Learning Centre

A fractional snow cover mapping method for optical remote sensing data, applicable to continental scale

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.author Metsämäki, Sari
dc.date.accessioned 2013-07-24T09:00:07Z
dc.date.available 2013-07-24T09:00:07Z
dc.date.issued 2013
dc.identifier.isbn 978-952-93-2557-3 (electronic)
dc.identifier.isbn 978-952-93-2556-6 (printed)
dc.identifier.issn 1239-1875 (printed)
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/10781
dc.description.abstract 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. en
dc.description.abstract 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. fi
dc.format.extent 54 + app. 85
dc.format.mimetype application/pdf
dc.language.iso en en
dc.publisher Finnish Environment Institute en
dc.publisher Suomen ympäristökeskus fi
dc.relation.ispartofseries Monographs of the Boreal Environment Research en
dc.relation.ispartofseries 43
dc.relation.haspart [Publication 1]: Sari Metsämäki, Jenni Vepsäläinen, Jouni Pulliainen, and Yrjö Sucksdorff. 2002. Improved linear interpolation method for the estimation of snow-covered area from optical data. Remote Sensing of Environment, volume 82, number 1, pages 64-78.
dc.relation.haspart [Publication 2]: Sari J. Metsämäki, Saku T. Anttila, Markus J. Huttunen, and Jenni M. Vepsäläinen. 2005. A feasible method for fractional snow cover mapping in boreal zone based on a reflectance model. Remote Sensing of Environment, volume 95, number 1, pages 77-95.
dc.relation.haspart [Publication 3]: Miia Salminen, Jouni Pulliainen, Sari Metsämäki, Anna Kontu, and Hanne Suokanerva. 2009. The behaviour of snow and snow-free surface reflectance in boreal forests: Implications to the performance of snow covered area monitoring. Remote Sensing of Environment, volume 113, number 5, pages 907-918.
dc.relation.haspart [Publication 4]: Sari Metsämäki, Olli-Pekka Mattila, Jouni Pulliainen, Kirsikka Niemi, Kari Luojus, and Kristin Böttcher. 2012. An optical reflectance model-based method for fractional snow cover mapping applicable to continental scale. Remote Sensing of Environment, volume 123, pages 508-521.
dc.relation.haspart [Publication 5]: Kirsikka Niemi, Sari Metsämäki, Jouni Pulliainen, Hanne Suokanerva, Kristin Böttcher, Matti Leppäranta, and Petri Pellikka. 2012. The behaviour of mast-borne spectra in a snow-covered boreal forest. Remote Sensing of Environment, volume 124, pages 551-563.
dc.subject.other Environmental science en
dc.subject.other Geoinformatics en
dc.title A fractional snow cover mapping method for optical remote sensing data, applicable to continental scale en
dc.title Menetelmä lumen peittämän alan mannertenlaajuiseen kartoitukseen optisilta satelliittikuvilta fi
dc.type G5 Artikkeliväitöskirja fi
dc.contributor.school Insinööritieteiden korkeakoulu fi
dc.contributor.school School of Engineering en
dc.contributor.department Maankäyttötieteiden laitos fi
dc.contributor.department Department of Real Estate, Planning and Geoinformatics en
dc.subject.keyword snow en
dc.subject.keyword fractional snow cover en
dc.subject.keyword boreal zone en
dc.subject.keyword forests en
dc.subject.keyword tundra en
dc.subject.keyword optical remote sensing en
dc.subject.keyword lumi fi
dc.subject.keyword lumipeite fi
dc.subject.keyword boreaalinen vyöhyke fi
dc.subject.keyword metsät fi
dc.subject.keyword tundra fi
dc.subject.keyword optinen kaukokartoitus fi
dc.identifier.urn URN:ISBN:978-952-93-2557-3
dc.type.dcmitype text en
dc.type.ontasot Doctoral dissertation (article-based) en
dc.type.ontasot Väitöskirja (artikkeli) fi
dc.contributor.supervisor Haggren, Henrik, Professor, Aalto University, Department of Real Estate, Planning and Geoinformatics, Finland
dc.opn Häme, Tuomas, Dr., Research Professor, VTT Technical Research Centre of Finland, Finland
dc.opn Kelly, Richard, Dr., Professor, University of Waterloo, Department of Geography and Environmental Management, Ontario, Canada
dc.rev Kelly, Richard, Dr., Professor, University of Waterloo, Department of Geography and Environmental Management, Ontario, Canada
dc.rev Robinson, David A., Dr., Professor, Rutgers University, Department of Geography & Office of the State Climatologist, New Jersey, USA
dc.date.defence 2013-08-23


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse