Water mask
Obwohl europäische Wasserflächen vergleichsweise stabil sind, können intra- und inter-annuelle Dynamiken als Konsequenz von Ebbe und Flut, Extremwetter-Ereignissen, Überflutungen und Klimawandel auftreten. In diesem Sinne können lange Zeitreihen der AVHRR Wassermasken auch als Grundlage für detaillierte Analysen zur Dynamik von Wasserflächen, verursacht durch Wetter, Klima und den Menschen, dienen.
Die Ableitung einer Wassermaske ist einer der ersten Schritte der TIMELINE Prozessierung, da viele nachfolgende Prozessoren, welche Variablen der Landoberfläche ableiten, diese als Input benötigen.
Wasserflächen werden mit Hilfe einer dynamischen Grenzwert-Methode aus TOA Reflektanzen der Bänder 1 und 2, Strahlungstemperaturen in Band 4, dem Sonnenstand, der Wolkenmaske und einer globalen Wasserflächen-Referenz-Karte abgeleitet.
Große Wasserflächen, die mit AVHRR detektiert werden, zeigen eine relative starke Schwankung bezüglich ihrer Reflektions-Eigenschaften. So variiert z.B. die mittlere Reflektion im Nahen Infrarot (NIR) einer Szene in Abhängigkeit des Breitengrades, des Längengrades und des Aufnahmewinkels.
Um den vielfältigen Reflexions-Eigenschaften gerecht zu werden, wird eine dynamische Grenzwert-Methode angewendet (Klein et al. 2015). Diese ist durch ein Modul erweitert, welches eine flexible Grenzwert-Klassifikation ermöglicht. Weitere Reflektanz- und Wolkenschatten-Tests, sowie ein dynamischer lokaler Temperatur-Test sind ebenfalls Teil des Wassermasken-Prozessors. Eine vollständige Beschreibung der Methode findet sich in Dietz et al. (2017).
Die Methodik wurde anhand von 57 Landsat Referenzszenen getestet. Wasserflächen wurden dabei mit der FMASK-Software (Zhu et al. 2015) abgeleitet und nochmals im Fall von z.B. Wolkenschatten manuell nachkorrigiert. Ein Vergleich mit den AVHRR Wassermasken ergab eine Gesamt-Genauigkeit von 95%. Auftretende Fehler waren teilweise schlechter Georeferenzierung der AVHRR Daten zuzuordnen. Es wird davon ausgegangen, dass die Genauigkeit nur der Wassermasken – Ableitung noch höher ist. Es ist allerdings anzumerken, dass der TIMELINE Wassermasken-Prozessor Sun Glint Flächen nicht erkennt.
Literatur-Angaben:
Dietz, A; Klein, I; Gessner, U; Frey, C; Künzer, C & Dech, S (2017) Detection of Water Bodies from AVHRR Data — A TIMELINE Thematic Processor. Remote Sensing, 9 (1): 57.
Klein, I.; Dietz, A.; Gessner, U.; Dech, S.; Künzer, C. Results of the GlobalWaterPack: A novel product to assess inland water body dynamics on a daily basis. Remote Sens. Lett. 2015, 6, 78–87.
Zhu, Z; Wang, Shixiong; Woodcock, CE (2015): Improvement and expansion of the Fmask algorithm: cloud, cloud shadow, and snow detection for Landsats 4-7, 8, and Sentinel 2 images. Remote Sensing of Environment 159: 269-277.