Implementación de una interfaz en Matlab para generación de mapas de satélite de los parámetros de vegetación

Abstract

Este proyecto consiste en la implementación de una interfaz en Matlab para generar mapas satelitales empíricos de alta resolución de índice de área foliar real (LAI) y efectiva (LAIeff), de la fracción de la cobertura vegetal (FCOVER) y la fracción de radiación fotosintéticamente activa (FAPAR) para la validación de productos satelitales de resolución media. Dichos mapas se generan a partir de un número limitado de medidas reales de campo utilizando métodos de regresión e imágenes de satélite de alta resolución (por ejemplo, Landsat-8, Sentinel-2). El método de regresión implementado se basa en un algoritmo iterativo de mínimos cuadrados ordinarios multivariados (OLS), proporcionando una relación empírica entre las mediciones in situ y los valores de reflectividad de la imagen de satélite. El usuario a través de los resultados proporcionados podrá elegir la combinación óptima entre las diferentes combinaciones de bandas espectrales de la imagen (típicamente, verde, rojo, infrarrojo cercano e infrarrojo de longitud de onda corta) que minimizan la validación cruzada y el RMSE ponderado errores ofrecidos por la interfaz. Finalmente, la aplicación permite la generación de los diferentes mapas en función de la combinación seleccionada por el usuario, así como un mapa de calidad del mapa empírico que usa la técnica de casco convexo, que permite evaluar la confiabilidad del modelo de escalamiento ascendente (es decir, píxeles donde la función de transferencia se comporta como interpolador).

This Project consists in implementing a Matlab interface to generate empirical high-resolution satellite maps of leaf area index (LAI), Effective Leaf area index (LAIeff), Fraction of green Vegetation Cover (FCOVER) and Fraction of Absorbed Photosynthetically Active Radiation (FAPAR) for the validation of medium resolution satellite products. These maps are generated from ground measurements, using regression methods and high-resolution satellite imagery (e.g., Landsat-8, Sentinel-2). The regression method implemented is based on multivariate ordinary least squares (OLS) and it provides an empirical relationship between in situ measurements and concomitant radiance values of satellite images. As a result, the user will be able to choose the optimal combination between the different possible combinations of spectral bands of the image (typically, green, red, near infrared and short-wavelength infrared) which minimize the cross-validation and weighted-RMSE errors displayed by the interface. Finally, the application allows the generation of different maps according to the user selection, as well as a quality flag map of the empirical map, based on the convex hull technique, which allows to evaluate the reliability of the up-scaling model (i.e., pixels where the transfer function behaves as interpolator).