[FI] Satelliitti-instrumenttien havainnoista seurataan veden sameutta pilvettömiltä alueilta sulan veden aikana Suomen merialueilta ja järviltä.
Sameushavainnoissa näkyy usein luonnollista vaihtelua, kuten jokien rannikkovesiin tuoma maa-aines tai voimakkaiden tuulien aiheuttama resuspensio, joka nostaa sameaa vettä pohjasta pintaan.
Tämä aineisto koostuu NASAn Landsat-8 -satelliitin OLI-instrumentin havainnoista vuodesta 2016 lähtien sekä Landsat-9 -satelliitin OLI-2 -instrumentin havainnoista vuodesta 2022 lähtien. Tulkinta tehdään 60 metrin tarkkuudella. Havaintoja on saatavilla keskimäärin 8 päivän välein satelliitin ylilentoradoista riippuen. Vastaava sameustulkinta tehdään myös EUn Copernicus-ohjelman Sentinel-2 sarjan MSI-instrumentin aineistoista (erillinen metadata).
Sameuden tulkinta perustuu satelliitti-instrumentin havaitsemaan vesialueelta tulevan auringon säteilyn heijastukseen, joka on suurempi sameilla vesialueilla kuin kirkkailla alueilla. Sameuden tulkinta tehdään mallilla, joka perustuu neuroverkkoon (C2RCC, Brockmann et al. 2016; Doerffer et al. 2007; 2008a; 2008b). Malli 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 turbidity of water from cloudless regions during meltwater from Finnish sea areas and lakes.
Turbidity maps often show natural variation, such as soil brought into the coastal waters by rivers or resuspension caused by strong winds, which raises more turbid water from the bottom to the surface.
The turbidity interpretation is based on the reflection of solar radiation from the water area detected by the satellite instrument, which is higher in turbid water areas than the water reflection in bright areas. The data is made with an accuracy of 60 m. 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 turbidity interpretation is done also for the Sentinel-2 series MSI instruments, separate metadata.
The estimation of turbidity is produced with a model based on a neural network (C2RCC, Brockmann et al. 2016; Doerffer, et al. 2007; 2008a; 2008b). The model is openly available through SNAP software. In Syke's data, however, the final result of the model has been adapted to correspond to the optical properties of the Finnish coast and lake areas. The adaptation is based on field campaigns and station sampling (as exemplified e.g. 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.
Doerffer, R. & Schiller, H. (2007). The MERIS Case 2 algorithm. International Journal of Remote Sensing, 28 (3–4), 517–535. doi:10.1080/01431160600821127.
Doerffer, R., & Schiller, H. (2008a). MERIS Regional Coastal and Lake Case 2 Water Project Atmospheric correction ATBD (Algorithm Theoretical Basis Document) 1.0. 41 p.
Doerffer, R. & Schiller, H., (2008b). MERIS Lake Water Project - Lake Water Algorithm for BEAM, ATBD (Algorithm Theoretical Basis Document) 1.0, 17 p.
WMS-palvelin / WMS service endpoint: https://geoserver2.ymparisto.fi/geoserver/eo/wms
WMS-taso / WMS layer: EO_HR_WQ_LC8_TURB