Analysis of Arctic peak-season carbon flux estimations based on four MODIS vegetation products

Abstract

Increased temperatures in high latitudes may alter the carbon dynamics throughout the Arctic. Modelled CO2 simulations show that current climate conditions constitute the Arctic a net carbon sink, though the large extent and fine landscape heterogeneity raise an uncertainty about the carbon sink/source status of the region. The understanding of Arctic CO2 fluxes can be improved through integration of remote sensing techniques and environmental modelling. In this study, vegetation indices, i.e. LAI and NDVI from four MODIS products are used in the Pan-Arctic Net Ecosystem Exchange (PANEEx) model to calculate NEE at 12 Arctic study sites. The main objective was to determine the impact of the vegetation indices at 250 m, 500 m and 1 km resolution on the precision of NEE estimations. Data from eddy covariance towers (EC) were used to identify similarities and discrepancies between modelled and in situ LAI and NEE scores in July 2008-2010. Google Earth Engine (Google Inc.), a powerful geospatial platform, was implemented for data acquisition and quantitative analysis. Linear correlations on 1:1 scatter plots and inferential statistics were used to assess the relationships between the modelled and in situ estimations. The model run using the 250 m MOD13Q1 LAI product simulated 78% of the measured NEE fluxes (R2 = 0.73, p < 0.001) throughout the study sites. Overall, utilization of the PANEEx model with 250 m MODIS products indicates a potential for future modelling in the Arctic. Data analysis generated considerable differences in modelled NEE outputs and hence, their application in environmental modelling needs to be considered. The model simulations also demonstrate the potential of employing vegetation indices on much finer scale, i.e. 10-30 m in order to capture the Arctic heterogeneous landscape.

Abstract (Swedish)

Förhöjda temperaturer på höga breddgrader kan förändra koldynamiken i hela Arktis. Modellerade CO2 simuleringar visar att under nuvarande klimatförhållanden utgör Arktis en netto kolsänka, fast den stora utsträckningen samt fina geografiska heterogenitet lyfter upp osäkerhet kring dess status som CO2 sänka/källa i regionen. Förståelsen för arktiska koldioxidflödekan förbättras genom integrering av fjärranalys och miljömodellering. I denna studie används fyra MODIS vegetations index (NDVI & LAI) som används i en simpel Pan-Arctic Net Ecosystem Exchange (PANEEx) modell för att beräkna NEE vid 12 arktiska undersökningsområden. Huvudsyftet var att bedöma effekten av fyra olika vegetationer index på precisionen av NEE uppskattningar de fyra indexen har upplösningarna 250 m, 500 m och 1 km. Data från eddy covariance torn (EC) användes för att identifiera likheter och skillnader mellan modellerade och platsbaserade LAI och NEE mätningar mellan juli 2008 till 2010. Google Earth Engine (Google Inc.), en kraftfull geospatial plattform, användes för datainsamling och kvantitativ analys. Linjära korrelationer på 1:1 spridningsdiagram och trendanalys användes för att bedöma förhållandet mellan modellen och de platsbaserade uppskattningarna. Modellen som kördes med produkten från MOD13Q1, LAI i 250 meters cellstorlek, simulerade 78 % av den uppmätta variationen (R2 = 0,73; p < 0,001) på samtliga undersökningsområden. Sammantaget så indikerar användande av PANEEx modell med 250 m vegetation en potential för framtida modellering i Arktis. Dataanalys genererade stora skillnader i modellerade NEE effekter och deras tillämpning i miljömodellering behöver därmed övervägas. Modellsimuleringar visar också potential att använda index vegetationsindex på en mycket finare skala, dvs. < 30 m för att fånga det arktiska heterogena landskapet.

Popular Abstract (Swedish)

Arktis ses ofta som ett stort outforskat område med en kort växtsäsong med låg och väl anpassad vegetation. Genom vetenskapliga studier, t.ex. inom Naturgeografi, förstår man att denna vidsträckta och skenbart tomma plats är viktig på grund av de stora mängder organiskt material som finns lagrat här. Detta material är stabilt medan det är fruset men när det tinar med ökande temperaturer så kan det avgå till atmosfären som växthusgaser (t.ex. koldioxid – CO2). För tillfället så lagrar den arktiska vegetationen mer CO2 än den avger till atmosfären och därför anses Arktis som en kolsänka. Prognoser visar att klimatförändringar kommer att öka temperaturen vilket kommer att påverka den känsliga arktiska vegetationen och kan orsaka drastiska ekologiska förändringar. Det är därför viktigt att förstå ekosystemet och vilken respons det ger vid klimatförändringar eftersom dessa kan påverka de globala koldioxidkoncentrationerna.
Förståelsen av Arktis och dess roll för att lagra in eller generera CO2 på en stor skala kan förbättras genom satellitbaserade observationer – fjärranalys. Datafångst genom fjärranalys är ett effektivt sätt att övervaka miljön och spåra förändringar både över tid och i rum. För att uppskatta noggrannheten av satellitbaserade mätningar så använder forskare data från fältstationer i Arktis som jämförelse. Mängden fältdata från området är knapp eftersom området är otillgängligt och med ett kärvt klimat. Exempel på fältstationer med data är Zackenberg (Grönland) och Stordalen (Sverige). Dessa har mätt ekologisk och klimatologisk data i flera år och har därför blivit ‘hot spots’ för arktisk forskning.
Resultat från denna studie visar att data från fjärranalys är viktig för storskalig analys. Noggrannheten är dock ofta en begränsande faktor. I den här uppsatsen har fyra olika dataset med koldioxiduppskattningar baserade på fyra olika vegetationsprodukter från fjärranalys använts. Det visade sig att noggrannheten i de satellitbaserade uppskattningarna i jämförelse med fältdata var beroende av den rumsliga upplösningen. Viktigt var också att resultaten från mätningarna med en upplösning på 250 – 500 m kanske inte fångar komplexiteten i det arktiska landskapet.
Data från satelliter ger möjligheter att skala upp information om t.ex. koldioxidhalter till global skala. Arbete i den här studien har syftat till att förbättra förståelsen kring den data som finns tillgänglig och dess användning inom miljömodellering. I det arbetet var det nödvändigt att koppla ihop kunskap om de naturliga processerna med information från satelliter genom att kombinera forskning inom olika fält som fjärranalys och naturgeografi.

Popular Abstract

The Arctic is often regarded as a vast and unexplored territory where the short growing season permits only low and well-adapted vegetation to exist. Through scientific fields, such as Physical Geography, one finds that this large and seemingly empty region is important because it stores large amounts of organic material. This material is stable while frozen but when it becomes exposed to warm temperatures, it can escape to the atmosphere in form of greenhouse gases (e.g. carbon dioxide – CO2). Currently, the Arctic vegetation is accumulating more CO2 than releasing back to the atmosphere and therefore, the region is regarded as a net ‘carbon sink’. Forecasts of global warming show increased air temperatures in the fragile Artic environment, which can cause drastic ecological changes. It is thus important to better understand the behavior of the Arctic ecosystems and their responses to the climate changes because they can affect the concentrations of CO2 on a global level.
The understanding of Arctic and its role in capturing or releasing CO2 on a large scale can be improved through satellite-based observations from space - remote sensing. Data acquisition through remote sensing is an effective way of monitoring the environment and keeping track of changes in both time and space. In order to estimate the accuracy of satellite-based measurements, scientists use data from Artic field stations (ground or in situ observations) for a comparison. Data from ground observations are scarce due to the region’s harsh climate and remoteness. Examples of such field stations are Zackenberg (Greenland) and Stordalen (Sweden), which have been measuring ecological and metrological data for a number of consecutive years and constitute ‘hot spots’ in research activity in the Arctic.
Findings in this project show that the satellite-derived data are valuable in conducting large-scale analysis, however, their accuracy is often a limiting factor. In this thesis, four different sets of CO2 measurements were calculated based on four satellite-based vegetation products. It was found that the precision of the satellite-derived measurements compared to the observations from field stations depends on the resolution in space (spatial resolution). Additionally, it was demonstrated that the current measurements at the resolution 250 – 500 m may not be sufficient for capturing the complexity of the Arctic landscape.
Data from satellites provides the opportunity to upscale information such as CO2 measurements on a global level. Data upscaling has been initiated since the launch of the first environment-monitoring satellite in 1970’s. The work in this thesis aims to improve the understanding of data provided by satellites and their utilization in environmental modelling. In doing so, it was necessary to link knowledge about natural processes and information from satellites, i.e. carry out research through integration multiple scientific fields (e.g. Physical Geography, remote sensing, etc.).

• author: Kusbach, Antonin
• supervisor: Andreas Persson; Johan Connolly
• organization: Dept of Physical Geography and Ecosystem Science
• course: NGEM01 20161
• year: 2016
• type: H2 - Master's Degree (Two Years)
• subject: Earth and Environmental Sciences
• keywords: satellite-derived data, vegetation indices, Arctic, net ecosystem exchange, big data analysis, Physical Geography and Ecosystem Science
• publication/series: Student thesis series INES
• report number: 396
• funder: Google Earth Engine Research grant
• language: English
• id: 8887357
• date added to LUP: 2016-08-26 15:58:36
• date last changed: 2016-08-26 15:58:36