###TITEL_ICDC###

EUMETSAT-HSAF - UHAM-ICDC ASCAT Bodenfeuchte

Zugang

UNEINGESCHRÄNKT

Dieser Datensatz ist nur für eine eingeschränkte Nutzergruppe verfügbar, bitte wenden Sie sich an uns, wenn Sie auf diese Daten zugreifen möchten.

EINGESCHRÄNKT nur im CEN/MPI Netzwerk bzw. mit CliSAP-Login zugreifbar Was heißt das?

Daten ansehen via LAS

Datenzugriff via OPeNDAP

Datenzugriff via Filesystem /data/icdc/land/ascat_soilmoisture

 

Beschreibung

Für den hier vorliegenden Datensatz wurden Rückstreuwerte gemessen (im C-Band) mit dem Advanced SCATterometer (ASCAT) an Bord des EUMETSAT MetOp Satelliten zunächst auf einen einheitlichen Einfallswinkel (40°) normiert (mit Hilfe eines Radarrückstreumodells). Der so normierte Radarrückstreuwert ist eine Funktion der Bodenfeuchte; niedrige Feuchte korrespondiert mit niedriger, hohe Feuchte mit hoher Radarrückstreuung. Die Rückstreuwerte werden für einen Bodenfeuchtebereich von 0% (komplett trocken) bis 100% (nass, kein weiteres Wasser kann mehr aufgenommen werden) skaliert. Die erhaltenen relativen Werte der Bodenfeuchte sind in etwa repräsentativ für die obersten 2-5 cm des Bodens.

Es handelt sich hier um Version WARP5.5 R2.2 dieses EUMETSAT H-SAF Produkts (H-SAF Kennung: H113 Metop ASCAT DR2018).

Die Originaldaten liegen als Zeitreihe pro Gitterzelle vor. Wir bieten die Daten täglich und monatlich gemittelt (erstellt von M. Meyer) als 5-Tageskomposit/-mittel - separat für aufsteigende und absteigende Satellitenüberflüge - projeziert auf ein einfaches zylindrisches Gitter mit etwa 0.1°x0.1° Auflösung an. Die Motivation Daten auf- und absteigender Überflüge zu separieren basiert, z. B. auf Arbeiten wie der von Al-Yaari, A., et al. (siehe Referenzen).

Eine Kurzbeschreibung der Prozessierschritte von WARP5.5 R2.2 / H113 zum hier angebotenen Produkt gibt es hier.

Für die Originaldaten, d.h. die Bodenfeuchtezeitreihen, empfehlen wir sich an EUMETSAT H-SAF (http://hsaf.meteoam.it) zu wenden.

Letzte Aktualisierung des Datensatzes am ICDC: 15. August 2019.

To top

Parameter

Name Einheit Kommentar
Täglich    
relative Bodenfeuchte [Variable: "sm"] 0 ... 100% Nur "Correction Flag" 0 (siehe Product User Guide)
relativer Fehler / Rauschen [Variable "sm_noise"] 0 ... 100% Fehler zum vorherigen Parameter
relative Bodenfeuchte (erweitert) [Variable "sm_ext"] 0 ... 100% "Correction Flag" 0, 1, 2 und 4 (siehe Product User Guide)
relativer Fehler / Rauschen (erweitert) [Variable "sm_ext_noise"] 0 ... 100% Fehler zum vorherigen Parameter
Produktkennzahl 0 ... 127 Kombination aus "Surface State Flag", "Correction Flag" und "Processing Flag" (siehe Product User Guide + Kennzahlbeschreibung in der netCDF-Datei
N 0 ...5 Anzahl der Überflüge pro Gitterzelle im 5-Tagesintervall
Schneebedeckung 0 ... 100% Klimatologie, basiert auf SSM/I Daten
Gefrorener Boden 0 ... 100% Klimatologie, basiert auf ERA-40 Daten
Feuchtgebiet- / Gewässeranteil 0 ... 100% statisch, basiert auf GLWD (2004) und GSHHS (v1.5, 2004) Daten
Komplexität der Topographie 0 ... 100% statisch, basiert auf GTOPO30 Daten
Porosität des Bodens (LDAS) 0 ... 1 m³ / m³ Re-sampled vom Land Data Assimilation System (LDAS) Daten (NASA, Reynolds, 2000)
Porosität des Bodens (HWSD) 0 ... 1 m³ / m³ Bestimmt aus der HWSD (siehe z. B. http://icdc.cen.uni-hamburg.de/daten/land/hwsd.html) mittels der Formeln in Saxton and Rawls (2006)
     
Monatlich    
relative Bodenfeuchte (erweitert) 0 ... 100% aus Tages-Variable "sm_ext"
relativer Fehler / Rauschen (erweitert) 0 ... 100% aus Tages-Variable "sm_ext_noise"
N_days [Variable "n_of_sm"] 0 ... 31 Anzahl der Tage mit gültigen Daten
N [Variable "n_of_overpasses"] 0 ...5 mittlere Anzahl der Überflüge pro Gitterzelle im 5-Tagesintervall
Schneebedeckung 0 ... 100% Klimatologie, basiert auf SSM/I Daten
Gefrorener Boden 0 ... 100% Klimatologie, basiert auf ERA-40 Daten
Feuchtgebiet- / Gewässeranteil 0 ... 100% statisch, basiert auf GLWD (2004) und GSHHS (v1.5, 2004) Daten
Komplexität der Topographie 0 ... 100% statisch, basiert auf GTOPO30 Daten
Porosität des Bodens (LDAS) 0 ... 1 m³ / m³ Re-sampled vom Land Data Assimilation System (LDAS) Daten (NASA, Reynolds, 2000)
Porosität des Bodens (HWSD) 0 ... 1 m³ / m³ Bestimmt aus der HWSD (siehe z. B. http://icdc.cen.uni-hamburg.de/daten/land/hwsd.html) mittels der Formeln in Saxton and Rawls (2006)
Statusflag 0, 1, 2, 4, 8, 16, 32, 64, 127 Bestimmt & vereinfacht aus der täglichen Produktkennzahl

To top

Abdeckung, räumliche und zeitliche Auflösung

Zeitraum und zeitliche Auflösung: 

  • 1.1.2007 bis 31.12.2017
  • täglich als gleitendes 5-Tageskomposit, separat für aufsteigende & absteigende Satellitenüberflüge
  • 01-2007 bis 12-2017
  • monatlich

Räumliche Abdeckung und Auflösung:

  • Global
  • Räumliche Auflösung: ca. 0.1° x 0.1°, kartesisches Gitter
  • Geographische Länge: 179.944°W bis 179.944°E
  • Geographische Breite: 89.9437°S bis 89.9437°N
  • Dimension: 1599 Zeilen x 3207 Spalten
  • Höhe: Terrain folgend

Format:

  • NetCDF

To top

Datenqualität

Der Datensatz enthält eine ganze Anzahl an Qualitätskennzahlen. Zum einen beinhaltet er den Retrievalfehler. Dieser basiert auf der durch Gaußsche Fehlerfortpflanzung aus den Fehlern der Eingabeparameter und -größen berechneten Unsicherheit der erhaltenen Bodenfeuchte. Fehler dieser Parameter und Größen sind z. B. die Variabilität der Radarrückstreuwerte durch Sensorrauschen und die Variabilität der Sensitivität der Radarrückstreuwerte auf die Bodenfeuchte für verschiedene Boden- und Vegetationstypen.

Es ist anzumerken, dass insbesondere in den polaren Regionen und in Gebieten dichter Vegetation (z. B. für die Regenwälder Südamerikas) die hier verwendete Methode zur Ableitung der Bodenfeuchte an ihre Grenzen stößt; häufig sind diese Gebiete daher als "nicht nutzbar" ausmaskiert bzw. zeigen einen großen Retrievalfehler.

Über Schnee, Eis, gefrorenem Boden und Feuchtgebieten, wie z. B. Gewässern, ist eine Berechnung der Bodenfeuchte nicht möglich. Um möglicherweise zweifelhafte Bodenfeuchtewerte besser identifizieren zu können, beinhaltet das Produkt die prozentuale Bedeckung jeder Gitterzelle mit Schnee (Variable: "snow_cover"), gefrorenem Boden (Variable: "frozen_soil") und Feuchtgebieten (Variable: "wetland") (letztere sind statisch, d.h. für den kompletten Datensatz konstant wohingegen die ersten beiden Parameter tägliche Werte einer Klimatologie sind.) 

Probleme bei der Bodenfeuchteberechnung bereiten ausserdem Gebiete mit stark variabler Topographie, weil hier der Einfallswinkel lokal sehr unterschiedlich sein kann. Das bereitet Probleme bei der Normierung auf einen einheitlichen Einfallswinkel und damit bei der Bodenfeuchteberechnung. Deshalb beinhaltet der Datensatz zusätzlich ein Maß für die Komplexität der Topographie: Die normierte Standardabweichung der Höhe pro Gitterzelle in Prozent (Variable "topography").

In (Trocken)Gebieten mit Köppen-Klimatologie BW(h oder k) eine sogenannte "wet correction" durchgeführt; diese basiert im wesentlichen auf dem Umstand, dass der verwendete Zeitserienansatz dann zu falschen Bodenfeuchtewerten führen kann, wenn über den betrachteten Zeitraum die Bodenfeuchte nie 100% erreicht hat. Die Anwendung dieser "wet correction" sowie Gitterzellen mit niedriger Sensitivität (< 1%) der RADAR-Rückstreuwerte zur Bodenfeuchte bzw. einem Bodenfeuchtefehler > 50% ist in der Qualitätskennzahl vermerkt.

Für Details empfehlen wir die Referenzen (siehe unten).

To top

Kontaktperson

Wolfgang Wagner
Department of Geodesy and Geoinformation (GEO), Research Group Remote Sensing
http://rs.geo.tuwien.ac.at, Vienna University of  Technology (TU Wien)
E-Mail: ww (at) ipf.tuwien.ac.at or radar (at) ifp.tuwien.ac.at

EUMETSAT
Hydrology - Satellite Application Facility (H-SAF)
http://hsaf.meteoam.it
E-Mail: us_hsaf (at) meteoam.it

Stefan Kern
ICDC / CEN / Universität Hamburg
E-Mail: stefan.kern (at) uni-hamburg.de

To top

Referenzen

  • Product User Guide
  • Product Validation Report
  • Algorithm Theoretical Basis Document (ATBD)
  • Wagner, W., G. Lemoine, and H. Rott (1999), A method for estimating soil moisture from ERS scatterometer and soil data. Remote Sensing of Environment, 70(2), 191-207, doi:10.1016/S0034-4257(99)00036-X
  • Bartalis, Z., et al., 2007, Initial soil moisture retrievals from the MetOp-A Advanced Scatterometer (ASCAT). Geophysical Research Letters, 34, L20401, doi:10.1029/2007GL031088.
  • Naeimi, V., et al., 2009, An improved soil moisture retrieval algorithm for ERS and MetOp scatterometer observations, IEEE Transactions on Geoscience and Remote Sensing, 47(7), 1999-2013, doi:10.1109/TGRS.2008.2011617
  • Naeimi, V., et al., 2012, ASCAT surface state flag (SSF): Extracting information on surface freeze/thaw conditions from backscatter data using an empirical threshold-analysis algorithm. IEEE Transactions on Geoscience and Remote Sensing, 50(7), 2566-2582, doi:10.1109/TGRS.2011.2177667
  • Al-Yaari, A., et al., 2014, Global-scale comparison of passive (SMOS) and active (ASCAT) satellite based microwave soil moisture retrievals with soil moisture simulations (MERRA-Land), Remote Sensing of Environment, 152, 614-626, doi:10.1016/j.rse.2014.07.013.
  • Zeng, J., et al., 2015, Evaluation of Remotely Sensed and Reanalysis Soil Moisture Products over the Tibetan Plateau using in situ Observations, Remote Sensing of Environment, 163, 91-110, doi:10.1016/j.rse.2015.03.008.
  • Holgate, C. M., et al., 2016, Comparison of remotely sensed and modelled soil moisture data sets across Australia. Remote Sensing of Environment, 186, 479-500.
  • Kim, H., et al., 2018, Global-scale assessment and combination of SMAP with ASCAT (active) and AMSR2 (passive) soil moisture products. Remote Sensing of Environment, 204, 260-275.

To top

Datenzitat

Bitte folgendes Datenzitat verwenden:

EUMETSAT-HSAF Metop ASCAT soil moisture time series DR2018, HSAF product H113, http://hsaf.meteoam.it, last accessed July 30, 2019, provided as [daily / monthly] global maps of 5-day composite / mean separately for descending & ascending MetOp overpasses by: Integrated Climate Data Centre (ICDC, icdc.cen.uni-hamburg.de), University of Hamburg, Hamburg, Germany.

Zusätzlich sind zu zitieren:

Wagner, W., G. Lemoine, and H. Rott (1999), A method for estimating soil moisture from ERS scatterometer and soil data. Remote Sensing of Environment, 70(2), 191-207, doi:10.1016/S0034-4257(99)00036-X

Naeimi, V., K. Scipal, Z. Bartalis, S. Hasenauer, and W. Wagner, 2009, An improved soil moisture retrieval algorithm for ERS and MetOp scatterometer observations, IEEE Transactions on Geoscience and Remote Sensing, 47(7), 1999-2013, doi:10.1109/TGRS.2008.2011617

Naeimi, V., C. Paulik, A. Bartsch, W. Wagner, R. Kidd, S.-E. Park, K. Eiger, and J. Boike, 2012, ASCAT surface state flag (SSF): Extracting information on surface freeze/thaw conditions from backscatter data using an empirical theshold-analysis algorithm. IEEE Transactions on Geoscience and Remote Sensing, 50(7), 2566-2582, doi:10.1109/TGRS.2011.2177667

Da die Daten ursprünglich von vom EUMETSAT METOP Satelliten kommen, muss EUMETSAT erwähnt werden:

All H-SAF products are owned by EUMETSAT, and the EUMETSAT SAF Data Policy applies. They are available for all users free of charge.

Users should recognise the respective roles of EUMETSAT, the H-SAF Leading Entity and the H-SAF consortium when publishing results that are based on H-SAF products. EUMETSAT's ownership and intellectual property rights into the SAF data and products is best safeguarded by simply displaying the words "(C) EUMETSAT" under each of the SAF data and procuts shown in a publication of website.

###BACKLINK###     ###TOPLINK###    
Print