Forschung
KOF Startseite neu

Die Deutsche Bucht, aufgenommen vom Satelliten Sentinel-2. -Bild: HZG-

Optische Eigenschaften von Küsten- und Meeresgewässern

Optische Fernerkundungsdaten von Satelliten und luftgestützten Plattformen bieten einen ausgezeichneten räumlichen Überblick über Prozesse im globalen Ozean sowie in Küstenumgebungen. Diese Daten zeigen eine starke Kopplung von physikalischen und biogeochemischen Prozessen auf vielen verschiedenen Längenskalen bis hin zum regionalen und globalen Maßstab. Zu nenne sind hier beispielsweise die Funktionellen Arten, die Verteilung und die Produktivität von Phytoplankton, der Transport von Schwebstoffen im Küstenmeer oder submesoskalige Fronten mit ihrem signifikanten Einfluss auf die Nahrungskette.
Kleinere Prozesse spielen eine wichtige Rolle in vielen ozeanischen und küstennahen Prozessen. Daher ist die jüngste, umfassende Verbesserung der räumlichen und spektralen Auflösung von Satellitenfernerkundungsdaten eine bedeutende Entwicklung, die dadurch in viel größerem Maßstab und mit viel feinerer räumlicher und zeitlicher Auflösung Einblicke in Küstenumgebungen bieten.

Image Sentinel-2 Satellite

Sentinel-2 ist ein polar-umlaufender, multispektraler, hochauflösender Bildgebungssatellit zur Landüberwachung, der beispielsweise Bilder von Vegetation, Boden- und Wasserschichten, Binnenwasserstraßen und Küstengebieten liefert. -Bild:ESA-

Die Europäische Weltraumorganisation (ESA) und EU-Copernicus stellen mit dem Sentinel-Programm einen Langzeitrahmen (> 25 Jahre) zur Satellitenfernerkundung zur Verfügung, der mehrere optische Sensoren für Küstengewässer umfasst. Kürzlich wurden drei dieser Satelliten (Sentinel-2A, Sentinel-3A, Sentinel-2B) gestartet. Insbesondere Sentinel-3 ermöglicht jetzt viel häufiger Küstenbeobachtungen, während Sentinel-2s eine sehr hohe räumliche Auflösung von 10-60 m bietet. Gleichzeitig ergänzen sie die NASA-Satelliten MODIS-Aqua und VIIRS-Suomi-NPP mit ihren optischen Sensoren.

Image Ocean Colours

Unterschiedliche Farben des Ozeans: Es gibt sehr trübes und stark streuendes Wasser in Mündungsgebieten, tiefblaues Atlantikwasser, Nordseewasser mit viel Phytoplankton und Fälle, in denen eine "Farbkodierung" kaum möglich ist. -Bild: HZG/Martin Hieronymi-

Um solche Fernerkundungsdaten in den optisch sehr komplexen Küstengewässern interpretieren zu können, müssen die optisch-physikalischen Eigenschaften natürlicher Gewässer und der einzelnen Bestandteile (von reinem Wasser selbst bis Phytoplankton und gelöstem und partikulärem organischen Material) mit höchstmöglicher Genauigkeit bekannt sein. Während die Interpretation eine optische und Strahlungstransfermodellierung beinhaltet, wird die Genauigkeit der Modellergebnisse direkt von der Genauigkeit der optischen Parameter beeinflusst, die als Modelleingabe verwendet werden.
Um Fernerkundungsdaten basierend auf genauen In-situ-Daten zu interpretieren, entwickelte das HZG regionale Algorithmen für Nord- und Ostsee.

HZG liefert den Ostsee-Algorithmus an das Copernicus Marine Environment Monitoring System (CMEMS). Die HZG-Küstenwasseralgorithmen, die ursprünglich für das Instrument MERIS auf ENVISAT entwickelt wurden, wurden an das Instrument OLCI auf Sentinel-3 angepasst, das von der ESA verwendet werden wird.
Darüber hinaus wurde ein neuer Ansatz entwickelt, der die Nutzung von Fernerkundungsdaten in klaren, küstennahen und optisch extremen Gewässern (z. B. stark absorbierende und trübe Seen) mit nur einem Prozessor ermöglicht: der OLCI Neural Network Swarm Processor (ONNS). HZG beteiligt sich auch an der Vorbereitung der ersten hyperspektralen Satellitenmission (Environmental Mapping AND Analysis Program / ENMAP, Deutschland) und hat hyperspektrale optische Daten über Wasseroberflächen (Ozean, Küstengewässer und Seen) hinsichtlich der Differenzierung von Phytoplankton und Typen von Schwebstoffen untersucht.

Image IR Kamera Zeppelin

Zeppelin NT, der Motorsegler Stemme, und die unter dem Zeppelin montierte Infrarotkamera. -Bild: HZG & Janine Martin-

Für Beobachtungen mit noch höherer Auflösung wurde während der Expedition Uhrwerk Ozean eine hySpex Hyperspektralkamera mit 1024 Spektralbändern und einer horizontalen Auflösung von ca. 0,5 m unter einem Zeppelin montiert, zusammen mit einer gekühlten Infrarotkamera.
Die Infrarotkamera kann auch am Motorsegler Stemme montiert werden und liefert eine beispiellose Auflösung submesoskaliger Merkmale im Küstenozean und deren zeitliche Entwicklung im Laufe von mehreren Stunden. Die beobachteten Prozesse in der Ostsee zeigten eine sehr starke Kopplung von physikalischen Prozessen (Fronten, Wirbel und innere Wellen) mit der Verteilung von Cyanobakterien.

Die Interpretation von optischen Fernerkundungsdaten aus der Luft und dem Satelliten erfordert jedoch genaue Informationen über die optischen Eigenschaften aller natürlichen Wasserkörperbestandteile. Unsicherheiten bei der Bestimmung dieser optischen Eigenschaften, wie Absorptions- und Streukoeffizienten von Partikeln sowie das Wasser selbst, sind ziemlich groß und beschränken Fernerkundungsansätze - insbesondere in Küstengewässern.

Hieronymi, M., Müller, D., Doerffer, R: The OLCI Neural Network Swarm (ONNS): A Bio-geo-optical Algorithm for Open Ocean and Coastal Waters. Front. Mar. Sci. 4, 140, 2017. doi:10.3389/fmars.2017.00140

Tan, H., Doerffer, R., Oishi, T., Tanaka, A.: A new approach to measure the volume scattering function. Optics Express, 21: 18697-18711, 2013. doi:10.1364/OE.21.018697.

Tan, H., Oishi, T., Tanaka, A., Doerffer, R.: Accurate estimation of the backscattering coefficient by light scattering at two backward angles, Appl. Opt. 54(25), 7718–7733, 2015, doi:10.1364/AO.54.007718.

Röttgers, R., Heymann, K., Krasemann, H.: Suspended matter concentrations in coastal waters: methodological improvements to quantify individual measurement uncertainty. Estuarine, Coastal and Shelf Science 151, 148-155, 2014, doi:10.1016/j.ecss.2014.10.010.

Röttgers, R., Dupouy, C., Taylor, B.B., Bracher, A., Wozniak, S.B.: Mass-specific light absorption coefficients of natural aquatic particles in the near-infrared spectral region. Limnol. Oceanogr., 59(5), 1449-1460, 2014, doi:10.4319/lo.2014.59.5.1449.

Weiterentwicklungen


Um die Fernerkundungsdaten mit verbesserter Präzision und Genauigkeit zu erhalten und biooptische Modelle zu verbessern, wurden verschiedene Ansätze verfolgt:

Instrumentenentwicklung


Image PSICAM im Labor.jpg

PSICAM-Aufbau im Labor. -Bild: HZG-

Ein Point-Source Integrating-Cavity Absorption Meter (PSICAM), sein Gegenstück eines Durchfluss-PSICAM (FT-PSICAM), das Quantitative Filter Technique Integrating-Cavity Absorption Meter (QFT-ICAM) und ein Imaging Volume Scattering Function Meter (I-VSFM ) wurden bei HZG entwickelt.
Alle diese Instrumente liefern optische Daten von hoher Qualität und Genauigkeit und sind einzigartige Entwicklungen. Aufgrund seiner sehr hohen Empfindlichkeit werden mit dem PSICAM insbesondere spezifische Eigenschaften von reinem Wasser gemessen, die zuvor nicht bestimmt werden konnten und zur internationalen Anerkennung von HZG für qualitativ hochwertige optische Daten beitragen haben.


Wollschläger, J.; D. Voß; O. Zielinski; W. Petersen, In situ Observations of Biological and Environmental Parameters by Means of Optics—Development of Next-Generation Ocean Sensors With Special Focus on an Integrating Cavity Approach, IEEE Journal of Oceanic Engineering, 41, 1-10, 2016, doi:10.1109/JOE.2016.2557466

Röttgers, R., Doxaran, D., Dupouy, C.: Quantitative filter technique measurements of spectral light absorption by aquatic particles using a portable integrating cavity absorption meter (QFT-ICAM). Optics Express 24(2), A1-A20, 2016, doi:10.1364/OE.24.0000A1.

Verbesserung des Wasserabsorptionskoeffizienten


Image Lena Delta.png

Beobachtungsgebiet und Probenetnahmepunkte im Lena-Delta.. -Bild: Örek, H., Doerffer, R., Röttgers, R., Boersma, M., and Wiltshire, K. H.: Contribution to a bio-optical model for remote sensing of Lena River water, Biogeosciences, 10, 7081-7094, https://doi.org/10.5194/bg-10-7081-2013, 2013. CC BY 3.0-

Die Temperatur- und Salzgehaltsabhängigkeit des Absorptionskoeffizienten des flüssigen reinen Wassers ist eine fundamentale optische Eigenschaft. Sie ist schwer zu messen, ist aber notwendig zur Bestimmung der chlorophyll- und massenspezifische optische Eigenschaften bei der Modellierung des Lichttransfers in Küstengewässern, zur Entwicklung von optischen Fernerkundungsalgorithmen und zur Interpretation von Fernerkundungsdaten.
Sieben Schiffskampagnen und fünf Feldkampagnen wurden durchgeführt, um die genauesten optischen Eigenschaften aus einer Reihe verschiedener Umgebungen, wie der Deutschen Bucht oder dem Lena Delta, zu sammeln. Mit dieser neuen Methode und den erwähnten neuen Instrumenten wurden massenspezifische optische Eigenschaften der Nord- und Ostsee ermittelt, die international zu den genauesten optischen Daten von Küstengewässern zählen.


Röttgers, R., McKee, D., Utschig, C.: Temperature and salinity correction coefficients for light absorption by water in the visible to infrared spectral region. Optics Express, 22(21), 25093-25108 , 2014b, doi:10.1364/OE.22.025093.

Röttgers, R., Dupouy, C., Taylor, B.B., Bracher, A., Wozniak, S.B.: Mass-specific light absorption coefficients of natural aquatic particles in the near-infrared spectral region. Limnol. Oceanogr., 59(5), 1449-1460, 2014c, doi:10.4319/lo.2014.59.5.1449.

Örek, H., Doerffer, R., Röttgers, R., Boersma, M., Wiltshire, K.H: Contribution to a bio-optical model for remote sensing of Lena River water. Biogeosciences, 10, 7081-7094, 2013. doi:10.5194/bg-10-7081-2013.

Optische Differenzierung von funktionellen oder taxonomischen Gruppen von Phytoplankton


image phytoplankton absorption spectras.png

Beispiele für (a) normalisierte Absorptionsspektren für verschiedene Phytoplanktongruppen mit (b) entsprechenden Spektren der vierten Ableitung.-Bild: Xi, H.; Hieronymi, M.; Röttgers, R.; Krasemann, H.; Qiu, Z. Hyperspectral Differentiation of Phytoplankton Taxonomic Groups: A Comparison between Using Remote Sensing Reflectance and Absorption Spectra. Remote Sens. 2015, 7, 14781-14805. CC BY 4.0-

Satelliten- oder Luftaufnahmen von großräumigen Verteilungen von Phytoplanktongruppen liefern wertvolle Informationen über die Entstehungsprozesse und Verbreitung von Phytoplanktonblüten sowie die Identifizierung schädlicher Algenblüten.
Diese Ausdifferenzierung aus Fernerkundungsdaten und In-situ-Verfahren ist aufgrund von Unterschieden in der Pigmentzusammensetzung verschiedener Algengruppen und der Absorptionseigenschaften dieser Pigmente möglich. Für diese Differenzierung wird die einzigartig große HZG-Datenbank von Lichtabsorptionsspektren für verschiedene phytoplanktonische Algen aus Laborarbeiten verwendet. Die Hauptergebnisse sind, dass die Differenzierung bestimmter Gruppen möglich ist, wenn sie direkt auf der Reflexion basieren.
Andere Stoffe, wie Schwebstoffe und Gelbstoffe, stören die Ergebnisse nicht, solange sie nicht optisch dominant sind. Inversionsansätze zur Gewinnung von Algenabsorption aus Fernerkundungsreflexion sind nicht genau genug, um absorptionsbasierte Ansätze für die Gruppendifferenzierung zu verwenden.
Diese Arbeit dient der Vorbereitung auf die deutsche ENMAP-Mission , die erste vollständige hyperspektrale optische Satellitenmission.


Bracher, A., Bouman, H., Brewin, R.J., Bricaud, A., Brotas, V., Ciotti, A.M., Clementson, L., Devred, E., Di Cicco, A., Dutkiewicz, S., Hardman-Mountford, N., Hickman, A.E., Hieronymi, M., Hirata, T., Losa, S.N., Mouw, C., Organelli, E., Raitsos, D.E., Uitz, J., Vogt, M., Wolanin, A.: Obtaining Phytoplankton Diversity from Ocean Color: A Scientific Roadmap for Future Development, Front. Mar. Sci. 4(55), 2017. doi:10.3389/fmars.2017.00055.

Xi, H., Hieronymi, M., Röttgers, R., Krasemann, H., Qiu, Z.: Hyperspectral Differentiation of Phytoplankton Taxonomic Groups: A Comparison between Using Remote Sensing Reflectance and Absorption Spectra, Remote Sens. 7 (11), 14781-14805, 2015, doi:10.3390/rs71114781.

Xi, H., Hieronymi, M., Krasemann, H., Röttgers, R.: Phytoplankton Group Identification Using Simulated and in situ Hyperspectral Remote Sensing Reflectance. Front. Mar. Sci. 4, 272, 2017, doi:10.3389/fmars.2017.00272.