Optimal delineation of agricultural parcels from satellite imagery using the multiresolution segmentation algorithm

Abstract

Die Entwicklung und Bewertung politischer Maßnahmen, die auf die Anwendung nachhaltiger landwirtschaftlicher Praktiken abzielen, erfordert ein landwirtschaftliches Überwachungssystem. Die Grundvoraussetzung für ein solches System sind räumliche Informationen über landwirtschaftliche Parzellen. Die Segmentierung von Satellitenbildern ist ein kosteneffizientes Mittel zur Gewinnung solcher Informationen. In dieser Dissertation wurde die Bayessche Optimierung mit dem Algorithmus der Multiresolution Segmentation (MRS) kombiniert, um automatisch landwirtschaftliche Parzellen aus Sentinel-1- und Sentinel-2-Bildern in Niedersachsen, Deutschland zu extrahieren. Die extrahierten Parzellen wurden verwendet, um inkonsistente Geometrien zu identifizieren, die von Landwirten im Rahmen der Gemeinsamen Agrarpolitik (GAP) eingereicht wurden. Die Parzellen wurden auch zur Erstellung einer objektbasierten Ackerkulturkarte für Niedersachsen verwendet.

Creating and evaluating policies targeted at ensuring the use of sustainable agricultural practices requires an agricultural monitoring system. The basic requirement of such a system is spatial information about agricultural parcels. Segmentation of satellite images is a cost-effective means of obtaining such information. In this dissertation, Bayesian optimization was combined with the Multiresolution Segmentation (MRS) algorithm to automatically extract agricultural parcels from Sentinel-1 and Sentinel-2 images in Lower Saxony, Germany. The extracted parcels were used to identify inconsistent geometries submitted by farmers within the Common Agricultural Policy (CAP) framework. The parcels were also used to create an object-based crop type map for Lower Saxony.