Jahresbericht 2008 – 2009 DeMarine Umwelt - Brockmann Consult

Vorwort
Der Klimawandel ist in aller Munde. Um ihn quantifizieren zu können, um seine Auswirkungen
auf die Umwelt erfassen, bewerten und letztendlich daraus Handlungsoptionen
ableiten zu können, bedarf es dauerhafter Messungen, Modellrechnungen und Analysen. Die
daraus resultierenden Daten und Ergebnisse müssen Wissenschaft, Wirtschaft, Politik und
Öffentlichkeit mittels geeigneter Dienste zeitnah zur Verfügung stehen. Das ist eine Aufgabe,
die besonders für die deutschen Küstenmeere mit einem erheblichen Aufwand verbunden ist.
Das Verbundprojekt DeMarine-Umwelt wird auch zur Bewältigung dieser Aufgabe einen
wesentlichen Beitrag leisten. DeMarine-Umwelt — oder im projektinternen Jargon DeMU —
ist seinen Kinderschuhen entwachsen, es liegen erste Ergebnisse vor. Für uns ein geeigneter
Zeitpunkt, das bisher Erreichte im Kontext des Gesamtvorhabens zusammen zu fassen und
zu präsentieren.
Der hier vorliegende Bericht soll in kompakter, verständlicher Form über die Ziele und
Inhalte und den aktuellen Stand von DeMarine-Umwelt informieren und zu Nachfragen und
Diskussionen anregen. Dabei ist nicht nur an die Kommunikation mit projektexternen
Interessenten gedacht, sondern auch an den projektinternen Dialog. Besteht doch in einem
Verbundprojekt immer die latente Gefahr, dass durch die intensive Beschäftigung mit der
eigenen Projektaufgabe der Blick für das Gesamtprojekt etwas in den Hintergrund gedrängt
wird.
Ich danke allen Autoren, die zu diesem Bericht beigetragen haben, meinen Kolleginnen
Susan Niebergall und Sonja Dorendorf vom DeMU-Nutzerbüro für die Koordination und dem
Bereich „Graphische Technik“ des BSH für die drucktechnische Umsetzung des Berichts.
Dr. Bernd Brügge, BSH
Projektleiter

Inhaltsverzeichnis
____________________________________________________________________________________________
iv
3.2 Fernerkundung..............................................................................................22
3.2.1 Ölverschmutzung in Fernerkundungsdaten................................................ 22
3.2.2 Satellitendaten ....................................................................................... 23
3.2.3 Flugzeugdaten........................................................................................ 24
3.3 Driftmodell....................................................................................................26
3.3.1 Das BSH-Modellsystem............................................................................ 26
3.3.2 Informationen zum Starten des Modells.................................................... 27
3.4 Ziele des Teilprojektes „Driftprognose“ ...........................................................27
3.5 Realisierung der Modellkette ..........................................................................27
3.5.1 Level-1 - Modellierung............................................................................. 28
3.3.2 Level-2 - Modellierung............................................................................. 29
3.5.3 Level-2 - Modellierung – Ein Fallbeispiel.................................................... 29
3.5.4 Validierung............................................................................................. 30
3.6 Zusammenfassung der Ergebnisse..................................................................32
3.7 Ausblick ........................................................................................................32
3.8 Literatur- und Quellenverzeichnis ...................................................................34
4 Integration optischer und SAR Erdbeobachtungsdaten für das
Wattenmeermonitoring.......................................................................................35
4.1 Motivation.....................................................................................................36
4.2 Untersuchungsgebiete ...................................................................................37
4.3 Datengrundlage ............................................................................................38
4.3.1 Fernerkundungsdaten ............................................................................. 38
4.3.2 Geländeaufnahmen................................................................................. 40
4.4 Methoden .....................................................................................................40
4.4.1 Fernerkundungsverfahren ....................................................................... 40
4.4.1.1 Optische Fernerkundungsverfahren..............................................................40
4.4.1.2 SAR-Fernerkundungsverfahren ....................................................................40
4.4.2 Geländeaufnahmen................................................................................. 41
4.4.3 Biotoptypen-Knowledgebase.................................................................... 41
4.4.4 Potenzialkarten....................................................................................... 42
4.4.4.1 Seegras......................................................................................................42
4.4.4.2 Makroalgen ................................................................................................42
4.4.4.3 Muscheln....................................................................................................42
4.4.4.4 Wasserbedeckung.......................................................................................42
4.5 Ergebnisse ....................................................................................................43
4.5.1 Wattklassifikation mit optischen Daten ..................................................... 43
4.5.2 Datenanalyse SAR Daten......................................................................... 45
4.5.2.1 Vergleich von C- und L-Band .......................................................................45

2 Wasserqualität in Küstengewässern
____________________________________________________________________________________________
2.3 zeigen die Struktur des Systems. Aus Gründen der Flexibilität und Portierbarkeit auf
unterschiedliche Rechnerplattformen wurde entschieden, die Java-basierte Umgebung von
BEAM/Visat als Basis für die Umsetzung zu wählen. Die für den operationellen
(automatisierten) Einsatz notwendige Steuerung soll über Python-Scripte erfolgen.
12
Abbildung 2.2: Struktur des Prozessierungssystems.
Abbildung 2.3: Logische Zuordnung der Prozessoren/Module.

2 Wasserqualität in Küstengewässern
____________________________________________________________________________________________
Abbildung 2.8: MERIS-Überflug vom 24.07.2008. Links: ESA-Standard-Atmosphärenkorrektur, rechts:
Atmosphärenkorrektur aus Case2R.
Abbildung 2.9: Chlorophyllkonzentration in der
südlichen Ostsee (Rügen, Oderbucht) mit ESA-
Atmosphärenkorrektur (oben) und Case2R (unten).
Abbildung 2.8 zeigt ein Beispiel für
diese Problematik an Hand eines
MERIS-Überfluges vom 24. Juli 2008.
Man erkennt im linken Bild, das aus
ESA-Standardprodukten erzeugt
wurde, den großen Anteil
ausmaskierter Pixel (weiß) auf Grund
von Problemen bei der Atmosphärenkorrektur.
Das rechte Bild zeigt das
Ergebnis für ein alternatives Verfahren
aus dem Case2R-Prozessor,
bei dem faktisch der gesamte
Datensatz nutzbar ist. Anmerkung:
die Farbskalen und die Kartenprojektion
zwischen beiden Bildern
sind nicht direkt vergleichbar, da
dieser Teil der Verarbeitungskette
noch nicht fertig implementiert ist.
Abbildung 2.9 zeigt den Vergleich der
Ergebnisse der Anwendung des
Ostsee-Verfahrens mit Hauptkomponenteninversion,
zum Einen mit ESA-
Standarddaten, zum Anderen mit den
nach Case2R atmosphärenkorrigierten
Daten. Die bessere Qualität der
neuen Prozessierung ist evident.
17

2 Wasserqualität in Küstengewässern
____________________________________________________________________________________________
Abbildung 2.11 a: Chlorophyllkonzentration aus
MERIS-Szene vom 21.04.2008.
Abbildung 2.11 b: Aus der MERIS-Szene vom
21.04.2008 extrahierte Pixel, die als „Novelty“
klassifiziert wurden.
2.3.5 Validierung
Zur Validierung und Verbesserung der Auswerteverfahren wurden im Mai 2008 und im März
2009 Messkampagnen in der Nordsee mit dem Forschungsschiff Heincke durchgeführt. Die
Daten sind weitgehend ausgewertet und sollen jetzt zur Validierung herangezogen werden.
In 2009 sind insgesamt vier Messfahrten mit dem Forschungsschiff Heincke vorgesehen
(März, Mai, August und September).
Im März 2009 wurde erstmalig auch ein vertikal "undulierendes" Schleppsystem eingesetzt
(Scanfish), mit dem kontinuierlich ozeanographische und chemische Parameter, wie
Salinität, Temperatur, Chlorophyll-Fluoreszenz, Transmission und Rückstreuung, gemessen
werden. Zwischen den Vertikalschnitten wurden Stationsmessungen durchgeführt. Die
Stationsarbeit begann mit Tiefenprofilen mit Hilfe eines Kranzwasserschöpfers zur Messung
von Salinität, Druck, Temperatur, Lichteinstrahlung, Lichtabsorption (PSICAM), Lichtstreuung
und Chlorophyllfluoreszenz. Dabei wurden Wasserproben aus bis zu vier Tiefen genommen,
die an Bord bearbeitet wurden und zur Messung von Algenpigmenten, Schwebstoff,
Gelbstoff, Nährstoffen, Particulate Organic Carbon (POC) und Dissolved Organic Carbon
(DOC) sowie zur Messung der optischen Absorptionseigenschaften dienen.
Zusätzlich wurden weitere kontinuierliche Messungen durchgeführt. Zum einen mittels
Durchflusssonden zur Bestimmung der Lichtabsorption im Wasser, der Algenpigmente,
Gelbstoffgehalte etc. Hierzu kommt ein Ferry-Box-System der GKSS zum Einsatz, das
zusätzliche Parameter misst, wie Nährstoffe, Sauerstoffgehalt, Trübung und CO 2
Partialdruck. Des Weiteren wurden Radiometersysteme in Bugnähe des Schiffs befestigt und
damit Reflektionsspektren der Wasseroberfläche gemessen.
Für die Validierung in der Ostsee werden die Daten aus dem Monitoring-Netzwerk des
Landesamtes für Umwelt, Naturschutz und Geologie (LUNG) des Landes Mecklenburg-
Vorpommern sowie Messungen aus dem Alg@line-System, das auf Ostseefähren betrieben
19

3 Öldriftvorhersage
C. Kübert, B. Baschek (BfG)
F. Janssen, S. Dick (BSH)
………………………………………………

3 Öldriftvorhersage
____________________________________________________________________________________________
Kernkomponente des Systems der deutschen Ölüberwachung sind zwei Fairchild/Dornier Do
228 Flugzeuge, die mit unterschiedlichen Sensoren ausgestattet sind (vgl. Abb. 3.3).
Abbildung 3.3: Eines der beiden deutschen Ölüberwachungsflugzeuge mit seinen Fern- und
Nahbereichssensoren (verändert nach BMVBW (jetzt BMVBS) 1998).
Dazu gehören Fernbereichssensoren wie das Seitensichtradar (Side-Looking Airborne RADAR,
SLAR), das die Entdeckung möglicher Verschmutzungen bis zu 30km zu beiden Seiten
entlang der Flugrichtung ermöglicht. Nahbereichssensoren mit einer Reichweite von bis zu
250m in beide Richtungen wie Infrarot-/Ultraviolett-Zeilenscanner (IR/UV), Mikrowellenradiometer
(MWR), Laserfluorosensor (LFS) sowie Photo- und Video-Kameras erlauben eine
qualitative und quantitative Bestimmung der Verschmutzung (vgl. Tabelle 3.2, TUFTE ET AL.
2005).
Tabelle 3.2: Eigenschaften der Flugzeugsensoren (verändert nach TUFTE ET AL. 2005)
SLAR IR UV MWR LFS Satellit
Streifenbreite ± 35km ± 250m ± 250m ± 250m ± 75m 300 / 400km
Klassifizierung des Öltyps nein nein nein nein ja nein
Ableitung der Schichtdicke nein nein nein ja ja nein
räumliche Auflösung + +++ +++ ++ ++ ---
Nachteinsatz ja ja nein ja ja ja
Nutzungseinschränkungen
nein
Wolken
Wolken,
Tageszeit
nein
Wolken,
Flughöhe
technische
Probleme
Im Fall einer größeren Meeresverschmutzung wird der Vorhersagedienst des BSH per Telefon
oder Fax informiert. Dort werden dann entsprechende Drift- oder Ausbreitungssimulationen
25

3 Öldriftvorhersage
____________________________________________________________________________________________
herangezogen werden können. Die Modellkette besteht aus den drei Teilen Fernerkundung,
Modell und Visualisierung und sie kann derzeit auf zwei verschiedene Arten (Level-1 und
Level-2) an der BfG gestartet werden.
3.5.1 Level-1 - Modellierung
Die aus Fernerkundungsdaten gewonnenen Informationen, welche in Form des Oil Service
Reports zusammengestellt sind, können automatisch extrahiert und in einer fleckspezifischen
Basisdatei abgespeichert werden. Dies geschieht mit einer in der Interactive Data Language
(IDL) programmierten Schnittstelle. Datum, Uhrzeit und Fleckenschwerpunkt können direkt
übernommenen werden, für einige Größen wie Öltyp und Ölmenge müssen Annahmen
getroffen werden. Die Angabe des Ölalters ist nicht möglich (Level-1, vgl. Abb. 3.4). Am
Ende des Schnittstellenprogramms wird eine Basisdatei ausgegeben, die alle Informationen
zum Starten des Modells bereitstellt.
28
Fernerkundung
Oil Service Report
Datum
Uhrzeit
Fleckschwerpunkt
Annahmen
Öltyp
Ölmenge
Basisdatei
Basisdatei
Modell Visualisierung
zufällige Verteilung
der 1000 Teilchen um
Fleckschwerpunkt
Driftrechnung
Position des
Flecks
in RADAR-Daten
Driftweg des
Fleckschwerpunkt
Verteilung der
1000
Teilchen im
Abbildung 3.4: Integration von Fernerkundungsdaten in das Driftmodell des BSH auf Level-1. Im
Modell wird die Angabe des Fleckenschwerpunkts zur Generierung einer zufälligen Verteilung
herangezogen. Die Visualisierung erfolgt halbautomatisch in ArcGIS.
Im Modell-Teil der Prozessierungskette werden 1.000 Teilchen, die den Ölfleck darstellen,
zufällig um den Fleckenschwerpunkt verteilt. In 15-Minuten-Intervallen wird dann die Verdriftung
jedes Teilchens und des Fleckenschwerpunkts simuliert. Das Endergebnis der
Modellierung besteht aus zwei Dateien: In der ersten wird die Position des Fleckenschwerpunkts
dargestellt, woraus sich der Driftweg ableiten lässt. In einer zweiten Datei werden die
Koordinaten aller 1.000 Teilchen abgespeichert. So können die Drift und das Spreading der
gesamten Öllache dargestellt werden.
Zur Visualisierung wird derzeit das Programm ArcGIS herangezogen. Die Fernerkundungsdaten
und die Modellergebnisse werden automatisiert so aufbereitet, dass sie in dem
Programm dargestellt werden können.

3 Öldriftvorhersage
____________________________________________________________________________________________
Dieses Bildpaar kann neben der Bestätigung eines vermuteten Ölflecks auch zur Validierung
des Driftmodells herangezogen werden. Im Rahmen einer internationalen, fernerkundungsbasierten
Überwachungskampagne (Super CEPCO: Coordinated Extended Pollution Control
Operation, 2008) entwickelte das Validierungsbüro für die Ölerkennungsdienste des
MarCoast-Projektes an der BfG erste Ansätze zu dem hier beschriebenen Verfahren. Diese
werden nun im Projekt DeMarine-Umwelt weiter verfolgt.
Nach Benachrichtigung der Ölüberwachungsinstitutionen durch den Satellitenservice wurde
die in Abbildung 3.6 gezeigte mögliche Verschmutzung zum Zeitpunkt t1 (1,25 Stunden nach
Satellitenüberflug) vom Flugzeug aus mit Hilfe des Radars beobachtet und konnte mit Hilfe
der weiteren Sensorik an Bord als Ölverschmutzung bestätigt werden. Diese wurde im Laufe
des Fluges ein zweites Mal zu der Zeit t2 gesichtet (vgl. Abb. 3.7).
Zunächst werden die erwartete Position des Fleckenschwerpunkts, d.h. der Mittelpunkt der
Teilchenwolke, zum Zeitpunkt der ersten Flugzeugsichtung auf dem Driftweg (schwarzer
Stern) und die tatsächliche Position des Flecks in den Flugzeugdaten zum Zeitpunkt t1 (rotes
Vieleck) visualisiert (vgl. Abb. 3.7 oben).
Abbildung 3.7: Validierung der simulierten Drift mit Flugzeugdaten und weiterer Modelllauf. Oben:
Visualisierung der vorhergesagten Position des Fleckenzentrums (schwarzer Stern) und der
tatsächlichen Lage der Flugzeugsichtung (rotes Vieleck). Mitte: Driftrechnung auf Grundlage der
Flugzeugsichtung und vorhergesagten Position des Fleckenzentrums (oranger Stern) zu einem
weiteren Zeitpunkt. Unten: Validierung des zweiten Modelllaufs mit einer weiteren Beobachtung
(dunkelrotes Vieleck).
31

3 Öldriftvorhersage
____________________________________________________________________________________________
Parametrisierung
Öltyp, Ölalter,
Ölmenge
Fallsammlung
historische Daten
2007, 2008, …
Sensitivität
Analysedatenbank
Modellierung
halbautomatisiert
@BfG
Modellierung
automatisiert
@ BfG und BSH
Modellierung
automatisiert
@ BSH und STW
Validierung
Abbildung 3.8: Weitere Aufgaben im Teilprojekt. Mit Hilfe der Fallsammlung historischer Datenpaare
können Annahmen parametrisiert und ihre Sensitivität durch das Anlegen einer Analysedatenbank
überprüft werden. Die Modellierung erfolgt noch halbautomatisch, wird im Projektverlauf zunehmend
automatisiert und schließlich in den SeaTrackWeb-Dienst integriert werden.
Stehen die bestmöglichen Parametrisierungen fest, kann zu weitergehend automatisierten
Modellketten übergegangen werden. Dies beinhaltet die Weiterentwicklung der Softwaretools
sowie die Implementierung einer entsprechenden Softwareinfrastruktur. Auch die Darstellung
der Ergebnisse soll vom halbautomatischen ArcGIS hin zu automatischen IDL-Visualisierungen
weiterentwickelt werden. Die Ergebnisse der Driftrechnung in Form von Karten
werden plattformunabhängig in üblichen Bildformaten gespeichert. Da das Modell zukünftig
am BSH betrieben werden wird, werden die an der BfG entwickelten Erweiterungen auch
dort implementiert werden. Die Satellitendaten sollen also automatisiert zum Starten eines
Driftmodells herangezogen werden können, wobei dieser Erstlauf als erste, vorläufige
Prognose zu verstehen ist, die von eingewiesenem Fachpersonal überprüft und gegebenenfalls
mit geänderten Parametern wiederholt werden muss.
In einem späteren Schritt wird das BSH auf die bestehende, regionale, webbasierte Öldriftvorhersageplattform
SeaTrackWeb (STW) umsteigen. Bei SeaTrackWeb handelt es sich um
das offizielle HELCOM-Driftvorhersagesystem, das vom Schwedischen Meteorologischen und
Hydrologischen Institut (SMHI) und der Dänischen Maritimen Sicherheitsagentur (DaMSA)
ausgehend vom BSH-Modell für die Ostsee entwickelt wurde. Es dient als Plattform für die
Ölvorhersagemodelle der einzelnen Anrainerstaaten. Mit STW können Modellsimulationen
und die Visualisierung über das Internet durchgeführt werden. Auch die in DeMarine-Umwelt
entwickelten Ergänzungen des Driftprognosemodells sollen in diesem Web-Dienst nutzbar
gemacht werden. Hierdurch liefern die Ergebnisse des Teilprojektes „Driftprognose“ nicht nur
einen Beitrag für deutsche GMES-Dienste, sondern sollen auch auf regionalem bzw.
europäischem Maßstab etabliert werden.
33

4 Wattenmeermonitoring
____________________________________________________________________________________________
Rein- und Mischbestände von Miesmuscheln und Austern charakteristische Wattbiotoptypen.
Bei den Mikroalgen werden die Diatomeen aufgeführt.
Aus den Parametern der Geländeprotokolle lassen sich charakteristische Wertebereiche oder
Kombinationen aus Parametern ermitteln, die Biotoptypen voneinander unterscheiden. Mit
den Indizes aus den optischen Daten lassen sich die thematischen Gruppen durch charakteristische
Wertebereiche voneinander unterscheiden.
Die Knowledgebase liefert wichtige ergänzende Informationen für das synergistische
Klassifikationsverfahren durch Unterscheidungsparameter zwischen den Watt-Biotoptypen,
die in der Fernerkundung allein nicht erfasst werden. Ziel ist es, die Parameter aus der
Knowledgebase in das Integrationsverfahren zu überführen.
4.5.4.2 Ergänzender Informationsgewinn aus Optik & Radar
Oberflächen, die in der einen Datenquelle nicht unterscheidbar sind, z. B. hohe Rückstreuung
bei ausgeprägten Rippeln und Muschelbänken aufgrund ihrer jeweiligen hohen Oberflächenrauigkeit,
können aufgrund der spektralen Information unterschieden werden. Die höhere
räumliche Auflösung, insbesondere bei TerraSAR-X-Bildern (© DLR, Infoterra) ermöglicht
eine genauere Erfassung einzelner Oberflächentypen und kann so zusammen mit dem
spektralen Signal der optischen Daten eine eindeutigere Oberflächentypisierung erlauben.
Seegras und Makroalgen sind in optischen Daten aufgrund ihrer ähnlichen spektralen
Reflektionseigenschaften in den zur Verfügung stehenden Satellitendaten kaum zu unterscheiden.
Als Unterscheidungskriterium wird daher die Seegraspotenzialkarte hinzugezogen,
die Auskunft über die Wahrscheinlichkeit eines Seegrasvorkommens gibt und somit genauere
Eingrenzungen ermöglicht.
Abbildung 4.12: Kombination von Farbinformation aus den optischen Daten und
Rauigkeitsinformationen aus den SAR Daten (hier: SPOT-2 (© SPOT Image) und TerraSAR-X (© DLR,
Infoterra), Ausschnitt einer Muschelbank auf der Lütetsburger Plate, Niedersachsen).
50

5 Entwicklung und
Implementierung eines Verfahrens
zur Datenassimilation von
Fernerkundungsdaten in ein
operationelles Modell für die Nord-
und Ostsee (DOM)
L. Nerger, J. Schröter, S. Losa (AWI)
F. Janssen (BSH)
………………………………………………

5 Datenassimilation
____________________________________________________________________________________________
5.1 Motivation
Die Beschreibung und Vorhersage der marinen Umwelt von Nord- und Ostsee ist eine der
zentralen Aufgaben des BSH. Insbesondere in der Vorhersage nehmen dabei numerische
Modelle eine wichtige Position ein. Die Vorhersagemodelle des BSH wurden über einen
Zeitraum von mehr als 10 Jahren fortentwickelt und stellen heute eine unverzichtbare
Informationsquelle dar. Die Genauigkeit der Berechnungen konnte über die Jahre erheblich
gesteigert werden. Die Modelle haben dabei eine hohe Komplexität in der Beschreibung der
physikalischen Prozesse erreicht und auch der numerische Apparat ist weit entwickelt. Eine
weitere Verbesserung der Genauigkeit ist daher mit einem erheblichen Aufwand, sowohl
bezüglich der zu investierenden Arbeitszeit als auch in Bezug auf die Kapazität der
Rechenanlagen, verbunden.
Eine weitere Möglichkeit zur Verbesserung der Vorhersagegenauigkeit — die direkte
Verknüpfung von Beobachtungen mit den Modellsimulationen im Sinne der Datenassimilation
— wurde bislang am BSH nicht genutzt. Dieses Teilprojekt dient nun genau dazu, diese
Lücke zu schließen und Datenassimilationsverfahren im BSH zu etablieren. Es besteht dabei
die Erwartung, sowohl den Fehler der Modellanalysen als auch der Vorhersagen erheblich zu
reduzieren und somit eine Verbesserung der modellbasierten Produkte des BSH zu erlangen.
Zum Aufbau des Assimilationsverfahrens wurde vorerst die Meeresoberflächentemperatur als
die in ihrem Vorhersagefehler zu verbessernde Größe gewählt. Die zu implementierenden
Verfahren sollen aber die Assimilation eines breiten Spektrums von Beobachtungsdaten bis
hin zu ökologischen Größen zulassen.
5.2 Methodik
5.2.1 Operationelle Ozeanvorhersage
Das BSH betreibt seit vielen Jahren ein operationelles numerisches Modellsystem (DICK 1997,
DICK ET AL. 2001, HUBER 1993), mit dem Vorhersagen für Wasserstände, Strömungen,
Salzgehalt, Temperatur sowie die Ausbreitung von Stoffen in der Nord- und Ostsee
berechnet werden können. Ein Hauptbestandteil des Modellsystems ist ein numerisches
Zirkulationsmodell der Nord- und Ostsee (siehe Abb. 5.1, rot, 5km Gitter) mit hoher
räumlicher Auflösung im Bereich der Deutschen Bucht und westlichen Ostsee (Abb. 5.1,
grün, 900m Gitter). Das Modell läuft im täglichen Routinebetrieb (siehe Abb. 5.2), basierend
auf meteorologischen Daten und Seegangsvorhersagen des Deutschen Wetterdienstes
(DWD). Es dient u.a. der Unterstützung des Wasserstandsvorhersage- und Sturmflutwarndienstes
des BSH und liefert Basisdaten für den Betrieb der Operationellen Ausbreitungsmodelle.
5.2.2 Fernerkundungsdaten der Meeresoberflächentemperatur
Fernerkundungsdaten der Meeresoberflächentemperatur (SST) werden mit unterschiedlicher
räumlicher Auflösung und mit unterschiedlicher Aktualität von einer Vielzahl von Daten-
Providern bereitgestellt. Die für den operationellen Vorhersagebetrieb des BSH notwendige
Aktualität (near-real-time), Ausfallsicherheit und Datenverfügbarkeit grenzen das Spektrum
allerdings erheblich ein. Für das Projekt finden vorrangig die vom BSH selbst empfangenen
und prozessierten Daten Verwendung.
54

Autorenverzeichnis
____________________________________________________________________________________________
Bundesamt für Seeschifffahrt und Hydrographie (BSH)
Bernhard-Nocht-Str. 78
20359 Hamburg
Frank Janssen +49 (0)40-3190-3136 frank.janssen@bsh.de
Stephan Dick +49 (0)40-3190-3100 stephan.dick@bsh.de
Susan Niebergall +49 (0)40-3190-3180 susan.niebergall@bsh.de
Sonja Dorendorf +49 (0)40-3190-3181 sonja.dorendorf@bsh.de
Bernd Brügge +49 (0)40-3190-3000 bernd.bruegge@bsh.de
……………………………………
Common Wadden Sea Secretariat (CWSS)
Virchowstr. 1
26382 Wilhelmshaven
Harald Marencic +49 (0)4421-9108-15 marencic@waddensea-secretariat.org
……………………………………
Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR)
Institut für Methodik der Fernerkundung
Rutherfordstr. 2
12489 Berlin
Andreas Neumann +49 (0)30-6705-5640 andreas.neumann@dlr.de
Harald Krawczyk +49 (0)30-6705-5652 harald.krawczyk@dlr.de
Birgit Gerasch +49 (0)30-6705-5647 birgit.gerasch@dlr.de
Stefan Riha +49 (0)30-6705-5615 stefan.riha@dlr.de
……………………………………
GKSS Forschungszentrum
Institut für Küstenforschung
Max-Planck-Str. 1
21502 Geesthacht
Roland Doerffer +49 (0)4152-871580 roland.doerffer@gkss.de
Hajo Krasemann +49 (0)4152-872022 hajo.krasemann@gkss.de
Rüdiger Röttgers +49 (0)4152-871575 ruediger.roettgers@gkss.de
64

Autorenverzeichnis
____________________________________________________________________________________________
Wolfgang Schönfeld +49 (0)4152-871576 wolfgang.schoenfeld@gkss.de
……………………………………
Landesamt für Landwirtschaft, Umwelt und ländliche Räume Schleswig-Holstein (LLUR)
Hamburger Chaussee 25
24220 Flintbek
Hans-Christian Reimers +49(0)4347-704-436 hans-christian.reimers@llur.landsh.de
……………………………………
Landesbetrieb für Küstenschutz, Nationalpark und Meeresschutz Schleswig-Holstein
(LKN)
Nationalparkverwaltung
Schlossgarten 1
25832 Tönning
Kai Eskildsen +49 (0)4861-616-44 kai.eskildsen@lkn.landsh.de
Jörn Kohlus +49 (0)4861-616-46 joern.kohlus@lkn.landsh.de
Bärbel Eisenblätter +49 (0)4861-616-50 baerbel.eisenblaetter@lkn.landsh.de
……………………………………
Nationalparkverwaltung Niedersächsisches Wattenmeer (NLPV)
Virchowstr. 1
26382 Wilhelmshaven
Hubert Farke +49(0)4421-911-281 hubert.farke@nlpvwattenmeer.niedersachsen.de
……………………………………
Niedersächsischer Landesbetrieb für Wasserwirtschaft, Küsten- und Naturschutz
(NLWKN)
An der Mühle 5
26548 Norderney
Marc Herlyn +49 (0) 4932-916-161 marc.herlyn@nlwkn-ny.niedersachsen.de
……………………………………
65