Fusion of SAR and Multi-spectral Time Series for Determination of Water Table Depth and Lake Area in Peatlands

Peatlands as natural carbon sinks have a major impact on the climate balance and should therefore be monitored and protected. The hydrology of the peatland serves as an indicator of the carbon storage capacity. Hence, we investigate the question how suitable different remote sensing data are for monitoring the size of open water surface and the water table depth (WTD) of a peatland ecosystem. Furthermore, we examine the potential of combining remote sensing data for this purpose. We use C-band synthetic aperture radar (SAR) data from Sentinel-1 and multi-spectral data from Sentinel-2. The radar backscatter σ0, the normalized difference water index (NDWI) and the modified normalized difference water index (MNDWI) are calculated and used for consideration of the WTD and the lake size. For the measurement of the lake size, we implement and investigate the methods: random forest, adaptive thresholding and an analysis according to the Dempster–Shafer theory. Correlations between WTD and the remote sensing data σ⁰ as well as NDWI are investigated. When looking at the individual data sets the results of our case study show that the VH polarized σ⁰ data produces the clearest delineation of the peatland lake. However the adaptive thresholding of the weighted fusion image of σ⁰-VH, σ⁰-VV and MNDWI, and the random forest algorithm with all three data sets as input proves to be the most suitable for determining the lake area. The correlation coefficients between σ⁰/NDWI and WTD vary greatly and lie in ranges of low to moderate correlation.

Fusion von SAR- und multispektralen Zeitreihen zur Bestimmung der Tiefe des Grundwasserspiegels und der Seefläche in Moorgebieten. Da Moore als natürliche Kohlenstoffsenken agieren, spielen sie eine entscheidende Rolle in der Klimabilanz und sollten daher überwacht und geschützt werden. Das Kohlenstoffspeicherpotential ist dabei abhängig vom Wasserhaushalt des Moors. Diese Arbeit untersucht die Eignung verschiedener Fernerkundungsdaten zur Beobachtung offener Wasserflächen und Grundwasserständen (WTD) sowie das Potential der Fusion dieser Daten. Genutzt werden Sentinel-1 synthetic apertur radar (SAR)-Daten und Sentinel-2 Multispektralbilder. Der Radar-Rückstreukoeffizient σ⁰, der Normalized Difference Water Index (NDWI) und der modifizierte Normalized Difference Water Index (MNDWI) werden eingesetzt, um die Grundwasserstände und die Größe des Sees zu beobachten. Zur Bestimmung der Seefläche werden der Random Forest Algorithmus, ein adaptiver Schwellwertansatz und ein Ansatz der Dempster–Shafer Theorie angewandt. Die Korrelation zwischen den Grundwasserständen und den Fernerkundungsdaten σ⁰ und NDWI wird untersucht. Werden nur die einzelnen Datensätze betrachtet, lassen die Ergebnisse dieser Studie erkennen, dass sich mittels der σ⁰-VH Daten die deutlichste Abgrenzung des Moorsees ergibt. Der adaptive Schwellwertansatz angewandt auf das gewichtete Fusionsbild von σ⁰-VH, σ⁰-VV und MNDWI und der Random Forest Algorithmus mit den drei Datensätzen als Input erweisen sich jedoch als am besten geeignet für die Bestimmung der Seefläche. Die Korrelationskoeffizienten von σ⁰/NDWI und den Grundwasserständen schwanken stark und liegen in Bereichen einer geringen bis mittleren Korrelation.