─ Das GMES Forschungsprojekt DeMarine-Umwelt ─ Operationalisierung von Fernerkundungsdiensten für die marine Umweltüberwachung in Deutschland ─ Das GMES Forschungsprojekt DeMarine-Umwelt ─ S. Smollich1, S. Dorendorf1, A. Neumann2, B. Baschek3, K. Stelzer4, J. Schröter5 1Bundesamt für Seeschifffahrt und Hydrographie (BSH), 2Bundesanstalt für Gewässerkunde (BfG), 3Deutsches Zentrum für Luft- und Raumfahrt (DLR), 4Brockmann Consult GmbH, 5Alfred-Wegener-Institut für Polar- und Meeresforschung (AWI) Global Monitoring for Environment and Security (GMES) ist eine gemeinsame Initiative der Europäischen Kommission (EU) und der Euro-päischen Weltraumorganisation (ESA) zum Aufbau eines eigenständigen europäischen Beobachtungssystems für die globale Umwelt- und Sicherheitsüberwachung. Durch das nationale Forschungsprojekt DeMarine-Umwelt (DeMU) soll der deutsche Beitrag zu GMES im Bereich marine Umwelt gestärkt und die (Weiter-) Entwicklung von verlässlichen Diensten in Deutschland unterstützt werden. Die Interessen und Anforderungen der deutschen Nutzer stehen dabei im Vordergrund und sollen möglichst in optimaler Weise erfüllt werden. Die Untersuchungen in DeMU fokussieren sich hierbei auf die folgenden Arbeitsbereiche: Wasserqualität in Küstengewässern, Ölverschmutzung und Driftvorhersage sowie Wattenmeermonitoring. Ein weiterer Schwerpunkt wird im Projekt auf die Verbesserung eines numerischen Vorhersagemodells mittels Datenassimilation gelegt. Alle Dienste werden prä-operationell zur Verfügung gestellt.1 Wasserqualität in Küstengewässern2 Öldriftprognose3 Projektziele: Entwicklung von (neuen) Produkten und Diensten im Küstenbereich für behördliche Aufgaben zur Überwachung der Wasserqualität Projektziele: Verbesserung und Erweiterung bestehender Methoden der deutschen Ölüberwachung durch Kombination von Fernerkundungsdaten und Driftmodellierung Zur Überwachung der Nord- und Ostsee auf Ölverschmutzungen werden in Deutschland seit langem sowohl flugzeug- als auch satellitengestützte FE-Daten eingesetzt. Im Ernstfall simulieren operationelle Vorhersagemodelle des BSH die räumliche Entwicklung von Ölflecken. Beide Verfahren sollen zu einem kombinierten System verknüpft werden, in dem Fernerkundungsdaten automatisiert in das Driftmodell integriert werden.  Entwicklung eines operationellen Prozessierungs-systems für MERIS-FR Daten  Regionalisierung der MarCoast-Dienste  Entwicklung von Indikatoren entsprechend den Anforderungen der EU-WRRL und der MSRL Es werden auf täglicher Basis Karten der wichtigsten fernerkundbaren Wasserinhaltsstoffe für Nord- und Ostsee bereit gestellt (Chlorophyll, Schwebstoff, gelöste organische Substanzen). Zur Detektion und Über-wachung kritischer Algenblüten werden zusätzlich spezielle Produkte generiert (Index der Blütenintensität, Position, Ausbreitung). Durch die Einbeziehung verbesserter Korrekturver-fahren wird die Datenqualität und Verfügbarkeit v.a. im unmittelbaren Küstenbereich deutlich verbessert. ©ESA 2002 MERIS-FR C2R Produkt: Schwebstoffkonzentration in der Deutschen Bucht (05. August 2009). Deutsches Ölüberwachungsflugzeug DO228 mit Sensorsystem. Beispiel eines Ölflecks in einem Radarbild (ASAR WSM, 17. November 2002) — Havarie des Frachters Prestige . Komponenten des BSH-Modellsystems (grün) mit Erweiterung durch Geoinformationen (blau). Eine wichtige Komponente ist die möglichst automatisierte Prozessierung von Geoinformationen über Ölflecken, die aus Daten verschiedener FE-Systeme stammen. Dazu wurden an der BfG Software-Tools entwickelt, die die Geoinformationen automatisiert extrahieren und aufbereiten, so dass sie dem Drift-modell als Eingangsparameter zur Verfügung stehen. Modell-Operateure können nun auch Nahe-Echt-zeit-Satellitendaten zum Starten des Modells verwenden ─ v.a. die Verteilung einer Ölverschmutzung wird berücksichtigt. Zudem werden Abläufe automatisiert und dadurch effizienter. A B C Beispiel für die MERIS Case-2-Regional Vorprozessierung: Verbesserte Korrektur des Sonnenglitters, Wolkendetektion und Atmosphärenkorrektur (links: MERIS FR-Rohdaten, rechts: korrigierte Bilddaten). Driftmodellierung eines Ölflecks unter Verwendung eines Shapefiles: A – Verteilung von 1.000 Teilchen über das Shapefile, B – Driftweg und Fleckenschwerpunkt zu vollen Stunden (Einfluss von Ebbe und Flut ist erkennbar), C – Verteilung der Teilchenwolke zu bestimmten Zeitpunkten (Lage- und Formänderung des Ölflecks wird deutlich). Wattenmeermonitoring4 Datenassimilation5 Projektziele: Optimierung des Wattenmeermonitorings Erweiterung bestehender Auswertungsverfahren und Entwicklung eines synergistischen Klassifikationssystems basierend auf optischen und SAR-Fernerkundungsdaten, In-situ Beobachtungen und Hintergrundinformationen Projektziele: Entwicklung und Implementierung eines Verfahrens zur Assimilation von Fernerkundungs-daten in das numerische Vorhersagemodell des BSH für Nord- und Ostsee Gesteigerte Produktqualität für Meeresoberflächentemperatur (SST) und Eisbedeckung Das BSH betreibt ein opera-tionelles Strömungsmodell, das täglich Analysen und Vorhersagen über den hydro-graphischen Zustand (Wasserstand, Strömung, Salzgehalt und Temperatur) der Nord- und Ostsee liefert. Eine direkte Koppelung zwischen Beobachtungen und Modellsimulationen mittels Datenassimilation stellt eine viel versprechende Möglich-keit zur Verbesserung der Modellvorhersagen dar. Beide Fernerkundungstechniken ─ Optik und Radar ─ besitzen ein großes Potenzial für die großräumige und synoptische Erfassung des Wattenmeeres. Optische Daten liefern spektrale Informationen über die jeweiligen Oberflächenarten. Sie werden bereits seit mehreren Jahren zur Klassifikation von Sedimenten, Makrophyten und Muscheln im Wattenmeer eingesetzt. Durch die Hinzunahme von Radardaten werden eine Reihe von Mehr-informationen über die Rauhigkeit der Wattoberfläche erwartet. RMS SST-Vorhersage, Oktober 2007 Bias BSHcmod mit Datenassimilation BSHcmod mit Local SEIK-Filter SPOT-4 Falschfarbendarstellung (Bandkombination nIR/ rot/ grün) (links) eines Ausschnitts des schleswig-holsteinischen Wattenmeers vom 27. Juli 2008, abgeleitete Wattklassifikation (rechts) (© SPOT Image 2008). Vergleich von L- und C-Band Aufnahmen im Norderneyer Rückseitenwatt (Rohdaten: ALOS PALSAR © ESA, JAXA und ENVISAT ASAR © ESA). Optimierung der BSHcmod SST-Vorhersage mittels Datenassimilation von NOAA-AVHRR Daten Die Datenassimilation in das operationelle Ozeanvorhersage-modell des BSH erfolgt u.a. mittels sequentieller Datenassi-milation von NOAA-AVHRR SST-Daten. Die besten Resultate wurden hierbei durch die Verwendung des Local SEIK-Filters (Nerger et al. 2006) erzielt. PALSAR L-Band (12. April 2008, 2143 UTC, Wind 7-8 m/s (SSW), NW 2120 UTC) ENVISAT ASAR (13. April 2008, 1001 UTC, Wind 5-6 m/s (SW), NW 0935 UTC) Überlagerung von L- und C-Band (Farbkodierung: PALSAR, ASAR, Differenz1). Fehler des BSHcmod für die SST Kontakt 1demarine@bsh.de 2Andreas.Neumann@dlr.de 3Baschek@bafg.de 4kerstin.stelzer@brockmann-consult.de 5jens.schroeter@awi.de Das Forschungsprojekt wird gefördert vom Bundesministerium für Wirtschaft und Technologie (BMWi) durch die Raumfahrt-Agentur des Deutschen Zentrums für Luft- und Raumfahrt e.V. (DLR).