte görüntüler elde etme özelligine sahip oldugu için `synthetic aperture radar (SAR)` görüntüleri bu tezde kullanılmıştır.Çalışma alanındaki pirinç mahsulünün LAI'sini elde etmek için kullanılan SAR sensörleri olan Sentinel-1 (VV ve VH polarizasyona sahip olan C-bandında) ve TerraSAR-X (VV ile HH polarizasyon olan X bandında) tüm hava şartlarında görüntü saglama özelligi ile tarım çalışmaları için oldukça uygundur.Sentinel-1 görüntüsü 27 Agustos 2015'te (üreme aşamasında) «ESA» web sayfasından ve TerraSAR-X görüntüsü 4 Eylül 2015'te «Airbus Defense and Space» web sayfasından indirilmiştir. Çalışma alanı için SAR görüntüleri elde edildikten sonra bu görüntüler, her pikselin geri saçılma katsayılarını (backscattering coefficients) belirlemek için `Snap` yazılımında girdi olarak kullanılmıştır. Bu geri saçılma katsayı degerleri daha sonra LAI'yi belirlemek için su bulutu modelinde (Water Cloud Model) girdi olarak kullanılmısştır. Belirli bir dalga boyu için bir hedefin geri saçılması hedefin fiziksel boyutu, elektriksel özellikleri ve nem içerigi, daha ıslak nesnelerin parlak görünmesi ve kuru hedeflerin karanlık görünmesi gibi çesşitli parametrelere ve koşullara baglıdır. Su bulutu modelinde bitki örtüsünün rastgele dagılmış su damlacıklarını içerdigi varsayılır ve girdi olarak geri saçılma katsayısı (dielektrik sabiti, dalga boyu, polarizasyon ve etki açısına baglı olan bir katsayı) kullanılarak LAI degeri belirlenir. LAI'nin belirlenmesinde bu teknigin güvenilirligi, modellenmiş LAI sonuçları ile yerinde (arazi) LAI ölçümlerinin degerleri ile karşılaştırılarak ve korelasyon katsayısı (correlation coefficient, r) dikkate alınarak arasştırılmısştır.Daha önce de belirtildigi gibi bu tezde X ve C bandı SAR işaretlerini LAI parametresiyle ilisşkilendirmek için Water Cloud Model (WCM) kullanılmısştır. Bu amaçla WCM'de ihtiyaç duyulan vejetasyon parametreleri olan A, B ve C, D toprak parametreleri optimize edilmelidir. Parametrelerin optimizasyonu ve vejetasyon parametrelerinin tahmininde en uygun olan GA (genetic algorithm) bu çalısşmada bir optimizasyon teknigi olarak kullanılmıştır. GA zor problemlerin hızlı, güvenilir ve dogru bir şekilde optimizasyonu için uygun bir çözümdür.Pasif (optik) sensörler yansıtılan güneş radyasyonunu ve görünür yeryüzeyini yakın kızılötesi (NIR) ve kısa dalga kızılötesi bantlarla; yüzey tarafından yayılan radyasyonu ise termal kızılötesi bant ile algılamaktadır.En yeni multispektral görüntüleme sistemlerinden biri olan Landsat-8 görüntüleri bu tezde kullanılmıştır. Yaklaşık 16 gün tekrarlama süresi ve 30 metre uzaysal çözünürlükte (görünür, NIR, SWIR), 100 metreden (termal) ve 15 metreden (panokromatik) olmak üzere iki görüntü algılayıcıdan oluşan bu sensörün tez çalışma alanını içeren, 11 banda sahiptir. Performans degerlendirme kriterleri olarak bu bantların yardımıyla ve ENVI programını kullanarak normalize edilmiş farklı bitki örtüsü endeksi (NDVI), modifıye normalize fark su indeksi (NDWI), çeltik-çeltik parsellerinin her pikseli için normal normalizasyon fark vejetasyon indeksi (GNDVI), Gitelson ve Merzlyak indeksi (GMI), basit oran indeksi (SR) ve Zygielbaum su stres indeksi (ZWSI) hesaplanmıştır.Çeltik pirinç mahsulünün LAI degerleri ile ZWSI, SR, GMI ve GNDVI endeksleri arasında bir ilişki kurmak için bu endekslerin degerleri 28 Agustos 2015 tarihinde çalışma alanının Landsat-8 uydusu ile çekilmiş olan görüntüsü kullanılmıştır. Daha sonra bu endekslerin degerleri ile yer ölçümlü LAI degerleri arasındaki ilişkiyi araştırmak için korelasyon analizi yapılmıştır. Özellikle SR indeksi, ölçülmüş ilgili LAI degerleriyle en ilişkili endeks ( R = 0.91) olarak bulunmuştur; bunu sırasıyla NDVI, NDWI ve GNDVI endeksleri izlemektedir.Sonuç olarak Landsat-8 görüntüsünden elde edilen indeks degerlerinin Sentinel-l ve TerraSAR-X SAR görüntülerinin çeşitli polarizasyonlarından elde edilen geri saçılma katsayı degerleriyle elde edilen indeks degerlerine kıyasla üreme döneminde elde edilen yer ölçüm LAI degerleri ile daha yüksek oranda korelasyona sahip oldugu görülmüştür. Ayrıca bu çalışma alanının çeltik ürününün LAI degerinin tahmin edilmesinde optik algılayıcının (Landsat-8) görüntülerinin SAR (Sentinel-1 ve TerraSAR-X) görüntülerinden daha hızlı ve yüksek dogruluklu bir veri kaynagı oldugu söylenebilir. Son olarak belirtmek gerekir ki, çeltik pirinç mahsulünün sadece üreme asşamasının (zaman serilerine dayalı olmayan analizler) bu çalısşmanın amacına uygun oldugu düşünülmektedir.Kısaca çeltik bitkisinin üreme döneminde gerçekleştirilen analizlerde, Landsat-8 den elde edilen SR endeksi, TerraSAR-X ve Sentinel-1 den elde edilen SAR geri saçılım degerlerine göre saha çalışmalarından elde edilen LAI ölçümleri ile daha uyumlu oldugu görülmüştür.

Rice is one of the most important crops as it is the staple food for more than 3.5 billion people worldwide. As a result, a number of studies have been conducted in order to improve the production and productivity of rice. One of the focus areas of the studies is the estimation of rice variables by making use of satellite images as the variables can be used as indicators of the growth and productivity of the crop. Leaf Area Index (LAI), a dimensionless index defined as the leaf area per unit ground area, is one of the most crucial biophysical variables used for monitoring the growth and productivity of crops. However, undertaking field measurement of LAI over a large area is not feasible and, thus, the use of satellite data to rapidly and accurately compute LAI values has been considered as the most convenient way. The objective for this study was to evaluate the performance of rice LAI estimation using satellite-based radar and optical images compared with in-situ measurements. In-situ LAI measurements were collected with CI-110 from six paddy rice fields located in Ipsala region (Yenikarpus farm), which is one of the major rice producing areas in Turkey. Paddy rice crop has three growth stages: vegetative stage (germination to panicle initiation), reproductive stage (panicle initiation to flowering) and ripening stage (flowering to mature grain). The CI-110 based field measurement was carried out during the reproductive stage of the paddy rice crop.The satellite images used as data sources for estimating the LAI of the rice crop in the study area were captured by two Synthetic Aperture Radar (SAR) sensors named Sentinel-1 and TerraSAR-X and an optical sensor known as Landsat-8 during the reproductive stage of paddy rice crop. Both Sentinel-1 and TerraSAR-X operate in all-weather conditions. However, Sentinel-1 operates in C-band with 5.405 GHz frequency, 0-100 MHz bandwidth and VV and VH polarization, whereas TerraSAR-X operates in X-band with center frequency of 9.65 GHz, bandwidth of 300 MHz and VV and VH polarization.Once the SAR images were collected, all images were pre-processed to account for geometric distortions due to acquisition geometry of the imagery, and backscattering coefficients were calculated. The backscattering coefficient values were then used as inputs into the Water Cloud Model to determine LAI. The reliability of this technique of determining LAI was investigated by comparing the estimated LAI results with the values of the in-situ LAI measurements by taking into consideration the correlation coefficients (R) as performance evaluation criteria. With regards to the optical sensors (Landsat-8 images), the Normalized Difference Vegetation Index (NDVI), Modified Normalized Difference Water Index (NDWI), Green Normalized Difference Vegetation Index (GNDVI), Gitelson and Merzlyak Index (GMI), Simple Ratio Index (SR) and Zygielbaum Water Stress Index (ZWSI) were calculated for each pixel of the 6 paddy-rice fields. Here again, correlation coefficient was used to investigate the presence of relationships between the in-situ LAI values and the above mentioned indices generated from the Landsat-8 image. The results of the study showed that, in general, the indices generated from the Landsat-8 image were found to be highly correlated to the in-situ LAI than the values of the backscattering coefficients determined from the Sentinel-1 and TerraSAR-X images with various polarizations. In particular, the SR index was found to be the best index ( R = 0.91) related to the in-situ LAI values followed by the NDVI, NDWI and GNDVI indices. In conclusion, based on the results of this study, it could be stated that Landsat-8 images could be used as a reliable data source to acquire reliable LAI for paddy rice crop in the study area much better than SAR images. Here again, it should be noted that only the reproductive stage (not time series based analyses) of paddy rice crop was considered to meet the objective of this study.