Extreme Temperaturen und Wassermangel verursachen Trockenstress an landwirtschaftlichen Kulturen. Weltweit werden die Auswirkungen von Trockenstress auf wichtige Feldfrüchten untersucht und Methoden zur Überwachung und zur Früherkennung von Trockenstress und anderen Stressfaktoren untersucht. Damit soll der gezielte. Einsatz agrotechnischer Maßnahmen wie Fruchtwechsel, Düngung, Bodenbearbeitung und Bewässerungsplanung unterstützt werden, um Ernteeinbußen zu verhindern. Ein weiterer Aspekt sind mögliche Auswirkungen der globalen Erwärmung auf die landwirtschaftliche Produktion, die sich zu einem der Hauptthemen der Forschung auf dem Gebiet das Klimawandels entwickeln. Erdbeobachtung von Satelliten aus ermöglicht die rationelle Überwachung des Zustands landwirtschaftlicher Kulturen über große Flächen. lü jüngster Zeit wurden neue Sensorsysteme entwickelt und in Erdumlauf gebracht, die neue Möglichkeiten auch für das Monitoring von Trockenstress landwirtschaftlicher Kulturen eröffnen. Die wesentlichen Merkreale dieser neuen optischen Sensoren sind hohe spektrale Auflösung (kleine Bandbreiten bis 10 nm herunter, eine große Anzahl von Spektralkanälen - bis zu einigen hundert, was im Prinzip Spektroskopie vom Satelliten aus ermöglicht), hohe räumliche Auflösung (Bildelementgrößen am Boden bis 60 cm herunter), und hohe zeitliche Auflösung -(bis zu täglicher Aufnahmemöglichkeit jedes Punktes der Erdoberfläche). Das Ziel dieses Projekts ist es, unter Ausnützung der neuen Möglichkeiten optischer Fernerkundung und der synergistischen Effekte der unterschiedlich Sensortypen Fernerkundungsmethoden zur Erkennung und zur Überwachung von Trockenstress an landwirtschaftlichen Kulturen zu entwickeln. Dazu werden physikalische Vegetationsmodelle angepasst und verbessert, die den Zusammenhang zwischen der Trockenstressintensität und Reflexionseigenschaften von Pflanzenbeständen quantitativ beschreiben. Methoden zur Analyse von Fernerkundungsbilddaten unter Verwendung dieser Vegetationsmodelle werden entwickelt. Dabei werden sowohl reflektierte als auch emittierte (thermale) Infrarotstrahlung berücksichtigt. Da es keine Sensoren gibt, die gleichzeitig alle drei der oben angeführten Arten der hohen Auflösung (spektral, räumlich und zeitlich) erfüllen, kommt der Kombination von Daten unterschiedlicher Sensoren besondere Bedeutung zu (image information fusion). Die Methodenwerden für ausgewählte Fruchtarten (Weizen und Mais) unter Anbaubedingungen in Österreich und Deutschland entwickelt und getestet.
This raster dataset, in Cloud Optimized GeoTIFF format (COG), provides information on land surface changes at the pan-arctic scale. Multispectral Landsat-5 TM, Landsat-7 ETM+, and Landsat-8 OLI imagery (cloud-cover less than 80%, months July and August) was used for detecting disturbance trends (associated with abrupt permafrost degradation) between 2003 and 2022. For each satellite image we calculated the Tasseled Cap multi-spectral index to translate the spectral reflectance signal to the semantic information Brightness, Greenness, and Wetness. In order to characterize change information, we calculated the linear trend of the Brightness, Greenness and Wetness over two decades on the individual pixel level. The final map product therefore contains information on the direction and magnitude of change for all three Tasseled Cap parameters in 30m spatial resolution across the pan-arctic permafrost domain. Features detected include coastal erosion, lake drainage, infrastructure expansion, and fires. The general processing methodology was developed by Fraser et al. 2014 and adapted and expanded by Nitze et al. 2016 and Nitze et al. 2018. Here we upscaled the processing to the circum-arctic permafrost region and the recent 20-year period from 2003 through 2022. The service covers the permafrost region up to 81° North: Alaska (USA), Canada, Greenland, Iceland, Norway, Sweden, Finland, Russia, Mongolia, and China. For Russia and China, regions not containing permafrost were excluded. The data has been processed in Google EarthEngine within the research projects ERC PETA-CARB, ESA CCI+ Permafrost, NSF Permafrost Discovery Gateway, and EU Arctic PASSION. The dataset is a contribution to the 'Panarctic requirements-driven Permafrost Service' of the Arctic PASSION project (see references). Changes in the Tasseled Cap indices Brightness, Greenness, and Wetness are displayed in the image bands red, green, and blue, respectively. Here, coastal erosion (a trend of a land surface transitioning to a water surface) is depicted in dark blue colors, while coastal accretion (a trend of a water surface transitioning to a land surface) is depicted in bright orange colors. Drained lakes appear in bright yellow or orange colors, depending on the soil conditions and vegetation regrowth. Fire scars are a further common feature, which can appear in different colors, depending on the time of the fire and pre-fire land cover. The data can be explored via the Arctic Landscape EXplorer (ALEX, see references) and is available as a public web map service (WMS, see references), both hosted by Alfred Wegener Institute Helmholtz Centre for Polar and Marine Research.
This raster dataset, in Cloud Optimized GeoTIFF format (COG), provides information on land surface changes at the pan-arctic scale. Multispectral Landsat-5 TM, Landsat-7 ETM+, Landsat-8 OLI, and Landsat-9 OLI-2 imagery (cloud-cover less than 70%, months July and August) was used for detecting disturbance trends (associated with abrupt permafrost degradation) between 2005 and 2024. For each satellite image, we calculated the Tasseled Cap multi-spectral index to translate the spectral reflectance signal to the semantic information Brightness, Greenness, and Wetness. In order to characterize change information, we calculated the linear trend of Brightness, Greenness, and Wetness over two decades at the individual pixel level, based on annually aggregated data. The final map product therefore contains information on the direction and magnitude of change for all three Tasseled Cap parameters at 30 m spatial resolution across the pan-arctic permafrost domain. Features detected include coastal erosion, lake drainage, infrastructure expansion, and fires. The general processing methodology was developed by Fraser et al. (2014) and adapted and expanded by Nitze et al. (2016, 2018). Here, we upscaled the processing to the circum-arctic permafrost region and applied it to the recent 20-year period from 2005 through 2024. The service covers the permafrost region up to 81° North: Alaska (USA), Canada, Greenland, Iceland, Norway, Sweden, Finland, Russia, Mongolia, and China. For Russia and China, regions not containing permafrost were excluded. The data have been processed in Google Earth Engine as part of the research projects ERC PETA-CARB, ESA CCI+ Permafrost, NSF Permafrost Discovery Gateway, and EU Arctic PASSION. The dataset is a contribution to the 'Pan-Arctic Requirements-Driven Permafrost Service' of the Arctic PASSION project (see References). Changes in the Tasseled Cap indices – Brightness, Greenness, and Wetness – are displayed in the image bands red, green, and blue, respectively. Here, coastal erosion (a trend of a land surface transitioning to a water surface) is depicted in dark blue tones, while coastal accretion (a trend of a water surface transitioning to a land surface) is depicted in bright orange colors. Drained lakes are shown in bright yellow or orange colors, depending on the soil conditions and vegetation regrowth. Fire scars are a further common feature, appearing in different colors depending on the time of the fire and the pre-fire land cover. The data can be explored via the Arctic Landscape EXplorer (ALEX; see References) and are available as a public web map service (WMS; see References), both hosted by Alfred Wegener Institute Helmholtz Centre for Polar and Marine Research.
Im Rahmen des Projekts soll aus bodengebundenen Wolkenseitenmessungen der reflektierten Strahlung mittels eines abbildenden Spektrometersystems von tropischer hochreichender Konvektion auf das Vertikalprofil der mikrophysikalischen Eigenschaften der Wolke geschlossen werden. Damit soll die vertikale Entwicklung von hochreichender Konvektion, die eine wesentliche klimarelevante Rolle spielt, unter Berücksichtigung des Einflusses von Aerosolpartikeln und von thermodynamischen Bedingungen auf das Tropfenwachstum charakterisiert werden. Die geplanten Messungen sollen auf einem 320 m hohen Messturm (ATTO: Amazonian Tall Tower Observatory), der kürzlich im brasilianischen Regenwald errichtet wurde, stattfinden. ATTO ist mit Messgeräten ausgestattet, die meteorologische, chemische und Aerosolparameter liefern. Die Messregion bietet ideale Beobachtungsbedingungen mit klar definierten Jahreszeiten (Regen- und Trockenzeit), täglicher Konvektion und variablen Aerosolbedingungen. Aus den Messungen eines neuen abbildenden Spektrometersystems, SPIRAS (SPectral Imaging Radiation System) sollen Vertikalprofile der thermodynamischen Phase und der Partikelgröße mit hoher zeitlicher und räumlicher Auflösung und mit Hilfe von adaptierten Verfahren unter Verwendung von dreidimensionalen Strahlungstransportsimulationen abgeleitet werden. Damit sollen vertikale Bereiche, die das Tropfenwachstum beschreiben (Diffusion, Koaleszenz, Mischphasenbereich und Vereisung), identifiziert werden. Zusätzliche Messungen einer Infrarotkamera und eines scannenden Depolarisations-Lidars werden für die Höhen- und Temperaturbestimmung der beobachteten Wolkenelemente herangezogen. Zusätzlich werden die Polarisationsmessungen des Lidars zur Bestimmung der thermodynamischen Phase verwendet, um den wichtigen Phasenübergang zu identifizieren. Mit Hilfe der gewonnenen Daten werden außerdem Annahmen (Effektivradius als konservative Wolkeneigenschaft) wie sie von Ableitungsverfahren zur Bestimmung von mikrophysikalischen Wolkenprofilen aus Satellitenmessungen gemacht werden, überprüft.
The gross carbon uptake of terrestrial vegetation through photosynthesis is a crucial parameter in climate change research. A global, observation-based characterization of ecosystem gross primary production can only be performed with satellite measurements. However, the traditional description of vegetation from space is based on the so-called spectral vegetation indices, which are not able to provide a reliable indication of photosynthetic efficiency driving carbon assimilation by vegetation. This results in an inherent limitation of existing satellite products to provide an accurate description of ecosystem functioning. By contrast, ongoing developments in instrument design and modelling approaches have very recently made possible the retrieval of vegetation chlorophyll fluorescence from space measurements. A vast number of laboratory and field experiments have demonstrated that fluorescence is a direct proxy to vegetation light use efficiency which can therefore enable a much more accurate description of gross primary production. This project proposes the implementation of a research group with focus on the global monitoring and interpretation of chlorophyll fluorescence from existing and upcoming Earth Observation missions. This task will imply the development of a variety of atmospheric-surface radiative transfer modelling approaches, data processing, retrieval techniques and ecosystem modelling tools, with the ultimate objective of developing a new approach to the observation of carbon assimilation by vegetation from space.