Belastung aquatischer Ökosysteme mit Kunststoffmüll Möglichkeiten eines globalen und lokalen Monitorings mittels Satelliten-gestützter Methoden

Transkript

1 Belastung aquatischer Ökosysteme mit Kunststoffmüll Möglichkeiten eines globalen und lokalen Monitorings mittels Satelliten-gestützter Elizabeth C. Atwood*, J. Franke, S. Englhart, S. Piehl, M. Bochow, H. Imhof, F. Siegert, C. Laforsch Nationalen Forum für Fernerkundung und Copernicus. Copernicus Erfolgreich Nutzen, * atwood@rssgmbh.de Sentinels4marine plastic waste Gefördert durch:

2 Das Kunststoffzeitalter Thompson et al. (2009) 2

3 Das Kunststoffzeitalter C. Fackler, NOAA Office of National Marine Sanctuaries Cole et al. (2013; 2015) Thompson et al. (2009) 3

4 Das Kunststoffzeitalter Plastics at SEA North Pacific Expedition; sea.edu/plastics dbw.parks.ca.gov Thompson et al. (2009) 4

5 Das Kunststoffzeitalter Modellierte globale Plastikmüll-Verteilung 7, ,000 t Eriksen et al. (2014); Cózar et al. (2014) Partikel/km 2 Thompson et al. (2009) 5

6 Aktuelle Plastik-Monitoringmethoden Flüsse Küsten Ozean Kaum Daten Oft nach Sturmereignissen Strand Monitoringprogramme (z.b. Coastal Cleanup) Fokus: Makroplastiktteile (> 5mm) Netzzüge an der Oberfläche Strömungsmodelle + bekannte Plastikmüll-Quellen +? = Flusskarten S. Piehl satimagingcorp.com Ozeankarten Können fernerkundliche nutzbare Information liefern, um Monitoring-Programme zu verbessern? 6

7 Projektziele Field sampling Quantification of plastic debris input into and transport along rivers Mapping distribution patterns of plastic debris at estuaries and adjacent coasts Remote sensing Mapping of spatio-temporal distribution patterns of plastic debris in the oceans Direkt Spektrales Plastik-Signal Indirekt Wasserparameter als Proxys 7

8 Projektziele Field sampling Quantification of plastic debris input into and transport along rivers Mapping distribution patterns of plastic debris at estuaries and adjacent coasts Remote sensing Mapping of spatio-temporal distribution patterns of plastic debris in the oceans Direkt Spektrales Plastik-Signal Indirekt Wasserparameter als Proxys 8

9 Annahme der indirekten Methode Plastik wird durch die gleichen Mechanismen wie z.b. Schwebstoffe & Chlorophyll transportiert Kubota (1994), Howell et al. (2012), Pichel et al. (2012) Zu Untersuchender Wasserparameter Mikroplastik 9

10 Annahme der indirekten Methode Plastik wird durch die gleichen Mechanismen wie z.b. Schwebstoffe & Chlorophyll transportiert Kubota (1994), Howell et al. (2012), Pichel et al. (2012) Wellen Zu Untersuchender Wasserparameter Mikroplastik 10

11 Annahme der indirekten Methode Plastik wird durch die gleichen Mechanismen wie z.b. Schwebstoffe & Chlorophyll transportiert Kubota (1994), Howell et al. (2012), Pichel et al. (2012) Wellen Strömung Zu Untersuchender Wasserparameter Mikroplastik 11

12 Annahme der indirekten Methode Plastik wird durch die gleichen Mechanismen wie z.b. Schwebstoffe & Chlorophyll transportiert Kubota (1994), Howell et al. (2012), Pichel et al. (2012) Wellen Strömung Wind Zu Untersuchender Wasserparameter Mikroplastik 12

13 Annahme der indirekten Methode Plastik wird durch die gleichen Mechanismen wie z.b. Schwebstoffe & Chlorophyll transportiert Kubota (1994), Howell et al. (2012), Pichel et al. (2012) Wellen Strömung Wind Zu Untersuchender Wasserparameter Mikroplastik Ableitbare Wasserparameter Chlorophyll-a, Gelb- & Schwebstoffe, Wasseroberflächentemperatur 13

14 Satelliten-basierte Proxys Fernerkundungs-Messungen als Hinweise von Plastikmüll-Sammelplätzen Pichel et al. (2007); Morishige et al. (2007) Proxy Publikation Algorithmus Basis Wasseroberflächentemperatur Landsat-5 TM band 6 1 (SST) Baban (1993) ( μm) Chlorophyll-a 4 Proxys Schwebstoffe (Suspended Particulate Matter) 2 Proxys Gelbstoff (colored Dissolved Organic Matter) 3 Proxys 2 (Chl-a) Dall Olmo & Gitelson (2006); Gitelson et al. (1985) 3 (Chl-a) Dall Olmo & Gitelson (2006) 4 (Chl-a) Gons (2002; 1999) 5 (Chl-a) 6 (SPM) O Reilly et al. (1998) (OC4 algorithm) Jørgensen (2000) (SISCAL SPM algorithm) 7 (SPM) Dekker (1993) 8 (cdom) Kutser et al. (2005) R rs (725 nm), R rs (665 nm) R rs (671 nm), R rs (710 nm), R rs (740 nm) R rs (704 nm), R rs (672 nm), R rs (776 nm) R rs (443 nm), R rs (555 nm), R rs (490 nm), R rs (512 nm) Subsurface irradiance reflectance at 555 nm Subsurface irradiance reflectance at 706 nm EO-1 ALI: band 2 ( nm), band 3 ( nm) 9 (cdom) Kowalczuk et al. (2005) R rs (490 nm), R rs (590 nm) 10 (cdom) Schwarz (2005) R rs (443 nm), R rs (512 nm) R rs : Remote sensing reflectance 14

15 Projektziele: Flüsse Flüsse Beprobungszeitraum Deutschland: Trave & Elbe 2014 & 2015 Italien: Po Flussdelta Frühjahr 2016 Indonesien: Citarum Sommer 2016 Feldkampagnenziel: deckt jeweils Fluss und Mündung ab 15

16 Datenakquise & Modellierung Mikroplastik (< 5mm) Wasserparameter In-situ Spektraldaten Satellitendaten In-situ Korrelation Kalibrierte Proxy-Formeln Bilder Wasserparameter Ziel: Kartierung von Mikroplastik entlang von Flüssen & Küsten 16

17 Elbe & Trave Proben Nord-Ostsee- Kanal km 54 0'N Stör 54 0'0"N Cuxhaven Elbe Trave Lübeck 53 30'N Bremerhaven Oste Hamburg Elbe- Lübeck- Kanal 53 30'0"N 8 30'E km 9 0'E 9 30'E 10 0'E 10 30'0"E n Elbe n 11 0'0"E Nord See DE Elbe Ostsee POL CZE Elbe Einzugsgebiet Trave Einzugsgebiet Ozean und Wasserwege Wattenmeer Stadtgebiete Nichtstädtische Gebiete 2015 Elbe Proben Juni (n=13) August (n=20) 2014 Trave Proben Mai (n=27) Daten Quellen Corine Land Cover v.17, European Environmental Agency (EEA) Open Street Maps HydroSHEDS, World Wildlife Foundation (WWF) AUT 17

18 Elbe Wasserparameter Karten 54 0'N Nord See In-situ Model Nord-Ostsee- Kanal Kalibration Wasserparameter Stör Ziel: Mikroplastik Karte Cuxhaven Elbe Oste Bremerhaven 3 30'N km 8 30'E 9 0'E 9 30'E 18

19 Elbe Wasserparameter Karten 54 0'N Nord See Bremerhaven 3 30'N km 8 30'E 9 0'E 9 30'E RapidEye Aufnahme von Gleichzeitig zur Elbe Feldkampagne 19

20 Elbe Wasserparameter Karten 54 0'N Nord See Schwebstoff mg/l TMZ Bremerhaven 3 30'N km 8 30'E 9 0'E 9 30'E Schwebstoff (SPM) Erkennung Turbidity Maximum Zone (TMZ) 20

21 Elbe Wasserparameter Karten 54 0'N Nord See Schwebstoff Chl-a ug/l mg/l TMZ Bremerhaven 3 30'N km 8 30'E 9 0'E 9 30'E Chlorophyll-a Schwer von SPM zu trennen, mit Rot/NIR verwendet 21

22 Elbe Wasserparameter Karten 54 0'N Nord See Chl-a cdom-420 nm pro ug/l m Stör Medem Oste Bremerhaven 3 30'N km 8 30'E 9 0'E 9 30'E Gelbstoffe (cdom) Absorption beim 420 nm Eintrag von Flüssen gut zu erkennen 22

23 Kalibration der Proxyformeln anhand Spektrometer und in situ Daten (Trave) Gelbstoff: cdom-400 nm In-situ Model Formel Kalibration Wasserparameter Ziel: Mikroplastik Karte 23

24 Kalibration der Proxyformeln anhand Spektrometer und in situ Daten (Trave) Gelbstoff: cdom-400 nm Literatur-Formel r²: 0.86 RMSE: 8.34 Bias: 6.91 measured Regression One-to-one Modellierte Werte (derived) vs in situ Daten (measured) derived Frequency Log Error (in situ/modelliert) Ausgewogenhiet oder Bias der Daten log(measured/derived) 24

25 Kalibration der Proxyformeln anhand Spektrometer und in situ Daten (Trave) Gelbstoff: cdom-400 nm Literatur-Formel r²: 0.86 RMSE: 8.34 Bias: 6.91 Kalibrierte Formel r²: 0.94 RMSE: 0.07 Bias: 0.06 measured Regression One-to-one measured Regression One-to-one Modellierte Werte (derived) vs in situ Daten (measured) derived derived Frequency Frequency Log Error (in situ/modelliert) Ausgewogenheit (Bias) der Daten log(measured/derived) log(measured/derived) 25

26 Projektziel: Monitoring Meere Spektral Vorläufige Überblick Indikatoren n = 9656, Proben von Mai 1972 Nov Mikroplastik Konzentration (log10 Teile/km2) 0 Datensätze Cózar et al. (2014) Eriksen et al. (2014) Goldstein et al. (2013) 7. GmbH Januar 2015 RSS Remote Sensing Solutions Law & Morét-Ferguson (2014) Law et al. (2010) 26

27 Projektziel: Monitoring Meere Spektral Vorläufige Überblick Indikatoren Great Pacific Garbage Patch n = 9656, Proben von Mai 1972 Nov Mikroplastik Konzentration (log10 Teile/km2) 0 Datensätze Cózar et al. (2014) Eriksen et al. (2014) Goldstein et al. (2013) 7. GmbH Januar 2015 RSS Remote Sensing Solutions Law & Morét-Ferguson (2014) Law et al. (2010) 27

28 Ocean Convergence Fronts 50 N SA Kanada SMOS Daten (CP34-BEC) 9-tägige Komposite-Bild Kerndatum SA Subarctic domain USA TZ Transition zone TZ ST Subtropical domain 30 N Salinität ppt ST Salinität Konturen ppt Subarctic Front 160 W 140 W 120 W ppt Subtropical Front Mikroplastik Konzentration (log 10 Teile/km 2 )

29 Fazit und Ausblicke Flüsse Verbesserte Wasserparameter Karten durch kalibriete Algorithmen Plastikproben zur Zeit in Labor-Bearbeitung In situ Datensatz wird erweitert durch Po und Citarum Beprobung in 2016 Nutzungsmöglichkeiten: Sentinel-2 Daten bieten höhere räumliche und spektrale Auslösung, besonders in dem NIR Bereich Meere Salinität potenziell bester Parameter, um Wirbel und Fronten zu erkennen Bedarf an mehr aktuellen öffentlichen Datensätzen 29

30 Fazit und Ausblicke Entwicklungsbedarf? Bessere Abdeckung in dem SWIR Bereich Hyperspektrale Satelliten wir freuen uns sehr auf EnMAP Hindernisse für eine vertiefte operationelle Nutzung von Fernerkundungsdaten? Fehlendes Grundlagenwissen, in Forschung investieren! Unterstützung des Bundes bei der Einführung der operationellen Nutzung von Copernicus? Investieren in -Entwicklung Link zwischen in situ und FE muss verstärkt werden Weiterentwicklung der Copernicus-Dienste? IR Wassersignale sind sehr niedrig, besonders in SWIR, Bedarf an sensiblere Sensoren und besser spektrale Auslösung 30

31 Danke Gefördert von 31

32 Referenzen Baban, S. M. J. (1993) Int. J. Remote Sens. 14, Cole, M. et al. (2013) Environ. Sci. Technol. 47, Cole, M. et al. (2015) Environ. Sci. Technol. Cózar, A. et al. (2014) Proc. Natl. Acad. Sci. USA Dall Olmo, G. & Gitelson, A. A. (2006) Appl. Opt. 45, Dekker, A. G. Detection of optical water quality parameters for eutrophic waters by high resolution remote sensing. 237 (Proefschrift Vrije Universiteit Amsterdam, 1993). Eriksen, M. et al. (2014) PLoS One 9(12), e Gitelson, A. et al. (1985) Remote Sens. 6, Goldstein, M. et al. (2013) PloS one 8(11), e Gons, H. J. J. (2002) Plankton Res. 24, Gons, H. J. (1999) Environ. Sci. Technol. 33, Howell et al. (2012) Mar. Pollut. Bull. 65, Jørgensen, P. V. Interpretation of remote sensing ocean colour in Danish coastal waters. (PhD Thesis. Institute of Geography, Univ. Copenhagen, Danemark, 2000). Kowalczuk, P. & Olszewski, J. (2005) Int. J. Remote Sens. 26, Kubota, M. (1994) J. Phys. Oceanogr. 24, Kutser, T. et al. (2005) Remote Sens. 94, Law, K. L. et al. (2010) Science 329(5596 ), Law, K. & Morét-Ferguson, S. (2014) Environ. Sci. Technol. 48, Morishige, C. et al. (2007) Mar. Pollut. Bull. 54, O Reilly, J. E. et al. (1998) J. Geophys. Res. 103, Pichel, W. G. et al. (2007) Mar. Pollut. Bull. 54, Pichel et al. (2012) Mar. Pollut. Bull 65, Schwarz, J. (2005) Int. J. Remote Sens. 26, Thompson, R. C. et al. (2009) Philos. Trans. R. Soc. Lond. B. Biol. Sci. 364,