Skip to main content
padlock icon - secure page this page is secure

Estimating the Leaf Area Index of Agricultural Crops using multi-temporal dual-polarimetric TerraSAR-X Data: A case study in North-Eastern Germany

Buy Article:

$39.00 + tax (Refund Policy)

Leaf area index (LAI) is one of the most important indicators of agricultural variables because of its relation to biophysical and biochemical properties of agricultural crops. Variations in LAI can be related to changes in leaf scattering properties, and these variations in leaf scattering properties can lead to changes in canopy backscattering behaviour. The objective of this study was to explore the potential of estimating LAI using multi-temporal dual polarimetric TerraSAR-X data in three different agricultural field crops, including winter wheat (Triticum aestivum L.), barley ( Hordeum vulgare L.), and canola (Brassica napus L.). The relationship between LAI and the scattering coefficient (σ0) in TerraSAR-X was explored using three different approaches, including univariate regression, i.e., simple linear and nonlinear regression, multivariate regression, i.e., stepwise regression, and a semi-empirical water cloud model (WCM). The multivariate stepwise regression showed its capability to retrieve the LAI without any external input data, such as soil moisture, based solely on the polarization channels, i. e., HH or VV, and polarization variables, e.g.HH/VV or HH+VV. However, unlike the WCM, the stepwise method is not applicable with just one polarization channel. The results indicate that the leaf area index (LAI) was significantly and consistently correlated with σ0 throughout the growth stages using the stepwise regression and WCM approaches, whereas simple linear and nonlinear regression yielded relatively poor results except with barley.



Zusammenfassung: Abschätzung des Blattflä-chenindexes von Anbaukulturen mittels dual-polarimetrischer TerraSAR-X Daten: Eine Fallstudie in Nordostdeutschland. Der Blattflächenindex (LAI) zählt wegen seiner Beziehung zu biophysikalischen und biochemischen Eigenschaften von Anbaufrüchten zu den interessantesten Parametern im Kontext der Landwirtschaft. Unterschiede im LAI können zu Streuungseigenschaften der Blätter in Beziehung gesetzt werden. Die Variationen der Streuungseigenschaften von Blättern können zu Änderungen im Rückstreuverhalten der Vegetationsoberfläche führen. Gegenstand der vorliegenden Studie war es, das Potenzial einer LAI-Abschätzung mit Hilfe von multitemporalen, dual-polarimetrischen TerraSAR- X-Daten zu ermitteln, und zwar für drei verschiedene landwirtschaftliche Anbaufrüchte: Winterweizen (Triticum aestivum L.), Gerste (Hordeum vulgare L.) und Raps (Brassica napus L.). Die Beziehung zwischen LAI und dem Streuungskoeffizienten (σ0) bei TerraSAR-X wurde mit Hilfe von drei verschie- denen methodischen Ansätzen untersucht: mittels univariater Regression (einfache lineare und nichtlineare Regression), multivariater Regression (schrittweise Regression) und mit Hilfe eines semi-empirischen Water/Cloud-Modells (WCM). Die multivariate schrittweise Regression erwies ihr großes Potenzial für eine LAI-Abschätzung ohne Hinzunahme weiterer Informationen wie etwa der Bodenfeuchte. Die Abschätzung erfolgte allein auf der Grundlage der Polarisationskanäle (HH und VV) und der Polarisationsvariablen (HH/VV und HH+VV). Im Gegensatz zum WCM ist die schrittweise Methode jedoch bei Verwendung nur eines Polarisationskanals nicht anwendbar. Die Ergebnisse zeigen, dass der Blattflächenindexüber die ganze Vegetati onsperiode hinweg signifikant und konsistent mitσ 0 korreliert, wenn mit schrittweiser Regression und WCM gearbeitet wird. Dagegen erzielten die Ansätze mit einfacher linearer und nicht-linearer Regression, außer für Gerste, vergleichsweise schwache Ergebnisse.
No Reference information available - sign in for access.
No Citation information available - sign in for access.
No Supplementary Data.
No Article Media
No Metrics

Keywords: AGRICULTURAL CROP; LEAF AREA INDEX; STEPWISE REGRESSION; TERRASAR-X; WATER CLOUD MODEL

Document Type: Research Article

Publication date: December 1, 2016

More about this publication?
  • Photogrammetrie - Fernerkundung - Geoinformation (PFG) is an international scholarly journal covering the progress and application of photogrammetric methods, remote sensing technology and the intricately connected field of geoinformation processing.

    Papers published in PFG highlight new developments and applications of these technologies in practice. The journal hence addresses both researchers and student of these disciplines at academic institutions and universities and the downstream users in both the private sector and public administration.

    PFG places special editorial emphasis on the communication of new methodologies in data acquisition, new approaches to optimized processing and interpretation of all types of data which were acquired by photogrammetric methods, remote sensing, image processing and the computer-aided interpretation of such data in general.

    PFG is the official journal of the German Society of Photogrammetry and Remote Sensing.
  • Editorial Board
  • Information for Authors
  • Subscribe to this Title
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more