DYNAMIC LAND COVER MONITORING FOR A SUSTAINABLE AGRICULTURAL LANDSCAPE MANAGEMENT: INNOVATIVE MAPPING PRODUCTS OF BIOGEOPHYSICAL VARIABLES

Climate change is profoundly altering natural and agricultural systems, putting global food security and environmental sustainability at risk. Agriculture in particular is highly exposed to phenomena such as drought, extreme events, and soil degradation, which require adaptation strategies and advanced monitoring tools. In this context, mapping land cover (LC) and its seasonal variations become essential to support sustainable development of the territory, especially in the context of climate change (CC).LC and CC are strongly interconnected because land cover strongly affects the interaction between soil and atmosphere. The Copernicus programme, with the Copernicus Land Monitoring Service (CLMS) and the Copernicus Climate Change Service (C3S), provides satellite-based data products useful for monitoring land cover and land change, assessing climate impacts and supporting sustainable agriculture. The advent of new Earth Observation satellites allows progress in mapping LC and land changes, and the integration of hyperspectral data helps to improve the identification of land cover and vegetation classes, promoting the creation of high-resolution LC products. The work presented focuses on the use of advanced remote sensing techniques, exploiting hyperspectral data and sub-pixel analysis methods, to develop innovative tools for the retrieval of soil and vegetation bio-geophysical properties for a new detection of Essential Climate Variables, useful to support environmental monitoring in an agricultural and climate change context. The development of a workflow for the retrieval of soil texture properties based on hyperspectral data and unmixing techniques showed significant potential to improve the USDA soil texture classification, contributing to strengthen the knowledge base for advanced LC products. The further implementation of the algorithm allowed to create detailed high-resolution fractional soil and vegetation cover maps. These improved the representation of the spatial and temporal dynamics of the landscape and were used to monitor seasonal variations of the LC through the realization of an advanced Dynamic Land Cover (DLC) product. Finally, the DLC product was tested to assess the vulnerability of coastal agricultural areas to the effects of sea level rise. By integrating satellite data with fuzzy logic-based analyses, the study identified ecological and geomorphological indicators to map the most susceptible agricultural areas, highlighting the importance of natural ecosystems in providing protection against CC threats. The thesis results demonstrate the potential of hyperspectral data in recovering soil and vegetation bio-geophysical parameters and in developing high-resolution products for improving dynamic and detailed LC mapping, providing a contribution to strengthen the future CLMS offering and improving the understanding of territorial dynamics in a context of global climate change.

I cambiamenti climatici stanno alterando profondamente i sistemi naturali e agricoli, mettendo a rischio la sicurezza alimentare globale e la sostenibilità ambientale. L'agricoltura in particolare, è fortemente esposta a fenomeni come siccità, eventi estremi, e degrado del suolo, che richiedono strategie di adattamento e strumenti di monitoraggio avanzati. In questo contesto, la mappatura delle coperture del suolo (LC) e delle sue variazioni stagionali divengono fondamentali per supportare lo sviluppo sostenibile del territorio soprattutto in un’ottica di cambiamenti climatici (CC). La LC e i CC sono fortemente interconnessi tra loro in quanto la copertura del suolo condiziona fortemente l’interazione tra suolo-atmosfera. Il programma Copernicus, con servizi come Copernicus Land Monitoring Service (CLMS) e il Copernicus Climate Change Service (C3S), fornisce prodotti derivati da dati satellitari utili per monitorare la copertura del suolo e i suoi cambiamenti, valutare gli impatti climatici e sostenere l’agricoltura sostenibile. L’avvento di nuovi satelliti di Earth Observation permettono progressi nella mappatura del LC e dei cambiamenti suolo, e l’integrazione di dati iperspettrali contribuisce a migliorare l’identificazione di classi di copertura del suolo e della vegetazione, promuovendo la realizzazione di prodotti di LC ad alta risoluzione. Il lavoro presentato si concentra sull’impiego di tecniche avanzate di remote sensing, sfruttando dati iperspettrali e metodi di analisi sub-pixel, per sviluppare strumenti innovativi per il recupero delle proprietà bio-geofisiche di suolo e vegetazione per una nuova detection delle Essential Climate Variables, utili a supportare il monitoraggio ambientale in un contesto agricolo e di cambiamenti climatici. Lo sviluppo di un flusso di lavoro per il recupero delle proprietà di tessitura del suolo basato su dati iperspettrali e tecniche di unmixing ha mostrato un significativo potenziale per migliorare la classificazione della tessitura del suolo secondo il sistema USDA, contribuendo a rafforzare la base di conoscenza per prodotti LC avanzati. L’ulteriore implementazione dell’algoritmo ha permesso di creare mappe dettagliate della copertura frazionaria di suolo e vegetazione ad alta risoluzione. Queste hanno migliorato la rappresentazione delle dinamiche spaziali e temporali del paesaggio e sono state impiegate per monitorare le variazioni stagionali del LC tramite la realizzazione di un prodotto avanzato di Dynamic Land Cover (DLC). Infine, il prodotto DLC è stato testato per valutare la vulnerabilità delle aree agricole costiere agli effetti dell’innalzamento del livello del mare. Integrando dati satellitari con analisi basate sulla logica fuzzy, lo studio ha identificato indicatori ecologici e geomorfologici per mappare le zone agricole più suscettibili, evidenziando l’importanza di ecosistemi naturali nel fornire protezione contro le minacce dei CC. I risultati della tesi dimostrano il potenziale del dato iperspettrale nel recupero di parametri bio-geofisici di suolo e vegetazione e nello sviluppo di prodotti ad alta risoluzione per il miglioramento della mappatura dinamica e dettagliata del LC, fornendo un contributo per il rafforzamento della futura offerta del CLMS e migliorando la comprensione delle dinamiche territoriali in un contesto di cambiamenti climatici globali.