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.de
In-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.de
Optimierung 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 2010
Langzeitdaten 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.de
Langzeitdaten 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.de
Analyse 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.de
Sie können auch lesen