Advanced

Kartering av markanvändning med meteorologisk satellitdata för förbättring av en atmosfärisk spridningsmodell

Persson, Andreas (1998) In Lunds universitets Naturgeografiska institution - Seminarieuppsatser
Dept of Physical Geography and Ecosystem Science
Abstract
Sulphur emissions during the last century has led to major acidification of the environment. The acidity of soil and water is a threat to health and economic interests of man, e.g. the food and paper/wood production in the agricultural and silvicultural industries. The Black Triangle region suffers from severe damage caused by acidification and actions to decrease the acid rain over fields and forests must continue.

A useful tool when making forecasts, discussing sensitive areas and sources of pollution is an atmospheric dispersal model. One model has been developed in department of Meteorology and Environmental Protection at Karl’s University, Prague. The model did not use roughness parameters for different land use. Deposition of... (More)
Sulphur emissions during the last century has led to major acidification of the environment. The acidity of soil and water is a threat to health and economic interests of man, e.g. the food and paper/wood production in the agricultural and silvicultural industries. The Black Triangle region suffers from severe damage caused by acidification and actions to decrease the acid rain over fields and forests must continue.

A useful tool when making forecasts, discussing sensitive areas and sources of pollution is an atmospheric dispersal model. One model has been developed in department of Meteorology and Environmental Protection at Karl’s University, Prague. The model did not use roughness parameters for different land use. Deposition of airborne pollutants occur at different rates over different land use. The aim was therefore set to create land use data and to enhance the model precision by use roughness parameters for each land use.

Since the model covers a large part of Europe, a land use data base was established by analyzing data from the NOAA AVHRR sensor. Eros data center, USA, supplied the 10-day channel and vegetation index composites.

To reduce the amount of data a standardized principal component analysis (sPCA) was performed. The standardization of the PCA makes the channels equal and minimizes signal to noise ratio. The PCA also presents variations in the data, e.g. seasons.

During the sPCA the number of occasions that could be used were reduced. Cloud contaminated 30 of the 36 occasions that were available. The 10-day composites are put together of the pixels that have the highest NDVI-value (Normalized Differentiated Vegetation Index). This does not guarantee that the pixels are free from clouds but they have the lowest amount of cloudiness during the 10-day period.

A maximum likelihood classification of the chosen data resulted in a land use data base with three major classes; agricultural land, coniferous forest and deciduous forest. Evaluations showed that the total certainty were up to 90% in some classifications. The classes Cities and Water were added from a digital map. Training areas for regions as large as this cannot be handled by field studies. Instead, data registered with Landsat TM as well as maps over the region were used to locate training areas.

The dispersal model was run with and without the land use data and the results were compared. Results showed a decrease in deposition specially in the mountainous areas. One of the explanations is the high general roughness the model uses when run without land use data. The model will be calibrated with deposition data from gauges in the Czech republic. (Less)
Abstract (Swedish)
Populärvetenskaplig sammanfattning: Examensarbetet har gått ut på att med hjälp av satellitbilder göra markanvändningsdata för att förbättra en modell som beräknar vart de luftburna föroreningarna tar vägen. Föroreningarna svavel och kväve deponeras med olika hastighet över olika marktyper, därför vill man använda sig av markanvändningsdata i modellerna.

Svavelutsläppen har ökat dramatiskt under hela den industrialiserade perioden och dess effekter visar sig i kraftigt försurade marker, med problem för skogs- och jordbruk som följd. Även i städerna syns effekterna när statyer i marmor och annan kalkrik sten löses upp och bokstavligen rinner bort. Ett problemområde är Tjeckien med gränser mot bland annat östra Tyskland och Polen.

Vid... (More)
Populärvetenskaplig sammanfattning: Examensarbetet har gått ut på att med hjälp av satellitbilder göra markanvändningsdata för att förbättra en modell som beräknar vart de luftburna föroreningarna tar vägen. Föroreningarna svavel och kväve deponeras med olika hastighet över olika marktyper, därför vill man använda sig av markanvändningsdata i modellerna.

Svavelutsläppen har ökat dramatiskt under hela den industrialiserade perioden och dess effekter visar sig i kraftigt försurade marker, med problem för skogs- och jordbruk som följd. Även i städerna syns effekterna när statyer i marmor och annan kalkrik sten löses upp och bokstavligen rinner bort. Ett problemområde är Tjeckien med gränser mot bland annat östra Tyskland och Polen.

Vid Karls Universitet i Prag har man utvecklat en atmosfärisk spridningsmodell för att kunna bestämma var insatserna mot utsläppen ska göras. Spridningsvägarna beräknas med meteorologiska data som nederbörd, vindriktning och vindstyrka. Man använder dessutom geografisk data över det aktuella området för att kunna göra meningsfulla kartor och presentationer. För att kunna få ett resultat på hur mycket föroreningar varje del av spridningsvägen får ta emot måste man veta vilka marktyper som finns.

Marktyperna är alltså ytterligare data som ska ligga i modellen för att man ska kunna beräkna mängden förorening på en plats. I och med att modellerna berör så stora områden, i detta fallet hela Tjeckien samt delar av Slovakien, Polen, Tyskland och Österrike, måste man använda satellitbilder för att inte kostnaderna ska bli för stora. Satellitbilderna som användes i studien kommer från NOAA-satelliten som är en amerikansk meteorologisk satellit. Dess sensor är dock utformad så att den lämpar sig för studier av vegetation.

Genom att på kartor och i annan data hitta områden som man med säkerhet kan bestämma till en marktyp skapar man så kallade "träningsytor". Träningsytorna används för att med statistiska funktioner automatiskt dela upp resten av satellitbilderna i de klasser som bestämts i träningsytorna.

För att bestämma marktyperna utnyttjades satellitbilder från ett helt år, augusti 1993 till augusti 1994. Datamängden blir då stor och behöver reduceras. Genom att utföra en principalkomponentanalys (PCA) kan man undersöka vilka delar av datamaterialet som beskriver de största förändringarna. I detta fallet är förändringarna årstidsväxlingarna. Datan reducerades med PCA och tester genomfördes med klassningar om utförts med sex, fyra och tre bilder. Det visade sig vid en utvärdering av klassningarna att de blir bättre ju fler bilder man har samt ju färre marktyper man vill ha klassade. Till spridningsmodellen skapades data med klasserna: Barrskog, lövskog, jordbruksmark, vatten och samhälle.

Vid körningar av spridningsmodellen visade det sig att mängderna föroreningar blev mindre i förhållande till de körningar man gjort utan markanvändningsdatan. Det beror på att man räknade med samma depositionshastighet överallt. Det var som om alla ytor var täckta med snö, alltid. Med markanvändningsdatan kan man nu få ett noggrannare resultat att arbeta med och presentera för beslutsfattare och ekonomiska intressen. (Less)
Please use this url to cite or link to this publication:
author
Persson, Andreas
supervisor
organization
alternative title
Landuse mapping with meteorological satellite data to enhance an atmospheric dispersal model
year
type
H1 - Master's Degree (One Year)
subject
keywords
markanvändning, kartering, geografi, naturgeografi, satellitdata, atmosfärisk spridningsmodell
publication/series
Lunds universitets Naturgeografiska institution - Seminarieuppsatser
report number
50
funder
Svenska Institutet
language
Swedish
additional info
Dr Josef Brechler vid Institutionen för meteorologi och miljöskydd vid Karls Universitet i Prag, Tjeckien.
id
2027069
date added to LUP
2011-11-23 11:57:00
date last changed
2011-11-23 12:29:48
@misc{2027069,
  abstract     = {Sulphur emissions during the last century has led to major acidification of the environment. The acidity of soil and water is a threat to health and economic interests of man, e.g. the food and paper/wood production in the agricultural and silvicultural industries. The Black Triangle region suffers from severe damage caused by acidification and actions to decrease the acid rain over fields and forests must continue.

A useful tool when making forecasts, discussing sensitive areas and sources of pollution is an atmospheric dispersal model. One model has been developed in department of Meteorology and Environmental Protection at Karl’s University, Prague. The model did not use roughness parameters for different land use. Deposition of airborne pollutants occur at different rates over different land use. The aim was therefore set to create land use data and to enhance the model precision by use roughness parameters for each land use. 

Since the model covers a large part of Europe, a land use data base was established by analyzing data from the NOAA AVHRR sensor. Eros data center, USA, supplied the 10-day channel and vegetation index composites.

To reduce the amount of data a standardized principal component analysis (sPCA) was performed. The standardization of the PCA makes the channels equal and minimizes signal to noise ratio. The PCA also presents variations in the data, e.g. seasons.

During the sPCA the number of occasions that could be used were reduced. Cloud contaminated 30 of the 36 occasions that were available. The 10-day composites are put together of the pixels that have the highest NDVI-value (Normalized Differentiated Vegetation Index). This does not guarantee that the pixels are free from clouds but they have the lowest amount of cloudiness during the 10-day period.

A maximum likelihood classification of the chosen data resulted in a land use data base with three major classes; agricultural land, coniferous forest and deciduous forest. Evaluations showed that the total certainty were up to 90% in some classifications. The classes Cities and Water were added from a digital map. Training areas for regions as large as this cannot be handled by field studies. Instead, data registered with Landsat TM as well as maps over the region were used to locate training areas.

The dispersal model was run with and without the land use data and the results were compared. Results showed a decrease in deposition specially in the mountainous areas. One of the explanations is the high general roughness the model uses when run without land use data. The model will be calibrated with deposition data from gauges in the Czech republic.},
  author       = {Persson, Andreas},
  keyword      = {markanvändning,kartering,geografi,naturgeografi,satellitdata,atmosfärisk spridningsmodell},
  language     = {swe},
  note         = {Student Paper},
  series       = {Lunds universitets Naturgeografiska institution - Seminarieuppsatser},
  title        = {Kartering av markanvändning med meteorologisk satellitdata för förbättring av en atmosfärisk spridningsmodell},
  year         = {1998},
}