Remote sensing of snow: Factors influencing seasonal snow mapping in boreal forest region

Show full item record

Permalink

http://urn.fi/URN:ISBN:978-952-336-037-2
Title: Remote sensing of snow: Factors influencing seasonal snow mapping in boreal forest region
Author: Salminen, Miia
Contributor: University of Helsinki, Faculty of Science, Department of Geosciences and Geography
Thesis level: Doctoral dissertation (article-based)
Abstract: Monitoring of snow cover in northern hemisphere is highly important for climate research and for operational activities, such as those related to hydrology and weather forecasting. The appearance and melting of seasonal snow cover dominate the hydrological and climatic patterns in the boreal and arctic regions. Spatial variability (in particular during the spring and autumn transition months) and long-term trends in global snow cover distribution are strongly interconnected to changes in Earth System (ES). Satellite data based estimates on snow cover extent are utilized e.g. in near-real-time hydrological forecasting, water resource management and to construct long-term Climate Data Records (CDRs) essential for climate research. Information on the quantitative reliability of snow cover monitoring is urgently needed by these different applications as the usefulness of satellite data based results is strongly dependent on the quality of the interpretation. This doctoral dissertation investigates the factors affecting the reliability of snow cover monitoring using optical satellite data and focuses on boreal regions (zone characterized by seasonal snow cover). Based on the analysis of different factors relevant to snow mapping performance, the work introduces a methodology to assess the uncertainty of snow cover extent estimates, focusing on the retrieval of fractional snow cover (within a pixel) during the spring melt period. The results demonstrate that optical remote sensing is well suited for determining snow extent in the melting season and that the characterizing the uncertainty in snow estimates facilitates the improvement of the snow mapping algorithms. The overall message is that using a versatile accuracy analysis it is possible to develop uncertainty estimates for the optical remote sensing of snow cover, which is a considerable advance in remote sensing. The results of this work can also be utilized in the development of other interpretation algorithms. This thesis consists of five articles predominantly dealing with quantitative data analysis, while the summary chapter synthesizes the results mainly in the algorithm accuracy point of view. The first four articles determine the reflectance characteristics essential for the forward and inverse modeling of boreal landscapes (forward model describes the observations as a function of the investigated variable). The effects of snow, snow-free ground and boreal forest canopy on the observed satellite scene reflectance are specified. The effects of all the error components are clarified in the fifth article and a novel experimental method to analyze and quantify the amount of uncertainty is presented. The five articles employ different remote sensing and ground truth data sets measured and/or analyzed for this research, covering the region of Finland and also applied to boreal forest region in northern Europe.Lumipeitteen monitorointi pohjoisella pallonpuoliskolla on tärkeää sekä ilmastotutkimuksen että hydrologiaan ja sääennusteisiin liittyvien operatiivisten sovellutusten kannalta. Kausittaisen lumipeitteen tulo ja sulaminen dominoivat hydrologisia ja ilmastollisia malleja boreaalisilla ja arktisilla alueilla. Alueellinen vaihtelu (erityisesti lumenpeittoalan muutokset keväällä ja syksyllä) sekä pitkän aikavälin trendit globaalin lumipeitteen esiintyvyydessä ovat vahvasti kytköksissä koko maapallon luonnonjärjestelmän kattaviin muutoksiin. Satelliittiaineistoihin perustuvia estimaatteja lumipeitteen laajuudesta hyödynnetään mm. hydrologisissa ennusteissa, vesivarojen hallinnoinnissa ja rakennettaessa pitkän aikavälin aikasarjoja ilmastomuuttujista (Climate Data Record, CDR) ilmastotutkimuksen tarpeisiin. Kvantitatiivisia arvioita lumikartoituksen luotettavuudesta tarvitaan näihin eri käyttötarkoitusiin, sillä satelliittiaineistoihin perustuvien (lumenpeittoala)estimaattien käyttökelpoisuus on paljolti riippuvainen satelliittikuvatulkinnan laadusta. Väitöskirjatyössä selvitetään optisiin satelliittiaineistoihin perustuvan lumikartoituksen luotettavuuteen vaikuttavia tekijöitä erityisesti boreaalisilla alueilla (joissa on tyypillisesti kausittainen lumipeite). Työssä esitellään metodologia saatujen lumiestimaattien epätarkkuuden arviointia varten. Menetelmä on kehitetty analysoimalla lumenpeittoalan havainnointiin vaikuttavia tekijöitä keskittyen erityisesti kevään sulamiskaudella satelliittipikselin sisältämän lumenpeittoalaosuuden (Fractional Snow Cover, FSC) arviointiin. Työn tulokset osoittavat, että optinen kaukokartoitus soveltuu hyvin lumenpeittoalan arviointiin sulamiskaudella ja lumiestimaattien epätarkkuuden ja luotettavuuden kuvaaminen helpottaa lumialgoritmien kehittämistä. Työn keskeinen sanoma on, että käyttämällä monipuolista tarkkuusanalyysiä, on mahdollista kehittää luotettavuusarvioita optisen alueen lumipeitteen kaukokartoituksessa, mikä on huomattava edistysaskel tällä tieteenalalla. Tuloksia voidaan hyödyntää myös muun tyyppisten lumentulkinta-algoritmien kehittämisessä. Tämä väitöskirjatyö koostuu viidestä lähinnä kvantitatiivista data analyysiä käsittelevästä artikkelista kun taas yhteenvetokappale syntetisoi tuloksia pääosin lumialgoritmin tarkkuusnäkökulmasta. Ensimmäiset neljä artikkelia määrittelevät boreaalisen maaston heijastuskertoimen eli reflektanssin tunnusmerkit, jotka ovat olennaisia suoran ja käänteismallinnuksen kannalta (suora malli kuvaa havainnot tutkittavan suureen funktiona). Näissä artikkeleissa määritellään lumen, lumettoman maan ja boreaalisen metsän latvuston vaikutukset satelliitista havaittuun heijastuskertoimeen. Viidennessä artikkelissa selvitetään eri virhelähteiden vaikutukset ja esitetään uusi kokeelliseen aineistoon perustuva analyysimenetelmä saatujen lumiestimaaattien virheen suuruuden määrittämiseksi. Viidessä artikkelissa hyödynnetään eri kaukokartoitus- ja maastomittausaineistoja, jotka on mitattu ja/tai analysoitu tätä tutkimusta varten kattaen Suomen, mutta osin myös boreaalisen metsäalueen pohjoisessa Euroopassa.
URI: URN:ISBN:978-952-336-037-2
http://hdl.handle.net/10138/227981
Date: 2017-11-10
Subject:
Rights: This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.


Files in this item

Total number of downloads: Loading...

Files Size Format View
remotese.pdf 5.057Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record