Managed grasslands cover about one third of the European utilized agricultural area. Appropriate grassland management is key for balancing trade-offs between provisioning and regulating ecosystem services. The timing and frequency of mowing events are major factors of grassland management. Recent studies have shown the feasibility of detecting mowing events using remote sensing time series from optical and radar satellites. In this study, we present a new method combining the regular observations of Sentinel-1 (S1) and the better accuracy of Sentinel-2 (S2) grassland mowing detection algorithms. This multi-source approach for grassland monitoring was assessed over large areas and in various contexts. The method was first validated in six European countries, based on Planet image interpretation. Its performances and sensitivity were then thoroughly assessed in an independent study area using a more precise and complete reference dataset based on an intensive field campaign. Results showed the robustness of the method across all study areas and different types of grasslands. The method reached a F1-score of 79% for detecting mowing events on hay meadows. Furthermore, the detection of mowing events along the growing season allows to classify mowing practices with an overall accuracy of 69%. This is promising for differentiating grasslands in terms of management intensity. The method could therefore be used for large-scale grassland monitoring to support agri-environmental schemes in Europe.

管理的草原覆盖了欧洲已利用农业面积的约三分之一。适当的草原管理是平衡供应和调节生态系统服务之间权衡的关键。割草的时间和频率是草地管理的主要因素。最近的研究表明，利用光学和雷达卫星的遥感时间序列检测割草事件的可行性。在这项研究中，我们提出了一种新方法，结合了 Sentinel-1 (S1) 的常规观测和 Sentinel-2 (S2) 草地割草检测算法的更好精度。这种用于草原监测的多源方法在大面积和不同背景下进行了评估。基于行星图像解释，该方法首先在六个欧洲国家得到验证。然后使用基于密集实地活动的更精确和完整的参考数据集，在独立研究区域对其性能和灵敏度进行彻底评估。结果表明该方法在所有研究区域和不同类型的草原上的稳健性。该方法在检测干草草地上的割草事件方面达到了 79% 的 F1 分数。此外，在生长季节检测割草事件可以对割草实践进行分类，总体准确度为 69%。这对于区分草地的管理强度是有希望的。因此，该方法可用于大规模草原监测，以支持欧洲的农业环境计划。结果表明该方法在所有研究区域和不同类型的草原上的稳健性。该方法在检测干草草地上的割草事件方面达到了 79% 的 F1 分数。此外，在生长季节检测割草事件可以对割草实践进行分类，总体准确度为 69%。这对于区分草地的管理强度是有希望的。因此，该方法可用于大规模草原监测，以支持欧洲的农业环境计划。结果表明该方法在所有研究区域和不同类型的草原上的稳健性。该方法在检测干草草地上的割草事件方面达到了 79% 的 F1 分数。此外，在生长季节检测割草事件可以对割草实践进行分类，总体准确度为 69%。这对于区分草地的管理强度是有希望的。因此，该方法可用于大规模草原监测，以支持欧洲的农业环境计划。这对于区分草地的管理强度是有希望的。因此，该方法可用于大规模草原监测，以支持欧洲的农业环境计划。这对于区分草地的管理强度是有希望的。因此，该方法可用于大规模草原监测，以支持欧洲的农业环境计划。