Het land van de aarde is bedekt met een reeks verschillende soorten vegetatie, van bos en moeras tot gewassen en wateren, evenals de kunstmatige oppervlakken die steeds vaker voorkomen in ons landschap.

Het in kaart brengen van landbedekking is niet alleen essentieel voor het monitoren van veranderingen, maar het ondersteunt ook tal van praktische toepassingen. Echter, het genereren van deze kaarten omvat het verwerken van enorme hoeveelheden satellietgegevens en enige technische expertise. Dankzij de Copernicus Sentinel-2-missie en nieuwe middelen voor cloudcomputing, volledig geautomatiseerde landbedekkingskaarten met een resolutie van 10 m zijn in het verschiet.

natuurlijke processen, klimaatverandering en de manier waarop we land gebruiken om te eten, onderdak en ondersteuning van een groeiende bevolking betekent dat de bodembedekking van de aarde voortdurend verandert.

Informatie over landbedekking is op veel niveaus belangrijk:op lokaal, regionaal, nationale en mondiale schaal, en over verschillende tijdschalen.

Up-to-date kaarten zijn een basisinformatiebron om de impact te volgen die menselijke activiteiten, natuurlijke processen en klimaatverandering hebben op landbedekking. Deze kaarten zijn van cruciaal belang voor het maken van geïnformeerd beleid, beslissingen over ontwikkeling en resourcebeheer, en voor disciplines zoals landbouw, bosbouw, water beheersing, stedelijke planning, milieubescherming en crisisbeheersing.

Bijna 800 km boven een baan, de Copernicus Sentinel-2-missie met twee satellieten is aanwezig om landbedekking in een resolutie van 10 m in kaart te brengen.

Elke identieke satelliet heeft een multispectrale camera die onderscheid kan maken tussen verschillende dekkingsklassen, zoals bos, gecultiveerde gebieden, grasland, water en kunstmatige oppervlakken zoals wegen en gebouwen. De missie kan ook worden gebruikt om plantindexen te bepalen, zoals de hoeveelheid chlorofyl en water in bladeren, zodat veranderingen in plantgezondheid en groei kunnen worden gevolgd.

Terwijl Sentinel-2 ideale beelden levert om landbedekking in kaart te brengen, wereldkaarten maken, of zelfs kaarten van één land, betekent dat enorme hoeveelheden tijdreeksgegevens moeten worden verwerkt. Om dit mogelijk te maken, het door ESA gefinancierde Sentinel-2 for Science Land Cover-project onderzocht nieuwe manieren om te profiteren van de nieuwste cloudcomputingtechnologieën en machine learning om mapping te automatiseren.

Door dit experiment, verschillende methodologieën werden verkend en getest in verschillende delen van de wereld, inclusief de volledige Europese regio.

De wetenschappers gebruikten speciale software die is ontwikkeld door het Space Research Center van de Poolse Academie van Wetenschappen, CBK-PAN, om de satellietbeelden en hulpgegevens te verwerken.

Stanislaw Lewinski, van CBK PAN, zei, "Het in kaart brengen van landbedekking is inderdaad een echte technische onderneming, maar dankzij financiering van ESA hebben we een classificatiemethodologie ontwikkeld die voornamelijk is geautomatiseerd om het in kaart brengen van landbedekking gemakkelijker te maken.

"Ons systeem is gebaseerd op Copernicus Sentinel-2-beelden waarbij elke beeldtegel afzonderlijk is geclassificeerd met behulp van een reeks beelden uit verschillende tijden, en we kozen voor een op pixels gebaseerde benadering om de resolutie van 10 m van de missie te behouden.

"Belangrijk, het omvatte ook veel tests in geselecteerde gebieden in heel Europa. De uiteindelijke kaarten zijn geproduceerd op een platform genaamd CREODIAS met de algoritmen en software die we hebben ontwikkeld."

CREODIAS is een grootschalig computer- en gegevensopslagplatform dat de verwerking en publicatie van resultaten van grootschalige gegevensanalyseactiviteiten mogelijk maakt. Het resultaat is een kaart van Europa met een resolutie van 10 m met daarop 13 bodembedekkingsklassen.

Espen Volden van ESA merkte op:"Hoewel we ons nog in de experimentele fase bevinden en sommige klassen van landbedekking niet een nauwkeurigheid bereiken die direct kan worden geëxploiteerd en er zijn enkele andere artefacten, de resultaten zijn veelbelovend. We laten zien dat volledig geautomatiseerde mapping in het verschiet ligt, de weg vrijmaken voor veel vaker bijgewerkte informatie over landbedekking dan tot nu toe mogelijk is geweest."