Satellitenfernerkundung der Meere, Küsten und Binnengewässer Charakterisierung der Wassermassen mittels Sentinel-3 und EnMAP

Transkript

1 DLR-Raumfahrtmanagement Symposium Neue Perspektiven der Erdbeobachtung Satellitenfernerkundung der Meere, Küsten und Binnengewässer Charakterisierung der Wassermassen mittels Sentinel-3 und EnMAP Martin Hieronymi, Hajo Krasemann & Rüdiger Röttgers Institut für Küstenforschung Helmholtz-Zentrum Geesthacht Köln Juni 2018

2 40 Jahre Gewässerfernerkundung CZCS (Coastal Zone Color Scanner), NASA SeaWiFS (Sea-viewing Wide Field-of-view Sensor), NASA MERIS (Medium Resolution Imaging Specrometer), ESA EU/ESA Copernicus Programm: Sentinel-1 bis -6 (~30 Satelliten) seit 2014 CZCS ENVISAT Sentinel-2 2

3 Sentinel-3 OLCI OLCI = Ocean and Land Colour Instrument Räumliche Auflösung: 300 m Bildbreite: 1270 km 21 Bänder Start: S3A 2016, S3B 2018 ESA 3

4 EnMAP Environmental Mapping and Analysis Program Räumliche Auflösung: 30 m Bildbreite: 30 km Hyperspektral Geplanter Start: 2020 DLR 4

5 Wassertiefenabhängigkeit der Informationen 55 m Ozean Im Gegensatz zu anderen FE Methoden bestimmt nicht die Oberfläche, sondern die Wassermasse darunter die Farbe Das Fernerkundungssignal ist gemittelt über einen Teil der oberen Wassersäule 1.5 m Küsten- und Binnengewässer Ocean Color ist meist repräsentativ für die Durchmischungsschicht Gordon, H. R., & McCluney, W. R. (1975). Estimation of the depth of sunlight penetration in the sea for remote sensing. Applied optics, 14(2),

6 Wassermoleküle Kohlenwasserstoffe, Aminosäuren Detektierbare Wasserinhaltsstoffe Terrestrische 1) Wasser Schwebstoffe 2) Algen-Biomasse Lehm-Humin-Metall- Komplexe Erodierter Schlamm und Sand Asche Wüstenstaub charakterisiert durch Chlorophyll-a Konzentration Chl [ mg m -3 ] Huminsäuren Viren Bakterien Kalk Zooplankton 3) Sedimente total suspended matter Phytoplankton Kolonien Konzentration TSM [ g m -3 ] 0.1 nm 1 nm 10 nm 100 nm 1 µm 10 µm 100 µm 1 mm 1 cm 4) Gelbstoff gelöst schwebend 6

7 Wassermoleküle Kohlenwasserstoffe, Aminosäuren Detektierbare Wasserinhaltsstoffe Lehm-Humin-Metall- Komplexe Huminsäuren Viren Bakterien Terrestrische Spektrale Schwebstoffe Merkmale Erodierter Schlamm und Sand Asche Wüstenstaub Kalk Phytoplankton Zooplankton Signifikante spektrale Merkmale Kolonien 1) Wasser 2) Algen-Biomasse charakterisiert durch Chlorophyll-a Konzentration Chl [ mg m -3 ] 3) Sedimente total suspended matter Konzentration TSM [ g m -3 ] 0.1 nm 1 nm gelöst 10 nm 100 nm 1 µm 10 µm 100 µm 1 mm 1 cm schwebend 4) Gelbstoff EnMAP bezogene Publikationen: Xi et al., 2015,

8 Ocean Color Datenverarbeitung 1. Atmosphärenkorrektur Liefert die Water-Leaving Reflectance Atmosphärischer Anteil oft >85 % des Gesamtsignals 2. Ableitung der Wasserinhaltsstoffe a) Sentinel-3 / OLCI Konzentrationen von Chl, TSM & Gelbstoff Optische Eigenschaften wie Absorptions- und Streukoeffizienten Euphotische Tiefe, PAR Abschätzung der Unsicherheiten b) EnMAP Zusätzlich bessere Unterscheidung von Phytoplankton-Gruppen Verbesserung des Chl Produkts 8

9 Großer Blick Große Vielfalt Hieronymi, M., Müller, D., & Doerffer, R. (2017). The OLCI Neural Network Swarm (ONNS): A Bio-geo-optical Algorithm for Open Ocean and Coastal Waters. Frontiers in Marine Science, 4, 140. Sentinel-3 OLCI

10 Sentinel-3 OLCI Produkte mit ONNS OLCI Neural Network Swarm In-Wasser Algorithmus basierend auf optischer Wassertyp-Klassifizierung OLCI Chl_ONNS Produkt wird in CMEMS für die Ostsee operationell bereitgestellt 10

11 ONNS estimate Sentinel-2A MSI Validation für alle Wasserklassen nötig 11

12 Sentinel-2B MSI Deutsche Bucht 12

13 Wind Sonne Strömung 13

14 14

15 Spektrale Diversität von Gewässern 15

16 Synergie-Effekte zwischen den Missionen ONNS nutzbar für alle Missionen 16

17 Herausforderungen und Perspektiven Atmosphären-Korrektur essenziell für (jeden) Wasser-Algorithmus S3-OLCI: intensive Forschung, Alternativen verfügbar EnMAP: Kooperation HZG-AWI 17

18 Herausforderungen und Perspektiven Atmosphären-Korrektur essenziell für (jeden) Wasser-Algorithmus S3-OLCI: intensive Forschung, Alternativen verfügbar EnMAP: Kooperation HZG-AWI HZG-Entwicklung für S3-OLCI: ONNS (OLCI Neural Network Swarm) Liefert unsicherheitscharakterisierte Informationen über Konzentrationen von Wasserinhaltsstoffen, optische Eigenschaften, Farbskala daraus weitere Produkte ableitbar Prototyp eines Band-Adapters fertig Nutzbarkeit von ONNS für historische, aktuelle und zukünftige Satellitenmissionen inkl. EnMAP und CCI-Klimatologie 18

19 Herausforderungen und Perspektiven Atmosphären-Korrektur essenziell für (jeden) Wasser-Algorithmus S3-OLCI: intensive Forschung, Alternativen verfügbar EnMAP: Kooperation HZG-AWI HZG-Entwicklung für S3-OLCI: ONNS (OLCI Neural Network Swarm) Liefert unsicherheitscharakterisierte Informationen über Konzentrationen von Wasserinhaltsstoffen, optische Eigenschaften, Farbskala daraus weitere Produkte ableitbar Prototyp eines Band-Adapters fertig Nutzbarkeit von ONNS für historische, aktuelle und zukünftige Satellitenmissionen inkl. EnMAP und CCI-Klimatologie EnMAP wird helfen Algengruppen, deren Zyklus sowie Sedimente zu unterscheiden Wird damit helfen S3-OLCI Produkte zu präzisieren EO-Zusatzinformationen (PFT) für Ökosystem-Modellierung 19

20 Kontakt Vielen Dank! Martin Hieronymi Institut für Küstenforschung Helmholtz-Zentrum Geesthacht 20