Projekt:FE Auswerteverfahren 1/Schnee/Methoden

Teilprojekt Schnee

Entwicklung
- Geschichtliche Entwicklung
- Aktive / Passive Systeme
Physikalische Grundlagen
- Strahlung
- Eigenschaften Schnee & Eis
- Unterscheidung Schnee & Eis
Methoden
- Optische Methoden
- Mikrowellentechnik
- Bodengestützte Methoden
Subpixel-Scale
- Eigenschaften schneebedeckter Wälder
- Ableitung Schneefraktion
Literatur

Weitere Teilprojekte

Satelliten Bearbeiten

Die operationelle Hochwasservorhersage unter der Verwendung von Niederschlagsabflussmodellen soll für die Verringerung von Schäden und wirtschaftlichen Verluste genutzt werden. Hochwassermodelltheorien gelten als zufriedenstellend und können kaum verbessert werden. Dennoch sind Verbesserungen durch eine bessere Berechnung der räumlichen Eingangsparameter der Modelle möglich. Zusätzlich zur Niederschlagverteilung besonders bei zeitlich und räumlich hoch variablen Informationen sind Schneeeigenschaften und Bodenfeuchte am wichtigsten für die Abflussbeschreibung. Diese Informationen fehlen oft oder haben nur eine geringe Qualität. Um diese Lücke zu füllen hat die Fernerkundung ein starkes Potential, das in wissenschaftlichen Studien und Pilotprojekten bewiesen werden muss. (Appel (2002)

Schneefernerkundung mit Hilfe von Satelliten ist eine gängige Methode. Neben den Vorteilen gegenüber bodengestützter Fernerkundung bzw. Felderprobung (Einleitung) sind jedoch auch Nachteile nicht zu verschweigen. So ist je nach Satellitentyp und -art (Wettersatelliten) das Spagat zwischen zeitlicher und räumlicher Auflösung zu meistern; eine hohe zeitliche Auflösung ist zumeist beschränkendes Kriterium für das erfaßte Gebiet, wobei eine hohe räumliche Auflösung mit nur größeren zeitlichen Schritten erfolgen kann. Außerdem sind die jeweiligen, zur Verfügung stehenden Sensorkanäle entscheidendes Kriterium zur Wahl der Auswertungsmethode. Obgleich moderne Satellitensensorsysteme (Messsysteme) nach und nach für einen speziellen Zweck entwickelt werden (z.B. Nutzen von Wasserdampfkanälen), sind die physikalischen Grenzen nicht überwindbar und des Weiteren die technischen Möglichkeiten begrenzt.

Für die Erkennung von Schnee, Eis, Wolken und anderen geophysikalischen Phänomenen werden Detektionsalgorithmen genutzt, die von Bodenstationen aus operieren. Ein Beispiel eines solchen Algorithmus ist der von Trepte et al., 2002 beschriebene CERES Wolkenerkennungsalgorithmus auf Basis von MODIS Daten, der zur Identifikation von polaren Wolken und Schnee verwendet wird. In letzter Zeit werden aber auch Anstrengungen unternommen, diese Algorithmen in Satellitensysteme einzubinden (Onboard Detection), um Fotoaufnahmen mit nichtverwendbaren Informationen vorab herauszufiltern, damit gar nicht erst an die Bodenstation zu senden, und „Datenmüll“ zu vermeiden. Darüber hinaus wird versucht, gleiche Pixelwerte in Cluster zusammenzufassen, welche eine erhöhte Komprimierung der Daten zur Folge hätte und gleichzeitig die Informationsdichte erhöhen würde (Srivastava et al., 2003). Der Autor greift dabei auf Kernel Methoden für seinen Erkennungsalgorithmus zurück.

Optische Verfahren Bearbeiten

Datei:SchneekarteOptisch.jpg

Schneebedeckung abgeleitet aus NOAA-AVHRR(a) und MODIS(b) für das Noguera Ribagorzana Basin (572.9km²) in Spanien (Pyrenäen). Die unterschiedlichen Graustufen repräsentieren jeweils den Schneeanteil in Pixel.

Die Schneebedeckung kann mittels verschiedener Methoden der Fernerkundung erfasst und aufgezeichnet werden. Eine Vielzahl von Auswertungstechniken beziehen sich dabei auf den sichtbaren Anteil sowie das nahe Infrarot des elektromagnetischen Spektrums. Da es bei Landsat und SPOT in der Vergangenheit häufig zu Problemen bezüglich der Häufigkeit und der Qualität der Datenaufzeichnungen kam, werden hauptsächlich die polar umlaufenden Satelliten von NOAA zur Schneefernerkundung eingesetzt (Schmugge at al. (2002).

In der Vergangenheit wurden einige Methoden für die Klassifikation von Schneedecken und die Unterscheidung von Schnee und Wolken mit Hilfe der jeweiligen spektralen Eigenschaften entwickelt and veröffentlich. Sie basieren auf dem Hintergrund, dass Schneedecken im Gegensatz zu Wolken eine geringere Reflektion im kurzwelligen Infrarotbereich des elektrischen Spektrums besitzen, trotz dessen dass beide eine hohe Reflektion im sichtbaren Bereich haben. Probleme steigen während der Durchführung durch die geringen zeitlichen Frequenzen der hoch aufgelösten optischen Informationen und der frequentellen Erscheinungen von Wolkendecken an (Appel (2002)).

Dabei wurde das AVHRR mit einer räumlichen Auflösung von 1km im betrachteten Band von 0.56µm – 0.68µm genutzt. Die Überflugshäufigkeit beträgt zweimal täglich, wobei ein Überflug während der Nacht stattfindet. Das Hauptproblem der räumlichen Auflösung von lediglich 1km, konnte mit dem neueren MODIS- Instrument der NASA EOS Satelliten, welche mit einer Auflösung von 250m arbeiten, weitestgehend beseitigt werden (Schmugge at al. (2002).

Messsysteme Bearbeiten

Problematik Bearbeiten

keine Schneeidentifikation bei geringer Sonneneinstrahlung und Bewölkung möglich (Robinson (1993))
Unterschätzung der Schneebedeckung bei Maskierung durch überstehende dichte Bewaldung (Robinson (1993))
Zweideutigkeiten beim Erkennen von Schneelücken (Robinson (1993))
Schwierigkeiten bei der Unterscheidung von Schnee und Wolken in Bergregionen (Robinson (1993))
keine Informationen über die Schneetiefe (Robinson (1993)) --Sebbo 18:52, 8. Sep. 2007 (CEST)
typisches Vorgehen - Unterscheidung Wolke - keine Wolke, dann Überprüfung der wolkenfreien Pixel auf Schnee
in beiden Fällen werden zunächst die spektralen Eigenschaften ausgenutzt (vgl. Grundlagen), unterschiedliche Ansätze zur Überprüfung der zunächst wolkenfrei erkannten Schneepixel (Vgl. Romanov, De Ruyter de Wildt, Hall), Abgrenzung schneefreier Bereiche über geringe Reflexion im kurzwelligen
Problem: Wälder - Vgl. Kapitel Subpixel-Skala

Mikrowellentechnik Bearbeiten

Mit Hilfe der oft verwendeten Sensoren die im sichtbaren Bereich und im nahen Infrarot arbeiten kann die Schneebedeckung nur im wolkenfreien Fall und klaren Bedingungen erfasst werden. Es ist zwar eine Abschätzung der Schneedicke möglich, solange die Schneeschicht dünn ist, es kann aber nicht direkt Wasseräquivalent oder Temperatur geschlossen werden. Die nachstehende Tabelle fasst die Eigenschaften verschiedener Frequenzbänder die für die Schneebeobachtung genutzt werden vergleichend zusammen (Rango (1986)).

Eigenschaft	Optisch / Nahes Infrarot	Infrarot	Mikrowellen
Schneeausdehnung	ja	ja	ja
Schneetiefe	mittelmäßig (nur für flachen Schnee)	schlecht	mittelmäßig
Wassergehalt	mittelmäßig (nur für flachen Schnee)	schlecht	mittelmäßig
Albedo	ja	nein	ja
Flüssigwassergehalt	schlecht	schlecht	ja
Temperatur	nein	ja	schlecht
allwettertauglich	nein	nein	ja
räumliche Auflösung	etwa 10m	etwa 100m	passive Sensoren 10-150km; aktive Sensoren etwa 30m

Neben den optischen Sensoren werden seit langem passive Mikrowellensensoren zur Schneeerkundung eingesetzt. Mehrere Untersuchungen haben gezeigt, dass Multi-Frequenz Mikrowellenradiometer, auch im lokalen Maßstab, eingesetzt werden können, um sowohl Schneetiefe als auch Wasseräquivalent zu bestimmen (Hallikainen und Jolma (1992); Mätzler (1994)). Satellitengestützte Mikrowellenradiometer haben allerdings häufig eine geringe räumliche Auflösung und können nicht zwischen nassem Schnee und feuchtem Boden unterscheiden. Experimente mit SAR (Synthetic Aperature Radar) haben aber gezeigt, dass aktive Mikrowellentechnik durchaus für satellitengestützte Schneefernerkundung geeignet ist. Dabei ist besonders der Einsatz von Mikrowellentechnik für die Beobachtung der Schneeschmelze interessant (Koskinen et al. (1994); Piesbergen et al. (1995); Nagler und Rott (1998)).

Um Schneeeigenschaften mit Hilfe von SAR (Synthetic Aperature Radar)zu gewinnen, werden radiometrische und geometrische Korrekturwerkzeuge für ERS (European Remote Sensing Satellit) verbessert und angepasst. Anwendung von SAR einer Schneedeckenfläche beinhaltet Informationen von Luft/Schnee, Schnee/Boden und Aufschluss der Boden und Volumenstreuung in der Schneedecke. Trockener Schnee ist fast transparent, so dass der Koeffizient signifikant dominiert durch darunterliegende Bodeneigenschaften. Das Vorhandensein vom flüssigen Wasser im oberen Schneebereich hat einen Einfluss auf die Eindringtiefe der Mirkrowelle, bis zu einem signifankten Rückgang der Rückstreuung vom SAR Signal. Das Abbild vom nassen Schnee kann durch den Grenzbereich der Rückstreuung beobachtet und von der Referenz und der aktuellen Konditionen dargestellt werden. Appel (2002)

Kombination von optischen und Mikrowellendaten (SAR) Bearbeiten

Optische- und Mikrowellenfernerkundung liefern nützliche Bodeninformationen für die räumliche Berechnung von Schneedecken und nassen/schmelzenden Schneezonen. Diese Bodeninformationen werden für optimierte Parametrisierung der Schneemodelle genutzt. Für die Kalibrierung der Modellinputdaten sind aktuelle Einzugsgebietscharakteristiken nötig. Räumliche Informationen der Schneedecke und das Wissen über die aktuelle Schneegrenze kann für die verbesserte Schneemodellierung von Vorteil sein. Appel (2002)

Schneedeckenabfrage durch SAR Daten Bearbeiten

Bei der Anwendung von SAR Daten kann man über den Rückstreuungskoeffizienten einer Schneedecke verschiedene Informationen über Luft/Schnee, Schnee/Boden sowie Boden- und Bandstreuung im Schneepacket erhalten. Dabei ist trockener Schnee fast transparent, so dass Rückstreuung signifikant von den darunter befindlichen Bodeneigenschaften beherrscht wird. Flüssiges Wasser auf dem oberen Schneebereich hat aber einen erwiesenen Einfluss auf die Eindringtiefe der Mikrowellen, in dem es erheblich die Rückstreuung des SAR-Signals verringert. Abbilder von nassen Schnee können von Strahlung und Schwellwertrückstreuungsbeobachtung gemacht werden. Die räumliche und zeitliche Aufstellung beim Übergang von nass zur trockenen Schneezone kann mit einer Zeitreihe von SAR dargestellt werden. ENVISSAT ASAR kann hoch zeitliche aufgelöste Frequenzen von 3 Tage zur Verfügung stellen. Die erzielten Ergebnisse werden durch die multisensoralen Annäherung bei einer Kombination von optischen Methoden und Mirkowellen erzielt. Appel (2002)

Ermittlung von feuchter Schneebedeckung Bearbeiten

Die Bestimmung von feuchten Schnee basiert auf der Absorptionsabhängigkeit des Radarsignals von dem vorliegendem Flüssigwassergehalt der untersuchten Schneedecke. Mithilfe dieses Verhältnisses wird ein Schwellenwert für die verschieden ausgeprägten Rückstreuungen des aktuell betrachteten Bildausschnittes und des Referenz-Bildausschnittes ermittelt, der schließlich zur Klassifizierung der einzelnen Pixel genutzt wird. Der Referenz-Bildausschnitt muss dabei bei schneefreien Bedingungen oder bei trockenem Schnee definiert werden. Bei der Verwendung von multitemporalen SAR Daten (100km Abdeckung, 30m Auflösung) hat sich dieser Algorithmus bewährt. Wird allerdings ein weitaus größeres Gebiet betrachtet, ist die Festlegung des Referenz-Bildausschnittes problematischer. ASAR (Advanced Synthetic Aperture Radar) WS (Wide Swath) Daten können eine Abdeckung von 500km mit einer Auflösung von 100m besitzen. Besonders im Bergland weist ein solch großes Untersuchungsgebiet verschiede Klimate und Sonneneinfallswinkel auf. Um die tatsächlichen Verhältnisse besser erfassen zu können, werden daher die Oberflächentemperaturen zur Hilfe genommen, wodurch sämtliche Bildausschnitte die eine Oberflächentemperatur oberhalb des Gefrierpunktes besitzen, von der Betrachtung des Referenz-Bildausschnittes ausgenommen werden. (Storvold et al., 2005)

Ermittlung von trockener Schneebedeckung Bearbeiten

Trockener Schnee kann nicht mithilfe eines Vergleiches der Rückstreuung von aktuell betrachteten Bildausschnitt und Referenz-Bildausschnitt bestimmt werden. Daher wird die Wahrscheinlichkeit, mit der ein Pixel unter den gegebenen Umständen trockenen Schnee aufweist, zur Ermittlung herangezogen. Dabei müssen im Bergland die folgenden 3 Bedingungen erfüllt werden:

Das untersuchte Pixel muss höher liegen als die Feucht-Schnee-Pixel im Durchschnitt eines 10km Umkreises (20x20km² Vergleichskarree).
Die Oberflächentemperatur muss unterhalb des Gefrierpunktes liegen.
Mindestens 2% der Pixel im Vergleichskarree von 20x20 km² sollten feuchten Schnee aufweisen.

(Storvold et al., 2005)

SAR Datenbearbeitung Bearbeiten

Die Datenverarbeitung von ERS-SLC Daten beinhaltete mehrere Schritte, bei der Software ESA-ESRIN für die Übertragung und Kalibrierung vom geneigten Abbildungsbereich. Geokodierung und die Korrektur der Abbildungen werden von einer entwickelten Software durchgeführt. Dabei wird ein Punkt des Abbildes ausgewählt und die geometrische Korrektur abgeleitet werden. Wird diese mit Informationen der ERS Umkreisung und einem Digitalen Höhen Model (DEM)angewandt, so kann die geometrische Beziehung zwischen Neigungsbereich und der Bodenfläche berechnet werden. Informationen von lokalen Impulsen und Winkeln der einzelnen Bodenelemente, wird das Abbild im Neigungsbereich auf dem DEM verzerrt. Bodenbeleuchtungseffekte werden von einer inkohärenten Summe von Rückstrahlungsinformationen die ein DEM Element bedecken, kompensiert. Die Projektion und räumliche Auflösung ist von dem zu benutzenden DEM abhängig. Appel (2002)

Abfrage von Schneeeigenschaften Bearbeiten

Bilderbearbeitung führt zu Kalibrierung und geokodierten Rückstrahlungsbildern. Durch eine optische Kombination aus Rückstrahlungsignalen eines Referenzbildes und dem vermuteten Schneebild können Flächen mit wechselnden Rückstrahlungswerte einfach identifiziert werden. Dabei sind bei den Rückstrahlungen verschiedenen Farben zu erkennen. Die beispielsweise durch Bodenfeuchte hervorgerufen wird. Bei einer Vollauflösung von 30m Datensatz, kann die Strahlung zwischen Abbildung und Schnee berechnet werden. Bei Landwirtschafts- und Graspixel kann ein Grenzbereich von -2,5DB zur Berechnung von nassen und schmelzenden Schnee berechnet werden. Appel (2002)

Vergleich SAR Daten mit NOAA-AVHRR Bearbeiten

Die Verringerung der Rückstrahlung von nassen Schnee stimmt mit der Schneedeckenkarte von den optischen Daten überein.
Daten vom DWD stimmen mit der Schneeschmelze von höher gelegenen Flächen überein.
SAR Analysen sollen zukünftig für eine bessere Detektion von lokalen Schneegrenze und für die Ermittlung hydrologischer Modellparametergenutzt werden.

Appel (2002)

Vergleich ASAR WS Daten mit MODIS Bearbeiten

Die mit Hilfe von ASAR WS Daten bestimmte Schneedeckenkarte weist eine wesentlich geringere Häufigkeit von partiellen bzw. einzelnen Pixeln mit Schneebedeckung auf, was auf den binären Algorithmus zurück zu führen ist.
Im Bergland sind die größten Unterschiede zwischen den 2 Verfahren in den Waldgebieten und an den unteren Hängen im Tal zu finden, da der Radar-Algorithmus sehr sensitiv auf die dort befindliche Vegetation reagiert und diese Pixel als schneefrei klassifiziert.
Die optische Ermittlung der Schneebedeckung mit MODIS weist hingegen Probleme mit nördlich exponierten Hängen auf, welche in dem geringen Sonnenwinkel zu Beginn des Jahres (Nordhalbkugel) begründet sind.
Im Allgemeinen liegt jedoch eine sehr gute Übereinstimmung zwischen den radarbasierten (ASAR WS) und den optischbasierten (MODIS) Methoden vor.

(Storvold et al., 2005)

Rückstreumechanismus und Rückstreumodell Bearbeiten

Der Streumechanismus und effektive Schneeparameter Bearbeiten

Im Allgemeinen setzt sich der Rückstreukoeffizient einer schneebedeckten Oberfläche aus folgenden Anteilen zusammen (Fung (1994)):

Datei:Rückstreuung.jpg

Streumechanismus bei Schneebedeckung

Rückstreuung von der Schnee-Luft Interaktionsfläche (A)
Volumenstreunung der Schneeschicht (B)
Rückstreunung der unterliegenden Erdoberfläche (C)

Zusätzlich ist die Rückstreuung durch vielfache Streuung bzw. Reflexion durch das Schneevolumen und durch eine oder beide Grenzflächen der Schneeschicht beeinflusst (siehe Abbbildung). Der beobachtete Rückstreuungskoeffizient wir durch mehrere physikalische Parameter der Schneeschicht beeinflusst (Ulaby et al. (1986); Pulliainen at al. (1996)):

volumetrischer Flüssigwassergehalt
Schneeschichtdecke
Oberflächenrauhigkeit (Luft-Schnee Grenzschicht, Schnee-Erdoberfläche Grenzschicht)
Schneekristallgröße bzw. –form
Temperaturprofil innerhalb der Schneeschicht
Schneedichteprofil innerhalb der Schneeschicht
Schichtstruktur

Ein häufig angewandtes Kriterium zur Charakterisierung der Schneebedeckung ist das Wasseräquivalent, welches direkt mit Dicke und Dichte der Schneeschicht verknüpft ist. Die Korrelationslänge ist eine ist ein relevanter Parameter für die theoretische Behandlung und wird durch die Schneekristallgröße und deren räumlicher Verteilung bedingt. Typischerweise werden dreidimensionale Informationen über die Korrelationslänge benötigt. Zusätzlich zu den erwähnten Charakteristika sind Informationen über die Vegetationseigenschaften notwendig (Pulliainen at al. (1996)).

Rückstreumodel für schneebedeckte Oberflächen Bearbeiten

Die Rückstreuung einer Schneeschicht kann mit Hilfe theoretischer oder halbempirischer Modelle modelliert werden. Die meisten Modell bauen auf folgenden Annahmen auf (Fung (1994)):

nur Einfachstreuung ist wichtig
Transmission durch die oberste Grenzschicht kann mit Hilfe des Fresnel- Koeffizienten ausgewiesen werden
Reflexion an der unteren Grenzschicht für den Oberflächenvolumen-Interaktionsterm kann mittels Fresnel Koeffizient berechnet werden.

Genauere Modelle, die diese Vereinfachungen nicht übernehmen, werden beispielsweise in (Tsang et al. (1985)) oder (Ulaby and Stile (1986)) vorgestellt. Die Hauptunterschiede dieser Modelle bestehen in der Einbeziehung von Mehrfachstreuung, sowie von nicht-sphärischer Streuung im Medium. Ein wesentlicher Nachteil dieser sehr komplexen Modelle entsteht, da notwendige Parameter schwer zu bestimmen oder zu messen sind.

Rückstreuung von Oberflächen mit trockener Schneebedeckung Bearbeiten

Für trockenen Schnee ist der Unterschied der Dielektrizitätskonstante beim Übergang an der Grenzfläche Luft-Schnee gering, und der Reflexionskoeffizient wird sehr klein. Dadurch wird der Beitrag der Schneeoberfläche zum totalen Rückstreukoeffizienten sehr klein und kann vernachlässigt werden. Auch die die Beiträge der Mehrfachreflexion, an oberer und unterer Grenzschicht sind sehr viel geringer als der direkte Anteil. Auf Grund des geringen Unterschiedes der Dielektrizitätskonstante ist die Rauhigkeit einer Trockenschneeschicht weniger wichtig und kann als homogene Schicht mit flacher Oberfläche und rauer Unterseite modelliert werden. Die trockene Schneeschicht besteht aus Luft und zufällig verteilten Eispartikeln unterschiedlicher Größe. Deshalb wird die Volumenstreuung in der Schneeschicht hauptsächlich durch die Größe der Eiskristalle im Vergleich zur Wellenlänge bestimmt. Der Beitrag des Untergrundes nimmt mit zunehmender Schneedicke ab (Ulaby et al. (1986)).

Basierend auf Beobachtungen und Modellergebnissen aus einschlägiger Literatur können folgende Schlussfolgerungen im Bezug auf Rückstreuung von trockenem Schnee bei 5GHz getroffen werden:

Der Rückstreukoeffizient nimmt aufgrund des Wachstumseffekts der Volumenstreuung als eine Funktion des Wassergehalts zu. Die Größenordnung hängt dabei von der Größe der Eispartikel und der verwendeten Frequenz ab (Shi et al. (1993)).
Der Rückstreukoeffizient verringert sich mit größer werdendem Einfallwinkel auf Grund der verringerten Rückstrahlung der unterliegenden Erdoberfläche (Mätzler und Schanda (1984)).
Die Oberflächerauhigkeit einer trockenen Schneeschicht hat so gut wie keinen Einfluss auf die Rückstreuung. Der größte Anteil der Rückstreuung von der Schneeschicht und der Grenzfläche Schnee-Erdoberfläche (Shi et al. (1993)).

Rückstreuung von Oberflächen mit nasser Schneebedeckung Bearbeiten

Während bei trockenem Schnee die Rauhigkeit der Schneeoberfläche einen fast vernachlässigbaren Einfluss auf die Rückstreuung hat, ist der Rückstreueffekt bei nassem Schnee sehr groß. Auf Grund des Anstiegs der dielektrischen Leitfähigkeit ist die Reflektivität von nassem Schnee höher als von trockenem Schnee. Daher ist die Oberflächenrauhigkeit von nassem Schnee zu berücksichtigen und die Grenzfläche Schnee-Luft muss im Gegensatz zu trockenem Schnee als raue Oberfläche modelliert werden (Hallikainen et al. (1986)).

Da der dielektrische Verlustfaktor von Schnee mit steigender Feuchtigkeit zunimmt, wird die Absorption einer nassen Schneeschicht ebenso größer. Konsequenterweise verringert sich dadurch der Beitrag der Erdoberfläche. Daher verursacht ansteigende Feuchtigkeit in der Schneeschicht einen Rückgang der totalen Rückstreuung. Die Erhöhung des Einfallwinkels verursacht einen generellen Rückgang des absoluten Rückstreuungsgrades, wobei das Verhalten für nassen Schnee für Einfallwinkel von 20° bis 60° einen ähnlichen funktionellen Zusammenhang aufweist (Ulaby et al. (1986)).

Basierend auf Beobachtungen und Modellergebnissen aus einschlägiger Literatur können folgende Schlussfolgerungen im Bezug auf Rückstreuung von nassem Schnee bei 5GHz getroffen werden:

Der Grad der Rückstreuung von nassem Schnee ist auf Grund ansteigender Absorption generell geringer als der von trockenem Schnee. Dabei bestehen Abhängigkeiten von der Oberflächenrauhigkeit und dem Einfallwinkel (Stiles et al. (1980)).
Der Unterschied zwischen Rückstreuung von trockenem Schnee und nassem Schnee steigt mit zunehmendem Einfallwinkel, falls die Schneeoberfläche glatt ist (Guneriussen et al. (1996)).
Der Rückstreukoeffizient von nassem Schnee ist nicht abhängig vom Wasseräquivalent. Allerdings besteht eine hohe Abhängigkeit von der Feuchtigkeit der Schneeschicht und der Rauhigkeit der Schneebedeckung, da der Hauptanteil der Rückstreuung durch die Grenzschicht Luft-Schnee verursacht wird (Fung (1994)).

Methoden zur Ableitung von Schneeinformationen aus der Rückstreuungssignatur Bearbeiten

Das Potential von Single-Polarisation und Single-Frequenz SAR (z.B. ERS (European Remote Sensing Satellite) -SAR) ist im Hinblick auf die Einsatzmöglichkeiten bezüglich des Schnees begrenzt. (Koskinen et al. (1994)) Eine theoretische Beziehung zwischen dem thermischen Widerstand des Schnees, der eine Funktion der Schneedicke und der Schneedichte ist, sowie dem Rückstreuungskoeffizienten wurde jedoch festgestellt. Damit besteht die Möglichkeit Schneewasseräquivalent mit Hilfe der Rückstreuung abzuschätzen (Bernier and Fortin (1993)). Allerdings wurde bisher kein experimenteller Beweis publiziert. Obwohl das ERS-SAR System nicht zwischen trockenem Schnee und blankem Untergrund unterscheiden kann, ist es möglich nassen Schnee von anderen Schnee/Untergrund Verhältnissen abzugrenzen (Koskinen et al. (1994)). Dies führte zur Entwicklung von Methoden, die sich mit multi-temporalen SAR-Bildern zur Schneebeobachtung beschäftigen. Basierend auf diesen Ergebnissen, kann der Anteil an schneefreiem Untergrund in einem SAR Bild abgeschätzt werden, indem mit zwei anderen Bildern verglichen wird. Ein Bild ist notwendig um den Beginn der Schmelzperiode zu definieren (nasser Schnee), das andere Bild wird herangezogen, um den schneefreien Untergrund am Ende der des Tauprozesses zu bestimmen (Piesbergen et al. (1995)).

Zusammenfassend können folgende Rückschlüsse bezüglich der der aktiven Mikrowellenfernerkundung von Schnee bei Verwendung eines Single-Band und Single-Polarisation (C-Band, VV) Radars unter einem kleinen Einfallwinkel (23°) gezogen werden:

in den meisten Fällen kann nasser Schnee vom schneefreien Untergrund abgegrenzt werden. Die Genauigkeit ist dabei vor allem von der Feuchtigkeit des Schnees abhängig (Koskinen et al. (1994)).
trockener Schnee kann nicht von schneefreiem Untergrund unterschieden werden (Koskinen et al. (1994)).
Der Rückstreuungskoeffizient hängt vor allem von der Feuchtigkeit der Schneeschicht ab, die Schneedicke und –dichte spielt eine eher untergeordnete Rolle. Für flache trockene Schneeschichten dominiert jedoch der Beitrag des Untergrundes und die Rückstreuung ist kleiner als bei dickeren Schneeschichten (Stiles et al. (1980)).
Der Grad der Rückstreuung hängt bei nassem Schnee von der Oberflächenrauhigkeit ab, da der größte Anteil der Rückstreuung durch die Grenzschicht Luft-Schnee bedingt wird. Rauere Oberflächen verursachen eine höhere Rückstreuung, nasser Schnee besitzt jedoch oft eine glatte Oberfläche und die Rückstreuung ist aufgrund einer spiegelähnlichen Reflektion an der Schneeoberfläche gering (Mätzler und Schanda (1983)).
Der Rückstreuungsgrad für schneefreie Oberflächen hängt hauptsächlich von der Feuchtigkeit des Bodens und der Vegetation ab. Die Rückstreuung von trockenem Untergrund ist gering und nimmt mit ansteigender Feuchtigkeit zu (Pulliainen at al. (1996)).
Der Rückstreukoeffizient ist im Fall von nassem Schnee oder trockenem Untergrund positiv mit dem Stammvolumen in Wäldern korreliert. Für feuchten Boden und Vegetation ist die Korrelation negativ (Guneriussen et al. (1996)).
durch die Anwendung von theoretischen oder semi-empirischen Modellen für bewaldetes Gelände kann der Rückstreukoeffizienten in die Anteile des Kronenraums und des Waldbodens aufgegliedert werden. Daher können auch in diesem Fall Informationen über die Schneebedeckung abgeleitet werden (Guneriussen et al. (1996)).
in Bergregionen werden jedoch georeferenzierte SAR Daten benötigt, um den lokalen Einfallwinkel zu korrigieren. Dadurch kann der Kontrast zwischen nassem schnee und kahlem Untergrund verbessert werden (Guneriussen et al. (1996)).
Der Fortgang der Schneeschmelze kann durch den Vergleich mit zwei SAR Referenzbilder (zu Beginn und nach der Schmelze) beobachtet werden. Schneeschmelzkarten, die den Schneeanteil im Verhältnis zum Untergrund ausweisen können durch diesen Vergleich erstellt werden. Die Variation der Feuchtigkeit im Kronendach von Wäldern, können jedoch zu erheblichen Unsicherheiten führen (Piesbergen et al. (1995)).

Multi-Parameter SAR stellen Informationen für verschiedene Schichten einer Schneebedeckung bereit. Hohe Frequenzen (X-Band) reagieren auf kleine Veränderungen in der Schneefeuchtigkeit und verursachen eine Rückstreuung, welche durch die Grenzschicht Schnee-Luft dominiert wird. Niedrige Frequenzen durchdringen die Schneeschicht und der der größte Anteil der Rückstreuung ist auf die ansteigende Volumenstreuung sowie auf die Grenzschicht Schnee-Erdoberfläche zurückzuführen (Stiles et al. (1980)).

Shi und Dozier haben den Zusammenhang zwischen polarimetrischen C-Band signaturen und Schneefeuchtigkeit (Shi and Dozier (1995)) sowie zwischen L-, C-, X-Band und dem Schneewasseräquivalent (Shi et al. (1993)) untersucht. Die Studien wurden mit Hilfe von SIR-C/X Daten durchgeführt. Die Autoren stellten ein Verhältnis zwischen Gleichpolarisationen auf um den die Schneefeuchtigkeit abzuleiten, für das Schneewasseräquivalent wurden Mehrfachfrequenzen genutzt. Die Ergebnisse wurden jedoch nur an einer kleinen Stichprobe getestet und die Genauigkeit dieser Methode ist daher schwer einzuschätzen.

Durch die Nutzung von Mehrfachbändern und Polarisation kann folgendes abgeleitet werden:

trockener Schnee kann von kahlem Untergrund mittels X-Band abgegrenzt werden. Die besten Klassifikationsergebnisse ergaben sich durch eine Kombination von C- und X-Band (Jääskeläinen (1993)).
eine grobe Schätzung der Schneefeuchtigkeit (Verhältnis zwischen C-band VV und HH Polarisation), sowie des Schneewasseräquivalents (Kombination von L, C und X Band polarimetrischer Rückstreusignaturen) ist möglich (Shi and Dozier (1995); Shi et al. (1993)).
Informationen bezüglich der Struktur (Partikelgröße, Dichte und Schichtung) des Schnees können ebenfalls abgeleitet werden. Niedrige Frequenzen (L- und C-Band) durchdringen die Schneeschicht, während die Rückstreuung bei hohen Frequenzen (X-Band) auf die Grenzschicht Luft-Schnee zurückzuführen ist. Niedrigere Frequenzen sind weniger sensitiv gegenüber Veränderungen der Schneeschicht (Dichte, Tiefe, Feuchtigkeit und Schichtung), während hohe Frequenzen auch auf kleinere Unregelmäßigkeiten in der Schneeschicht bereits reagieren. L-Band kann benutzt werden, um die Schneedichte und Eigenschaften des Untergrundes (Rauhigkeit) zu bestimmen. Diese drücken sich in kleiner Volumenstreuung und Extinktion in der Schneeschicht aus. X-Band kann verwendet werden um die Partikelgröße abzuschätzen (Shi and Dozier (1999)).

Problematik Bearbeiten

Schneeidentifikation bei Schneelücken problematisch (Robinson (1993))
Schwierigkeiten bei nasser und flacher Schneebedeckung (Robinson (1993))
regionalspezifische Algorithmen aufgrund unterschiedlicher Schnee- und Landoberoberflächeneigenschaften notwendig (Robinson (1993))
Schneetiefen und Wassergehalte können nicht direkt aus Fernerkundungsdaten berechnet werden (Appel (2002)