This thesis focuses on the determination of fractional snow cover (FSC) from optical data provided by satellite instruments. It describes the method development, starting from a simple regionally applicable linear interpolation method and ending at a globally applicable, semi-empirical modeling approach. The development work was motivated by the need for an easily implementable and feasible snow mapping method that could provide reliable information particularly for forested areas.
The contribution of the work to the optical remote sensing of snow is mainly associated with accounting for boreal forest canopy effect to the observed reflectance, thus facilitating accurate fractional snow retrievals also for ground beneath the tree canopies. The first proposed approach was based on a linear interpolation technique, which relies on a priori known reference reflectances at a) full snow cover and b) snow-free conditions for each calculation unit-area. An important novelty in the methodology was the utilization of a forest sparseness index determined from AVHRR reflectance data acquired at full dry snow cover conditions. This index was employed to describe the similarity between different unit-areas. In practice, the index was used to determine the reference reflectances for such unit-areas for which the reflectance level could not be determined otherwise, e.g. due to frequent cloud cover. This approach was found to be feasible for Finnish drainage basins characterized by fragmented landscape with moderate canopies.
Using a more physical approach instead of linear interpolation would allow the model parameterization using physical quantities (reflectances), and would therefore leave space for further model developments based on measuring and/or modeling of these quantities. The semi-empirical reflectance model-based method SCAmod originates from radiative transfer theory and describes the scene-level reflectance as a mixture of three major constituents: opaque forest canopy, snow and snow-free ground, which are interconnected through transmissivity and snow fraction. Transmissivity, in turn, can be derived from reflectance observations under conditions that highlight the presence of forest canopy, namely the presence of full snow cover on the ground. Thus, SCAmod requires a priori information on transmissivity, but given that it can be determined with the appropriate accuracy, it enables consideration of the obstructing effects of forests in fractional snow estimation. In continental-scale snow mapping, determination of the transmissivity map becomes a key issue. The preliminary demonstration of transmissivity generation using global land cover data was a part of this study.
The first implementations and validations for SCAmod were presented for AVHRR data at Finnish drainage basin scale. In subsequent work, determination of the feasible reflectance constituents was addressed, followed by a sensitivity analysis targeting at selection of optimal spectral bands to be applied with SCAmod. Feasibility of the NDSI-based approach in FSC-retrievals over boreal forests is also discussed. Finally, the implementations and validations for MODIS and AATSR data are presented. The results from relative (using high-resolution Earth Observation data to represent the truth) and absolute validation (using in situ observations) indicate a good performance for both forested and non-forested regions in northern Eurasia. Accounting for the effect of forest canopy in the FSC-retrievals is the key issue in snow remote sensing over boreal regions; this study provides a new contribution to this research field and provides one solution for continental scale snow mapping.
Tämä väitöskirja käsittelee optisen alueen satelliittikaukokartoitusaineistojen käyttöä lumipeitteen kartoitukseen. Tavoitteena on saada luotettavaa tietoa lumen peittävyydestä (FSC, Fractional Snow Cover) erityisesti boreaalisen metsävyöhykkeen ja tundravyöhykkeen alueilla. Väitöskirjassa kuvataan menetelmäkehityksen vaiheet lähtien lineaarisesta interpolaatiosta ja päätyen globaalisti sovellettavaan semiempiiristä heijastusmallia hyödyntävään menetelmään. Luotettavan tiedon saaminen lumen peittävyydestä varsinkin metsäisillä alueilla on haastavaa monille kaukokartoitusmenetelmille. Työn keskeisenä tuloksena on menetelmä, jolla saadaan tietoa lumipeitteestä jopa tiheiden metsien tapauksessa.
Ensimmäiseksi kehitetyllä lineaariseen interpolaatioon perustuvalla menetelmällä tuotettiin valuma-aluetason tietoa lumipeitteen laajuudesta Suomen ympäristökeskuksen tulvaennusteiden käyttöön. Siinä jokaiselle laskentayksikölle määritettiin sille tyypillinen heijastusarvo 100 % lumipeitteen (märkä eli sulava lumi) että vastaavasti lumettoman tilanteen aikana; sulamisaikaan lumen peittävyys estimoitiin interpoloimalla näiden kahden ääriarvon välillä. Työssä kehitettiin menetelmä ääriarvojen määrittämiseen NOAA/AVHRR-instrumentin tuottamilta kuvilta. Erityistä huomiota kiinnitettiin ääriarvojen määrittämiseen tarvittavan kaukokartoitushavainnon puuttuessa esimerkiksi pilvisyyden vuoksi. Tähän löydettiin ratkaisuksi ottaa ääriarvo läheiseltä, mahdollisimman samankaltaiselta alueelta. Koska varsinkin lumisessa tilanteessa boreaalisen metsän vaikutus havaittuun heijastukseen on suuri, on laskentayksikön metsäisyys merkittävin kriteeri samankaltaisuutta arvioitaessa. Metsäisyyttä kuvaamaan kehitettiin ns. harvuusindeksi, joka laskettiin jokaiselle laskentayksikölle käyttäen eri vuosina havaittuja lumisen ajankohdan heijastusarvoja. Menetelmän todettiin toimivan hyvin Suomen valuma-alueille, joihin lähes kaikkiin lukeutuu sekä metsäisiä että avoimia alueita.
Fysikaalinen heijastusmallinnus on lineaarista interpolaatiota edistyneempi lähestymistapa lumipeitteen kaukokartoitukseen, sillä mallin tekijät kuvaavat mitattavissa olevia suureita. Optisen kaukokartoituksen tapauksessa mitattavat suureet ovat eri luonnonkohteiden heijastusarvoja (reflektansseja). Työssä kehitetty SCAmod-menetelmä käyttää semiempiiristä säteilynkuljetusteoriaan perustuvaa heijastusmallia lumen peittävyyden estimointiin. Malli kuvaa kohteesta mitattavan heijastuksen lumen, lumettoman maan sekä metsän heijastusten kombinaationa. Näiden kolmen eri tekijän vaikutus havaittuun heijastukseen riippuu ensinnä lumisen ja lumettoman maan suhteesta sekä toiseksi metsän peittävyydestä, tarkemmin sanoen sen transmissiivisyydestä. Jos lumen, lumettoman maan ja metsän heijastukset sekä laskentayksikön transmissiivisyys tunnetaan, voidaan havaitusta heijastuksesta laskea lumen peittävyys. Koska näiden kolmen heijastustekijän heijastusarvot ovat mitattavia suureita, päästään käsiksi myös heijastusarvojen vaihteluun sekä tämän vaihtelun aiheuttamaan epätarkkuuteen lumen peittävyyden estimoinnissa. Transmissiivisyys puolestaan on laskettavissa SCAmodin heijastusmallista käyttäen täyden lumipeitteen aikana tehtyjä heijastushavaintoja. Globaalissa mittakaavassa transmissiivisyyden määrittäminen suoraan heijastushavainnoista on käytännössä mahdotonta koska pilvettömiä, täyden lumipeitteen havaintoja ei varmuudella ole saatavissa. Tässä työssä esitetäänkin menetelmä pohjoisen pallonpuoliskon transmissiivisyyskartan määrittämiseksi käyttäen maankäyttö/kasvillisuuskarttaa.
SCAmod-menetelmä toteutettiin ensin AVHRR-kuville ja Suomen valuma-alueille. Samalla tutkittiin kuinka lumen peittävyysestimaattien tilastollista tarkkuutta voidaan arvioida. Seuraavaksi paneuduttiin heijastustekijöiden tarkempaan määrittämiseen sekä selvitettiin eri aallonpituuskanavien sopivuus menetelmän käyttöön. Työssä on myös käsitelty NDSI:n (Normalized Difference Snow Index) soveltuvuutta lumen peittävyyden määrittämiseen boreaalisessa metsässä. SCAmod-menetelmän soveltuvuutta pohjoisen pallonpuoliskon kausittaisen lumipeitteen kartoittamiseen tutkittiin keskiresoluution MODIS- ja AATSR-kuvia käyttäen. Lumen peittävyysestimaatteja validoitiin käyttäen korkean resoluution satelliittikuvia sekä Suomessa tehtyjä maastohavaintoja. Työssä todetaan menetelmän soveltuvan hyvin boreaalivyöhykkeen ja tundravyöhykkkeen lumikartoitukseen; erityisesti SCAmodilla saadaan tietoa myös metsäisiltä alueilta, mikä tekee siitä varteenotettavan menetelmän korvaamaan tai täydentämään muita yleisesti käytössä olevia lumikaukokartoitusmenetelmiä.
Submit a publication
Browse
Statistics