Advancing urban and agricultural monitoring using Sentinel-1 synthetic aperture radar data

Abstract

Väitekiri keskendub Euroopa Kosmoseagentuuri Sentinel-1 tehisava-radari (SAR) andmete kasutamisele hoonestuse ja rohumaade kaugseires. Radaripiltide eeliseks võrreldes optiliste satelliidipiltidega on sõltumatus pilvkattest ja päikesekiirgusest. Niisiis pakuvad nad pidevat ja tihedat andmestikku nutikate seirelahenduste loomiseks, et säästa suures mahus nt linnaplaneerijate või PRIA inspektorite tööaega. Hoonete tuvastamiseks radaripiltidelt pakkusime välja uue meetodi ning võrdlesime selle tulemusi juba varem kasutatud meetoditega. Uurimisaladena valisin välja Tallinna ja Ida-Virumaa. Tulemused olid lootustandvad – tihedama hoonestusega piirkondades oli uus meetod täpseim, kuid jäi pisut alla hõredama hoonestusega aladel. Järgmiseks huvitas mind, kuidas mõjutavad hoonete omadused, nagu kõrgus, materjal, orientatsioon ja kuju, radarisignaali tagasipeegeldust. Kinnitust leidsid mitmed nii talupojatarkusest kui ka füüsikateooriast lähtuvad seaduspärasused. Eks suuremad ja kõrgemad asjad ole ka radarile paremini näha ning metall särab paremini kui puit. Aga kui hoone on „vale“ nurga all, võib ta radari jaoks hoopis nähtamatuks muutuda. Lõpuks uurisin, kuidas on võimalik kosmose-radariga tuvastada põllutöid. Nimelt tuleb PRIA toetusi saavatel põllumeestel rohumaid kindlal ajal niita ning PRIA peab omakorda kontrollima üle, kas töö sai korralikult tehtud. Satelliidipiltide aeg-ridadest eristuvad selgelt nii niitmise kui ka kündmise mustrid, kusjuures mõlemal on erinev sõrmejälg. Seda eripära teades arendas kaigseire ettevõte KappaZeta OÜ koostöös Tõravere Observatooriumi, CGI Eesti AS ja STACC OÜ-ga PRIA-le niitmise tuvastamise rakenduse „Satikas“. Kokkuvõtteks tõestasin uuringuga Sentinel-1 tehisava-radari andmete suurt potentsiaali nii linnaruumi kui ka põllumajanduse kaugseires ja avardasin võimalusi mitmete innovaatiliste rakenduste väljatöötamiseks.

The dissertation focuses on the use of Sentinel-1 synthetic aperture radar (SAR) data, provided by the European Space Agency, for the remote sensing of urban areas and grasslands. Compared to optical satellite imagery, radar images have the distinct advantage of being unaffected by cloud cover and sunlight conditions. This ensures consistent and frequent data availability, enabling the development of smart monitoring solutions. To detect buildings from radar images, I developed a new method and compared its performance to previously established approaches. The study focused on two regions: Tallinn and Ida-Virumaa. The results were promising. My method achieved the highest accuracy in densely built-up areas, although its performance slightly lagged in regions with more sparse housing patterns. Next, I investigated how building characteristics, such as height, material, orientation, and shape, influence radar signal backscatter. Several patterns, rooted in both practical reasoning and physical theory, were confirmed. For instance, larger and taller structures are more visible to radar, and metal reflects more strongly than wood. However, buildings positioned at certain angles may become nearly invisible to radar. Finally, I studied how SAR is able to detect agricultural events in grasslands. To get subsidies the farmers must mow grasslands within a specific timeframe. Radar time-series data revealed distinct patterns for both mowing and ploughing events, each leaving a unique “fingerprint.” Using this insight, remote sensing company KappaZeta OÜ, in collaboration with Tõravere Observatory, CGI Eesti AS, and STACC OÜ, developed a mowing detection system for the paying agency. In conclusion, my research demonstrated the significant potential of Sentinel-1 synthetic aperture radar data for urban and agricultural remote sensing. It also provided a foundation for the development of innovative applications in these domains.