Retrieval of information and data products for calibration, validation and spatial-temporal analyses from automated field spectrometers

Abstract

Intact ecosystems are the basis of human food security, air quality and provide naturally re-growing resources. Adaptive ecosystem management in the face of climate change requires detailed and continuous data about the ecosystems’ status. Optical remote sensing allows the non-invasive acquisition of information from terrestrial ecosystems and produces very large amounts of multi-dimensional data. However, it poses the following challenges at the same time: (1) Many different optical sensors use different measurement protocols, yet a joint exploitation of their data would improve temporal, spatial and spectral details available for further analyses. (2) Standardizing data products eases comparing and interpreting optical, remote-sensed data, but requires a specific processing chain, which also includes the propagation of uncertainties. (3) The retrieval of data-products is affected by systematic influences, e.g. from the atmosphere or the surface-properties, which bias the retrieved signal and require a correction approach. <br> The use of standardized, automated field spectrometers enables the continuous, unattended acquisition of hyperspectral data at very high temporal resolution in proximity sensing on the ground. The high dimensionality of hyperspectral down-welling and up-welling radiance recorded in the visible-near infrared (VIS-NIR) spectral range enables the retrieval of detailed atmosphere and vegetation properties. The application of Machine Learning (ML) algorithms is promising to disentangle multiple-redundant spectral information, isolate irrelevant or disturbing spectral information and find relevant, correlating spectral information, while offering detailed investigation of uncertainties and levels of confidence around the data products. Thus in the first study, Solar Induced chlorophyll Fluorescence (SIF), a proxy for photosynthesis in vegetation, is retrieved from hyperspectral field-measurements using a novel, ML-driven approach and avoiding atmospheric reabsorption. The second study in this thesis demonstrates farther the potential of exploiting continuous, hyperspectral VIS-NIR measurements using ML for the investigation of NOx concentration in the atmosphere. Furthermore, high-resolution field spectrometer measurements allow the convolution of multispectral sensor characteristic at overlapping spectral ranges. In consequence, the third study of this thesis harmonizes a network of standardized, automated field spectrometers in ten different locations around the world in comparison to Sentinel-2 bottom of atmosphere reflectance, and investigates effects of variable temporal-spatial heterogeneity. In the final study, automated field spectrometers were used as central transfer instruments inter-calibrating satellite and two airborne multispectral sensors, while correcting for continuous changes of down-welling radiance over time. Addressing the above stated challenges facilitated recommendations for the standardization of optical proximity sensing data and for using automated field spectrometers as a centerpiece of data fusion enabling a more holistic and more detailed ecosystem monitoring.

Intakte Ökosysteme sind die Grundlage für Ernährungssicherheit, Luftqualität und natürlich nachwachsende Rohstoffe. Ein adaptives Ökosystemmanagement erfordert detaillierte und kontinuierliche Daten über den Zustand der Ökosysteme angesichts des Klimawandels. Die optische Fernerkundung ermöglicht nichtinvasive Erfassung von Informationen terrestrischer Ökosysteme und erzeugt gleichzeitig sehr große Mengen mehrdimensionaler Daten. Es stellen sich die folgenden Herausforderungen: (1) Viele verschiedene optische Sensoren verwenden unterschiedliche Messprotokolle. Eine gemeinsame Nutzung ihrer Daten würde jedoch die verfügbaren zeitlichen, räumlichen und spektralen Details für weitere Analysen verbessern. (2) Standardisierte Datenprodukte erleichtern den Vergleich und die Interpretation optischer Fernerkundungsdaten, erfordern jedoch eine spezifische Verarbeitungskette, welche auch die Messunsicherheiten berücksichtigt. (3) Die Ableitungen von Datenprodukten werden durch Einflüsse aus der Atmosphäre oder den Oberflächeneigenschaften beeinflusst, welche das abgeleitete Signal verzerren und einen Korrekturansatz erfordern. <br> Der Einsatz standardisierter, automatisierter Feldspektrometer ermöglicht die kontinuierliche, unbeaufsichtigte Erfassung hyperspektraler Daten mit sehr hoher zeitlicher Auflösung in unmittelbarer Nähe am Boden. Die hohe Dimensionalität der hyperspektralen Messung einfallender und reflektierter Strahlung im sichtbaren und nahinfraroten Spektralbereich (VIS-NIR) ermöglicht die Ableitung detaillierter Atmosphären- und Vegetationseigenschaften. Besonders vielversprechend ist die Anwendung von maschinellem Lernen (ML), um mehrfach redundante Spektralinformationen zu reduzieren, irrelevante oder störende Spektralinformationen zu isolieren und relevante, korrelierende Spektralinformationen zu identifizieren. Gleichzeitig wird eine detaillierte Untersuchung von Vorhersagesicherheiten und Fehlerfortpflanzung ermöglicht. In der ersten Studie dieser Dissertation wird die sonneninduzierte Chlorophyllfluoreszenz (SIF), ein Zeigerwert für die Photosynthese, aus hyperspektralen Feldmessungen mithilfe eines neuartigen, datengestützten ML-Ansatzes und unter Vermeidung atmosphärischer Verzerrung ermittelt. Die zweite Studie dieser Dissertation demonstriert darüber hinaus die Nutzung hyperspektraler VIS-NIR-Daten mittels verschiedener ML Algorithmen zur Untersuchung von der NOx-Konzentration in der Atmosphäre. Weiterhin ermöglicht die hohe hyperspektrale Auflösung von Feldspektrometermessungen die Simulation anderer multispektraler Sensoren mit überlappenden Spektralbereichen. Daher harmonisiert die dritte Studie dieser Arbeit ein Netzwerk standardisierter, automatisierter Feldspektrometer an zehn verschiedenen Standorten auf der Welt im Abgleich mit Sentinel-2 und untersucht Auswirkungen der zeitlich-räumlichen Heterogenität. In der vierten Studie werden schließlich automatisierte Feldspektrometer als Übertragungsinstrumente genutzt, um zwei luftgestützte Multispektralsensoren in Bezug auf einen Satelliten miteinander zu interkalibrieren und Auswirkungen von kontinuierlichen Änderungen der einfallenden Strahlung zu korrigieren. Aus der Bearbeitung der oben genannten Herausforderungen leiten sich Empfehlungen für die Standardisierung und Fusion optischer Fernerkundungsdaten automatisierter Feldspektrometersysteme ab, um eine ganzheitlichere und detailliertere Ökosystemüberwachung zu ermöglichen.