A Framework for the Phenological Analysis of Hypertemporal Remote Sensing Data Based on Polynomial Spline Models
Ein Rahmenkonzept zur phenologischen Analyse von hypertemporalen Fernerkundungsdaten auf der Basis polynomischer Spline-Modelle
- Time series archives of remotely sensed data offer many possibilities to observe and analyse dynamic environmental processes at the Earth- surface. Based on these hypertemporal archives, which offer continuous observations of vegetation indices, typically at repetition rates from one to two weeks, sets of phenological parameters or metrics can be derived. Examples of such parameters are the beginning and end of the annual growing period, as well as its length. Even though these parameters do not correspond exactly to conventional observations of phenological events, they nevertheless provide indications of the dynamic processes occurring in the biosphere. The development of robust algorithms for the derivation of phenological metrics can be challenging. Currently, such algorithms are most commonly based on digital filters or the Fourier analysis of time series. Polynomial spline models offer a useful alternative to existing methods. The possibilities of using spline models in the analytical description of time series are numerous, and their specific mathematical properties may help to avoid known problems occurring with the more common methods for deriving phenological metrics. Based on a selection of different polynomial spline models suitable for the analysis of remotely sensed time series of vegetation indices, a method to derive various phenological parameters from such time series was developed and implemented in this work. Using an example data set from an intensively used agricultural area showing highly dynamic variations in vegetation phenology, the newly developed method was verified by a comparison of the results of the spline based approach to the results of two alternative, well established methods.
- Zeitreihen-Archive von Fernerkundungssatelliten zur Umweltbeobachtung bieten vielfältige Möglichkeiten, um die an der Erdoberfläche ablaufenden Prozesse in ihrer räumlichen und zeitlichen Dynamik zu erfassen. Aus den Aufnahmen hypertemporaler Erdbeobachtungssatelliten, zu kontinuierlichen Zeitreihen von Vegetationsindizes mit einer ein- bis zweiwöchigen Wiederholrate zusammengestellt, können phänologische Parameter oder Metriken abgeleitet werden, wie zum Beispiel der Beginn und das Ende einer jährlichen Wachstumsperiode, sowie deren Länge. Obwohl diese phänologischen Parameter nicht genau den konventionell beobachteten phänologischen Ereignissen entsprechen, so bieten sie doch Anhaltspunkte für die in der Biosphäre ablaufenden dynamischen Prozesse. Eine Herausforderung in Bezug auf phänologische Metriken ist die Entwicklung robuster Algorithmen zu deren Ableitung. Die hierbei am häufigsten eingesetzten Verfahren sind digitale Filter und die Fourieranalyse von Zeitreihen. Polynomische Spline-Modelle bieten eine vielversprechende Alternative zu bereits bestehenden Verfahren, da sie durch ihre spezifischen mathematischen Eigenschaften einerseits dazu beitragen können, bereits bekannte Probleme bei anderen Verfahren zu vermeiden, und andererseits vielfältige Möglichkeiten zur analytischen Auswertung einer Zeitreihe bieten, um phänologische Metriken abzuleiten. Im Rahmen der vorliegenden Arbeit wurde auf Basis verschiedener Spline-Modelle, die für die Analyse fernerkundlich erhobener Zeitreihen geeignet sind, ein Ansatz entwickelt und implementiert, der es erlaubt, diese Modelle für die Berechnung phänologischer Metriken zu nutzen. Anhand eines Beispieldatensatzes eines intensiv landwirtschaftlich genutzten Gebietes mit hoher Vegetationsdynamik wurde der neu entwickelte Ansatz verifiziert, indem ein Vergleich mit zwei alternativen, bereits etablierten Verfahren zur Berechnung phänologischer Parameter aus Fernerkundungsdaten durchgeführt wurde.