This work was written as a cumulative doctoral thesis based on reviewed publications.
Climate projections are mainly based on the results of numeric simulations from global or regional climate models. Up to now processes between atmosphere and land surface are only rudimentarily known. This causes one of the major uncertainties in existing models. In order to reduce parameterisation uncertainties and to find a reasonable description of sub grid heterogeneities, the determination and evaluation of parameterisation schemes for modelling require as many datasets from different spatial scales as possible. This work contributes to this topic by implying different datasets from different platforms. Its objective was to analyse the spatial heterogeneity of land surface parameters and energy flux densities obtained from both satellite observations with different spatial and temporal resolutions and in-situ measurements. The investigations were carried out for two target areas in Germany. First, satellite data for the years 2002 and 2003 were analysed and validated from the LITFASS-area (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study). Second, the data from the experimental field sites of the FLUXNET cluster around Tharandt from the years 2006 and 2007 were used to determine the NDVI (Normalised Difference Vegetation Index for identifying vegetated areas and their "condition").
The core of the study was the determination of land surface characteristics and hence radiant and energy flux densities (net radiation, soil heat flux, sensible and latent heat flux) using the three optical satellite sensors ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spektroradiometer) and AVHRR 3 (Advanced Very High Resolution Radiometer) with different spatial (30 m – 1 km) and temporal (1 day – 16 days) resolution. Different sensor characteristics and different data sets for land use classifications can both lead to deviations of the resultant energy fluxes between the sensors. Thus, sensor differences were quantified, sensor adaptation methods were implemented and a quality analysis for land use classifications was performed. The result is then a single parameterisation scheme that allows for the determination of the energy fluxes from all three different sensors.
The main focus was the derivation of the latent heat flux (L.E) using the Penman-Monteith (P-M) approach. Satellite data provide measurements of spectral reflectance and surface temperatures. The
P-M approach requires further surface parameters not offered by satellite data. These parameters include the NDVI, Leaf Area Index (LAI), wind speed, relative humidity, vegetation height and roughness length, for example. They were derived indirectly from the given satellite- or in-situ measurements. If no data were available so called default values from literature were taken. The quality of these parameters strongly influenced the exactness of the radiant- and energy fluxes. Sensitivity studies showed that NDVI is one of the most important parameters for determination of evaporation. In contrast it could be shown, that the parameters as vegetation height and measurement height have only minor influence on L.E, which justifies the use of default values for these parameters.
Due to the key role of NDVI a field study was carried out investigating the spatial variability and sensitivity of NDVI above five different land use types (winter wheat, corn, grass, beech and spruce). Methods to determine this parameter not only from space (spectral), but also from in-situ tower measurements (broadband) and spectrometer data (spectral) were compared. The best agreement between the methods was found for winter wheat and grass measurements in 2006. For these land use types the results differed by less than 10 % and 15 %, respectively. Larger differences were obtained for the forest measurements. The correlation between the daily MODIS-NDVI data and the in-situ NDVI inferred from the spectrometer and the broadband measurements were r=0.67 and r=0.51, respectively.
Subsequently, spatial variability of land surface parameters and fluxes were analysed. The several spatial resolutions of the satellite sensors can be used to describe subscale heterogeneity from one scale to the other and to study the effects of spatial averaging. Therefore land use dependent parameters and fluxes were investigated to find typical distribution patterns of land surface properties and energy fluxes. Implying the distribution patterns found here for albedo and NDVI from ETM+ data in models has high potential to calculate representative energy flux distributions on a coarser scale. The distribution patterns were expressed as probability density functions (PDFs). First results of applying PDFs of albedo, NDVI, relative humidity, and wind speed to the L.E computation are encouraging, and they show the high potential of this method.
Summing up, the method of satellite based surface parameter- and energy flux determination has been shown to work reliably on different temporal and spatial scales. The data are useful for detailed analyses of spatial variability of a landscape and for the description of sub grid heterogeneity, as it is needed in model applications. Their usability as input parameters for modelling on different scales is the second important result of this work. The derived vegetation parameters, e.g. LAI and plant cover, possess realistic values and were used as model input for the Lokalmodell of the German Weather Service. This significantly improved the model results for L.E. Additionally, thermal parameter fields, e.g. surface temperature from ETM+ with 30 m spatial resolution, were used as input for SVAT-modelling (Soil-Vegetation-Atmosphere-Transfer scheme). Thus, more realistic L.E results were obtained, providing highly resolved areal information. / Die vorliegende Arbeit wurde auf der Grundlage begutachteter Publikationen als kumulative Dissertation verfasst.
Klimaprognosen basieren im Allgemeinen auf den Ergebnissen numerischer Simulationen mit globalen oder regionalen Klimamodellen. Eine der entscheidenden Unsicherheiten bestehender Modelle liegt in dem noch unzureichenden Verständnis von Wechselwirkungsprozessen zwischen der Atmosphäre und Landoberflächen und dem daraus folgenden Fehlen entsprechender Parametrisierungen. Um das Problem einer unsicheren Modell-Parametrisierung aufzugreifen und zum Beispiel subskalige Heterogenität in einer Art und Weise zu beschreiben, dass sie für Modelle nutzbar wird, werden für die Bestimmung und Evaluierung von Modell-Parametrisierungsansätzen so viele Datensätze wie möglich benötigt. Die Arbeit trägt zu diesem Thema durch die Verwendung verschiedener Datensätze unterschiedlicher Plattformen bei. Ziel der Studie war es, aus Satellitendaten verschiedener räumlicher und zeitlicher Auflösung sowie aus in-situ Daten die räumliche Heterogenität von Landoberflächenparametern und Energieflussdichten zu bestimmen. Die Untersuchungen wurden für zwei Zielgebiete in Deutschland durchgeführt. Für das LITFASS-Gebiet (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study) wurden Satellitendaten der Jahre 2002 und 2003 untersucht und validiert. Zusätzlich wurde im Rahmen dieser Arbeit eine NDVI-Studie (Normalisierter Differenzen Vegetations Index: Maß zur Detektierung von Vegetationflächen, deren Vitalität und Dichte) auf den Testflächen des FLUXNET Clusters um Tharandt in den Jahren 2006 und 2007 realisiert.
Die Grundlage der Arbeit bildete die Bestimmung von Landoberflächeneigenschaften und daraus resultierenden Energieflüssen, auf Basis dreier optischer Sensoren (ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spectroradiometer) und AVHRR 3 (Advanced Very High Resolution Radiometer)) mit unterschiedlichen räumlichen (30 m – 1 km) und zeitlichen (1 – 16 Tage) Auflösungen. Unterschiedliche Sensorcharakteristiken, sowie die Verwendung verschiedener, zum Teil ungenauer Datensätze zur Landnutzungsklassifikation führen zu Abweichungen in den Ergebnissen der einzelnen Sensoren. Durch die Quantifizierung der Sensorunterschiede, die Anpassung der Ergebnisse der Sensoren aneinander und eine Qualitätsanalyse von verschiedenen Landnutzungsklassifikationen, wurde eine Basis für eine vergleichbare Parametrisierung der Oberflächenparameter und damit auch für die daraus berechneten Energieflüsse geschaffen.
Der Schwerpunkt lag dabei auf der Bestimmung des latenten Wärmestromes (L.E) mit Hilfe des Penman-Monteith Ansatzes (P-M). Satellitendaten liefern Messwerte der spektralen Reflexion und der Oberflächentemperatur. Die P-M Gleichung erfordert weitere Oberflächenparameter wie zum Beispiel den NDVI, den Blattflächenindex (LAI), die Windgeschwindigkeit, die relative Luftfeuchte, die Vegetationshöhe oder die Rauhigkeitslänge, die jedoch aus den Satellitendaten nicht bestimmt werden können. Sie müssen indirekt aus den oben genannten Messgrößen der Satelliten oder aus in-situ Messungen abgeleitet werden. Stehen auch aus diesen Quellen keine Daten zur Verfügung, können sogenannte Standard- (Default-) Werte aus der Literatur verwendet werden. Die Qualität dieser Parameter hat einen großen Einfluss auf die Bestimmung der Strahlungs- und Energieflüsse. Sensitivitätsstudien im Rahmen der Arbeit zeigen die Bedeutung des NDVI als einen der wichtigsten Parameter in der Verdunstungsbestimmung nach P-M. Im Gegensatz dazu wurde deutlich, dass z. B. die Vegetationshöhe und die Messhöhe einen relativ kleinen Einfluss auf L.E haben, so dass für diese Parameter die Verwendung von Standardwerten gerechtfertigt ist.
Aufgrund der Schlüsselrolle, welche der NDVI in der Bestimmung der Verdunstung einnimmt, wurden im Rahmen einer Feldstudie Untersuchungen des NDVI über fünf verschiedenen Landnutzungstypen (Winterweizen, Mais, Gras, Buche und Fichte) hinsichtlich seiner räumlichen Variabilität und Sensitivität, unternommen. Dabei wurden verschiedene Bestimmungsmethoden getestet, in welchen der NDVI nicht nur aus Satellitendaten (spektral), sondern auch aus in-situ Turmmessungen (breitbandig) und Spekrometermessungen (spektral) ermittelt wird. Die besten Übereinstimmungen der Ergebnisse wurden dabei für Winterweizen und Gras für das Jahr 2006 gefunden. Für diese Landnutzungstypen betrugen die Maximaldifferenzen aus den drei Methoden jeweils 10 beziehungsweise 15 %. Deutlichere Differenzen ließen sich für die Forstflächen verzeichnen. Die Korrelation zwischen Satelliten- und Spektrometermessung betrug r=0.67. Für Satelliten- und Turmmessungen ergab sich ein Wert von r=0.5.
Basierend auf den beschriebenen Vorarbeiten wurde die räumliche Variabilität von Landoberflächenparametern und Flüssen untersucht. Die unterschiedlichen räumlichen Auflösungen der Satelliten können genutzt werden, um zum einen die subskalige Heterogenität zu beschreiben, aber auch, um den Effekt räumlicher Mittelungsverfahren zu testen. Dafür wurden Parameter und Energieflüsse in Abhängigkeit der Landnutzungsklasse untersucht, um typische Verteilungsmuster dieser Größen zu finden. Die Verwendung der Verteilungsmuster (in Form von Wahrscheinlichkeitsdichteverteilungen – PDFs), die für die Albedo und den NDVI aus ETM+ Daten gefunden wurden, bietet ein hohes Potential als Modellinput, um repräsentative PDFs der Energieflüsse auf gröberen Skalen zu erhalten. Die ersten Ergebnisse in der Verwendung der PDFs von Albedo, NDVI, relativer Luftfeuchtigkeit und Windgeschwindigkeit für die Bestimmung von L.E waren sehr ermutigend und zeigten das hohe Potential der Methode.
Zusammenfassend lässt sich feststellen, dass die Methode der Ableitung von Oberflächenparametern und Energieflüssen aus Satellitendaten zuverlässige Daten auf verschiedenen zeitlichen und räumlichen Skalen liefert. Die Daten sind für eine detaillierte Analyse der räumlichen Variabilität der Landschaft und für die Beschreibung der subskaligen Heterogenität, wie sie oft in Modellanwendungen benötigt wird, geeignet. Ihre Nutzbarkeit als Inputparameter in Modellen auf verschiedenen Skalen ist das zweite wichtige Ergebnis der Arbeit. Aus Satellitendaten abgeleitete Vegetationsparameter wie der LAI oder die Pflanzenbedeckung liefern realistische Ergebnisse, die zum Beispiel als Modellinput in das Lokalmodell des Deutschen Wetterdienstes implementiert werden konnten und die Modellergebnisse von L.E signifikant verbessert haben. Aber auch thermale Parameter, wie beispielsweise die Oberflächentemperatur aus ETM+ Daten in 30 m Auflösung, wurden als Eingabeparameter eines Soil-Vegetation-Atmosphere-Transfer-Modells (SVAT) verwendet. Dadurch erhält man realistischere Ergebnisse für L.E, die hochaufgelöste Flächeninformationen bieten.
Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:25651 |
Date | 30 April 2010 |
Creators | Tittebrand, Antje |
Contributors | Bernhofer, Christian, Berger, Franz H., Stammer, Detlef, Technische Universität Dresden |
Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
Language | English |
Detected Language | English |
Type | doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
Rights | info:eu-repo/semantics/openAccess |
Relation | urn:nbn:de:bsz:14-qucosa-33443, qucosa:25294 |
Page generated in 0.0041 seconds