Radargrammetric surface models from Radarsat-2 in Indonesia : processing and application in tropical forest monitoring

Abstract

Deforestation and forest degradation contribute to around one fifth of all greenhouse gas emmissions. Hence, measurement, reporting and verification of changes in forest biomass are important in order to help mitigating climate change. Satellite remote sensing in general, and spaceborne Synthetic Aperture Radars in particular, are well suited for tropical forest monitoring, due to the ability to work in areas under persistent cloud cover, typical for tropical forests. Radargrammetric processing is a possible approach for generating Digital Surface Models from SAR image pairs. The utilization of Digital Surface Models in combination with available Digital Terrain Models may provide Canopy Height Models that may be used to estimate forest biomass. In addition, repeated use of Digital Surface Models may be utilized in order to study the temporal changes in height values. These changes will correspond to the changes of biomass in a given area. The outline of this study encompassed two challenges related to radargrammetric surface models; the processing of such models in a tropical forest environment in general, and the feasibility of the processed radargrammetric surface models for forest monitoring applications. 18 Radarsat-2 Ultrafine images were utilized for this purpose. The results showed that image pairs from descending orbits with mean incidence angles of 47.9 and 36.2 degrees generated the best Digital Surface Models. By dividing the amount of biomass in five sample plots with the corresponding Canopy Height Models, a detected increase of 1 meter canopy height corresponded to between 4 and 45 t/ha increase biomass. Partial logging, both strip-logging and selective logging could be detected as change in repeated radargrammetric Digital Surface Models, and the relationship between reported logging quantities and the decrease in Digital Surface Model heights in the corresponding time interval was plausible. Avskoging og degradering av skog bidrar til om lag en femtedel av alle klimagassutslipp. Derfor er måling, rapportering og verifisering av endinger i skoglig biomasse viktig for å bidra til å motvirke klimaforandringer. Satellittfjernmåling generelt og satellittbårne Synthetic Aperture Radar spesielt, er velegnet til tropisk skogovervåkning på grunn av evnen til å virke i områder under konstant skydekke, typisk for tropiske skoger. Radargrammetrisk prosessering er en mulig framgangsmåte for å generere digitale overflatemodeller fra SAR-bildepar. Utnyttelse av digitale overflatemodeller i kombinasjon med tilgjengelige digitale terrengmodeller kan fremskaffe kronehøydemodeller som kan benyttes for å estimere skoglig biomasse. I tillegg kan gjentatt bruk av digitale overflatemodeller utnyttes for å studere temporale endringer i høydeverdier. Disse endringene vil korrespondere med endringer i biomasse i et gitt område. Denne oppgaven omfattet to problemstillinger knyttet til radargrammetriske overflatemodeller; prosessering av slike modeller i et tropisk skogmiljø generelt, og anvendbarheten av radargrammetriske overflatemodeller for tropisk skogovervåkning. 18 Radarsat-2 Ultrafine bilder ble benyttet til dette formålet. Resultatene viste at bildepar fra synkende baner med gjennomsnittlige innfallsvinkler på 47.9 og 36.2 grader genererte de beste digitale overflatemodellene. Ved å dividere mengden av biomasse i fem forsøksfelt med korresponderende kronehøydemodeller, fant man at en økning på 1 meter kronehøyde tilsvarte en biomasseøkning på mellom 4 og 45 tonn per hektar. Delvis hogst, både stripe-hogst og selektiv hogst kunne detekteres som endringer i gjentatte digitale overflatemodeller, og sammenhengen mellom rapporterte hogskvanta og reduksjonen i overflatehøyde var plausibel.