Kaukokartoitus meriympäristön tarkkailussa

SEAmBOTH-hanke on juuri päättynyt ja nyt on aika katsoa taaksepäin ja tarkastella, mitä olemme saavuttaneet kaukokartoituksen (Earth Observation EO) saralla. Aiemmassa blogissa kerrottiin englanniksi kaukokartoituksen perusperiaatteet. Tässä blogissa keskitytään keskeisiin tuloksiin ja johtopäätöksiin.

Kaukokartoitus auttaa vahvasti mallinnuksessa Perämerellä

SEAmBOTH-projektissa haluttiin kartoittaa alueellisia ja ajallisia vedenlaadun muuttujia Perämeren alueella. Tätä ajatellen kaukokartoitus on ylivoimainen työkalu. Projektissa selvisi hyvin, että elinympäristöjä mallinnettaessa alueellisesti ja ajallisesti kattavat havainnot vedenlaadusta ovat hyvin käyttökelpoisia. Projektin tulosten mukaan kuukausittaiset yhteenvedot turbiditeetista (periaatteessa veden sameus) toimivat mallinnuksessa paremmin verrattuna esimerkiksi päiväkohtaisiin, joskus pilvisen ajan satelliittikuviin verrattuna. Tällä menetelmällä päivittäinen data saadaan keskiarvoistettua ja yksittäiset datan laatua laskevat poikkeukset kuten esimerkiksi pilvisen päivän kuvat voidaan poistaa. Esimerkki tästä löytyy kuvasta 1. Keltaisella ja punaisella värjäytyneet alueet ovat niitä, joissa jatkuvasti esiintyy enemmän turbiditeettia kuin muualla. Näitä alueita ovat esimerkiksi jokisuistot ja ruoppaukset, jotka nostavat sedimenttiä pohjasta ja sekoittavat vettä.

Jos haluat tietää enemmän ekologisesta mallinnuksesta ja sen tuloksista, lue englanniksi aiheesta blogi.

Kuva 1. Turbiditeettikooste kesältä 2017 (1.7-7.9) kuten se on visualisoitu TARKKA-karttapalvelussa. Huomaa korkean turbiditeetin arvot (mitattuna FNU-yksiköinä) jokisuistoissa (kertoo joen tuomasta sedimentistä ja partikkeleista) ja ruoppausalueilla (kertoo pohjasta pöllyävästä aineksesta).

Miten voimme tietää, että satelliittien tuottama data on luotettavaa?

Vastaus on varmennus. Varmennus eli validointi on prosessi, jossa kaukokartoitustuotteiden arvoja verrataan in situ -arvoihin eli luonnossa näyteasemilta kerättyihin arvoihin. Esimerkki tästä löytyy kuvasta 2. Nämä kahdenlaiset turbiditeettihavainnot vastaavat toisiaan hyvin. Kyseisellä näyteasemalla käydään veneellä noin kymmenen kertaa vuodessa. Kaukokartoitushavaintoja kertyy huomattavasti enemmän saman ajanjakson aikana. Elokuussa 2018 kaukokartoitusdatassa nähdään kohonneita arvoja. Nämä havainnot johtuvat todennäköisesti tuulen aiheuttamasta aallokosta, joka on nostanut pohjasta sedimenttejä vesipatsaaseen (resuspensio). Vaikutus on voimakkain matalassa vedessä, mutta partikkeleita ja sedimenttiä saattaa kulkeutua pitkiäkin matkoja virtausten mukana. Näyteasemalta ei otettu näytteitä juuri tämän tapahtuman aikana, joten näytedatasta puuttuu täysin tieto tästä ylimääräisestä sedimenttilastista vesipatsaassa tällä ajanjaksolla. Tapahtuma näkyy turbiditeettikartassa kuvassa 3 (vasen kuva). Vertailun vuoksi oikeassa kuvassa näkyy tilanne ilman ”pöllyä” eli resuspensiota.

Kuva 2. Turbiditeetin aikajatkumo Hailuodon intensiivinäyteasemalla mitatuista näytteistä (MS) ja Sentinel2-satelliitin kuvista havaittuna (EO), käyttäen SYKEn kehittämää algoritmia (C2RCC-prosessori ja kalibrointi, jotka perustuvat näyteasemilta kerättyihin näytteisiin).

Kuva 3. Turbiditeettikartta Perämerestä S2-datasta (satelliittidatasta) arvioituna 19.8.2018 (vasen kuva) ja 10.7.2018 (oikea kuva) (linkeistä pääsee TARKKA-karttapalvelun kuviin). Hailuodon asema (josta kuvan 2 näytteet on otettu) on merkitty kolmiolla ja numerolla 30372. Vasemmassa kuvassa näkyy kovan tuulen aiheuttama turbiditeettitilanne, oikeassa kuvassa näkyy tavallinen tilanne, josta korostuvat mm jokivesien tuomat samentumat.

Korkealaatuisten näytehavaintojen merkitys

In situ -näytteenotosta saatujen tulosten luotettavuus on välttämätöntä kaukokartoitusmenetelmien validoinniksi eli varmentamiseksi ja menetelmien kehittämiseksi. Siksi on erityisen tärkeää, että näytteet otetaan saman menetelmäohjeistuksen mukaisesti joka puolella Perämerta. SEAmBOTH-hankkeen aikana kerätyt maastonäytteet ovat olleet tärkeä resurssi algoritmien testaamisessa ja kehittämisessä. Tumman ja humuspitoisen veden vedenlaadun algoritmeja kehitettäessä täytyy kuitenkin käyttää hyvin pitkiä aikasarjoja ja tarpeeksi suurta määrää näytteitä. Tulevaisuutta ajatellen suosittelemme, että tumman veden näytteenottoa jatketaan intensiivisesti ja näytteenotossa seurataan SEAmBOTH-hankkeessa määriteltyä optista protokollaa.

Mitä opimme?

Turbiditeetti ja CDOM (chromophoric dissolved organic matter, värjäytyneet liuenneet orgaaniset ainekset) pystytään hyvin arvioimaan kaukokartoitusmenetelmillä Perämerellä. Rannikkoalueilla korkean resoluution mittauslaitteilla saadut tulokset ovat erityisen arvokkaita, kun taas ulkomerialueet voidaan helpommin kattaa keskiresoluutioisilla mittauslaitteilla, jotka tuottavat havaintoja usein. Sentinel-3 OLCI -satelliitin tuottama kaukokartoitusdata vertautui hyvin monien näyteasemien klorofylli a -arvoihin (käytetään kuvaamaan levän määrää vedessä). Yksi esimerkki tästä nähdään kuvassa 4. Kyseinen näyteasema oli käytössä SEAmBOTH-hankkeessa. 

On kuitenkin vielä monia alueita, joilla kaukokartoitusmenetelmiä täytyy vielä parantaa. Näitä ovat erityisesti korkean humuksen eli hyvin tumman veden alueet. Odotamme mielenkiinnolla, kuinka nykyinen kaukokartoitusalgoritmien kehitys selvittää nämä ongelmat.

Kuva 4. Klorofylli a aikajanalla RÅNEÅ 2R -näyteasemalta havaittuna: MS (punaiset pisteet) kuvaavat maastonäytteitä, EO (siniset pisteet) kaukokartoitusdataa. Näytteet ja kaukokartoituksen OLCI-datan parasta mallia käyttävät (C2RCC) havainnot ovat kesältä 2018.

SEAmBOTH-hankkeessa panostettiin paljon vesinäytteiden ottoon liittyvien ongelmien ratkaisemiseen ja mahdollisimman laadukkaiden vesinäytteiden keräykseen. Työ käsitti mm. optisten protokollien kirjoittamista ja näytteenottoryhmien koulutusta. Tämä toimii hyvänä pohjana tulevaisuuden korkealaatuisen maastotyön jatkumiselle Perämerellä ja oli kahden maan suuri yhteinen ponnistus.

Kaukokartoitustyöryhmästä

Tämä työ perustui kolmen partnerin väliseen yhteistyöhön:

-Suomen ympäristökeskus (SYKE) oli vastuussa Sentinel-2 -datan kehittämisestä ja prosessoinnista ja julkaisee tuloksensa TARKKA-sivustolla. Kaukokartoitusasioissa voit ottaa yhteyttä eotuki.syke@ymparisto.fi -osoitteeseen

-Brockmann Geomatics Sweden AB (BG) oli vastuussa Sentinel-3 -datan kehittämisestä ja prosessoinnista

-Tukholman yliopisto (SU) oli vastuussa in situ -näytteiden menetelmäohjeistuksen tuottamisesta ja mittausten tekemisestä hankealueella. Tukholman yliopisto myös mittasi Itämeren eri heijastus- ja muita ominaisuuksia, joita käytettiin SYKEssä kehittämään Itämeren kaukokartoitusmalleja.

Yhteistyö salli jokaisen hankepartnerin keskittyä omien vahvuuksiensa piirissä oleviin asioihin, mutta oppia samalla muilta tietoa ja kokemuksia jakamalla.

Kirjoittajat:

·        - Sampsa Koponen, Jenni Attila, Kari Kallio, Hanna Alasalmi, Mikko Kervinen, Vesa Keto, Eeva Bruun, Sakari Väkevä, Finnish Environment Institute (SYKE)

·       -  Petra Philipson, Brockmann Geomatics Sweden AB (BG)

·        - Susanne Kratzer, Department of Ecology, Environment and Plant Sciences, Stockholm University

Kääntänyt Essi Keskinen. Kaikki käännöksessä mahdollisesti tapahtuneet virheet ovat omiani, ja siksi alkuperäisen blogin löytää englanniksi täältä.

Lisäluettavaa

·      You can find more information about EO in here: www.syke.fi/EOstorymap.

·      SU have recently published a popular science article in Swedish on how to use Sentinel-3 data to derive inorganic matter in the coastal zone from scatter. The data from SEAmBOTH was included in the algorithm development for this article: Kratzer, S. Havet från rymden - satelliter berättar, Havsutsikt, Om Havsmiljö och Svensk havsforskning, 2/2019, s. 9-11.

·       A recent PhD thesis from SU gives more insight on how to use remote sensing for research and management: ‘Baltic Sea from Space - The use of ocean color data to improve our understanding of ecological drivers across the Baltic Sea basin - algorithm development, validation and ecological applications’. The thesis can be downloaded here:

http://www.diva-portal.org/smash/get/diva2:1341999/FULLTEXT01.pdf