Environmental variables modeling based on remote sensing data using time series analysis: forestry and agricultural applications

En la actualidad, el seguimiento de la dinamica de los procesos medio ambientales esta considerado como un punto de gran interes en el campo medioambiental. La cobertura espacio temporal de los datos de teledeteccion proporciona informacion continua con una alta frecuencia temporal, permitiendo el analisis de la evolucion de los ecosistemas desde diferentes escalas espacio-temporales. Aunque el valor de la teledeteccion ha sido ampliamente probado, en la actualidad solo existe un numero reducido de metodologias que permiten su analisis de una forma cuantitativa. En la presente tesis se propone un esquema de trabajo para explotar las series temporales de datos de teledeteccion, basado en la combinacion del analisis estadistico de series de tiempo y la fenometria. El objetivo principal es demostrar el uso de las series temporales de datos de teledeteccion para analizar la dinamica de variables medio ambientales de una forma cuantitativa. Los objetivos especificos son: (1) evaluar dichas variables medio ambientales y (2) desarrollar modelos empiricos para predecir su comportamiento futuro. Estos objetivos se materializan en cuatro aplicaciones cuyos objetivos especificos son: (1) evaluar y cartografiar estados fenologicos del cultivo del algodon mediante analisis espectral y fenometria, (2) evaluar y modelizar la estacionalidad de incendios forestales en dos regiones bioclimaticas mediante modelos dinamicos, (3) predecir el riesgo de incendios forestales a nivel pixel utilizando modelos dinamicos y (4) evaluar el funcionamiento de la vegetacion en base a la autocorrelacion temporal y la fenometria. Los resultados de esta tesis muestran la utilidad del ajuste de funciones para modelizar los indices espectrales AS1 y AS2. Los parametros fenologicos derivados del ajuste de funciones permiten la identificacion de distintos estados fenologicos del cultivo del algodon. El analisis espectral ha demostrado, de una forma cuantitativa, la presencia de un ciclo en el indice AS2 y de dos ciclos en el AS1 asi como el comportamiento unimodal y bimodal de la estacionalidad de incendios en las regiones mediterranea y templada respectivamente. Modelos autorregresivos han sido utilizados para caracterizar la dinamica de la estacionalidad de incendios y para predecir de una forma muy precisa el riesgo de incendios forestales a nivel pixel. Ha sido demostrada la utilidad de la autocorrelacion temporal para definir y caracterizar el funcionamiento de la vegetacion a nivel pixel. Finalmente el concepto “Optical Functional Type” ha sido definido, donde se propone que los pixeles deberian ser considerados como unidades temporales y analizados en funcion de su dinamica temporal. ix SUMMARY A good understanding of land surface processes is considered as a key subject in environmental sciences. The spatial-temporal coverage of remote sensing data provides continuous observations with a high temporal frequency allowing the assessment of ecosystem evolution at different temporal and spatial scales. Although the value of remote sensing time series has been firmly proved, only few time series methods have been developed for analyzing this data in a quantitative and continuous manner. In the present dissertation a working framework to exploit Remote Sensing time series is proposed based on the combination of Time Series Analysis and phenometric approach. The main goal is to demonstrate the use of remote sensing time series to analyze quantitatively environmental variable dynamics. The specific objectives are (1) to assess environmental variables based on remote sensing time series and (2) to develop empirical models to forecast environmental variables. These objectives have been achieved in four applications which specific objectives are (1) assessing and mapping cotton crop phenological stages using spectral and phenometric analyses, (2) assessing and modeling fire seasonality in two different ecoregions by dynamic models, (3) forecasting forest fire risk on a pixel basis by dynamic models, and (4) assessing vegetation functioning based on temporal autocorrelation and phenometric analysis. The results of this dissertation show the usefulness of function fitting procedures to model AS1 and AS2. Phenometrics derived from function fitting procedure makes it possible to identify cotton crop phenological stages. Spectral analysis has demonstrated quantitatively the presence of one cycle in AS2 and two in AS1 and the unimodal and bimodal behaviour of fire seasonality in the Mediterranean and temperate ecoregions respectively. Autoregressive models has been used to characterize the dynamics of fire seasonality in two ecoregions and to forecasts accurately fire risk on a pixel basis. The usefulness of temporal autocorrelation to define and characterized land surface functioning has been demonstrated. And finally the “Optical Functional Types” concept has been proposed, in this approach pixels could be as temporal unities based on its temporal dynamics or functioning.