Description: Direkte lokale Beobachtungen des Bodenfeuchtegehalts (BFG) mit in-situ Messgeräten sind derzeit aufgrund der hohen räuml. und zeitl. Variabilität nur eingeschränkt nutzbar. Fernerkundungsdaten können mit verschiedenen Methoden verwendet werden, um tägliche Daten mit einer groben räumlichen Auflösung zu liefern. Für viele regionale Anwendungen werden jedoch Produkte mit einer räumlichen Auflösung von ca. 10 bis 30 m benötigt. Der Kontrast zwischen dem punktuellen Charakter aktueller terrestrischer Bodenfeuchtemessungen und der Bodenauflösung von Satelliten, die zur Bestimmung der Bodenfeuchte eingesetzt werden, stellt eine große Herausforderung für die Kalibrierung und Validierung von Produkten aus Satellitenmissionen dar. CRNS eröffnet Chancen, dieses Defizit zu überwinden. Das Upscaling von CRNS-Daten ist jedoch schwierig, da die CRNS-Messung ein integriertes Signal über eine Grundfläche mit ca. 200m Radius ist. Zudem ist die Messung sehr anfällig für zusätzliche Wasserquellen speziell der ober- und unterirdischen Biomasse. Das Bodenfeuchtesignal muss daher von den Wasserquellen separiert werden. Unser wissenschaftliches Ziel ist es, die prozessbasierten Zusammenhänge zwischen dem aus CRNS abgeleiteten BFG und der oberflächenbasierten aber räumlich detaillierteren Berechnung des BFG mit verschiedenen Fernerkundungssensoren (thermisch, hyper-, multispektral, SAR und LiDAR) zu verstehen. Zu diesem Zweck werden Vegetationsparameter (texturelle, strukturelle, emissive und reflektierende) von verschiedenen aktiven und passiven Sensoren abgeleitet und auf ihre Eignung für die Ableitung des BFG in singulären und synergistischen Beobachtungen getestet. Dies wird entsprechend den räumlichen und zeitlichen Skalen der CRNS-Messungen, insbesondere in den Teilprojekten (TP) Großfl. CRNS-Netzwerk und Mobiles CRNS, umgesetzt. Die Abschätzung des BFG der Landbedeckung durch hochauflösende Fernerkundungsparameter wird zu einer besseren Korrekturfunktion des CRNS-Signals bei der Berechnung des BFG beitragen. Mit dem Modul wollen wir einen Schritt in Richtung einer großflächigen Übertragung von dem aus CRNS abgeleiteten BFG gehen. Dieses TP wird die Lücke zwischen verschiedenen räumlichen und zeitlichen Skalen bei der Ableitung des BFG schließen. Für die Berechnung von Wasserquellen werden Vegetations- und oberflächennahe BFG-Daten für die TPs Großfl. CRNS-Netzwerk, Mobiles CRNS, Hydrogeodäsie und Vegetation zur Verfügung gestellt. CRNS-Messungen aus gemeinsamen Feldkampagnen werden zur Validierung von den aus Fernerkundungsdaten abgeleiteten Bodenfeuchteprodukten verwendet. Die TPs Hydrogeodäsie, Großfl. CRNS-Netzwerk und Mobiles CRNS werden die aus der Fernerkundung abgeleiteten räumlich hochaufgelösten Bodenfeuchtemuster nutzen, um die intergierten CRNS und GNSS-R Beobachtungen besser zu verstehen. Die TPs Hydrol. Modellierung und Grundwasserneubildung planen die Implementierung der abgeleiteten BFG-Karten in ihre Modelle.
Types:
SupportProgram
Tags:
Grundwasserneubildung
?
Messgerät
?
Synergistische Wirkung
?
Vegetation
?
Lidar
?
Sensor
?
Satellit
?
Fernerkundungsdaten
?
Flächennutzung
?
Hydrochemie
?
Limnologie
?
Siedlungswasserwirtschaft
?
Bodenfeuchte
?
Wasserquelle
?
Modellierung
?
Landbedeckung
?
Geodaten
?
Unterirdische Biomasse
?
Biomasse
?
Fernerkundung
?
Hydrologie
?
Hydrogeologie
?
Modul
?
Auflösungsvermögen
?
Global Navigation Satellite System
?
Integrierte Wasser-Ressourcen Bewirtschaftung
?
Kalibrierung
?
Neutronen
?
Validierung
?
Region:
Berlin
Berlin
Bounding box: 13.08821° .. 13.761161° x 52.338245° .. 52.67551°
License: Creative Commons Namensnennung-keine Bearbeitung-Nichtkommerziell 4.0
Language: Deutsch
Organisations
-
Deutsche Forschungsgemeinschaft (Finanzielle Förderung)
-
Technische Universität Berlin, Institut für Landschaftsarchitektur und Umweltplanung (ILaUP) (Projektverantwortung)
-
Umweltbundesamt (Bereitstellung)
Last harvest: 19.11.2026 01:18
Time ranges:
2018-01-01 - 2026-11-19
Alternatives
-
Language: Englisch/English
Title: Linking Cosmic Ray Neutron Sensing (CRNS) with active and passive remotely sensed data
Description: Direct local observations of Soil Moisture Content (SMC) with ground instruments are currently restricted due to the high degree of spatial and temporal variability. Remote sensing has offered a variety of different techniques to retrieve SMC. However, until now Earth Observation is providing data on a daily basis but with a coarse spatial resolution. Nevertheless, many regional applications require products with spatial resolution of approx. 10 to 30 m. The contrast between the point-scale nature of current in-situ soil moisture instrumentation and the ground resolution of satellites used to retrieve soil moisture poses a significant challenge for the calibration and validation of data products from current and upcoming soil moisture satellite missions. Data products from CRNS and especially from CRNS roving will open up the opportunity to overcome this deficit. But upscaling of CRNS data to bridge this discrepancy is challenging as the CRNS measurement is an integrated signal over a footprint with a radius of approx. 200 m. Additionally, the signal is highly susceptible to additional sources of hydrogen such as above- and below-ground biomass. The soil moisture signal needs to be separated from hydrogen pools. Our scientific objective is to understand the process-based relations between the integral spatial recording of SMC derived by CRNS and the surface-based prediction of the SMC with different remote sensing detectors (thermal, hyper-, multispectral, SAR and LiDAR) at much higher spatial detail. For this purpose, vegetation traits (textural, structural, emissive and reflective) will be derived from different active and passive sensors and tested with regard to their suitability for predicting the SMC in singular and synergistic observations. This will be implemented according to the spatial and temporal scales of the CRNS measurements, especially within the research modules Massive Coverage and Roving. The estimation of the moisture content of the land-cover by high-resolution remote sensing parameters will contribute to a better correction function of the CRNS signal to retrieve the SMC. With this module, we want to take a step towards a large-scale transmission of the SMC derived from CRNS. This research module will bridge the gap between different spatial and temporal scales in SMC retrieval. For accounting hydrogen pools, vegetation and surface soil moisture data with full spatial coverage will be provided to MC Massive Coverage, RV Roving, HG Hydrogeodesy, and VG Vegetation. CRNS measurements from planned joint field campaigns and roving campaigns will be used to validate remotely sensed soil moisture products. The RMs HG Hydrogeodesy, MC Massive Coverage and RV Roving will use the remote sensing based spatially high-resolution soil moisture patterns to better understand the integrated CRNS and GNSS-R observations. HM Hydrological Modeling and GW Groundwater Recharge plan to implement the derived SMC maps in hydrologic models.
URL: https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1083760
Resources
Status
Quality score
- Overall: 0.47
-
Findability: 0.48
- Title: 0.60
- Description: 0.30
- Identifier: false
- Keywords: 0.79
- Spatial: BoundingBox (0.50)
- Temporal: DomainOnly
-
Accessibility: 0.67
- Landing page: Specific (1.00)
- Direct access: false
- Publicly accessible: true
-
Interoperability: 0.00
- Open file format: false
- Media type: false
- Machine-readable metadata: false
- Machine-readable data: false
-
Reusability: 0.75
- License: ClearlySpecifiedAndFree (1.00)
- Contact info: false
- Publisher info: true
- Currentness: LastWeek (1.00)
Accessed 1 times.