α-klorofylli
Tämä aineisto ei vielä ole käytössä uudessa Tarkka-palvelussa
α-klorofyllipitoisuuksia tulkitaan tällä hetkellä pilvettömien päivien havainnoista koostuvina tilastoina, jotka kattavat Suomea ympäröivät vesialueet sekä rannikon ja järvien vesimuodostumat. Tulkinnoista koostetaan vuosittainen keskimääräistä pitoisuutta havainnollistava kartta (viite koosteisiin). Aineisto on Tarkkassa näkyvissa vertailuasemien sijainneilta ja vesimuodostumittain, laajemmin aineisto löytyy avomerialueilta 20km ruutujaolla STATUS-käyttöliittymän kautta. α-klorofyllitulkinta tehdään mallilla, jonka laskenta perustuu Case2extreme-neuroverkkoon (C2X , Brockmann et al. 2016). Pilviset alueet karsitaan pois IDEPIX-algoritmilla, joka on avoimesti saatavilla SNAP-ohjelman kautta. IDEPIX-mallin pilventunnistustulosta täydennetään Sykessä kehitetyllä pilvivarjoalueiden tunnistusmenetelmällä. Copernicus-ohjelman instrumenttien havaintoihin perustuvien päivittäisten kartta-aineistojen kehittäminen on työn alla.
Tarkassa on vuosien 2002-2011 osalta päivittäisiä koko Itämeren alueen kattavia ENVISAT-satelliitin MERIS-instrumentin havaintoihin perustuvia α-klorofylliaineistoja. Tulkinta perustuu bio-optiseen neuroverkkoalgoritmiin, FUB (Schroeder et al. 2007a; 2007b). Aineiston tarkkuus on arvioitu Suomea ympäröiviltä merialueilta ja erityisesti Suomen rannikon osalta. Veden α-klorofyllipitoisuus voidaan määrittää satelliittihavaintoihin perustuen luotettavasti, arvio poikkeaa asemahavainnoista keskimäärin 0.6 μg l-1, mikä on lähellä vesinäytteiden laboratorioanalyysien määritystarkkuutta. Dynaamisissa jokisuistoissa, joissa valuma-alueelta tulevan kiinteän aineksen ja humukseen määrä on ajoittain suuri, α-klorofyllipitoisuuden määritystarkkuutta voidaan vielä parantaa (Attila et al. 2018, Attila et al. 2019). Itämeren avomerialueiden osalta α-klorofylliaineistoa on hyödynnetty HELCOM:n rehevöitymisen tila-arvioissa (HELCOM, 2015; HELCOM, 2018). MERIS-instrumentin ajanjaksolla pilvitunnistus tehtiin BEAM-ohjelman Cloudmask-algoritmilla, jota täydennettiin pilvialueiden reunoilta sekä lisäksi tarpeen vaatiessa manuaalisesti.
Vertailutuloksia
Satelliittihavainnoista tulkitut α-klorofyllipitoisuudet vastaavat hyvin asemilta tehtyjä havaintoja rannikon ja järvien vesimuodostumien alueilla vuositasolla, (r2=0.49 (R = 0.7) RMSE=5.4 µg l-1 (60.2 %), MAE = 3.75 µg l-1, N=1484). Asemakohtainen tarkkuus on myös hyvä saman päivän havainnoille eri seurantamenetelmillä (r2 =0.49, RMSE=12 µg l-1 (96%), MAE=6.8 µg l-1, N=456).
Alla olevat kuvat havainnollistavat a-klorofyllitulkintaesimerkkejä havaintoasemien kohdalla Sentinel-2-sarjan havainnoista. Punaiset pisteet ovat aseman kohdalta kerättyjä ja laboratoriossa analysoituja pullonäytteitä. Satelliittihavainnot on määritetty laajemmalta alueelta aseman ympäriltä eri vuodeaikoina. Yhtenäinen tumma viiva keskellä kuvaa kaikkien satelliittihavaintojen mediaania aseman ympärillä. Satelliittihavaintojen koko vaihteluväli näkyy vaalean sinisenä (90% havainnoista). Tummempi sininen korostaa keskimääräistä vaihtelua (50% havainnoista). Lisää esimerkkejä löytyy Tarkka-palvelun vertailuasemilta. Havainto ei aina osu saman päivän kohdalle.
Esimerkki aineistoista
Viitteet
Attila, J., Kauppila, P., Alasalmi, H., Kallio, K., Keto, V., Bruun, E., & Koponen, S. (2018). Applicability of Earth Observation chlorophyll-a data in assessment of water status via MERIS – with implications for the use of OLCI sensors. Remote Sensing of Environment, 212, 273–287. https://doi.org/10.1016/j.rse.2018.02.043
Attila J. (2019). Water quality monitoring and assessment of the Northern Baltic Sea using Earth Observation. Aalto University publication series, 229/2019. 178p. ISBN (pdf) 978-952-60-8867-9, ISSN (pdf) 1799-4942, http://urn.fi/URN:ISBN:978-952-60-8867-9
HELCOM (2018): State of the Baltic Sea – Second HELCOM holistic assessment 2011-2016. Baltic Sea Environment Proceedings 155, 155p.
Schroeder, T., Schaale, M., & Fischer, J. (2007a). Retrieval of atmospheric and oceanic properties from MERIS measurements: A new Case-2 water processor for BEAM. International Journal of Remote Sensing, 28(24), 5627–5632.
Schroeder, T., Behnert, I., Schaale, M., Fischer, J., & Doerffer, R. (2007b). Atmospheric correction algorithm for MERIS above case-2 waters. International Journal of Remote Sensing, 28, 1469–1486.