Auswertung und Anwendung von Ocean Color Produkten aus spektral hochaufgelösten Satellitendaten - Neue Perspektiven der Erdbeobachtung
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Auswertung und Anwendung von Ocean
Color Produkten aus spektral
hochaufgelösten Satellitendaten
Astrid Bracher
Mariana Altenburg Soppa, Tilman Dinter, Svetlana Losa, Julia Oelker, Alireza Sadeghi,
Sonja Wiegmann, Aleksandra Wolanin
Fachbereich Klima, Alfred-Wegener-Institute Helmholtz Zentrum für Polar- & Meeresforschung
(AWI), Bremerhaven, und Institut für Umweltphysik, Universität Bremen
www.awi.de/en/science/climate-sciences/physical-oceanography/main-research-focus/ocean-optics.html
Beitrag von Martin Losch (AWI), Rüdiger Röttgers (HZG), John Burrows (IUP), Vladimir
Rozanov (IUP), Marco Vountas (IUP), Stephanie Dutkiewicz (MIT)
Neue Perspektiven der Erdbeobachtung 26 JunI 2018 astrid.bracher@awi.de
Identifizierung von funktionalen Gruppen von Phyto-
plankton (PFT) anhand optischer Eigenschaften
PFTs: unterschiedliche Funktionen in biogeochemischen Kreisläufen & im marinen Nahrungsnetz
Photos: Sonja Wiegmann, Phytooptics, AWI
Unterschiedliche Absorption der PFTs
aufgrund verschiedener
Pigmentzusammensetzung
PFT-spezische optische Signaturen in
vom Ozean zurückgestreuter
Strahlung,
vom Satelliten detektierbar?
Signaturen nur in spektral
hochaufgelösten Daten trennbar
nach Bracher et al. 2009, Sadeghi et al. 2012
Neue 09/07/2018
Perspektiven der Erdbeobachtung 26 JunI 2018 2 astrid.bracher@awi.de
Globale hyperspectrale Satellitendaten
SCIAMACHY* auf ENVISAT
*Scanning Imaging Absorption Spectrometer
• Soektral hoch aufgelöst (0.2-0.5 nm) for Atmospheric CHartographY
• 240 – 2380 nm
• Pixelgröße: 30 km × 60 km
• 6 Tage globale Abdeckung (limb-nadir)
• März 2002 – April 2012
Ausblick Anwendung auf andere
hyperspektrale Sensoren
Globale Abdeckung 1 Tag -Spektrometer
• GOME-2 (MetOp-A /–B/-C) – larger pixels
• OMI/AURA (2004-) & TROPOMI/Senti-
nel-5P - only until 520 nm erste
Gute räumliche Auflösung: Ergebnisse
• (HICO (2009-2014): 100m)
• EnMAP (2020-): 30m, lokal
Beides: OCI/PACE (2022-), 1km, 1T, global
3
Neue Perspektiven der Erdbeobachtung 26 JunI 2018 astrid.bracher@awi.de
PhytoDOAS-Methode mit SCIAMACHY-Daten
PhytoDOAS: Differential Optical Absorption Spectroscopy applied
to Phytoplankton & oceanic inelastic processes
Absorption verschiedener Phytoplankton-Gruppen – Vergleich
SCIAMACHY-Auswertung zu kollokierten in-situ Daten
Cyanobakterien Kieselalgen
Orbit 10654
Orbit 19158
--- scaled in-situ spectrum
__ spectral fit from SCIAMACHY
--- in-situ Referenzspektrum Bracher et al. 2009
__ SCIAMACHY
Neue Perspektiven der Erdbeobachtung 26 JunI 2018 astrid.bracher@awi.de
SCIAMACHY-PhytoDOAS Phytoplankton-Gruppen
(Bracher et al. 2009, Sadeghi et al. 2012a)
Monatlche Chl-a Konzentration (mg m-3) – März 2007
Kieselalgen Kalkalgen
Langzeitdaten: SCIAMACHY
Blaualgen (2002-2012) https://doi.pangaea.de/
10.1594/PANGAEA.870486
Nachteil geringe zeitliche und
räumliche Auflösung: monatlich,
~60 km x 30 km
Anwendung PhytoDOAS Zeitserien: Sadeghi et al. 2012b, Ye et al. 2012
Neue Perspektiven der Erdbeobachtung 26 JunI 2018 astrid.bracher@awi.de
Verfügbarkeit des Lichts im Ozean durch Quantifizierung der
inelastischen Streuung im Wasser (Vibrational Raman Scattering=VRS)
Verfügbarkeit von Licht im Ozean
Ozean-Atmosphäre-Strahlunstransportmodellierung (RTM) zur Identifizierung der Auffülung von
Fraunhoferlinien mit DOAS in SCIAMACHY-Daten
Verfügbarkeit von Licht im Wasser (E0)
PFT Chla (= PFT-/ VRS-fit factor * X)
Dinter et al. Ocean Science (2015)
Neue Perspektiven der Erdbeobachtung 26 JunI 2018 astrid.bracher@awi.de
Chlorophyll-Fluoreszenz aus SCIAMACHY-Daten
Wolanin et al.
Chlorophyll Fluoreszenz
Remote Sensing
of Environment: DOAS Fit-Fenster
2015 681.8 nm – 685.5 nm
Berücksichtigung von:
• Wasserdampf
• inelastische Streuung (RRS, VRS),
• Hintergrunds-Strahlung
(atmosphärische Transmission &
Albedo).
Neue 09/07/2018
Perspektiven der Erdbeobachtung 26ola@iup.physik.uni-bremen.de
JunI 2018 7
astrid.bracher@awi.de
PhytoDOAS-Chlorophyll-Fluoreszenz global
aus SCIAMACHY-Daten
eine Methode für Land und Ozean
2003-2011
Wolanin et al. Remote Sensing of Environment (2015)
Neue 09/07/2018
Perspektiven der Erdbeobachtung 26ola@iup.physik.uni-bremen.de
JunI 2018 8
astrid.bracher@awi.de
SynSenPFT-Algorithmus Losa et al. Frontiers in Marine Science 4: 203, 2017 )
Kombination von unterschiedlichen Methoden und spektralaufgelösten Satellitendaten
(analytisch vs. empirisch; schlechte vs. gute Abdeckung; hyper- vs. multispektral):
PhytoDOAS-SCIAMACHY & OC-PFT
Hxb
xa = xb + K(y- Hxb‘ )
y - Hxb
xb = {OCPFT1,...., OCPFTN }
K xa = {SynSenPFT1,...., SynSenPFTN }
ESA-SEOM project (2014-
y 2016) in preparation for
Pnb - OC-PFT error covariance matrix S-3 and S-3P
R - PhytoDOAS error covariance matrix
H - an observational operator that projects x b to the y space
+: hohe räumliche und zeitliche Auflösung (täglich, global, 2002-2012)
+: wenig empirische, grobe Abdeckung durch Auswertung optischer Signaturen
Neue 09/07/2018
Perspektiven der Erdbeobachtung 26ola@iup.physik.uni-bremen.de
JunI 2018 9
astrid.bracher@awi.de
SynSenPFT: Chlorophyll-Konzentration März 2007
Losa et al. Frontiers in Marine Sciences 2017
Kieselalgen Kalkalgen
https://doi.pangaea.de/10.1594/
PANGAEA.875873
Input:
Blaualgen PhytoDOAS SCIAMACHY
OC-PFT OC-CCI (merged
SeaWiFS-MERIS-MODIS)
Neue 09/07/2018 ola@iup.physik.uni-
Perspektiven der Erdbeobachtung 26 Juni 2018 10astrid.bracher@awi.deIn-situ Datenbank zu Phytoplankton-Gruppen
HPLC data set: SEABASS, MAREDAT, LTER, BATS, AESOP-CSIRO, own data (@PANGAEA), LOV
N=15176
https://doi.pangaea.de/10.1594/PANGAEA.875879 (Soppa et al.,2017)
Neue 09/07/2018 ola@iup.physik.uni-
Perspektiven der Erdbeobachtung 26 Juni 2018 11astrid.bracher@awi.deOptimierung der SynSenPFT-Produkte für die hohen Breiten
Juni 2010
Kieselalgen Chl-a Kalkalgen Chl-a Blaualgen Chl-a
Losa et al. submitted
Anpassung des Raum-/Zeit-
Fenster zur Extrapolation von
PhyoDOAS-Daten an die
Output: OC-PFT
regionale PFT-Dynamik
Input: OC-PFT OC-CCI (merged
Input: PhytoDOAS SCIAMACHY SeaWiFS-MERIS-MODIS)
September 2010Langzeitdaten für die Hohen Breiten: Ocean Color-Daten
(SynSenPFT, CHL & CDOM) zur Verbesserung der globalen
gekoppelten Ökosystem-Ozeanzirkulationsmodelle
Darwin*-MITgcm** model
simulations
Monthly mean (June 2005)
Arctic Ocean
PFT Chla
*Dutkiewicz et al. 2015
**Menemenlis et al. 2008
Finanzierung: DFG-TR172-C03 Feedback of
Ocean Color to Arctic Amplification, DFG-SPP
Antarktis-PHYSYN, HGF-REKLIM, HLRN
Neue 09/07/2018
Perspektiven der Erdbeobachtung 26ola@iup.physik.uni-bremen.de
Juni 2018 13
astrid.bracher@awi.deLangzeitdaten für die Hohen Breiten: Anpassung eines glo-
balen gekoppelten Ökosystem-Ozeanzirkulationsmodels
Darwin(-MITgcm) PFT Chl-a-Simulationen – Sensitivität physiologischer Parameter:
default, Kalklagen: weniger Fraßdruck & geringere Wachstumsrate, - - Große: Geringere Sterberate
DFG-TR172-C03; HGF-REKLIM
Neue 09/07/2018
Perspektiven der Erdbeobachtung 26ola@iup.physik.uni-bremen.de
Juni 2018 14
astrid.bracher@awi.deAnalyse spektral hochaufgelöster SCIAMACHY-Daten
für Wasseranwendungen: Vor- & Nachteile
+ Identifizierung spektral hochaufgelöster optischer Signaturen von Wasserinhaltsstoffen
- Quantiative Auswertung von Phytoplanktongruppen
- Verfügbarkeit von Licht im Wasser (durch Auswertung inelastischer Streuung)
- Marine und terrestrische Chlorophyll-Fluoreszenz.
+ DOAS: Effiziente und simple Technik, um atmophärische Prozesse zu berücksichtigen.
+ Zusätzliche Informationen zur Verifizierung empirischer Algorithmen (band ratio, line
height), die auf multispektrale Daten angwendet werden.
- Geringere räumliche Auflösung & Abdeckung als multispektrale Ocean-Color-Daten
limitiert regionale/lokale Anwendungen und die Validation mit in-situ Daten.
Ausblick
• Anwendung auf rezente spektral hochgelöste (7km:
GOME-2 (2007-, 2012-, 2018), OMI (2004-), TROPOMI/S-5-P (2017),UVN/S-5 (2020)
• Wasseranwendungen für DLR ENMAP-Sensor und OCI/PACE (Atmosphären-
Korrektur, Wasserprodukte: Größe & Typen von Phytoplankton, von Mineralien).
• Verbesserung der Parametrisierung der Biogeochemie im oberflächennahen Ozean in
gekoppelten Ökosystem-Ozean-Modellenmodels – Fokus Polargebiete.
Neue Perspektiven der Erdbeobachtung 26 Juni 2018 astrid.bracher@awi.deSie können auch lesen
