Characteristics of Taiga and Tundra Snowpack in Development and Validation of Remote Sensing of Snow

Show simple item record

dc.contributor.author Hannula, Henna-Reetta
dc.date.accessioned 2022-03-28T10:27:44Z
dc.date.available 2022-03-28T10:27:44Z
dc.date.issued 2022-04
dc.identifier.isbn 978-952-336-152-2 (pdf) 978-952-336-153-9 (paperback)
dc.identifier.issn 0782-6117
dc.identifier.issn
dc.identifier.uri http://hdl.handle.net/10138/342089
dc.description.abstract Remote sensing of snow is a method to measure snow cover characteristics without direct physical contact with the target from airborne or space-borne platforms. Reliable estimates of snow cover extent and snow properties are vital for several applications including climate change research and weather and hydrological forecasting. Optical remote sensing methods detect the extent of snow cover based on its high reflectivity compared to other natural surfaces. A universal challenge for snow cover mapping is the high spatiotemporal variability of snow properties and heterogeneous landscapes such as the boreal forest biome. The optical satellite sensor’s footprint may extend from tens of meters to a kilometer; the signal measured by the sensor can simultaneously emerge from several target categories within individual satellite pixels. By use of spectral unmixing or inverse model-based methods, the fractional snow cover (FSC) within the satellite image pixel can be resolved from the recorded electromagnetic signal. However, these algorithms require knowledge of the spectral reflectance properties of the targets present within the satellite scene and the accuracy of snow cover maps is dependent on the feasibility of these spectral model parameters. On the other hand, abrupt changes in land cover types with large differences in their snow properties may be located within a single satellite image pixel and complicate the interpretation of the observations. Ground-based in-situ observations can be used to validate the snow parameters derived by indirect methods, but these data are affected by the chosen sampling. This doctoral thesis analyses laboratory-based spectral reflectance information on several boreal snow types for the purpose of the more accurate reflectance representation of snow in mapping method used for the detection of fractional snow cover. Multi-scale reflectance observations representing boreal spectral endmembers typically used in optical mapping of snow cover, are exploited in the thesis. In addition, to support the interpretation of remote sensing observations in boreal and tundra environments, extensive in-situ dataset of snow depth, snow water equivalent and snow density are exploited to characterize the snow variability and to assess the uncertainty and representativeness of these point-wise snow measurements applied for the validation of remote sensing observations. The overall goal is to advance knowledge about the spectral endmembers present in boreal landscape to improve the accuracy of the FSC estimates derived from the remote sensing observations and support better interpretation and validation of remote sensing observations over these heterogeneous landscapes. The main outcome from the work is that laboratory-controlled experiments that exclude disturbing factors present in field circumstances may provide more accurate representation of wet (melting) snow endmember reflectance for the FSC mapping method. The behavior of snow band reflectance is found to be insensitive to width and location differences between visible satellite sensor bands utilized in optical snow cover mapping which facilitates the use of various sensors for the construction of historical data records. The results also reveal the high deviation of snow reflectance due to heterogeneity in snow macro- and microstructural properties. The quantitative statistics of bulk snow properties show that areal averages derived from in-situ measurements and used to validate remote sensing observations are dependent on the measurement spacing and sample size especially over land covers with high absolute snow depth variability, such as barren lands in tundra. Applying similar sampling protocol (sample spacing and sample size) over boreal and tundra land cover types that represent very different snow characteristics will yield to non-equal representativeness of the areal mean values. The extensive datasets collected for this work demonstrate that observations measured at various scales can provide different view angle to the same challenge but at the same time any dataset individually cannot provide a full understanding of the target complexity. This work and the collected datasets directly facilitate further investigation of uncertainty in fractional snow cover maps retrieved by optical remote sensing and the interpretation of satellite observations in boreal and tundra landscapes. fi
dc.description.abstract Lumen kaukokartoitus on menetelmä, jolla mitataan lumen ominaisuuksia ilmasta tai avaruudesta käsin ilman fyysistä kontaktia kohteeseen. Luotettavat arviot lumipeitteen laajuudesta ja lumen ominaisuuksista ovat elintärkeitä useille menetelmille mukaan lukien ilmastonmuutoksen tutkimus sekä hydrologinen ennustaminen ja sään ennustaminen. Optiset kaukokartoitusmenetelmät havaitsevat lumipeitteen laajuuden lumen korkean heijastavuuden perusteella. Lumen ominaisuuksien korkea ajallinen ja alueellinen vaihtelu sekä heterogeeniset maastotyypit ovat yleinen haaste lumipeitteen laajuuden kaukokartoitukselle. Satelliitin optisen sensorin jalanjälki voi ulottua muutamista kymmenistä metreistä kilometriin; sensorin mittaama signaali voi samanaikaisesti nousta useista eri kohteista saman satelliittipikselin sisällä. Käyttämällä metodeja, joissa pyritään ratkaisemaan erilaisten kohdetyyppien osuus mitatussa signaalissa tai käänteismallintamalla, lumen osuus satelliittipikselin sisällä voidaan ratkaista mitatusta elektromagneettisesta signaalista. Nämä menetelmät kuitenkin vaativat tietoa pikselissä olevien kohteiden – mallimuuttujien – spektraalisista ominaisuuksista. Tuotetun lumipeitekartan tarkkuus on suoraan riippuvainen näille muuttujille asetettujen arvojen käyttökelpoisuudesta. Toisaalta saman satelliittipikselin sisällä lumipeitteen ominaisuuksissa voi olla jyrkkiäkin muutoksia, jotka vaikeuttavat satelliittihavaintojen tulkintaa. Epäsuorilla menetelmillä havaittuja lumen estimaatteja voidaan varmentaa hyödyntämällä maanpinnalla kerättyjä maastohavaintoja, mutta myös nämä aineistot sisältävät epätarkkuutta ja virhettä. Tämä väitöskirja analysoi laboratoriossa useista boreaalisista lumityypeistä kerättyjä spektraalisia mittauksia, joiden tarkoitus on tarjota tarkempia lumen heijastusarvoja hyödynnettäväksi menetelmässä, jota käytetään lumipeitteen laajuuden kartoituksessa. Boreaalisella metsävyöhykkeellä olevia spektraalisia mallimuuttujia, joita tyypillisesti käytetään optisissa lumen kartoitusmenetelmissä, kuvataan väitöstyössä usean eri mittakaavan havainnoilla. Lisäksi mittavaa lumensyvyyden, lumen vesiarvon sekä lumen tiheyden maastomittausaineistoa hyödynnetään kaukokartoitushavaintojen tulkinnan tukemiseksi boreaalisella vyöhykkeellä sekä tundralla. Aineiston avulla kuvataan lumen ominaisuuksien alueellista ja ajallista vaihtelua sekä tutkitaan pistemäisesti kerättyjen maastohavaintojen epätarkkuutta sekä edustavuutta, kun niitä käytetään kaukokartoitushavaintojen validoinnissa. Väitöstyön yleisenä tarkoituksena on edistää tietoutta boreaalisen vyöhykkeen spektraalisista mallimuuttujista, jotta optisella kaukokartoituksella tuotettujen lumipeitehavaintojen tarkkuus paranee ja tukea kaukokartoitushavaintojen parempaa tulkintaa ja validointia epähomogeenisissa satelliittipikseleissä. Väitöstyön pääasiallinen viesti on, että laboratorio-olosuhteissa kerätyillä mittauksilla voidaan tuottaa tarkempia arvoja lumipeitteen kaukokartoitushavaintojen tulkinta-algoritmeille, koska maastomittauksissa läsnä olevia häiritseviä tekijöitä voidaan sulkea pois. Lumipeitteen kaukokartoituksessa hyödynnettävien sensorien hieman toisistaan poikkeavat optiset kaistat eivät näytä merkittävästi vaikuttavan lumen heijastusarvoon. Tämä tukee historiallisten aineistojen rakentamista eri sensoreilla kerätyistä havainnoista. Tulokset myös paljastavat, että lumen heijastusarvoissa on suurta hajontaa, joka liittyy lumen makro- ja mikrostruktruuristen ominaisuuksien vaihteluun. Lisäksi tulokset osoittivat, että maastomittauksista saadut alueelliset lumensyvyyden keskiarvot, joita usein käytetään karkeamman resoluution kaukokartoitushavaintojen validoinnissa, ovat riippuvaisia mittausten välisestä etäisyydestä sekä mittausten lukumäärästä. Näin on erityisesti maanpeiteluokissa, joilla lumensyvyyden vaihtelu on erityisen suurta, kuten paljakat tundralla. Soveltamalla samaa mittausprotokollaa boreaalisiin ja tundran maanpeiteluokkiin, jotka edustavat hyvin erilaisia lumiolosuhteita, saadaan keskenään eriävästi edustavia alueellisia keskiarvoja. Tässä työssä kerätyt laajamittaiset havaintoaineistot osoittavat, että eri mittakaavoilla kerätyt havainnot voivat tarjota eri näkökulman samaan ongelmaan, mutta samaan aikaan yksittäinen havaintoaineisto on riittämätön tarjotakseen täyden ymmärryksen tiettyyn haasteeseen, kuten epähomogeenisen satelliittipikselin tulkintaan. Tämä väitöstyö ja siinä kerätyt aineistot hyödyttävät suoraan tutkimusta, joka koskee lumipeitteen laajuuden optisen kaukokartoituksen epätarkkuuksia sekä satelliittihavaintojen tulkintaa boreaalisella metsävyöhykkeellä sekä tundralla. fi
dc.language.iso en fi
dc.publisher Ilmatieteen laitos - Finnish Meteorological Institute fi
dc.relation.ispartofseries Finnish Meteorological Institute Contributions 180 fi
dc.subject snow cover fi
dc.subject spatial variability fi
dc.subject remote sensing fi
dc.subject optical methods fi
dc.subject lumipeite fi
dc.subject alueellinen vaihtelu fi
dc.subject kaukokartoitus fi
dc.subject optiset menetelmä fi
dc.title Characteristics of Taiga and Tundra Snowpack in Development and Validation of Remote Sensing of Snow fi
dc.type Thesis fi
dc.subject.ysa snow cover fi
dc.subject.ysa remote sensing fi
dc.subject.ysa lumipeite fi
dc.subject.ysa kaukokartoitus fi
dc.relation.doi 10.35614/isbn.9789523361522 fi

Files in this item

Total number of downloads: Loading...

Files Size Format View
Dissertation_Hannula_Henna-Reetta.pdf 23.22Mb PDF View/Open

This item appears in the following Collection(s)

Show simple item record