www.dlr.de Chart 1 Validierung und Optimierung der fernerkundungsbasierten Bestimmung der tatsächlichen Evapotranspiration Patrick Knöfel
www.dlr.de Chart 2 Gliederung 1. Einführung 2. ET Modellierung 3. Ergebnisse und Validierung 4. Ausblick - Implementierung von Bodenfeuchte - Skalenvergleich (Landsat/MODIS)
www.dlr.de Chart 3 1.Einführung: Aralsee Entwicklung - Früher
www.dlr.de Chart 4 1.Einführung: Aralsee Entwicklung - Gegenwart Falschfarben Darstellung(4-2-1) dünne schwarze Linie ist die Küstenlinie von 1989 Khorezm Quelle: Landsat(Juli (Jul-Sep 29) 21)
www.dlr.de Chart 5 1. Einführung Untersuchungsgebiet
www.dlr.de Chart 6 1. Einführung Untersuchungsgebiet Bewässerungslandwirtschaft im Aralsee Becken steht vor ernsthaften Problemen: Nicht nachhaltige Land- und Wassernutzung, Unzureichende Daten über Wasserbedarf und -verteilung, Bodenversalzung aufgrund hoher Grundwasserspiegel, Gletscherschmelze, und Wachsende Bevölkerungszahl, usw. Unvorhersehbare Wasserverfügbarkeit Unsicherheiten im Bewässerungsmanagement und den zu erwartenden Erntemengen Notwendigkeit zur Bewertung und Analyse von Bewässerungssystemen hier: Fernerkundung kann groß-skalige Eingangsdaten liefern, wie z.b. potentielle und tatsächliche Evapotranspiration, Landnutzungsklassifikation, oder Ernteprognose.
www.dlr.de Chart 7 1. Einführung 2. ET Modellierung 3. Ergebnisse und Validierung 4. Ausblick - Implementierung von Bodenfeuchte - Skalenvergleich (Landsat/MODIS)
www.dlr.de Chart 8 2. ET Modellierung SEBAL (Surface Energy Balance Algorithm for Land, [Bastiaanssen et al.1998]) Ansatz zur Quantifizierung der tatsächlichen Evapotranspiration basierend auf Fernerkundungsdaten. Lösen der Energiebilanzgleichung an der Oberfläche zur Abschätzung des latenten Wärmeflusses (λet) λ Entwickelt für Landsat, in dieser Studie angewandt auf MODIS Daten (1km) Untersuchungsgebietsspezifische Adaptionen: Semi-automatische Auswahl der Ankerpixel Multi-temporaler Ansatz
www.dlr.de Chart 9 2. ET Modellierung Eingangsdaten In-situ Daten Benutzerprodukt MODIS Produkte Meteorologische Daten Landnutzung NDVI LAI α ε LST Zwischenprodukte Referenzevapotranspiration Energiebilanzgleichung Ausgabedaten Rn - G - H Tatsächliche Evapotransipration = LE
www.dlr.de Chart 1 1. Einführung 2. ET Modellierung 3. Ergebnisse und Validierung 4. Ausblick - Implementierung von Bodenfeuchte - Skalenvergleich (Landsat/MODIS)
www.dlr.de Chart 11 3. Ergebnisse und Validierung Water Intake, mio. m³ 21 28 27 29 5 4 3 2 1 27 28 29 21 Year source: Landsat data (July 29)
www.dlr.de Chart 12 Eine Eddy Kovarianz Station wurde im Jahr 28 errichtet. Für diesen Standort wird die Validierung durchgeführt. An der Station werden sowohl die turbulenten Wärmeflüsse als auch meteorologische Informatonen gemessen. 3. Ergebnisse und Validierung source: Landsat data (July 29)
Measured net radiation [W/m²] www.dlr.de Chart 13 3. Ergebnisse und Validierung Verfügbare Strahlung 7 y =,9949x - 16,136 R² =,819 Die verfügbare Strahlung zeigt einen hohen statistischen Zusammenhang zwischen modellierten und gemessenen Werten. (hier für 21) 6 5 4 n=41 3 3 4 5 6 7 Modelled net radiation [W/m²]
www.dlr.de Chart 14 3. Ergebnisse und Validierung - Footprintanalyse Zur Bestimmung der gültigen Tage der Flussmessungen wurde eine Footprintanalyse durchgeführt. (Tage an denen der Footprint überwiegend im zu betrachtenden Subökosystem liegt, hier: Baumwollökosystem) [W/m²] 2 18 16 14 12 1 8 6 4 2 Diff_H Diff_LE count 14 12 1 8 6 4 2 Vorherrschende Windrichtung ist SSW bis WSW.
Measured sensible heat flux [W/m²] Measured latent heat flux [W/m²] Measured sensible heat flux [W/m²] Measured latent heat flux [W/m²] www.dlr.de Chart 15 3. Ergebnisse und Validierung - Footprintanalyse Die Durchführung einer Footprintanalyse führt zu geringeren RMSD verglichen mit den RMSD für alle Tage für die ein Modelllauf durchgeführt wurde. 4 3 2 y =,6124x + 68,898 R² =,3335 n=41 6 5 4 3 y =,666x + 86,833 R² =,2878 n=41 Schwächere Korrelation zwischen Mess- und Modellwerten ohne Footprintanalyse. 1 1 2 3 4 Modelled sensible heat flux [W/m²] 2 1 1 2 3 4 5 6 Modelled latent heat flux[w/m²] 12 1 8 6 4 2 Nach der Footprintanaylse stärkerer Zusammhang. n=27 Root mean square difference 21 n=14 4 3 2 1 y =,8783x + 22,879 R² =,6398 n=27 1 2 3 4 Modelled sensible heat flux [W/m²] 6 5 4 3 2 1 y =,9468x - 3,3548 R² =,521 n=27 1 2 3 4 5 6 Modelled latent heat flux [W/m²] valid days invalid days
Measured actual ET[mm/d] Measured actual ET[mm/d] www.dlr.de Chart 16 3. Ergebnisse und Validierung - Footprintanalyse Tägliche tatsächliche Evapotranspiration 21 9 8 7 6 5 4 3 2 1 n=41 y =,9744x +,225 R² =,675 1 2 3 4 5 6 7 8 9 Modelled actual ET[mm/d] 9 8 7 6 5 4 3 2 1 n=27 y =,9427x +,169 R² =,7612 1 2 3 4 5 6 7 8 9 Modelled actual ET[mm/d] Tage mit gültigen MODIS Szenen Tage mit gültigem Footprint
www.dlr.de Chart 17 1. Einführung 2. ET Modellierung 3. Ergebnisse und Validierung 4. Ausblick - Implementierung von Bodenfeuchte - Skalenvergleich (Landsat/MODIS)
www.dlr.de Chart 18 [W/m²] 4. Ausblick - Implementierung von Bodenfeuchte 25 2 G model (default SEBAL) G measured G modelled (with ASCAT SSM) 15 1 5 May 5 June 6 July 7 August 7 September 8 October 8
Modelled soil heat flux [W/m²] Modelled soil heat flux [W/m²] www.dlr.de Chart 19 4. Ausblick - Implementierung von Bodenfeuchte 2 y =,6351x + 43,361 R² =,1138 15 1 5 Die Verwendung von ASACT SSM Informationen verbessert die Abschätzung des Bodenwärmestrom. Der Zusammenhang zwischen Messung und Modellergebnissen verbessert sich deutlich von kaum korreliert bis hin zu stärker korreliert. 2 15 5 1 15 2 Measured soil heat flux [W/m²] y =,5718x + 32,791 R² =,6644 1 5 5 1 15 2 Measured soil heat flux [W/m²]
Measured latent heat flux [W/m²] Measured sensible heat flux [W/m²] Measured latent heat flux [W/m²] Measured sensible heat flux [W/m²] www.dlr.de Chart 2 4. Ausblick Skalenvergleich Latent Heat 6 n=27 5 4 y =,9468x - 3,3548 R² =,521 Sensible Heat 3 n=27 2 y =,8783x + 22,879 R² =,6398 MODIS 3 2 1 1 1 2 3 4 5 6 1 2 3 Modelled latend heat flux [W/m²] Modelled sensible heat flux[w/m²] 6 5 4 3 2 n=5 y = 1.1812x - 29.64 R² =.8931 3 25 2 15 1 n=5 y =.9892x + 6.987 R² =.9229 Landsat 1 5 2 4 6 1 2 3 Modelled latend heat flux [W/m²] Modelled sensible heat flux [W/m²]
www.dlr.de Chart 21 Zusammenfassung - Das Modelle liefert akzeptable Ergebnissen für die verfügbare Strahlung (Rn), den sensiblen Wärmefluss (H) nach der Footprintanalyse. - Die Implementierung der Bodenfeuchteinformationen könnte zu Verbesserungen der Modellergebnisse des latenten Wärmestroms führen. Analyse der Bodenreferenzmessungen aus dem Jahr 211 - Erweiterung der Validierungsmessungen für den Skalenvergleich MODIS/Landsat durch Schließung von Messdatenlücken.
www.dlr.de Chart 22 Danke für die Aufmerksamkeit.
www.dlr.de Chart 23 [mm/d] 9 8 7 6 5 4 3 2 1 3. Ergebnisse und Validierung - Footprintanalyse Tägliche tatsächliche Evapotranspiration 21 (saisonal) Start der Messungen 19.4.21 ET Model interpolated ET Measured April May June July August September October November n=41 [mm] 8 7 6 5 4 3 2 1 Tägliche tatsächliche Evapotranspiration 21 (Summenkurve) ET Model interpolated ET Measured April May June July August September October November
www.dlr.de Chart 24 Appendix: Aral sea development - More water reached the Aral Sea and the deltas of Syr Darya and Amu Darya than in the past 18 years - The irrigated area in the deltas show higher vegetation intensity than 29 (NDVI) Year Plan [million m³] Actual [million m³] % (Plan Actual) Amu Darya 28 399 972 25.3 29 42 2733 93.2 21 42 2 476 211 42 1456 36.4 Syr Darya 28 4175 3193 76.5 29 3939 4989 126.7 21 4931 8294 168.2 211 4279 4861 113.6 source: www.cawater-info.net
www.dlr.de Chart 25 Appendix Satellite (ENVISAT) derived soil moisture data at time of satellite overpass Soil moisture validation measurements at time of satellite overpass Collection of soil temperature profiles at proper sites Soil moisture data Characteristic temperature profiles for all (three) dominating soil types Thermal conduction method G z z G( z 2 1 ) z 1 2 c S S T t S dz Soil distributation map Could be neglected if z 2 is much deeper than z 1. Spatial soil heat flux information
www.dlr.de Chart 26 Appendix - 1 Correlation layer (25-29) ASCAT 25mk (region) ASAR 1km (point) Good correlation for eddy covariance station pixel (.62) source: Landsat TU Vienna, data DLR (Jul-Sep 21)
www.dlr.de Chart 27 > Vortrag > Autor Dokumentname > Datum ET24 für die gültigen Tage nach der Footprintanalyse 21.
dt [k] www.dlr.de Chart 28 Appendix - 2 * c * dt rah H / -H = Fühlbarer Wärmefluss -ρ = Luftdichte -c p = Spezifische Wärmekapazität von Luft -dt = Vertikaler Temperaturgradient -r ah = Aerodynamischer Wärmetransportwiderstand - Berechnung von dt - Grundannahme von SEBAL ist ein lineares Verhalten des vertikalen Temperaturgradienten (dt ) in Relation zur LST (Oberflächentemperatur) - zwei Ankerpunkte genügen, um dt für jedes Pixel aus LST zu berechnen - Feuchte Oberfläche (T1, dt 1): - Annahme H = dt = dt2 Grundannahme SEBAL - Trockene Oberfläche (T2, dt 2): - Annahme: λet = H = R n G dt (wenn r ah bekannt) dt1 T1 (bekannt) Temperatur [K] T2 (bekannt)
Appendix - 2 Globale Anwendung Fokus: Bewässerungslandwirtschaft Validiert in verschiedenen Klimazonen Based on point information Catchment area Anwendung von SEBAL (Stand 25) Validierung von SEBAL (Stand 25) Surface Energy Balance Algorithm for Land (SEBAL) BASTIAANSSEN (1995)