Projekt

Zurück zur Übersicht

From observations to environmental physics – Radiance based retrieval of vegetation parameters using combined models and MCMC

Gesuchsteller/in Garbari Silvia
Nummer 164458
Förderungsinstrument Marie Heim-Voegtlin Beiträge
Forschungseinrichtung Geographisches Institut Universität Zürich
Hochschule Universität Zürich – ZH
Hauptdisziplin Andere Gebiete der Umweltwissenschaften
Beginn/Ende 01.03.2016 - 28.02.2018
Bewilligter Betrag 201'938.00
Alle Daten anzeigen

Keywords (7)

environmental physics; remote sensing; vegetation; vegetation status; inverse methods; radiative transfer models; Monte Carlo Markov Chain

Lay Summary (Italienisch)

Lead
La vegetazione è una componente fondamentale della biosfera ed ha un ruolo di primo piano nei cicli terrestri del carbonio e dell'acqua. Per predire la risposta dinamica della vegetazione ai mutamenti ambientali è fondamentale acquisire informazioni sul suo stato, cioè sulle sue proprietà biochimiche, strutturali e funzionali.Un'opportunità unica per valutare lo stato della vegetazione con continuità spazio-temporale su larga scala è rappresentata dal telerilevamento, cioè dall'osservazione della superficie terrestre da distanza per mezzo di sensori posti su satelliti o velivoli. Questo progetto propone un metodo innovativo per misurare le variabili che descrivono lo stato della vegetazione attraverso il telerilevamento.
Lay summary

Soggetto e obiettivi
Negli ultimi anni l'elevata qualità dei dati di telerilevamento e l’accuratezza dei modelli fisici che descrivono i processi che avvengono nell'atmosfera e nella biosfera, hanno reso necessario il passaggio da approcci puramente empirici per la determinazione dello stato della vegetazione a metodi più accurati, basati su complessi metodi statistici. Questo tipo di approccio, comune in altri campi di ricerca, non è ancora diffuso nell'ambito del telerilevamento. ll progetto si propone di misurare le proprietà biochimiche, strutturali e funzionali della vegetazione, utilizzando tale approccio. Dopo aver sviluppato l'algoritmo -  basato sull'inversione dei modelli di trasporto radiativo tramite un catena di Markov Monte Carlo - esso verrà testato e ottimizzato usando dati sintetici e reali. I risultati verranno comparati con quelli di metodi precedenti. Infine esso verrà applicato a dati di telerilevamento per ottenere le variabili di interesse.

Contesto socio-scientifico
Il metodo proposto darà un contributo importante all'emergente campo di ricerca della fisica ambientale applicata al telerilevamento. Una volta validato, esso potrà essere esteso anche allo studio di altre sfere terrestri. I risultati ottenuti troveranno numerose applicazioni nello studio delle biodiversità, dei cambiamenti climatici e della sicurezza alimentare.


Direktlink auf Lay Summary Letzte Aktualisierung: 17.12.2015

Verantw. Gesuchsteller/in und weitere Gesuchstellende

Mitarbeitende

Wissenschaftliche Veranstaltungen

Aktiver Beitrag

Titel Art des Beitrags Titel des Artikels oder Beitrages Datum Ort Beteiligte Personen
Remote Sensing Colloquium, Spring 2017 Einzelvortrag From observations to environmental physics: Radiance based retrieval of vegetation parameters using combined models and MCMC 21.03.2017 University of Zurich, Zurich, Schweiz Garbari Silvia;
REMOTE SENSING OF FLUORESCENCE, PHOTOSYNTHESIS AND VEGETATION STATUS - Flex 2017 Vortrag im Rahmen einer Tagung Combining at-Sensor Radiances, MCMC, and Coupled Radiative Transfer Models to Advance the Retrieval of Biochemical and Functional Vegetation Traits 17.01.2017 ESA-ESRIN, Frascati (Rome), Italien Garbari Silvia;


Abstract

Vegetated ecosystems are an important component of the biosphere and largely impact the terrestrial carbon cycle. The acquisition of information about vegetation status and health, such as the chlorophyll content or the leaf area index, is fundamental to model the dynamic response of vegetation to changing environmental conditions. Remote sensing satellites and airborne instruments provide a unique opportunity to collect spatially continuous data at ecological relevant scales and retrieve vegetation variables over wide areas. Vegetation variables can be directly obtained from remote sensing data using empirical approaches; these are, however, site specific and do not account for cause effect relationships between observations and underlying physics. The high quality of recent remote sensing data and our current understanding of the optical and biochemical processes occurring in the atmosphere and in the biosphere open the way to physically based methods accurately modelling such processes. This allows to move from a purely observational approach to an environmental physics approach.Moving in this direction, I will develop a new method to retrieve vegetation variables from remote sensing data. The proposed approach uses a Monte Carlo Markov Chain (MCMC) to invert coupled physical models including the soil and vegetation radiative transfer model Soil-Leaf-Canopy (SLC) and the atmospheric radiative transfer model (MODTRAN5). I will test and optimise this technique using simulated data and compare the results with previously adopted techniques. Further, I will apply the new technique to real data acquired over relevant ecosystems with ESA’s (European Space Agency) airborne imaging spectrometer APEX (Airborne Prism EXperiment). The results (retrieved vegetation variables) will be eventually used by studies assessing ecosystem biodiversity (in collaboration with Fabian Schneider and Carla Guillien-Escriba, working at RSL and involved in the University Research Priority Programs on Global Change and Biodiversity).
-