[FI] Satelliitti-instrumenttien havainnoista seurataan veden humuksen määrää pilvettömiltä alueilta sulan veden aikana Suomen merialueilta ja järviltä.
Humus kuvaa liuenneen orgaanisen aineen määrää vedessä. Se on siis hajonnutta tai osittain hajonnutta eloperäistä ainetta, joka sisältää hiiltä. Satelliittihavainnoista tulkitun humuksen määrä on aineistona menetelmäkehitysvaiheessa ja rajapinnalla oleva aineisto kattaa esimerkkihavaintoja. Tulkinta tehdään 60 metrin tarkkuudella. Tämä aineisto koostuu NASAn Landsat-8 -satelliitin OLI-instrumentin havainnoista vuodesta 2016 lähtien sekä Landsat-9 -satelliitin OLI-2 -instrumentin havainnoista vuodesta 2022 lähtien. Vastava humustulkinta tehdään myös EUn Copernicus-ohjelman Sentinel-2 sarjan MSI-instrumenttien aineistoista (erillinen metadata).
Aineiston laskentaan käytetään C2RCC-prosessoria (Case-2 Regional CoastColour), (Brockmann et al. 2016). Prosessori on avoimesti saatavilla SNAP-ohjelmiston kautta. Syke:n aineistoissa mallin lopputulos on kuitenkin sovitettu vastaamaan Suomen rannikko- ja järvialueiden optisia ominaisuuksia. Sovitus perustuu kenttäkampanjoihin ja ympäristöhallinnon asemanäytteenottoon rannikolla ja järvillä (perusperiaate kuvattu Attila et al., 2013).
Käyttötarkoitus: Itämeren ja Suomen järvien vedenlaadun seuranta.
Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0).
[EN] Satellite observations are used to monitor CDOM of water from cloudless regions during meltwater from Finnish sea areas and lakes.
CDOM describes the amount of dissolved organic matter in water. It is thus a decomposed or partially decomposed organic substance containing carbon. The amount of humus interpreted from the satellite observations is as material in the method development phase and the material at the interface covers the sample data. The interpretation is made with an accuracy of 60 meters. The interpretation is based on observations from the OLI instrument of the NASA Landsat-8 starting from year 2016 and OLI-2 instrument of the NASA Landsat-9 satellite starting from year 2022.
Corresponding CDOM interpretation is done also for the Sentinel-2 series MSI instruments, separate metadata.
The C2RCC model is used to calculate the data (C2RCC, Brockmann et al. 2016). The model is openly available through SNAP software. However, in Syke's data, the final result of the model has been adapted to correspond to the optical properties of Finland's coastal and lake areas. The adaptation is based on field campaigns and environmental management status sampling on the coast and lakes (basic principle described in Attila et al., 2013).
Viitteet / References
Attila, J., Koponen, S., Kallio, K., Lindfors, A., Kaitala, S., & Ylöstalo, P. (2013). MERIS Case II water processor comparison on coastal sites of the northern Baltic Sea, Remote Sensing of Environment, 128, 138–149.
Brockmann, C & Doerffer, R. (2016). Evolution of the C2RCC neural network for Sentinel 2 and 3 for the retrieval of ocean colour products in normal and extreme optically complex waters. Proc. Living Planet Symposium, ESA SP-470.
WMS-palvelin/ WMS service endpoint: https://geoserver2.ymparisto.fi/geoserver/eo/wms
WMS-taso/ WMS layer: EO_HR_WQ_LC8_CDOM
[FI] Kaukokartoitusseurantojen tuloksena syntynyt humustulkinta. Vuodesta 2016 eteenpäin koostuva esimerkkiaineisto Suomen merialueilta ja järviltä.
Prosessointihistoria: Humus on tulkittu Landsat-8 OLI-satelliitti-instrumentin aineistoilta ja vuodesta 2022 alkaen myös Landsat-9 OLI-2 -satelliitti-instrumentin aineistoilta. Alkuperäinen satelliittidata on ladattu USGS/NASA latauspalveluista. Sykessä niistä on laskettu humustulkinnat käyttäen C2RCC-mallia (Case-2 Regional CoastColour).
[EN] Satellite observations are used to monitor CDOM. Example data from years 2016- for the Finnish sea areas and lakes.
Processing history: The Landsat-8 OLI data have been received from USGS/NASA service. The Landsat-9 OLI-2 is used 2022 onwards. The dataset has been processed to CDOM values in Syke using the C2RCC algorithm (Case-2 Regional CoastColour), which includes atmospheric correction.