Jahresbericht 2008 – 2009 DeMarine Umwelt - Brockmann Consult
Jahresbericht 2008 – 2009 DeMarine Umwelt - Brockmann Consult
Jahresbericht 2008 – 2009 DeMarine Umwelt - Brockmann Consult
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Vorwort<br />
Der Klimawandel ist in aller Munde. Um ihn quantifizieren zu können, um seine Auswirkungen<br />
auf die <strong>Umwelt</strong> erfassen, bewerten und letztendlich daraus Handlungsoptionen<br />
ableiten zu können, bedarf es dauerhafter Messungen, Modellrechnungen und Analysen. Die<br />
daraus resultierenden Daten und Ergebnisse müssen Wissenschaft, Wirtschaft, Politik und<br />
Öffentlichkeit mittels geeigneter Dienste zeitnah zur Verfügung stehen. Das ist eine Aufgabe,<br />
die besonders für die deutschen Küstenmeere mit einem erheblichen Aufwand verbunden ist.<br />
Das Verbundprojekt <strong>DeMarine</strong>-<strong>Umwelt</strong> wird auch zur Bewältigung dieser Aufgabe einen<br />
wesentlichen Beitrag leisten. <strong>DeMarine</strong>-<strong>Umwelt</strong> — oder im projektinternen Jargon DeMU —<br />
ist seinen Kinderschuhen entwachsen, es liegen erste Ergebnisse vor. Für uns ein geeigneter<br />
Zeitpunkt, das bisher Erreichte im Kontext des Gesamtvorhabens zusammen zu fassen und<br />
zu präsentieren.<br />
Der hier vorliegende Bericht soll in kompakter, verständlicher Form über die Ziele und<br />
Inhalte und den aktuellen Stand von <strong>DeMarine</strong>-<strong>Umwelt</strong> informieren und zu Nachfragen und<br />
Diskussionen anregen. Dabei ist nicht nur an die Kommunikation mit projektexternen<br />
Interessenten gedacht, sondern auch an den projektinternen Dialog. Besteht doch in einem<br />
Verbundprojekt immer die latente Gefahr, dass durch die intensive Beschäftigung mit der<br />
eigenen Projektaufgabe der Blick für das Gesamtprojekt etwas in den Hintergrund gedrängt<br />
wird.<br />
Ich danke allen Autoren, die zu diesem Bericht beigetragen haben, meinen Kolleginnen<br />
Susan Niebergall und Sonja Dorendorf vom DeMU-Nutzerbüro für die Koordination und dem<br />
Bereich „Graphische Technik“ des BSH für die drucktechnische Umsetzung des Berichts.<br />
Dr. Bernd Brügge, BSH<br />
Projektleiter
Inhaltsverzeichnis<br />
____________________________________________________________________________________________<br />
iv<br />
3.2 Fernerkundung..............................................................................................22<br />
3.2.1 Ölverschmutzung in Fernerkundungsdaten................................................ 22<br />
3.2.2 Satellitendaten ....................................................................................... 23<br />
3.2.3 Flugzeugdaten........................................................................................ 24<br />
3.3 Driftmodell....................................................................................................26<br />
3.3.1 Das BSH-Modellsystem............................................................................ 26<br />
3.3.2 Informationen zum Starten des Modells.................................................... 27<br />
3.4 Ziele des Teilprojektes „Driftprognose“ ...........................................................27<br />
3.5 Realisierung der Modellkette ..........................................................................27<br />
3.5.1 Level-1 - Modellierung............................................................................. 28<br />
3.3.2 Level-2 - Modellierung............................................................................. 29<br />
3.5.3 Level-2 - Modellierung <strong>–</strong> Ein Fallbeispiel.................................................... 29<br />
3.5.4 Validierung............................................................................................. 30<br />
3.6 Zusammenfassung der Ergebnisse..................................................................32<br />
3.7 Ausblick ........................................................................................................32<br />
3.8 Literatur- und Quellenverzeichnis ...................................................................34<br />
4 Integration optischer und SAR Erdbeobachtungsdaten für das<br />
Wattenmeermonitoring.......................................................................................35<br />
4.1 Motivation.....................................................................................................36<br />
4.2 Untersuchungsgebiete ...................................................................................37<br />
4.3 Datengrundlage ............................................................................................38<br />
4.3.1 Fernerkundungsdaten ............................................................................. 38<br />
4.3.2 Geländeaufnahmen................................................................................. 40<br />
4.4 Methoden .....................................................................................................40<br />
4.4.1 Fernerkundungsverfahren ....................................................................... 40<br />
4.4.1.1 Optische Fernerkundungsverfahren..............................................................40<br />
4.4.1.2 SAR-Fernerkundungsverfahren ....................................................................40<br />
4.4.2 Geländeaufnahmen................................................................................. 41<br />
4.4.3 Biotoptypen-Knowledgebase.................................................................... 41<br />
4.4.4 Potenzialkarten....................................................................................... 42<br />
4.4.4.1 Seegras......................................................................................................42<br />
4.4.4.2 Makroalgen ................................................................................................42<br />
4.4.4.3 Muscheln....................................................................................................42<br />
4.4.4.4 Wasserbedeckung.......................................................................................42<br />
4.5 Ergebnisse ....................................................................................................43<br />
4.5.1 Wattklassifikation mit optischen Daten ..................................................... 43<br />
4.5.2 Datenanalyse SAR Daten......................................................................... 45<br />
4.5.2.1 Vergleich von C- und L-Band .......................................................................45
2 Wasserqualität in Küstengewässern<br />
____________________________________________________________________________________________<br />
2.3 zeigen die Struktur des Systems. Aus Gründen der Flexibilität und Portierbarkeit auf<br />
unterschiedliche Rechnerplattformen wurde entschieden, die Java-basierte Umgebung von<br />
BEAM/Visat als Basis für die Umsetzung zu wählen. Die für den operationellen<br />
(automatisierten) Einsatz notwendige Steuerung soll über Python-Scripte erfolgen.<br />
12<br />
Abbildung 2.2: Struktur des Prozessierungssystems.<br />
Abbildung 2.3: Logische Zuordnung der Prozessoren/Module.
2 Wasserqualität in Küstengewässern<br />
____________________________________________________________________________________________<br />
Abbildung 2.8: MERIS-Überflug vom 24.07.<strong>2008</strong>. Links: ESA-Standard-Atmosphärenkorrektur, rechts:<br />
Atmosphärenkorrektur aus Case2R.<br />
Abbildung 2.9: Chlorophyllkonzentration in der<br />
südlichen Ostsee (Rügen, Oderbucht) mit ESA-<br />
Atmosphärenkorrektur (oben) und Case2R (unten).<br />
Abbildung 2.8 zeigt ein Beispiel für<br />
diese Problematik an Hand eines<br />
MERIS-Überfluges vom 24. Juli <strong>2008</strong>.<br />
Man erkennt im linken Bild, das aus<br />
ESA-Standardprodukten erzeugt<br />
wurde, den großen Anteil<br />
ausmaskierter Pixel (weiß) auf Grund<br />
von Problemen bei der Atmosphärenkorrektur.<br />
Das rechte Bild zeigt das<br />
Ergebnis für ein alternatives Verfahren<br />
aus dem Case2R-Prozessor,<br />
bei dem faktisch der gesamte<br />
Datensatz nutzbar ist. Anmerkung:<br />
die Farbskalen und die Kartenprojektion<br />
zwischen beiden Bildern<br />
sind nicht direkt vergleichbar, da<br />
dieser Teil der Verarbeitungskette<br />
noch nicht fertig implementiert ist.<br />
Abbildung 2.9 zeigt den Vergleich der<br />
Ergebnisse der Anwendung des<br />
Ostsee-Verfahrens mit Hauptkomponenteninversion,<br />
zum Einen mit ESA-<br />
Standarddaten, zum Anderen mit den<br />
nach Case2R atmosphärenkorrigierten<br />
Daten. Die bessere Qualität der<br />
neuen Prozessierung ist evident.<br />
17
2 Wasserqualität in Küstengewässern<br />
____________________________________________________________________________________________<br />
Abbildung 2.11 a: Chlorophyllkonzentration aus<br />
MERIS-Szene vom 21.04.<strong>2008</strong>.<br />
Abbildung 2.11 b: Aus der MERIS-Szene vom<br />
21.04.<strong>2008</strong> extrahierte Pixel, die als „Novelty“<br />
klassifiziert wurden.<br />
2.3.5 Validierung<br />
Zur Validierung und Verbesserung der Auswerteverfahren wurden im Mai <strong>2008</strong> und im März<br />
<strong>2009</strong> Messkampagnen in der Nordsee mit dem Forschungsschiff Heincke durchgeführt. Die<br />
Daten sind weitgehend ausgewertet und sollen jetzt zur Validierung herangezogen werden.<br />
In <strong>2009</strong> sind insgesamt vier Messfahrten mit dem Forschungsschiff Heincke vorgesehen<br />
(März, Mai, August und September).<br />
Im März <strong>2009</strong> wurde erstmalig auch ein vertikal "undulierendes" Schleppsystem eingesetzt<br />
(Scanfish), mit dem kontinuierlich ozeanographische und chemische Parameter, wie<br />
Salinität, Temperatur, Chlorophyll-Fluoreszenz, Transmission und Rückstreuung, gemessen<br />
werden. Zwischen den Vertikalschnitten wurden Stationsmessungen durchgeführt. Die<br />
Stationsarbeit begann mit Tiefenprofilen mit Hilfe eines Kranzwasserschöpfers zur Messung<br />
von Salinität, Druck, Temperatur, Lichteinstrahlung, Lichtabsorption (PSICAM), Lichtstreuung<br />
und Chlorophyllfluoreszenz. Dabei wurden Wasserproben aus bis zu vier Tiefen genommen,<br />
die an Bord bearbeitet wurden und zur Messung von Algenpigmenten, Schwebstoff,<br />
Gelbstoff, Nährstoffen, Particulate Organic Carbon (POC) und Dissolved Organic Carbon<br />
(DOC) sowie zur Messung der optischen Absorptionseigenschaften dienen.<br />
Zusätzlich wurden weitere kontinuierliche Messungen durchgeführt. Zum einen mittels<br />
Durchflusssonden zur Bestimmung der Lichtabsorption im Wasser, der Algenpigmente,<br />
Gelbstoffgehalte etc. Hierzu kommt ein Ferry-Box-System der GKSS zum Einsatz, das<br />
zusätzliche Parameter misst, wie Nährstoffe, Sauerstoffgehalt, Trübung und CO 2<br />
Partialdruck. Des Weiteren wurden Radiometersysteme in Bugnähe des Schiffs befestigt und<br />
damit Reflektionsspektren der Wasseroberfläche gemessen.<br />
Für die Validierung in der Ostsee werden die Daten aus dem Monitoring-Netzwerk des<br />
Landesamtes für <strong>Umwelt</strong>, Naturschutz und Geologie (LUNG) des Landes Mecklenburg-<br />
Vorpommern sowie Messungen aus dem Alg@line-System, das auf Ostseefähren betrieben<br />
19
3 Öldriftvorhersage<br />
C. Kübert, B. Baschek (BfG)<br />
F. Janssen, S. Dick (BSH)<br />
………………………………………………
3 Öldriftvorhersage<br />
____________________________________________________________________________________________<br />
Kernkomponente des Systems der deutschen Ölüberwachung sind zwei Fairchild/Dornier Do<br />
228 Flugzeuge, die mit unterschiedlichen Sensoren ausgestattet sind (vgl. Abb. 3.3).<br />
Abbildung 3.3: Eines der beiden deutschen Ölüberwachungsflugzeuge mit seinen Fern- und<br />
Nahbereichssensoren (verändert nach BMVBW (jetzt BMVBS) 1998).<br />
Dazu gehören Fernbereichssensoren wie das Seitensichtradar (Side-Looking Airborne RADAR,<br />
SLAR), das die Entdeckung möglicher Verschmutzungen bis zu 30km zu beiden Seiten<br />
entlang der Flugrichtung ermöglicht. Nahbereichssensoren mit einer Reichweite von bis zu<br />
250m in beide Richtungen wie Infrarot-/Ultraviolett-Zeilenscanner (IR/UV), Mikrowellenradiometer<br />
(MWR), Laserfluorosensor (LFS) sowie Photo- und Video-Kameras erlauben eine<br />
qualitative und quantitative Bestimmung der Verschmutzung (vgl. Tabelle 3.2, TUFTE ET AL.<br />
2005).<br />
Tabelle 3.2: Eigenschaften der Flugzeugsensoren (verändert nach TUFTE ET AL. 2005)<br />
SLAR IR UV MWR LFS Satellit<br />
Streifenbreite ± 35km ± 250m ± 250m ± 250m ± 75m 300 / 400km<br />
Klassifizierung des Öltyps nein nein nein nein ja nein<br />
Ableitung der Schichtdicke nein nein nein ja ja nein<br />
räumliche Auflösung + +++ +++ ++ ++ ---<br />
Nachteinsatz ja ja nein ja ja ja<br />
Nutzungseinschränkungen<br />
nein<br />
Wolken<br />
Wolken,<br />
Tageszeit<br />
nein<br />
Wolken,<br />
Flughöhe<br />
technische<br />
Probleme<br />
Im Fall einer größeren Meeresverschmutzung wird der Vorhersagedienst des BSH per Telefon<br />
oder Fax informiert. Dort werden dann entsprechende Drift- oder Ausbreitungssimulationen<br />
25
3 Öldriftvorhersage<br />
____________________________________________________________________________________________<br />
herangezogen werden können. Die Modellkette besteht aus den drei Teilen Fernerkundung,<br />
Modell und Visualisierung und sie kann derzeit auf zwei verschiedene Arten (Level-1 und<br />
Level-2) an der BfG gestartet werden.<br />
3.5.1 Level-1 - Modellierung<br />
Die aus Fernerkundungsdaten gewonnenen Informationen, welche in Form des Oil Service<br />
Reports zusammengestellt sind, können automatisch extrahiert und in einer fleckspezifischen<br />
Basisdatei abgespeichert werden. Dies geschieht mit einer in der Interactive Data Language<br />
(IDL) programmierten Schnittstelle. Datum, Uhrzeit und Fleckenschwerpunkt können direkt<br />
übernommenen werden, für einige Größen wie Öltyp und Ölmenge müssen Annahmen<br />
getroffen werden. Die Angabe des Ölalters ist nicht möglich (Level-1, vgl. Abb. 3.4). Am<br />
Ende des Schnittstellenprogramms wird eine Basisdatei ausgegeben, die alle Informationen<br />
zum Starten des Modells bereitstellt.<br />
28<br />
Fernerkundung<br />
Oil Service Report<br />
Datum<br />
Uhrzeit<br />
Fleckschwerpunkt<br />
Annahmen<br />
Öltyp<br />
Ölmenge<br />
Basisdatei<br />
Basisdatei<br />
Modell Visualisierung<br />
zufällige Verteilung<br />
der 1000 Teilchen um<br />
Fleckschwerpunkt<br />
Driftrechnung<br />
Position des<br />
Flecks<br />
in RADAR-Daten<br />
Driftweg des<br />
Fleckschwerpunkt<br />
Verteilung der<br />
1000<br />
Teilchen im<br />
Abbildung 3.4: Integration von Fernerkundungsdaten in das Driftmodell des BSH auf Level-1. Im<br />
Modell wird die Angabe des Fleckenschwerpunkts zur Generierung einer zufälligen Verteilung<br />
herangezogen. Die Visualisierung erfolgt halbautomatisch in ArcGIS.<br />
Im Modell-Teil der Prozessierungskette werden 1.000 Teilchen, die den Ölfleck darstellen,<br />
zufällig um den Fleckenschwerpunkt verteilt. In 15-Minuten-Intervallen wird dann die Verdriftung<br />
jedes Teilchens und des Fleckenschwerpunkts simuliert. Das Endergebnis der<br />
Modellierung besteht aus zwei Dateien: In der ersten wird die Position des Fleckenschwerpunkts<br />
dargestellt, woraus sich der Driftweg ableiten lässt. In einer zweiten Datei werden die<br />
Koordinaten aller 1.000 Teilchen abgespeichert. So können die Drift und das Spreading der<br />
gesamten Öllache dargestellt werden.<br />
Zur Visualisierung wird derzeit das Programm ArcGIS herangezogen. Die Fernerkundungsdaten<br />
und die Modellergebnisse werden automatisiert so aufbereitet, dass sie in dem<br />
Programm dargestellt werden können.
3 Öldriftvorhersage<br />
____________________________________________________________________________________________<br />
Dieses Bildpaar kann neben der Bestätigung eines vermuteten Ölflecks auch zur Validierung<br />
des Driftmodells herangezogen werden. Im Rahmen einer internationalen, fernerkundungsbasierten<br />
Überwachungskampagne (Super CEPCO: Coordinated Extended Pollution Control<br />
Operation, <strong>2008</strong>) entwickelte das Validierungsbüro für die Ölerkennungsdienste des<br />
MarCoast-Projektes an der BfG erste Ansätze zu dem hier beschriebenen Verfahren. Diese<br />
werden nun im Projekt <strong>DeMarine</strong>-<strong>Umwelt</strong> weiter verfolgt.<br />
Nach Benachrichtigung der Ölüberwachungsinstitutionen durch den Satellitenservice wurde<br />
die in Abbildung 3.6 gezeigte mögliche Verschmutzung zum Zeitpunkt t1 (1,25 Stunden nach<br />
Satellitenüberflug) vom Flugzeug aus mit Hilfe des Radars beobachtet und konnte mit Hilfe<br />
der weiteren Sensorik an Bord als Ölverschmutzung bestätigt werden. Diese wurde im Laufe<br />
des Fluges ein zweites Mal zu der Zeit t2 gesichtet (vgl. Abb. 3.7).<br />
Zunächst werden die erwartete Position des Fleckenschwerpunkts, d.h. der Mittelpunkt der<br />
Teilchenwolke, zum Zeitpunkt der ersten Flugzeugsichtung auf dem Driftweg (schwarzer<br />
Stern) und die tatsächliche Position des Flecks in den Flugzeugdaten zum Zeitpunkt t1 (rotes<br />
Vieleck) visualisiert (vgl. Abb. 3.7 oben).<br />
Abbildung 3.7: Validierung der simulierten Drift mit Flugzeugdaten und weiterer Modelllauf. Oben:<br />
Visualisierung der vorhergesagten Position des Fleckenzentrums (schwarzer Stern) und der<br />
tatsächlichen Lage der Flugzeugsichtung (rotes Vieleck). Mitte: Driftrechnung auf Grundlage der<br />
Flugzeugsichtung und vorhergesagten Position des Fleckenzentrums (oranger Stern) zu einem<br />
weiteren Zeitpunkt. Unten: Validierung des zweiten Modelllaufs mit einer weiteren Beobachtung<br />
(dunkelrotes Vieleck).<br />
31
3 Öldriftvorhersage<br />
____________________________________________________________________________________________<br />
Parametrisierung<br />
Öltyp, Ölalter,<br />
Ölmenge<br />
Fallsammlung<br />
historische Daten<br />
2007, <strong>2008</strong>, …<br />
Sensitivität<br />
Analysedatenbank<br />
Modellierung<br />
halbautomatisiert<br />
@BfG<br />
Modellierung<br />
automatisiert<br />
@ BfG und BSH<br />
Modellierung<br />
automatisiert<br />
@ BSH und STW<br />
Validierung<br />
Abbildung 3.8: Weitere Aufgaben im Teilprojekt. Mit Hilfe der Fallsammlung historischer Datenpaare<br />
können Annahmen parametrisiert und ihre Sensitivität durch das Anlegen einer Analysedatenbank<br />
überprüft werden. Die Modellierung erfolgt noch halbautomatisch, wird im Projektverlauf zunehmend<br />
automatisiert und schließlich in den SeaTrackWeb-Dienst integriert werden.<br />
Stehen die bestmöglichen Parametrisierungen fest, kann zu weitergehend automatisierten<br />
Modellketten übergegangen werden. Dies beinhaltet die Weiterentwicklung der Softwaretools<br />
sowie die Implementierung einer entsprechenden Softwareinfrastruktur. Auch die Darstellung<br />
der Ergebnisse soll vom halbautomatischen ArcGIS hin zu automatischen IDL-Visualisierungen<br />
weiterentwickelt werden. Die Ergebnisse der Driftrechnung in Form von Karten<br />
werden plattformunabhängig in üblichen Bildformaten gespeichert. Da das Modell zukünftig<br />
am BSH betrieben werden wird, werden die an der BfG entwickelten Erweiterungen auch<br />
dort implementiert werden. Die Satellitendaten sollen also automatisiert zum Starten eines<br />
Driftmodells herangezogen werden können, wobei dieser Erstlauf als erste, vorläufige<br />
Prognose zu verstehen ist, die von eingewiesenem Fachpersonal überprüft und gegebenenfalls<br />
mit geänderten Parametern wiederholt werden muss.<br />
In einem späteren Schritt wird das BSH auf die bestehende, regionale, webbasierte Öldriftvorhersageplattform<br />
SeaTrackWeb (STW) umsteigen. Bei SeaTrackWeb handelt es sich um<br />
das offizielle HELCOM-Driftvorhersagesystem, das vom Schwedischen Meteorologischen und<br />
Hydrologischen Institut (SMHI) und der Dänischen Maritimen Sicherheitsagentur (DaMSA)<br />
ausgehend vom BSH-Modell für die Ostsee entwickelt wurde. Es dient als Plattform für die<br />
Ölvorhersagemodelle der einzelnen Anrainerstaaten. Mit STW können Modellsimulationen<br />
und die Visualisierung über das Internet durchgeführt werden. Auch die in <strong>DeMarine</strong>-<strong>Umwelt</strong><br />
entwickelten Ergänzungen des Driftprognosemodells sollen in diesem Web-Dienst nutzbar<br />
gemacht werden. Hierdurch liefern die Ergebnisse des Teilprojektes „Driftprognose“ nicht nur<br />
einen Beitrag für deutsche GMES-Dienste, sondern sollen auch auf regionalem bzw.<br />
europäischem Maßstab etabliert werden.<br />
33
4 Wattenmeermonitoring<br />
____________________________________________________________________________________________<br />
Rein- und Mischbestände von Miesmuscheln und Austern charakteristische Wattbiotoptypen.<br />
Bei den Mikroalgen werden die Diatomeen aufgeführt.<br />
Aus den Parametern der Geländeprotokolle lassen sich charakteristische Wertebereiche oder<br />
Kombinationen aus Parametern ermitteln, die Biotoptypen voneinander unterscheiden. Mit<br />
den Indizes aus den optischen Daten lassen sich die thematischen Gruppen durch charakteristische<br />
Wertebereiche voneinander unterscheiden.<br />
Die Knowledgebase liefert wichtige ergänzende Informationen für das synergistische<br />
Klassifikationsverfahren durch Unterscheidungsparameter zwischen den Watt-Biotoptypen,<br />
die in der Fernerkundung allein nicht erfasst werden. Ziel ist es, die Parameter aus der<br />
Knowledgebase in das Integrationsverfahren zu überführen.<br />
4.5.4.2 Ergänzender Informationsgewinn aus Optik & Radar<br />
Oberflächen, die in der einen Datenquelle nicht unterscheidbar sind, z. B. hohe Rückstreuung<br />
bei ausgeprägten Rippeln und Muschelbänken aufgrund ihrer jeweiligen hohen Oberflächenrauigkeit,<br />
können aufgrund der spektralen Information unterschieden werden. Die höhere<br />
räumliche Auflösung, insbesondere bei TerraSAR-X-Bildern (© DLR, Infoterra) ermöglicht<br />
eine genauere Erfassung einzelner Oberflächentypen und kann so zusammen mit dem<br />
spektralen Signal der optischen Daten eine eindeutigere Oberflächentypisierung erlauben.<br />
Seegras und Makroalgen sind in optischen Daten aufgrund ihrer ähnlichen spektralen<br />
Reflektionseigenschaften in den zur Verfügung stehenden Satellitendaten kaum zu unterscheiden.<br />
Als Unterscheidungskriterium wird daher die Seegraspotenzialkarte hinzugezogen,<br />
die Auskunft über die Wahrscheinlichkeit eines Seegrasvorkommens gibt und somit genauere<br />
Eingrenzungen ermöglicht.<br />
Abbildung 4.12: Kombination von Farbinformation aus den optischen Daten und<br />
Rauigkeitsinformationen aus den SAR Daten (hier: SPOT-2 (© SPOT Image) und TerraSAR-X (© DLR,<br />
Infoterra), Ausschnitt einer Muschelbank auf der Lütetsburger Plate, Niedersachsen).<br />
50
5 Entwicklung und<br />
Implementierung eines Verfahrens<br />
zur Datenassimilation von<br />
Fernerkundungsdaten in ein<br />
operationelles Modell für die Nord-<br />
und Ostsee (DOM)<br />
L. Nerger, J. Schröter, S. Losa (AWI)<br />
F. Janssen (BSH)<br />
………………………………………………
5 Datenassimilation<br />
____________________________________________________________________________________________<br />
5.1 Motivation<br />
Die Beschreibung und Vorhersage der marinen <strong>Umwelt</strong> von Nord- und Ostsee ist eine der<br />
zentralen Aufgaben des BSH. Insbesondere in der Vorhersage nehmen dabei numerische<br />
Modelle eine wichtige Position ein. Die Vorhersagemodelle des BSH wurden über einen<br />
Zeitraum von mehr als 10 Jahren fortentwickelt und stellen heute eine unverzichtbare<br />
Informationsquelle dar. Die Genauigkeit der Berechnungen konnte über die Jahre erheblich<br />
gesteigert werden. Die Modelle haben dabei eine hohe Komplexität in der Beschreibung der<br />
physikalischen Prozesse erreicht und auch der numerische Apparat ist weit entwickelt. Eine<br />
weitere Verbesserung der Genauigkeit ist daher mit einem erheblichen Aufwand, sowohl<br />
bezüglich der zu investierenden Arbeitszeit als auch in Bezug auf die Kapazität der<br />
Rechenanlagen, verbunden.<br />
Eine weitere Möglichkeit zur Verbesserung der Vorhersagegenauigkeit — die direkte<br />
Verknüpfung von Beobachtungen mit den Modellsimulationen im Sinne der Datenassimilation<br />
— wurde bislang am BSH nicht genutzt. Dieses Teilprojekt dient nun genau dazu, diese<br />
Lücke zu schließen und Datenassimilationsverfahren im BSH zu etablieren. Es besteht dabei<br />
die Erwartung, sowohl den Fehler der Modellanalysen als auch der Vorhersagen erheblich zu<br />
reduzieren und somit eine Verbesserung der modellbasierten Produkte des BSH zu erlangen.<br />
Zum Aufbau des Assimilationsverfahrens wurde vorerst die Meeresoberflächentemperatur als<br />
die in ihrem Vorhersagefehler zu verbessernde Größe gewählt. Die zu implementierenden<br />
Verfahren sollen aber die Assimilation eines breiten Spektrums von Beobachtungsdaten bis<br />
hin zu ökologischen Größen zulassen.<br />
5.2 Methodik<br />
5.2.1 Operationelle Ozeanvorhersage<br />
Das BSH betreibt seit vielen Jahren ein operationelles numerisches Modellsystem (DICK 1997,<br />
DICK ET AL. 2001, HUBER 1993), mit dem Vorhersagen für Wasserstände, Strömungen,<br />
Salzgehalt, Temperatur sowie die Ausbreitung von Stoffen in der Nord- und Ostsee<br />
berechnet werden können. Ein Hauptbestandteil des Modellsystems ist ein numerisches<br />
Zirkulationsmodell der Nord- und Ostsee (siehe Abb. 5.1, rot, 5km Gitter) mit hoher<br />
räumlicher Auflösung im Bereich der Deutschen Bucht und westlichen Ostsee (Abb. 5.1,<br />
grün, 900m Gitter). Das Modell läuft im täglichen Routinebetrieb (siehe Abb. 5.2), basierend<br />
auf meteorologischen Daten und Seegangsvorhersagen des Deutschen Wetterdienstes<br />
(DWD). Es dient u.a. der Unterstützung des Wasserstandsvorhersage- und Sturmflutwarndienstes<br />
des BSH und liefert Basisdaten für den Betrieb der Operationellen Ausbreitungsmodelle.<br />
5.2.2 Fernerkundungsdaten der Meeresoberflächentemperatur<br />
Fernerkundungsdaten der Meeresoberflächentemperatur (SST) werden mit unterschiedlicher<br />
räumlicher Auflösung und mit unterschiedlicher Aktualität von einer Vielzahl von Daten-<br />
Providern bereitgestellt. Die für den operationellen Vorhersagebetrieb des BSH notwendige<br />
Aktualität (near-real-time), Ausfallsicherheit und Datenverfügbarkeit grenzen das Spektrum<br />
allerdings erheblich ein. Für das Projekt finden vorrangig die vom BSH selbst empfangenen<br />
und prozessierten Daten Verwendung.<br />
54
Autorenverzeichnis<br />
____________________________________________________________________________________________<br />
Bundesamt für Seeschifffahrt und Hydrographie (BSH)<br />
Bernhard-Nocht-Str. 78<br />
20359 Hamburg<br />
Frank Janssen +49 (0)40-3190-3136 frank.janssen@bsh.de<br />
Stephan Dick +49 (0)40-3190-3100 stephan.dick@bsh.de<br />
Susan Niebergall +49 (0)40-3190-3180 susan.niebergall@bsh.de<br />
Sonja Dorendorf +49 (0)40-3190-3181 sonja.dorendorf@bsh.de<br />
Bernd Brügge +49 (0)40-3190-3000 bernd.bruegge@bsh.de<br />
……………………………………<br />
Common Wadden Sea Secretariat (CWSS)<br />
Virchowstr. 1<br />
26382 Wilhelmshaven<br />
Harald Marencic +49 (0)4421-9108-15 marencic@waddensea-secretariat.org<br />
……………………………………<br />
Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR)<br />
Institut für Methodik der Fernerkundung<br />
Rutherfordstr. 2<br />
12489 Berlin<br />
Andreas Neumann +49 (0)30-6705-5640 andreas.neumann@dlr.de<br />
Harald Krawczyk +49 (0)30-6705-5652 harald.krawczyk@dlr.de<br />
Birgit Gerasch +49 (0)30-6705-5647 birgit.gerasch@dlr.de<br />
Stefan Riha +49 (0)30-6705-5615 stefan.riha@dlr.de<br />
……………………………………<br />
GKSS Forschungszentrum<br />
Institut für Küstenforschung<br />
Max-Planck-Str. 1<br />
21502 Geesthacht<br />
Roland Doerffer +49 (0)4152-871580 roland.doerffer@gkss.de<br />
Hajo Krasemann +49 (0)4152-872022 hajo.krasemann@gkss.de<br />
Rüdiger Röttgers +49 (0)4152-871575 ruediger.roettgers@gkss.de<br />
64
Autorenverzeichnis<br />
____________________________________________________________________________________________<br />
Wolfgang Schönfeld +49 (0)4152-871576 wolfgang.schoenfeld@gkss.de<br />
……………………………………<br />
Landesamt für Landwirtschaft, <strong>Umwelt</strong> und ländliche Räume Schleswig-Holstein (LLUR)<br />
Hamburger Chaussee 25<br />
24220 Flintbek<br />
Hans-Christian Reimers +49(0)4347-704-436 hans-christian.reimers@llur.landsh.de<br />
……………………………………<br />
Landesbetrieb für Küstenschutz, Nationalpark und Meeresschutz Schleswig-Holstein<br />
(LKN)<br />
Nationalparkverwaltung<br />
Schlossgarten 1<br />
25832 Tönning<br />
Kai Eskildsen +49 (0)4861-616-44 kai.eskildsen@lkn.landsh.de<br />
Jörn Kohlus +49 (0)4861-616-46 joern.kohlus@lkn.landsh.de<br />
Bärbel Eisenblätter +49 (0)4861-616-50 baerbel.eisenblaetter@lkn.landsh.de<br />
……………………………………<br />
Nationalparkverwaltung Niedersächsisches Wattenmeer (NLPV)<br />
Virchowstr. 1<br />
26382 Wilhelmshaven<br />
Hubert Farke +49(0)4421-911-281 hubert.farke@nlpvwattenmeer.niedersachsen.de<br />
……………………………………<br />
Niedersächsischer Landesbetrieb für Wasserwirtschaft, Küsten- und Naturschutz<br />
(NLWKN)<br />
An der Mühle 5<br />
26548 Norderney<br />
Marc Herlyn +49 (0) 4932-916-161 marc.herlyn@nlwkn-ny.niedersachsen.de<br />
……………………………………<br />
65