Modeling satellite-derived soil moisture content over grasslands under different climatic conditions
Project goals
Grasslands cover a significant part of Earth and have irreplaceable ecosystem and production functions. In recent decades, their degradation has been caused by accelerating global climate change and inappropriate management. Soil moisture content (SMC) fundamentally affects the growth and yield of vegetation. Knowledge of the spatial distribution of SMC values and their change over time is essential for the assessment of productivity, the risk of further degradation, and decisions about grassland management. Determination of SMC from in-situ measurements has a restricted spatial density and is expensive. Remote sensing (RS) satellite systems continuously cover most of the Earth’s surface, providing image data with a high spatial and temporal resolution. The project aim is to propose a methodology for continuous determination of SMC by a combination of the optical (Sentinel-2, Landsat) and microwave (Sentinel-1) RS data. The sub-steps consist of i) comparison and evaluation of complementary RS datasets and SMC models, ii) high-resolution land cover classification using machine learning to unmask grasslands, iii) comparison of SMC retrieval in grasslands from RS data in different climate regions (semi-arid areas of the Mediterranean vs. mountainous regions of the temperate climate) and verification of results based on in-situ measurements, and iv) design of methodology and models for SMC retrieval from RS data and their verification in both climate regions. The proposed methodology will provide practical outputs for the study of the growth, health, and yield of vegetation, which directly depend on SMC. The results will also provide information on the accuracy of the SMC estimation and a discussion of the affecting factors. Part of the solution will also be the use of the OPTRAM model for a time series of Landsat images (from the mid-1980s) to monitor SMC trends in connection with climate change. Results will be published as at least 2 articles in impact journals.
Keywords
remote sensingsoil moisturegrasslandsdata fusionSARmachine learningOPTRAM modelSentinelLandsat
Public support
Provider
Ministry of Education, Youth and Sports
Programme
—
Call for proposals
SMSM2024LU003
Main participants
Univerzita Karlova / Přírodovědecká fakulta
Contest type
VS - Public tender
Contract ID
-
Alternative language
Project name in Czech
Využití družicových dat pro modelování půdní vlhkosti travních porostů v různých klimatických podmínkách
Annotation in Czech
Travní porosty pokrývají významnou část zemského povrchu a mají nezastupitelné ekosystémové a produkční funkce. V posledních desetiletích dochází k jejich degradaci v důsledku nevhodného managementu i globální změny klimatu. Půdní vlhkost (PV) zásadním způsobem ovlivňuje růst vegetace i výnosy z ní. Znalost prostorového rozložení hodnot PV a jejich změn v čase je podstatná pro hodnocení produktivity, rizika další degradace travních porostů a rozhodování o způsobech jejich managementu. Plošná hustota in-situ měření je omezená a provoz finančně náročný. Družicové systémy dálkového průzkumu poskytují obrazová data spojitě pokrývající většinu povrchu Země s vysokým prostorovým a časovým rozlišením. Cílem projektu je navrhnout metodiku pro kontinuální určování PV kombinací družicových systémů v optické (Sentinel-2, Landsat) a mikrovlnné části spektra (Sentinel-1). Dílčí kroky řešení spočívají v i) porovnání a vyhodnocení doplňujících se souborů dat dálkového průzkumu Země a modelů pro určení PV, ii) klasifikaci krajinného pokryvu s vysokým rozlišením pomocí strojového učení s cílem odmaskování travních ploch, iii) porovnání stávajících postupů získání PV z družicových dat v různých klimatických regionech (semiaridní oblasti Středomoří vs. horské oblasti mírného podnebného pásma) a ověření výsledků na základě měření in-situ, iv) navržení metodiky a modelů pro získávání PV z družicových dat a jejich ověření v obou klimatických regionech. Navrhovaný metodický postup poskytne praktické výstupy pro studium růstu, stavu a výnosu vegetace, které přímo závisí na obsahu vody v půdě. Výsledkem projektu bude i informace o přesnosti výstupu (odhadu PV) a diskuse faktorů, které přesnost ovlivňují. Součástí řešení bude i využití modelu OPTRAM v časové řadě snímků Landsat (od poloviny 80. let 20.století) pro sledování trendů půdní vlhkosti vybraných území v souvislosti s klimatickou změnou. Výsledky projektu budou publikovány v podobě alespoň 2 článků v impaktovaných časopisech.
Scientific branches
R&D category
VV - Exeperimental development
OECD FORD - main branch
10511 - Environmental sciences (social aspects to be 5.7)
OECD FORD - secondary branch
10508 - Physical geography
OECD FORD - another secondary branch
10510 - Climatic research
DE - Earth magnetism, geodesy, geography
DG - Atmospheric sciences, meteorology
DI - Pollution and air control
DJ - Pollution and water control
DK - Contamination and decontamination of soil including pesticides
DL - Nuclear waste, radioactive pollution and control
DM - Solid waste and its control, recycling
DO - Protection of landscape
Solution timeline
Realization period - beginning
Aug 1, 2024
Realization period - end
Jul 31, 2027
Project status
B - Running multi-year project
Latest support payment
Feb 19, 2025
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP25-MSM-LU-R
Data delivery date
Mar 5, 2025
Finance
Total approved costs
2,485 thou. CZK
Public financial support
2,485 thou. CZK
Other public sources
0 thou. CZK
Non public and foreign sources
0 thou. CZK
Basic information
Recognised costs
2 485 CZK thou.
Public support
2 485 CZK thou.
100%
Provider
Ministry of Education, Youth and Sports
OECD FORD
Environmental sciences (social aspects to be 5.7)
Solution period
01. 08. 2024 - 31. 07. 2027