Itämeren vuosittainen leväkooste (Envisat MERIS) 2003–2011 / Yearly algae composites of the Baltic Sea (Envisat MERIS) 2003–2011

[FI] Vuosittainen Itämeren avomerialueen pintaleväkooste koostetaan kesäkauden päivittäisistä pintalevähavainnoista. Pintalevälautoista tehdään neliluokkainen tulkintakartta, joka kuvaa todennäköisyyttä, että tietyllä alueella esiintyy pintalevää. Kartan luokat ovat 1) ei pintalevää, 2) mahdollista, 3) todennäköistä sekä 4) varmaa pintalevää. Kooste kuvaa kunkin pikselin maksimilevätilannetta kesä-elokuun aikana. Koosteet vuosilta 2003–2011 ovat 500 m maastoerotuskyvyllä.

Pintalevähavainnot pohjautuvat a-klorofyllin ja sameuden määrään. A-klorofylli on laskettu Envisat MERIS (Medium Resolution Imaging Spectrometer) instrumentin 3rd Reprocessing -datasta käyttäen neuroverkkolaskentaan perustuvaa FUB-mallia (Freie University of Berlin) (Shcroeder et al., 2007). Sameuden tulkinta tehdään mallilla, joka perustuu C2R-neuroverkkoon (Case-2 Regional), (Brockmann et ai. 2016; Doerffer et ai. 2007; 2008a; 2008b).

Aineiston käyttötarkoitus: Itämeren vedenlaadun seuranta.

Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0).

[EN] The annual Baltic Sea offshore algae compilation is compiled from daily surface algae observations during the summer season. Surface algae blooms are made into a four-class interpretation map that describes the probability of the occurrence of surface algae in each area. Algae classes are: 1) no, 2) potential, 3) likely and 4) evident surface algae. Composites describes maximum algal situation for each pixel during June-August. The composites from years 2003–2011 are with a terrain resolution of 500m.

Surface algal observations are based on the amount of chlorophyll-a and turbidity. Chlorophyll-a has been calculated from the 3rd Reprocessing data of the Envisat MERIS (Medium Resolution Imaging Spectrometer) instrument using the FUB model based on neural network computation (Freie University of Berlin) (Shcroeder et al., 2007). The turbidity estimation is done with a model based on a C2R neural network (Case-2 Regional), (Brockmann et al. 2016; Doerffer, et al. 2007; 2008a; 2008b).

Purpose of use: Monitoring of water quality in the Baltic Sea.

Viitteet / References

Anttila, S., Fleming-Lehtinen, V., Attila, J., Junttila S., Alasalmi, H., Hällfors, H., Kervinen, M., Koponen, S., (2018). A novel cyanobacterial surface accumulation indicator for the Baltic Sea. A novel earth observation based ecological indicator for cyanobacterial blooms. International Journal of Applied Earth Observation and Geoinformation 64:145-155. DOI: 10.1016/j.jag.2017.09.007. Available online (Oct/2017): http://www.sciencedirect.com/science/article/pii/S0303243417301964

Schroeder, T., Schaale, M., & Fischer, J. (2007). Retrieval of atmospheric and oceanic properties from MERIS measurements: A new Case-2 water processor for BEAM. International Journal of Remote Sensing, 28(24), 5627–5632.

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. pdf

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_MERIS_ALGAE_v1_season_composite_[YEAR]