GLORIA

Mar 29, 2023

Scientific Data Band 10, Artikelnummer: 100 (2023) Diesen Artikel zitieren

7902 Zugriffe

1 Zitate

73 Altmetrisch

Details zu den Metriken

Eine Autorenkorrektur zu diesem Artikel wurde am 6. April 2023 veröffentlicht

Dieser Artikel wurde aktualisiert

Die Entwicklung von Algorithmen zur Fernerkundung der Wasserqualität (RSWQ) erfordert eine große Menge an In-situ-Daten, um die bio-geo-optische Vielfalt von Binnen- und Küstengewässern zu berücksichtigen. Der GLObal Reflectance-Community-Datensatz für Bildgebung und optische Erfassung aquatischer Umgebungen (GLORIA) umfasst 7.572 kuratierte hyperspektrale Fernerkundungs-Reflexionsmessungen in 1-nm-Intervallen innerhalb des Wellenlängenbereichs von 350 bis 900 nm. Darüber hinaus wird mindestens eine ortsgebundene Messung der Wasserqualität von Chlorophyll a, der Gesamtmenge an suspendierten Feststoffen, der Absorption durch gelöste Substanzen und der Secchi-Tiefe bereitgestellt. Die Daten wurden von Forschern aus 59 Institutionen weltweit beigesteuert und stammen aus 450 verschiedenen Gewässern. Damit ist GLORIA de facto der Stand des Wissens über die optische Vielfalt der Küsten- und Binnengewässer in situ. Jede Messung wird mit umfassenden methodischen Details dokumentiert, sodass Benutzer die Eignung für den Zweck beurteilen können und Praktikern, die ähnliche Messungen planen, als Referenz dienen kann. Wir bieten offenen und kostenlosen Zugang zu diesem Datensatz mit dem Ziel, den wissenschaftlichen und technologischen Fortschritt hin zu einer operativen regionalen und globalen RSWQ-Überwachung zu ermöglichen.

Licht von der Sonne, das über die Wasser-Luft-Grenzfläche zurückreflektiert wird, trägt aufgrund seiner wellenlängenspezifischen Absorptions- und Streueigenschaften charakteristische spektrale Signaturen mehrerer wichtiger Wasserqualitätsbestandteile1,2. Chlorophyll a, die Gesamtmenge an suspendierten Feststoffen und farbige gelöste organische Stoffe sind die dominierenden optisch aktiven Bestandteile in Binnen- und Küstengewässern3,4 und gängige Maßstäbe für die Wasserqualität, die für das Management des Ökosystems und die öffentliche Gesundheit verwendet werden5,6,7,8. Genaue Messungen des spektralen Reflexionsgrads (d. h. der aufsteigenden Strahlungsdichte, normalisiert durch die absteigende Sonneneinstrahlung) sind die Grundlage für synoptische und kostengünstige Umweltüberwachungsanwendungen mithilfe von Satellitensensoren, automatischen Sensoren, die in der Nähe der Wasseroberfläche installiert werden, und tragbaren Instrumenten für manuelle Felduntersuchungen9.

Weltraumgestützte Instrumente liefern seit Ende der 1990er Jahre genaue Schätzungen von Chlorophyll a und der Partikelrückstreuung im offenen Ozean mit Daten des Sea-viewing Wide Field-of-view Sensor (SeaWiFS), gefolgt von vielen anderen, einschließlich des MEdium Resolution Imaging Spektrometer (MERIS) und Moderate Resolution Imaging Spectroradiometer (MODIS) in den 2000er Jahren sowie das Ocean and Land Color Instrument (OLCI) und die Visible Infrarot Imaging Radiometer Suite (VIIRS) im letzten Jahrzehnt10,11,12,13,14,15, 16,17. Allerdings sind in Küsten- und Binnengewässern die Unsicherheiten bei diesen Schätzungen typischerweise viel höher, was auf Faktoren zurückzuführen ist, zu denen verschiedene atmosphärische Beiträge, Streulicht von angrenzenden Landgebieten, möglicherweise unkorrelierte Variabilität optisch aktiver Bestandteile und, in optisch flachem Wasser, Bodenreflexion9 gehören. 18,19,20. Darüber hinaus sind Bildgebungsgeräte mit grober Auflösung und einer nominellen Auflösung nahe 1 km in küstennahen und schmalen Systemen, in denen moderne hochauflösende Missionen wie Landsat-8 und Sentinel-2 gültige Beobachtungen liefern, begrenzt21. Insgesamt bleibt die Erfassung der Wasserqualität in Seen, Flüssen, Flussmündungen, Lagunen und küstennahen Küstengewässern ein aktiver Forschungsbereich, in dem Verbesserungen erforderlich sind, damit Satellitenbeobachtungen ihr Potenzial ausschöpfen und Teil routinemäßiger Überwachungsprogramme für Ökosystemzustände, Trends, und Warnsysteme für die öffentliche Gesundheit22,23,24,25,26.

Große und weltweit repräsentative In-situ-Datensätze sind für die Entwicklung und Validierung biooptischer Algorithmen zur Unterstützung groß angelegter Überwachung mithilfe satellitengestützter Erdbeobachtungstechnologien von entscheidender Bedeutung. Solche Datensätze sind besonders rar und geografisch fragmentiert aus Binnen- und Küstengewässern, da radiometrische Messungen nicht Teil der meisten routinemäßigen Probenahmeprogramme sind und viele Seen abgelegen und schwer zugänglich sind.

Wir beheben diese Mängel mit unserem GLObal Reflectance-Community-Datensatz für die Bildgebung und optische Erfassung aquatischer Umgebungen (GLORIA). GLORIA umfasst über 7000 kuratierte hyperspektrale Fernerkundungsreflexionen (Rrs, sr−1) und gleichzeitig lokalisiertes Chlorophyll a (Chla, mg m−3), Gesamtschwebstoffe (TSS, gm−3) und Absorption durch farbige gelöste organische Stoffe (CDOM). ) bei 440 nm Wellenlänge (aCDOM(440), m−1) und Messungen der Secchi-Tiefe (m). Die Daten wurden von Forschern beigesteuert, die mit 59 Institutionen in 20 Ländern verbunden sind, die die Messungen für eine Reihe von Zielen mit unterschiedlichen Finanzierungsquellen und Ressourcenniveaus durchführten, aber gemeinsam auf strenge Probenahmeprotokolle, die Beharrlichkeit, abgelegene und unzugängliche Standorte zu gelangen, und die Verpflichtung, sich langfristig zu etablieren, achteten -Term-Trendüberwachungsseiten und die Anerkennung des Werts von Open-Access-Datensätzen für den öffentlichen Nutzen. Mit seiner nahezu globalen Abdeckung, der geomorphologischen Vielfalt der Gewässer und der Zeitspanne von 30 Jahren (Abb. 2) repräsentiert GLORIA den faktischen Wissensstand über die biogeo-optische Vielfalt in Küsten- und Binnengewässern vor Ort. Teilmengen der Daten haben bereits bedeutende Beiträge zur globalen Algorithmenentwicklung für die satellitengestützte Schätzung von Chla, TSS und aCDOM(440) unter Verwendung datenintensiver Methoden des maschinellen Lernens27,28,29,30,31 oder globaler semianalytischer Methoden geleistet Ansätze32. Sofern verfügbar, stellen wir auch Unsicherheitsschätzungen von Rrs und Wasserqualitätsmessungen als Standardabweichungen und Mittelwerte aus Wiederholungsmessungen zur Verfügung. Dennoch könnten einige methodische Details, die derzeit als relevant erachtet werden, zum Zeitpunkt der Beobachtung nicht erfasst worden sein, was unsere Fähigkeit einschränkt, Unsicherheitsquellen retrospektiv auf Teilmengen des globalen Datensatzes zu bewerten.

GLORIA baut auf den vorhandenen Datenrepositorys auf, die auf Fernerkundungsstudien aquatischer Umgebungen abzielen. Wir befassen uns mit schlecht repräsentierten optisch komplexen Küsten- und Binnengewässern in bestehenden Open-Data-Plattformen wie dem SeaWiFS Bio-optical Archive and Storage System (SeaBASS, https://seabass.gsfc.nasa.gov)33,34. Im Gegensatz zu anderen relevanten Datenspeichern, wie der Datenbank Lake Bio-optical Measurements and Matchup Data for Remote Sensing (LIMNADES, https://limnades.stir.ac.uk), ist GLORIA frei zugänglich. Durch die Durchführung einer konsistenten Qualitätskontrolle über den gesamten Datensatz hinweg und die Bereitstellung umfassender methodischer Details zu jeder Messung haben wir ein analysebereites, eigenständiges Datenpaket für die Community erstellt.

Das Engagement der Raumfahrtbehörden für die Wartung und Verbesserung optischer Erdbeobachtungssysteme und die wachsende Flotte kommerzieller Plattformen zeigen, dass unser gekoppelter Datensatz mit Reflexions- und Wasserqualitätsattributen einen starken Bedarf an einer Erleichterung der Algorithmen- und Anwendungsentwicklung erfüllt. Wir gehen davon aus, dass unsere Sammlung von Feldaufbauten und -methoden die gezielte Datenerfassung für die Kalibrierung und Validierung künftiger Satellitensensoren35,36,37 sowie das Wachstum von In-situ-Observatorien38,39,40 fördern wird.

Der GLORIA-Datensatz wurde von der aquatischen Optikgemeinschaft von Forschern oder Forschungsgruppen zusammengestellt, die auf eine Reihe von Zielen hinarbeiten, darunter die routinemäßige Überwachung von Standorten mit hoher Priorität, die einmalige biooptische Charakterisierung einer Reihe von Gewässern und die Datenerfassung zur Unterstützung von Algorithmen Entwicklung oder gezielte Probenahme zur Validierung gleichwertiger satellitengestützter Produkte. Die Bemühungen, diese Daten zu sammeln, begannen 2018 mit dem zweiten atmosphärischen Korrekturvergleich (ACIX-II Aqua), einer internationalen Zusammenarbeit zum Testen von Prozessoren, die aquatische Reflexionsprodukte aus Strahlungsmessungen am oberen Ende der Atmosphäre erzeugen19. Anfragen nach Beiträgen wurden bei einschlägigen Konferenzsitzungen und über die Forschungsnetzwerke einzelner Personen gestellt. Bei diesen Anfragen handelte es sich um qualitätsgesicherte Fernerkundungs-Reflexionsspektren in 1-nm-Intervallen im Wellenlängenbereich von 350 bis 900 nm und mindestens einem gleichzeitig lokalisierten Wasserqualitätsmerkmal (Chla, TSS, aCDOM(440) oder Secchi-Tiefe) und damit verbundenen Unsicherheiten . In den folgenden Abschnitten finden Sie weitere Einzelheiten zu den Daten und der Verarbeitung.

Die zentrale radiometrische Größe in unserem Datensatz ist das Fernerkundungsreflexionsvermögen Rrs (sr−1). Sie ist definiert als das Verhältnis der aus dem Wasser austretenden Strahlung direkt über der Wasseroberfläche (Lw(0+), W m−2 sr−1 nm−1) zur oberhalb des Wassers absteigenden Strahlungsintensität (Es, W m−2 nm−). 1)(Gl. 1, Abb. 1). Wir verwenden die Symbologie von Ruddick et al.41 mit geringfügigen Modifikationen:

Optische Prozesse der Absorption und Streuung in der Atmosphäre und im Wasser bestimmen die Menge und die spektrale Natur des von einem Sensor empfangenen Lichts. Die Fernerkundungsreflexion, die zentrale radiometrische Größe des GLORIA-Datensatzes, ist das Verhältnis der aus dem Wasser austretenden Strahlung direkt über der Wasseroberfläche (Lw) zur über dem Wasser absteigenden Strahlungsintensität (Es).

Rrs und Lw hängen vom Betrachtungs-Nadirwinkel Θ (gemessen von der nach unten gerichteten vertikalen Achse) und dem Azimut-Betrachtungswinkel ɸ (gemessen im Uhrzeigersinn von der Sonne aus) ab; λ bezeichnet die Wellenlängenabhängigkeit. Für aquatische Fernerkundungsanwendungen ist es üblich, Rrs so zu definieren, dass es von einem Sensor abgeleitet wird, der direkt nach unten blickt (λ, Θ = 0), wobei ɸ nicht definiert ist42. Aus Gründen der Kürze der Notation lassen wir daher λ, Θ und ɸ weg. Für die Messung der in unserem Datensatz angegebenen radiometrischen Abwärts- und Auftriebsmengen wurden verschiedene Methoden und Instrumente verwendet. Hier bieten wir kurze Beschreibungen der allgemeinen Arten von Methoden, die für ihre Messung verwendet werden, und eine Liste am Ende dieses Abschnitts bietet eine formelle Zusammenfassung.

Lw kann direkt mit einem Radiometer direkt über der Wasseroberfläche gemessen werden, wobei man senkrecht nach unten blickt und vor von der Wasseroberfläche reflektiertem Licht geschützt ist43. Andere gängige Techniken umfassen die Messung der aufsteigenden Strahlung am Nadir unterhalb der Wasseroberfläche (Lu(0-))44 oder von oberhalb der Wasseroberfläche, wo der Sensor auf einen Nadirwinkel ungleich Null (Lt)45 gerichtet ist. Beide Strahldichtemessungen erfordern Umrechnungen in Lw, auf die in der Liste am Ende dieses Abschnitts verwiesen wird. Kurz gesagt kann Lu(0-) abgeleitet werden, indem die aufsteigende Strahlung aus Messungen in praktischen Tiefen unterhalb der Wasseroberfläche bis knapp unter die Wasseroberfläche extrapoliert wird46. Die Ausbreitung durch die Wasser-Luft-Grenzfläche unter Berücksichtigung der Reduzierung der Strahlung durch interne Reflexion an der Wasseroberfläche ergibt Lw. Die Schätzung von Lw aus Lt ist aufwändiger, da Lt zusätzlich zu Lw(Θ, ɸ), wo wir den Winkel notieren, eine beträchtliche Menge an Himmelsstrahlung enthält, die von der Wasseroberfläche in das Sichtfeld des Sensors reflektiert wird (reflektierte Himmelsstrahlung). Abhängigkeit, um die Notwendigkeit einer Umrechnung auf Θ = 0 hervorzuheben. Die Himmelsstrahlung (Lsky) wird daher normalerweise gleichzeitig mit Lt bei denselben Azimutwinkeln und bei Zenitwinkeln Θz (von der vertikalen Achse nach oben) in der Nähe von 40°42 gemessen.

Im vorliegenden Datensatz wurden drei verschiedene Ansätze zur Messung von Es verwendet und eine detaillierte Übersicht wird von Ruddick unter al.47 bereitgestellt. Am häufigsten wurde Es direkt mit einem flachen, direkt nach oben gerichteten Strahlungssensor über der Wasseroberfläche gemessen. Bei der am zweithäufigsten verwendeten Methode wurde ein nach unten gerichteter Strahlungssensor verwendet, der den Reflexionsgrad einer horizontal gehaltenen Lambert-Plakette mit bekannten Reflexionseigenschaften maß. Diese Methode hat den Vorteil, dass ein einziger Sensor für alle für die Berechnung von Rrs erforderlichen Messungen verwendet werden kann, wodurch möglicherweise Kosten, Gerätebelastung und Unsicherheiten durch die Interkalibrierung mehrerer Sensoren reduziert werden. In einigen Fällen wurde Es aus Strahlungsmessungen unterhalb der Wasseroberfläche geschätzt (direkt unter der Oberfläche: Ed(0-) oder in der Tiefe z: Ed(z)). Diese Messungen sind typisch für autonome Installationen auf vertikalen Sensorketten oder einem einzelnen Sensorpaket auf einer vertikalen Profilierungsplattform44.

Die für die radiometrischen Messungen verwendeten Instrumente für jeden Eintrag des GLORIA-Datensatzes sind Teil der Metadaten (Datei GLORIA_meta_and_lab.csv) und werden in der Liste am Ende dieses Abschnitts aufgeführt. Dazu gehören diejenigen, die üblicherweise zur Validierung des von Satelliten abgeleiteten aquatischen Reflexionsvermögens verwendet werden, wie RAMSES (TriOS, Deutschland), HyperOCR (hergestellt von Sea-Bird Scientific, USA; zuvor hergestellt von Satlantic Inc., Kanada) und C-OPS (Biospherical Instruments). Inc., USA). RAMSES und HyperOCR verfügen über 256-Kanal-Silizium-Photodiodenarray-Detektoren mit einer spektralen Auflösung von 10 nm und einer spektralen Abtastung von 3,3 nm pro Pixel. Der typische Aufbau für RAMSES-Instrumente für unseren Datensatz ist eine oberirdische Installation mit einem vertikalen Es-Sensor und Lsky- und Lt-Sensoren im Zenit- bzw. Nadirwinkel von 40–42° (Abb. 1). HyperOCR-Instrumente werden typischerweise auf einem schwebenden Rahmen installiert, um Es, Lu oder Lw bei einem Nadirwinkel von Null zu messen, während es sich bei HyperPRO (und HyperPro II) um frei fallende Aufbauten des HyperOCR handelt, die für die Messung vertikaler Profile in der Wassersäule konzipiert sind. Die C-OPS-Konfiguration ähnelt der HyperOCR, das Instrument verfügt jedoch nur über 19 Spektralbänder mit einer Breite von 10 nm. Das HyperSAS ist ein Drei-Sensor-Setup des HyperOCR zur oberirdischen Installation auf Strukturen mit Blick auf das Wasser oder Schiffe, ähnlich dem RAMSES-Setup. Das Water Insight WISP-3 ist ein eigenständiges Handgerät mit optischen Eingängen für Es, Lsky und Lt, die zu separaten Spektrometern führen48.

Eine Reihe der verwendeten Instrumente verfügen über einen einzigen optischen Eingang in Handgeräte oder tragbare Instrumente und müssen ausgerichtet werden, um die verschiedenen radiometrischen Messungen bereitzustellen (ASD FieldSpec-Reihe, Satlantic HyperGun, Spectra Vista, Spectral Evolution, Spectron Engineering und Photo Research SpectraScan-Geräte).

Einige Forscher integrierten kompakte Spektrometer (hergestellt von Ocean Insight, Inc., früher bekannt als Ocean Optics, Inc., USA) mit Datenloggern und optischen Fasern auf Rahmen oder Stangen, die von Beobachtungsplattformen weg ausgerichtet werden können. Die Messungen würden entweder über mehrere Instrumente und optische Fasern, die auf die jeweiligen radiometrischen Größen ausgerichtet sind, oder über eine einzelne, nacheinander neu ausgerichtete Faser durchgeführt werden.

Datenlieferanten stellten radiometrische Messungen bereit, die in 1-nm-Intervallen über den Wellenlängenbereich von 350 bis 900 nm interpoliert wurden. Die gerätespezifischen Bandbreiten der Originalmessungen sind in der Datentabelle (Datei GLORIA_meta_and_lab.csv, Spalte „Spectral_resolution_nm“) angegeben. Aufgrund von Instrumenten- und Verarbeitungseinschränkungen umfassen einige Spektren den Bereich von 400 bis 750 nm oder nahe gelegene Grenzen. Die radiometrischen Daten für jeden GLORIA-Eintrag können aus einer einzelnen Messung oder dem Mittelwert oder Median mehrerer Messungen über einen Zeitraum stammen. Sofern verfügbar, stellten die Datenlieferanten die spektralen Rrs-Mittelwerte, Standardabweichungen und die Anzahl der Messungen für Probenahmeereignisse bereit. Für alle erhaltenen Spektren wurde eine Qualitätskontrolle durchgeführt (siehe Abschnitt Technische Validierung).

Nachfolgend sind die für radiometrische Messungen verwendeten Messaufbauten und Instrumente aufgeführt. Die Nummer der Methode entspricht der Spalte „Measurement_method“ in GLORIA_meta_and_lab.csv. Sofern verfügbar, werden Verweise auf veröffentlichte Beschreibungen des Ansatzes und der Anwendungen bereitgestellt.

Sequentielles Lt, Lsky und Es über eine Plakette auf MP (bewegliche Plattform)

Instrumente: ASD FieldSpec, Photo Research PR-650 SpectraScan Colorimeter, Sea-Bird Scientific/Satlantic HyperGun, Spectra Vista GER1500, Spectral Evolution SR-3500/PSR-1100f, Spectron Engineering SE-590, TriOS RAMSES

Ansatz: Mobley45

Anwendungen: Bresciani et al.49; Kudela et al.50; Zolfaghari et al.51

Lt, Lsky und Es auf MP

Instrumente: Water Insight WISP-3

Ansatz: Mobley45

Anwendungen: Hommersom et al.48

Lu(0-) und Es am Pol, über Glasfaser vom MP oder Wasserrand mit einem Spektrometer verbunden

Instrumente: Ocean Insight/Ocean Optics USB2000/USB2000 + /USB4000

Ansatz: Chipman et al.52

Anwendungen: Gurlin et al.53; Schalles und Hladik54; Li et al.55; Mishra et al.56; Brezonik et al.57; Werther et al.58

Lw(0+) Oberlicht blockiert und Es schwimmt weg von MP

Instrumente: Sea-Bird Scientific/Satlantic HyperOCR

Ansatz: Lee et al.55

Anwendungen: Wei et al.59

Lu(0-) schwimmt weg von MP, Es auf MP

Instrumente: Sea-Bird Scientific/Satlantic HyperOCR, TriOS RAMSES

Lt, Lsky und Es auf MP

Instrumente: Sea-Bird Scientific/Satlantic HyperSAS, TriOS RAMSES

Ansatz: Mobley45; Simis und Olsson60

Anwendungen: Qin et al.61; Warren et al.62

Lt, Lsky und Es auf einem Rahmen, der auf MP eingesetzt wird

Instrumente: TriOS RAMSES

Ansatz: Mobley45; Mobley63

Anwendungen: Maciel et al.64; Kairo et al.65; da Silva et al.66

Lu(0-) und Ed(0-) In-Wasser-Profilierung von MP, Es auf MP

Instrumente: Biospherical C-OPS, Sea-Bird Scientific/Satlantic HyperOCR, TriOS RAMSES

Ansatz: Mueller et al.44; Lubac und Loisel67

Anwendungen: Binding et al.68

Lu(0-)- und Ed(z)-Einheiten auf einer tiefenverstellbaren Stange (Messungen bei −0,21 und −0,67 m) auf einem schwimmenden Rahmen, entfernt von MP, Es-Einheit für Es über die Wasseroberfläche gehoben

Instrumente: TriOS RAMSES

Ansatz: Fritz et al.69

Lu(0-) und Ed(0-) von der Winde auf MP, Es auf MP

Instrumente: TriOS RAMSES

Ansatz: Zibordi und Talone70

Lt und Es auf der Stange vom Wasserrand aus

Instrumente: TriOS RAMSES

Ansatz: Kutser et al.71

Lu(0-) und Ed(0-) autonome Profilierung im Wasser von einer festen Plattform aus

Instrumente: Sea-Bird Scientific/Satlantic HyperOCR

Ansatz: Mueller et al.44

Anwendungen: Minaudo et al.72

Sequentielles Lt und Es über eine Plakette, montiert auf einer kardanisch stabilisierten Stange von MP

Instrumente: Ocean Insight/Ocean Optics STS-VIS

Lu(0-) (und Ed(0-) nur für Tiefeninformationen) aus der Profilierung im Wasser vom MP, Es wurde gleichzeitig vom selben MP sehr kurz vor dem Einsatz des Profilers aufgezeichnet

Instrumente: TriOS RAMSES

Ansatz: Mueller et al.44; Stramski et al.73

Anwendungen: Bracher et al.74; Tilstone et al.75

Lt, Lsky, Es, kombiniert mit einer Lu-Einheit (Öffnung bei −0,05 bis −0,10 m), platziert auf einer Stange

Instrumente: TriOS RAMSES

Sequentielles Lu(0-) und Es über eine Plakette, beide Messungen über eine optische Faser zu einem schwarz maskierten Plexiglasrohr

Instrumente: Spectron Engineering SE-590

Ansatz: Dekker76

Lu(0-)- und Ed(z)-Einheiten auf einem schwimmenden Rahmen (Messungen bei −0,4 m (Lu) und −0,1 m (Ed)), die 10 m vom Schiff entfernt driften

Instrumente: TriOS RAMSES

Ansatz: Fritz et al.69

GLORIA umfasst etwa 1100 Einträge von SeaBASS33. Wir durchsuchten SeaBASS nach Reflexionsspektren mit begleitenden Wasserqualitätsmessungen und stellten sicher, dass diese nur aus Binnen- und Küstengewässern stammen, indem wir die Probenahmeorte aller Aufzeichnungen aus Wassertiefen von weniger als 200 m kartierten. Wo die Wassertiefe nicht Teil der SeaBASS-Aufzeichnung war, haben wir sie auf der Grundlage der Allgemeinen Bathymetrischen Karte des Ozeans (GEBCO_2021 Grid sub-ice topo/bathy)77 zugewiesen. Für diese Daten waren mehrere Metadatenfelder nicht verfügbar, es werden jedoch SeaBASS-Datensatzkennungen bereitgestellt, um bei Bedarf weitere Recherchen zu ermöglichen. Alle SeaBASS-Daten wurden in unseren Qualitätskontrollprozess einbezogen. Während SeaBASS das Hochladen von Unsicherheitsdaten für Radiometrie und Wasserqualität ermöglicht, enthielten die von uns gefundenen Einträge für Binnen- und Küstengewässer diese Informationen nicht.

Die Wasserqualitätsmerkmale Chla, TSS und aCDOM(440) wurden mit bewährten hochpräzisen Labormethoden bestimmt. Die Methode für jede Analyse wird in den Spalten „Chl_method“, „TSS_method“ und „aCDOM_method“ in der Datei GLORIA_meta_and_lab.csv identifiziert und Methodendetails werden in GLORIA_variables_and_methods.xlsx bereitgestellt. Sofern verfügbar, werden Datenmittelwerte und Standardabweichungen aus Replikatanalysen von Chla, TSS und aCDOM(440) in separaten Dateien bereitgestellt.

Die am häufigsten verwendeten Methoden für Chla waren die lösungsmittelbasierte Pigmentextraktion aus Filterkissen, gefolgt von einer fluorometrischen (US EPA 445.0) oder spektrophotometrischen (US EPA 446.0) Analyse. Bei den meisten Proben wurden die Pigmente in 90 %igem Aceton mit Hilfe der mechanischen Gewebemahlung extrahiert. Zu den Modifikationen dieser Methoden gehörten die Verwendung von 90 % Aceton, gepuffert mit MgCO3, und verschiedene Ansätze zur Unterstützung des mechanischen Abbaus der Algenzellen. Andere Methoden für Chla folgten nationalen und internationalen Standards (DIN 38412-16:1985-12, NEN 6520, HJ 897–2017, SL88-2012 und ISO 10260:1992). Methoden, die eine Korrektur für Phaeophytin, ein Abbauprodukt von Chla78, beinhalteten, werden durch ein Flag („1“) in der Datentabelle (Spalte „Phaeophytin_correction“) gekennzeichnet und der entsprechende Chla-Wert ist in der Spalte „Chla“ zu finden; wobei Phaeophytin nicht korrigiert wurde, da die Flagge „0“ ist und Chla in der Spalte „Chl_plus_phaeo“ angegeben ist, es sei denn, die Korrektur für Phaeophytin war nicht anwendbar, wie bei bestimmten fluorometrischen Instrumentenkonfigurationen79. Viele Forscher verwendeten auch Hochdruckflüssigkeitschromatographie (HPLC) zur Chla-Bestimmung und der Chla-Wert ist in der Spalte „Chla“ zu finden. Die einzige Ausnahme vom im Labor ermittelten Chla sind Messungen vom Thetis-Profiler im Genfersee (Schweiz), wo Chla im Zusammenhang mit Rrs-Messungen aus der Höhe der Absorptionslinie bei 676 nm80 und der linearen Beziehung zwischen dem nächtlichen fluorometrischen Chla (gemessen durch a.) geschätzt wurde WetLabs ECO Triplet BBFL2W) mit Absorptionslinienhöhe (durchschnittliches Bestimmtheitsmaß: R2 = 0,92)72.

Die TSS-Konzentration wurde gravimetrisch gemessen, indem der getrocknete Rückstand einer Wasserprobe gewogen wurde, die auf einem vorverbrannten und vorgewogenen Filterpad filtriert wurde. aCDOM(440) wurde im Allgemeinen nach Mitchell et al.81 quantifiziert. Daher wurde die optische Dichte von Wasserproben, die typischerweise durch Polycarbonatmembranen mit einer Porengröße von 0,2 μm gefiltert wurden, um Partikel zu entfernen, in einem Spektrophotometer gemessen und in Absorption umgewandelt. Die Secchi-Tiefe wurde als die Tiefe bestimmt, bei der eine Scheibe, typischerweise schwarz und weiß mit einem Durchmesser von 20 oder 30 cm, für einen Beobachter nicht mehr sichtbar ist, wenn sie ins Wasser abgesenkt wird82,83.

Jeder Dateneintrag ist mit Feldern zur Identifizierung des Datenlieferanten, Querverweisen zu anderen Datenbanken und Details zur Beschreibung der Probenahmestelle und der Umgebungsbedingungen verknüpft. Mehrere kategoriale Variablen ermöglichen eine oberflächliche Schichtung des Datensatzes nach Wasserkörpertyp (See, Mündung, Küstenmeer, Fluss oder andere), Zweck der Datenerfassung (z. B. routinemäßige Oberflächenwasserüberwachung oder ereignisgesteuerte Probenahme), dominanter biogeochemischer Wassertyp (z. B , Sediment-dominiert oder Algen-dominiert) und optische Stabilität (z. B. niedrig für flache Seen, Flüsse und Flussmündungen oder hoch für tiefe Seen und einige Küstenmeerumgebungen).

Spezifische Merkmale des Probenahmeereignisses wie Geokoordinaten, Datums- und Zeitstempel, Umgebungsbedingungen (z. B. Wolkenbedeckung, Windgeschwindigkeit und Wellenhöhe) und Umgebungseinstellungen (z. B. Höhe über dem Meeresspiegel, vorherrschende Landbedeckung und Neigung) werden dort bereitgestellt bekannt. Mehrere Metadatenfelder bieten Querverweise zu Einzelheiten der Instrumentierung, Mess- und Verarbeitungsmethoden für alle radiometrischen Daten und Wasserqualitätsdaten.

Der GLORIA-Datensatz wird beim PANGEA Data Publisher for Earth & Environmental Science84 gehostet. Die Daten sind in mehreren durch Kommas getrennten Wertdateien (CSV) enthalten und eine Microsoft Excel-Datei enthält Schlüssel zu Spaltennamen und Methodendetails (Tabelle 1). Einzelne Datenpunkte werden dateiübergreifend anhand der GLORIA_ID identifiziert.

Die 7.572 GLORIA Rrs-Spektren stammen aus 31 Ländern über einen fast globalen geografischen Bereich von 67°N bis 54°S und von 122°W bis 178°E (Abb. 2), wobei der Großteil der Proben aus Seen (60 %) verfolgt wurde durch Küstengewässer (32 %), Flussmündungen (4 %), der Rest durch Flüsse und andere Gewässertypen. Das breite Spektrum radiometrischer und Wasserqualitätsmessungen in GLORIA (Abb. 2) steht im Einklang mit der globalen Vielfalt der Rrs-Spektralformen in Bezug auf optische Wassertypen85,86 und visuelle Farbbereiche87,88 (Abb. 3). Das Spektrum der Wasserqualitätsmerkmale ist umfassend und ihre Häufigkeitsverteilungen sind in (Abb. 2) dargestellt.

Zusammenfassung der geografischen, zeitlichen und Wasserqualitätsverteilungen der GLORIA-Proben. (a) Punkte markieren den Standort jeder Probe und die Histogramme an den Rändern der Karte zeigen die Längs- und Breitenverteilungen des Datensatzes. (b) Die frühesten Proben wurden 1990 gesammelt und der Probenahmeaufwand ist seit 2001 konstant. (c–f) Histogramme logarithmisch transformierter Wasserqualitätsattribute veranschaulichen den extremen Wertebereich und ihre typischen logarithmischen Normalverteilungen.

Zusammenfassung der Vielfalt der Rrs-Spektren von GLORIA. (a) Dreizehn zufällig ausgewählte Rrs-Spektren, eines von jedem in b angezeigten optischen Wassertyp. (b) Balkendiagramm der Anzahl der GLORIA-Spektren, die jedem optischen Wassertyp von Spyrakos et al.85 zugeordnet sind. (c) Chromatizitätsdiagramm98, das die visuelle Farbe zeigt, die aus jedem GLORIA Rrs-Spektrum unter Verwendung der Tristimulus-Gewichtungsfunktionen gemäß der Commission Internationale de l'Éclairage (CIE)99 abgeleitet wurde; WP: Weißpunkt.

Alle zur Aufnahme in diese Zusammenstellung eingereichten Daten wurden von den Anbietern einer Qualitätskontrolle unterzogen. Unser Kurationsprozess umfasste eine detaillierte Informationsbeschaffung mit ihnen, um sicherzustellen, dass die Methoden der Probenahme, Probenverarbeitung und Laboranalyse ihren Zweck erfüllen. Weitere Überprüfungen der gesammelten Daten wurden wie unten beschrieben durchgeführt.

Reflexionsspektren wurden mithilfe einer Reihe von Qualitätskontrollindikatoren auf Ausreißer und unrealistische Spektralformen überprüft (Tabelle 2). Indem wir Spektren mit mäßigen oder vermuteten Qualitätsproblemen markierten, aber beibehielten, konnten wir einen größeren Datensatz behalten und wir empfehlen dem Benutzer, die Markierungen zu überprüfen, um den Datensatz für seine Zwecke auszuwerten. Die Methoden zur Qualitätskontrolle werden im Folgenden beschrieben. Dateneinträge mit Qualitätsproblemen werden identifiziert, indem das entsprechende Qualitätsflag in der Datei GLORIA_qc_flags.csv auf eins (1) gesetzt wird.

Die erste Runde der Qualitätskontrolle bestand aus einer verfahrenstechnischen Erkennung von Hochfrequenzvariabilität (vermutetes Rauschen), Basislinienverschiebungen (z. B. durch suboptimale Glit-Entfernung), dem Vorhandensein eines Sauerstoffabsorptionsmerkmals in der Nähe von 762 nm (z. B. aufgrund von Problemen mit der Sensor-Interkalibrierung) und und negative Steigungen im ultravioletten bis blauen Teil des Spektrums (z. B. aufgrund einer suboptimalen Korrektur der diffusen Himmelsstrahlung). Dies sind die ersten fünf Flags in Tabelle 2.

Darüber hinaus haben wir den Quality Water Index Polynomial (QWIP)-Score89 berechnet. Dieser Ansatz wurde entwickelt, um hyperspektrale aquatische Reflexionsdaten zu identifizieren, die außerhalb der allgemeinen Trends liegen, die in einem großen Datensatz aus optisch tiefen Gewässern beobachtet werden. Kurz gesagt ist der QWIP ein Polynom 4. Ordnung, das eine wohlgeformte zentrale Tendenz für eine spektral integrierte Metrik (Apparent Visible Wavelength90, AVW) beschreibt, um einen normalisierten Differenzindex (NDI; λ = 492, 665 nm) über ein Kontinuum von Wasser vorherzusagen Typen. Für ein bestimmtes Spektrum wird die Differenz zwischen dem berechneten NDI und dem vom AVW vorhergesagten Wert als QWIP-Score bezeichnet. Wenn ein bestimmter QWIP-Score eine vorgeschriebene Abweichung von der Polynombeziehung überschritt, in diesem Fall |0,2|, wurden die Daten durch das Flag „QWIP_fail“ in der Datei GLORIA_qc_flags.csv identifiziert (Tabelle 2). AVW und der QWIP-Score werden in der Datei GLORIA_qc_ancillary.csv bereitgestellt (Tabelle 3).

Bei der visuellen Untersuchung schienen einige Spektren, die die oben genannten Kriterien erfüllten, immer noch subtile Probleme aufzuweisen. Weitere Probleme können durch Instrumentendrift, Instrumentenabschattung, Streulichtverschmutzung oder Fehler bei der Sky-Glint-Korrektur verursacht werden und werden oft durch Umgebungsbedingungen verschärft59. Solche verdächtigen Spektren können von erfahrenen Praktikern erkannt werden, die wissen, wie die inhärenten optischen Eigenschaften von Oberflächengewässern auf natürliche Weise variieren und das Reflexionsvermögen durch Strahlungsübertragungsprozesse bestimmen (Abb. 1)91. Unter Nutzung dieses Wissens innerhalb der Co-Autoren-Community führten wir eine systematische Expertenbefragung durch, indem wir die Rrs-Spektren zufällig in Chargen von 400 bis 700 aufteilten und jede Charge einem Experten zur Identifizierung verdächtig aussehender Daten zuwiesen. Die als „verdächtig“ gekennzeichneten Spektren wurden dann von drei weiteren Experten ausgewertet, um die Konsistenz zwischen den Chargen verschiedener Personen zu verbessern. Der resultierende Satz verdächtiger Spektren wird durch das Flag „Suspect“ in der Datei GLORIA_qc_flags.csv (Tabelle 2) identifiziert.

Die Bestimmung der Unsicherheit, die Rrs-Beobachtungen innewohnt, ist aufgrund der unterschiedlichen Beleuchtungs- und Wasseroberflächenbedingungen bei wiederholten Beobachtungen eine Herausforderung. Dies gilt insbesondere für Messungen des aufsteigenden Lichts über der Wasseroberfläche, bei denen Sonnenglitzer und reflektierte Himmelsstrahlung zu Lt beitragen, was auf etwa 42 % der Proben in GLORIA zutrifft. Fehlbeobachtungen aufgrund solcher Zufallseffekte wurden größtenteils bereits an der Quelle entfernt, so dass die verbleibende Variabilität das Ergebnis verschiedener Qualitätsprüfungsverfahren und Experteninterpretationen ist. Es ist jedoch möglich, Modelle der atmosphärischen Bestrahlungsstärke und der biooptischen Eigenschaften zu verwenden, um den wahrscheinlichsten Beitrag des Sonnenglitzers und der reflektierten Himmelsstrahlung zur Rrs-Beobachtung zu modellieren und so die gemeldeten Rrs auf physikalische Konsistenz zu testen. Zu diesem Zweck haben wir den 3C-Algorithmus92 verwendet, um Rrs aus Datensätzen zu rekonstruieren, in denen Lt, Lsky und Es verfügbar waren.

3C bietet eine Rekonstruktion von Rrs unter Verwendung einer nichtlinearen Optimierung atmosphärischer und wasseroptischer Modelle, die eine Reihe optischer Eigenschaften ermöglicht, um die Beziehung zwischen der als Eingabe bereitgestellten aufsteigenden Strahlungsdichte und der absteigenden Bestrahlungsstärke zu lösen. Aufgrund der Flexibilität der Oberflächenkorrekturen wird 3C vorgeschlagen, um die Erzielung robuster Rrs über einen weiten Bereich von Messbedingungen hinweg zu ermöglichen. Es wird erwartet, dass das resultierende 3C-Rrs eine verringerte Fehlerausbreitung aufgrund der variablen Spektralform des Himmelsreflexionsvermögens und des Glitzerns aufweist. Dies bietet einen Vorteil gegenüber Methoden, die diese Korrekturen entweder als konstant oder als Funktion der Windgeschwindigkeit betrachten60, was bei der Mehrzahl der Rrs aus oberirdischen Messungen der Fall ist, die in der GLORIA-Datenbank gemeldet werden (Spalte „Skyglint_removal“ in GLORIA_meta_and_lab.csv). Der Unterschied zwischen 3C-Rrs und dem ursprünglich gemeldeten Rrs ist daher ein ungefähres Maß für die algorithmische Unsicherheit. Eine enge Übereinstimmung zwischen der 3C-Rekonstruktion und den ursprünglich gemeldeten Rrs gibt die Gewissheit, dass die gemeldete Beobachtung physikalisch konsistent war. Es wird angenommen, dass größere Abweichungen mit anspruchsvollen Beobachtungsbedingungen zusammenhängen, die zu verdächtigen Lsky-, Lt- oder Es-Werten führen, aber auch durch Wasser- oder Atmosphäreneigenschaften verursacht werden können, die das Modell nicht rekonstruieren kann.

Für diese Analyse verwendeten wir die 1589 Spektren, die Lt, Lsky, Es, Beobachtungszeit und geografische Lage umfassten und für die die Methode zur Berechnung von Rrs nicht bereits auf 3C basierte. Diese Analyse ist auch unabhängig von der Qualitätsmarkierung im vorherigen Abschnitt, sodass alle Beobachtungen einbezogen wurden und die Ergebnisse ein Worst-Case-Szenario darstellen, das die algorithmische Unsicherheit, die der Berechnung von Rrs innewohnt, am besten widerspiegelt, allerdings ohne Kenntnis der zuvor angewendeten Qualitätskontrollkriterien welche Daten gemeldet werden. Das optische 3C-Wassermodell wurde mit weiten Grenzen für die Konzentration von Chla (Ausgangsbedingung 5 mg m-3, Bereich 0,01–1000 mg m-3) und TSS (Ausgangsbedingung 10 g m-3, Bereich 0–1000 g m-3) konfiguriert ), während ansonsten wie in Groetsch et al.92 und Jordan et al.93 beschrieben konfiguriert ist.

Die mittlere Abweichung zwischen den gemeldeten und 3C-Rrs lag in der Größenordnung von 0,0005 sr−1, wobei 3C niedrigere Rrs ergab, was zu erwarten war, da eine unvollständige Korrektur, die auf einem statischen Korrekturfaktor für Oberflächenreflexionen beruht, zu höheren Rrs führt (Abb. 4A). . Die Abweichung nahm mit der Wellenlänge allmählich ab, was darauf hindeutet, dass die gemeldeten Daten hinsichtlich der diffusen Himmelsstrahlung nicht optimal korrigiert wurden. Es gibt eine beträchtliche Streuung der Modellbeobachtungsverzerrung in der Größenordnung von 0,00004 bis 0,0016 sr−1 für Rrs(560) im Interquartilbereich.

Spektrale Abweichung der gemeldeten Rrs im Vergleich zu 3C-modellierten Rrs aus 1589 Spektren, für die Lt, Lsky und Es verfügbar waren. (A) Median und Interquartil (gemeldet – modelliert). (B) Relativer Bias in Rrs (gemeldet – modelliert)/modelliert. Diskontinuitäten im Bias-Spektrum werden durch Sensoren verursacht, die in Teilen des Datensatzes unterschiedliche Wellenlängenbereiche aufweisen.

Relativ gesehen (Abb. 4B) ist die mittlere Abweichung der Rrs zwischen beobachteten und 3C-Rrs im grünen Spektralbereich am kleinsten (Größenordnung 6,4 %), wo in diesem Datensatz typischerweise die maximale Rrs-Amplitude beobachtet wird, und im UV- und UV-Bereich am größten NIR-Bereiche des Spektrums, in denen Rrs typischerweise niedriger ist. Die Streuung (Interquartilbereich) der relativen Abweichung in Rrs(560) beträgt 5–16 %, ist jedoch im UV- und NIR-Bereich viel größer und übersteigt −30 % und 170 %.

Die größten Unterschiede in der Rrs-Verzerrung zwischen berichteten und 3C-Spektren wurden zwischen beigesteuerten Datensätzen und nicht zwischen Beobachtungsmethoden gefunden. Die Mehrzahl der Datensätze zeigte absolute relative Unterschiede in Rrs(400–800) im Bereich von 0–10 %, es gibt jedoch auch Fälle, in denen die Differenz 100 % übersteigt.

Diese Analyse weist auf ein insgesamt hohes Maß an Unsicherheit bei den Methoden hin, die Lt-Messungen über Wasser verwenden, und auf die Notwendigkeit einer strengen Qualitätskontrolle durch Beobachter. Für zukünftige Arbeiten schlagen wir vor, die Rrs-Modellrekonstruktion als Teil der Datenerfassungsbemühungen hinzuzufügen, die eine Überprüfung von Glit-Begriffen ermöglicht, um Beobachtungen objektiv als verdächtig zu kennzeichnen, bevor andere Qualitätskontrollen implementiert werden. Darüber hinaus sollten zur Unterstützung zukünftiger algorithmischer Verbesserungen (z. B. zur Ausarbeitung bidirektionaler Reflexionsverteilungsfunktionen) alle Komponentenspektren und Beobachtungsgeometrien in Datensätzen enthalten sein und diese sollten mit der nativen Auflösung jedes beteiligten Sensors gemeldet werden, um Faltungsfehler bei der Berechnung von Rrs94 zu vermeiden.

Die Wasserqualitätsmessungen wurden anhand von Häufigkeitsverteilungen untersucht, um Ausreißer zu identifizieren. Separate Häufigkeitsverteilungen wurden durch „Water_type“ erstellt, eine subjektive Klassifizierung, die von den Datenlieferanten entsprechend dem dominanten optischen Bestandteil für jeden Wasserkörper (TSS-dominiert, Chla-dominiert, CDOM-dominiert, Chla + CDOM-dominiert, mäßig trübe Küste) zugewiesen wurde , klar). Alle Messungen, die über drei Standardabweichungen vom wassertypspezifischen Mittelwert hinausgingen, wurden erneut ausgewertet, um sicherzustellen, dass sie eine hohe Zuverlässigkeit aufweisen.

Die für radiometrische Messungen und Laboranalysen verwendeten Methoden sind in den Spalten „Measurement_method“, „Chl_method“, „TSS_method“ und „aCDOM_method“ in der Datei GLORIA_meta_and_lab.csv gekennzeichnet. Zugehörige Details mit Referenzen finden Sie in separaten Blättern in der Datei GLORIA_variables_and_methods.xlsx. Zum Nachschlagen der Methode für eine bestimmte Messung sind die „Dataset_ID“ und der Methodenname erforderlich.

Jeder Rrs-Messung sind Qualitätsflags zugeordnet (Datei GLORIA_qc_flags.csv). Die Qualitätsflags sind binär und zeigen das Vorhandensein ('1') oder Nichtvorhandensein ('0') des in Tabelle 2 beschriebenen Qualitätsproblems an. Fehlende Werte weisen darauf hin, dass das Flag nicht bestimmt werden konnte, weil das Spektrum nicht den erforderlichen Wellenlängenbereich umfasste . Einige numerische Werte, die während der Qualitätskontrolle generiert wurden, sind in der Datei GLORIA_qc_ancillary.csv (Tabelle 3) enthalten.

Einige der Daten in GLORIA sind Teil anderer Datenpublikationen oder auch in den Community-Repositories SeaBASS33 und/oder LIMNADES enthalten. Die Spalten „SeaBASS_ID“, „LIMNADES_ID“ und „LIMNADES_UID“ in der Datentabelle (GLORIA_meta_and_lab.csv) stellen Identifikatoren bereit, die in den jeweiligen Datensätzen verwendet werden, um Querverweiseinträge zu erleichtern, beispielsweise zur Vermeidung von Duplikaten. Weitere Hinweise auf eine frühere Veröffentlichung der Daten finden Sie in der Spalte „Kommentare“ in GLORIA_meta_and_lab.csv in Form eines Digital Object Identifier (DOI).

Der im Abschnitt „Technische Validierung“ beschriebene Code zur Durchführung der Qualitätskontrollkennzeichnung ist in R95 geschrieben und auf Zenodo96 verfügbar. Der 3C-Code ist unter https://gitlab.com/pgroetsch/Rrs_model_3C verfügbar. Der Code für QWIP ist auf Zenodo97.

Eine Korrektur zu diesem Artikel wurde veröffentlicht: https://doi.org/10.1038/s41597-023-02069-3

Seyhan, E. & Dekker, A. Anwendung von Fernerkundungstechniken zur Überwachung der Wasserqualität. Hydrobiological Bulletin 20, 41–50, https://doi.org/10.1007/BF02291149 (1986).

Artikel CAS Google Scholar

Kirk, JTO Licht und Photosynthese in aquatischen Ökosystemen. 2. Auflage, (Cambridge University Press, 1994).

Muller-Karger, FE Fernerkundung der Meeresverschmutzung: Eine Herausforderung für die 1990er Jahre. Mar. Pollut. Stier. 25, 54–60, https://doi.org/10.1016/0025-326X(92)90186-A (1992).

Artikel Google Scholar

Bukata, PR, Jerome, JH, Kondratyev, KY & Pozdnyakov, D. Optische Eigenschaften und Fernerkundung von Binnen- und Küstengewässern. 362 (CRC Press, 1995).

Hassan, R., Scholes, R. & Ash, N. in Millennium Ecosystem Assessment (Island Press, Washington, DC., 2005).

Gesundheit Kanada. Richtlinien für die Qualität von Freizeitgewässern in Kanada, 3. Auflage. (Büro für Wasser, Luft und Klimawandel, Abteilung für gesunde Umwelt und Verbrauchersicherheit, Health Canada, Ottawa, 2012).

UNEP. Ein Rahmen für das Management von Süßwasserökosystemen. Band 4: Wissenschaftlicher Hintergrund. (UN-Umwelt, 2018).

WER. Richtlinien zur Qualität von Freizeitgewässern. Band 1: Küsten- und Süßwasser. (Weltgesundheitsorganisation, Genf, 2021).

IOCCG. Erdbeobachtungen zur Unterstützung der globalen Überwachung der Wasserqualität. (International Ocean Color Coordinating Group, Dartmouth, Kanada, 2018).

McClain, CR et al. SeaWiFS-Daten in wissenschaftlicher Qualität für die globale Biosphärenforschung. Meerestechnologie. 39, 10–16 (1998).

Google Scholar

Gordon, HR, Clark, DK, Mueller, JL & Hovis, WA Phytoplanktonpigmente vom Nimbus-7 Coastal Zone Color Scanner: Vergleiche mit Oberflächenmessungen. Science 210, 63–66, https://doi.org/10.1126/science.210.4465.63 (1980).

Artikel ADS CAS PubMed Google Scholar

Stramski, D., Reynolds, RA, Kahru, M. & Mitchell, BG Schätzung des partikulären organischen Kohlenstoffs im Ozean durch Satellitenfernerkundung. Science 285, 239–242 (1999).

Artikel CAS PubMed Google Scholar

O'Reilly, JE et al. Meeresfarb-Chlorophyll-Algorithmen für SeaWiFS. Journal of Geophysical Research: Oceans 103, 24937–24953, https://doi.org/10.1029/98JC02160 (1998).

Artikel Google Scholar

IOCCG. Warum Ozeanfarbe? Die gesellschaftlichen Vorteile der Ocean-Color-Technologie. (IOCCG, Dartmouth, Kanada, 2008).

Werdell, PJ et al. Ein Überblick über Ansätze und Herausforderungen zur Ermittlung mariner inhärenter optischer Eigenschaften aus der Fernerkundung der Meeresfarbe. Prog. Ozeanogr. 160, 186–212, https://doi.org/10.1016/j.pocean.2018.01.001 (2018).

Artikel ADS PubMed PubMed Central Google Scholar

Esaias, WE et al. Ein Überblick über die MODIS-Funktionen für meereswissenschaftliche Beobachtungen. IEEE Transactions on Geoscience and Remote Sensing 36, 1250–1265, https://doi.org/10.1109/36.701076 (1998).

Artikel ADS Google Scholar

Hlaing, S. et al. Bewertung der Leistung der VIIRS-Meeresfarbenüberwachung in Küstenregionen. Fernerkundung. Umwelt. 139, 398–414, https://doi.org/10.1016/j.rse.2013.08.013 (2013).

Artikel ADS Google Scholar

IOCCG. Fernerkundung der Meeresfarbe in Küstengewässern und anderen optisch komplexen Gewässern. (IOCCG, Dartmouth, Kanada, 2000).

Pahlevan, N. et al. ACIX-Aqua: Eine globale Bewertung atmosphärischer Korrekturmethoden für Landsat-8 und Sentinel-2 über Seen, Flüssen und Küstengewässern. Fernerkundung. Umwelt. 258, 112366, https://doi.org/10.1016/j.rse.2021.112366 (2021).

Artikel ADS Google Scholar

Moses, WJ, Sterckx, S., Montes, MJ, De Keukelaere, L. & Knaeps, E. Kapitel 3 – Atmosphärenkorrektur für Binnengewässer in der biooptischen Modellierung und Fernerkundung von Binnengewässern (Hrsg. DR, Mishra, I. , Ogashawara & AA, Gitelson) 69–100 (Elsevier, 2017).

Pahlevan, N., Chittimalli, SK, Balasubramanian, SV & Vellucci, V. Sentinel-2/Landsat-8-Produktkonsistenz und Auswirkungen auf die Überwachung aquatischer Systeme. Fernerkundung. Umwelt. 220, 19–29, https://doi.org/10.1016/j.rse.2018.10.027 (2019).

Artikel ADS Google Scholar

Schaeffer, BA et al. Hindernisse für den Einsatz von Satellitenfernerkundung für das Wasserqualitätsmanagement. Int. J. Remote Sens. 34, 7534–7544, https://doi.org/10.1080/01431161.2013.823524 (2013).

Artikel Google Scholar

Dekker, AG & Pinnel, N. (Committee on Earth Observation Satellites (CEOS), Australien, 2018).

El Serafy, GYH et al. Integration von Binnen- und Küstenwasserqualitätsdaten für umsetzbares Wissen. Fernerkundung 13, 24, https://doi.org/10.3390/rs13152899 (2021).

Artikel Google Scholar

Schaeffer, BA et al. Mobile Geräteanwendung zur Überwachung schädlicher Cyanobakterien-Algenblüten mit Sentinel-3-Satelliten-Ocean- und Land-Color-Instrumenten. Umgebung. Modell. Software 109, 93–103, https://doi.org/10.1016/j.envsoft.2018.08.015 (2018).

Artikel Google Scholar

Binding, CE, Pizzolato, L. & Zeng, C. EOLakeWatch; Bereitstellung einer umfassenden Suite von Algenblütenindizes zur Fernerkundung zur verbesserten Überwachung eutropher Seen in Kanada. Ökologisch. Indikatoren 121, 106999, https://doi.org/10.1016/j.ecolind.2020.106999 (2021).

Artikel CAS Google Scholar

Pahlevan, N. et al. Gleichzeitiger Abruf ausgewählter optischer Wasserqualitätsindikatoren von Landsat-8, Sentinel-2 und Sentinel-3. Fernerkundung. Umwelt. 270, 112860, https://doi.org/10.1016/j.rse.2021.112860 (2022).

Artikel ADS Google Scholar

Smith, B. et al. Ein Chlorophyll-a-Algorithmus für Landsat-8 basierend auf Mischungsdichtenetzwerken. Grenzen der Fernerkundung 1, https://doi.org/10.3389/frsen.2020.623678 (2021).

Balasubramanian, SV et al. Robuster Algorithmus zur Schätzung der gesamten Schwebstoffe (TSS) in Binnen- und küstennahen Küstengewässern. Fernerkundung. Umwelt. 111768, https://doi.org/10.1016/j.rse.2020.111768 (2020).

Pahlevan, N. et al. Nahtloser Abruf von Chlorophyll-a aus Sentinel-2 (MSI) und Sentinel-3 (OLCI) in Binnen- und Küstengewässern: Ein Ansatz des maschinellen Lernens. Fernerkundung. Umwelt. 111604, https://doi.org/10.1016/j.rse.2019.111604 (2020).

Smith, B. et al. im International Ocean Color Science Meeting (Busan, Südkorea, 2019).

Jiang, D. et al. Fernabschätzung der gesamten Schwebstoffkonzentration in klarem bis extrem trübem Wasser mithilfe einer neuartigen semianalytischen Methode. Fernerkundung. Umwelt. 258, 112386, https://doi.org/10.1016/j.rse.2021.112386 (2021).

Artikel ADS Google Scholar

Werdell, PJ et al. Einzigartiges Datenrepository erleichtert die Validierung der Ozeanfarbe durch Satelliten. Eos, Transactions American Geophysical Union 84, 377–387 (2003).

Artikel ADS Google Scholar

Mouw, CB et al. Aquatische Farbradiometrie-Fernerkundung von Küsten- und Binnengewässern: Herausforderungen und Empfehlungen für zukünftige Satellitenmissionen. Fernerkundung. Umwelt. 160, 15–30, https://doi.org/10.1016/j.rse.2015.02.001 (2015).

Artikel ADS Google Scholar

Cawse-Nicholson, K. et al. Die Oberflächenbiologie und Geologie der NASA werden als beobachtbar bezeichnet: Eine Perspektive auf Oberflächenbildgebungsalgorithmen. Fernerkundung. Umwelt. 257, 112349, https://doi.org/10.1016/j.rse.2021.112349 (2021).

Artikel ADS Google Scholar

Werdell, PJ et al. Die Plankton-, Aerosol-, Wolken- und Ozean-Ökosystem-Mission: Status, Wissenschaft, Fortschritte. Bulletin der American Meteorological Society 100, 1775–1794, https://doi.org/10.1175/bams-d-18-0056.1 (2019).

Artikel ADS Google Scholar

Guanter, L. et al. Die EnMAP-Mission zur weltraumgestützten bildgebenden Spektroskopie zur Erdbeobachtung. Fernerkundung 7, 8830–8857 (2015).

Artikel ADS Google Scholar

Bresciani, M. et al. Der Einsatz optischer Multiquellen-Sensoren zur Untersuchung der räumlich-zeitlichen Variation des Phytoplanktons in einem flachen, trüben See. Wasser 12 https://doi.org/10.3390/w12010284 (2020).

Bailey, SW & Werdell, PJ Ein Multisensor-Ansatz für die On-Orbit-Validierung von Satellitendatenprodukten zur Meeresfarbe. Fernerkundung. Umwelt. 102, 12–23, https://doi.org/10.1016/j.rse.2006.01.015 (2006).

Artikel ADS Google Scholar

Goyens, C., Vis, PD & Hunt, SE im 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS. 7920–7923.

Ruddick, KG et al. Eine Übersicht über Protokolle für Referenzreferenzmessungen der Wasseraustrittsstrahlung zur Validierung von Satellitenfernerkundungsdaten über Wasser. Fernerkundung 11, 2198 (2019).

Artikel ADS Google Scholar

Zibordi, G., Voss, KJ, Johnson, BC & Mueller, J. Protokolle für die Validierung von Satelliten-Ozeanfarbdaten: Optische In-situ-Radiometrie. (IOCCG, Dartmouth, NS, Kanada, 2019).

Lee, Z., Pahlevan, N., Ahn, YH, Greb, S. & O'Donnell, D. Robuster Ansatz zur direkten Messung der wasseraustretenden Strahlung im Feld. Appl. Opt. 52, 1693–1701, https://doi.org/10.1364/Ao.52.001693 (2013).

Artikel ADS PubMed Google Scholar

Mueller, JL Radiometrische Profilmessungen im Wasser und Datenanalyseprotokolle in Ocean Optics Protocols for Satellite Ocean Color Sensor Validation, Revision 4, Band III: Radiometrische Messungen und Datenanalyseprotokolle Kap. 2, 7–20 (NASA/TM, 2003).

Mobley, CD Schätzung des Fernerkundungsreflexionsvermögens aus oberirdischen Messungen. Appl. Opt. 38, 7442–7455, https://doi.org/10.1364/AO.38.007442 (1999).

Artikel ADS CAS PubMed Google Scholar

Voss, KJ et al. Eine Methode zur Extrapolation des Dämpfungskoeffizienten der diffusen Auftriebsstrahlung auf die Oberfläche, angewendet auf die optische Meeresboje (MOBY. Journal of Atmospheric and Oceanic Technology 34, 1423–1432, https://doi.org/10.1175/JTECH-D-16 -0235,1 (2017).

Artikel ADS PubMed PubMed Central Google Scholar

Ruddick, KG et al. Eine Übersicht über Protokolle für Referenzreferenzmessungen der Abwärtsstrahlung zur Validierung von Satellitenfernerkundungsdaten über Wasser. Fernerkundung 11, 1742 (2019).

Artikel ADS Google Scholar

Hommersom, A. et al. Vergleich im Feld zwischen dem neuen WISP-3 und anderen Radiometern (TriOS Ramses, ASD FieldSpec und TACCS). Journal of Applied Remote Sensing 6, 063615, https://doi.org/10.1117/1.JRS.6.063615 (2012).

Artikel ADS Google Scholar

Bresciani, M. et al. Analyse der Chlorophyll-a-Dynamik innerhalb und zwischen Tagen im Mantua Superior Lake mit einer kontinuierlichen spektroradiometrischen Messung. Marine and Freshwater Research 64, 303–316, https://doi.org/10.1071/MF12229 (2013).

Artikel CAS Google Scholar

Kudela, RM et al. Anwendung der hyperspektralen Fernerkundung auf Cyanobakterienblüten in Binnengewässern. Fernerkundung. Umwelt. 167, 196–205, https://doi.org/10.1016/j.rse.2015.01.025 (2015).

Artikel ADS Google Scholar

Zolfaghari, K. et al. Einfluss der spektralen Auflösung auf die Quantifizierung von Cyanobakterien in Seen und Stauseen: Eine Bewertung des maschinellen Lernens. IEEE Transactions on Geoscience and Remote Sensing 60, 1–20, https://doi.org/10.1109/TGRS.2021.3114635 (2022).

Artikel Google Scholar

Chipman, JW, Olmanson, LG & Gitelson, AA Fernerkundungsmethoden für das Seemanagement: ein Leitfaden für Ressourcenmanager und Entscheidungsträger. (North American Lake Management Society, 2009).

Gurlin, D., Gitelson, AA & Moses, WJ Fernabschätzung der Chl-a-Konzentration in trüben produktiven Gewässern – Rückkehr zu einem einfachen Zweiband-NIR-Rot-Modell. Fernerkundung. Umwelt. 115, 3479–3490, https://doi.org/10.1016/j.rse.2011.08.011 (2011).

Artikel ADS Google Scholar

Schalles, JF & Hladik, CM Kartierung von Phytoplankton-Chlorophyll in trüben, Fall 2 Mündungs- und Küstengewässern. Isr. J. Plant Sci. 60, 169–191, https://doi.org/10.1560/IJPS.60.1-2.169 (2012).

Artikel Google Scholar

Li, L. et al. Ein Inversionsmodell zur Ableitung inhärenter optischer Eigenschaften von Binnengewässern: Etablierung, Validierung und Anwendung. Fernerkundung. Umwelt. 135, 150–166, https://doi.org/10.1016/j.rse.2013.03.031 (2013).

Artikel ADS Google Scholar

Mishra, S., Mishra, DR, Lee, Z. & Tucker, CS Quantifizierung der Phycocyaninkonzentration von Cyanobakterien in trüben produktiven Gewässern: Ein quasi-analytischer Ansatz. Fernerkundung. Umwelt. 133, 141–151, https://doi.org/10.1016/j.rse.2013.02.004 (2013).

Artikel ADS Google Scholar

Brezonik, PL, Olmanson, LG, Finlay, JC & Bauer, ME Faktoren, die die Messung von CDOM durch Fernerkundung optisch komplexer Binnengewässer beeinflussen. Fernerkundung. Umwelt. 157, 199–215, https://doi.org/10.1016/j.rse.2014.04.033 (2015).

Artikel ADS Google Scholar

Werther, M. et al. Charakterisierung der Abrufunsicherheit von Chlorophyll-a-Algorithmen in oligotrophen und mesotrophen Seen und Stauseen. ISPRS Journal of Photogrammetry and Remote Sensing 190, 279–300, https://doi.org/10.1016/j.isprsjprs.2022.06.015 (2022).

Artikel ADS Google Scholar

Wei, J., Lee, Z. & Shang, S. Ein System zur Messung der Datenqualität der spektralen Fernerkundungsreflexion aquatischer Umgebungen. Journal of Geophysical Research: Oceans 121, 8189–8207, https://doi.org/10.1002/2016JC012126 (2016).

Artikel ADS Google Scholar

Simis, SGH & Olsson, J. Unbeaufsichtigte Verarbeitung schiffsgestützter hyperspektraler Reflexionsmessungen. Fernerkundung. Umwelt. 135, 202–212, https://doi.org/10.1016/j.rse.2013.04.001 (2013).

Artikel ADS Google Scholar

Qin, P., Simis, SGH & Tilstone, GH Radiometrische Validierung der atmosphärischen Korrektur für MERIS in der Ostsee basierend auf kontinuierlichen Beobachtungen von Schiffen und AERONET-OC. Fernerkundung. Umwelt. 200, 263–280, https://doi.org/10.1016/j.rse.2017.08.024 (2017).

Artikel ADS Google Scholar

Warren, MA et al. Bewertung atmosphärischer Korrekturalgorithmen für den Sentinel-2A MultiSpectral Imager über Küsten- und Binnengewässern. Fernerkundung. Umwelt. 225, 267–289, https://doi.org/10.1016/j.rse.2019.03.018 (2019).

Artikel ADS Google Scholar

Mobley, CD Polarisierte Reflexions- und Transmissionseigenschaften windgepeitschter Meeresoberflächen. Appl. Opt. 54, 4828–4849, https://doi.org/10.1364/AO.54.004828 (2015).

Artikel ADS PubMed Google Scholar

Maciel, D. et al. Ermittlung der gesamten und anorganischen Schwebstoffe in Amazonas-Überschwemmungsseen: Ein Multisensor-Ansatz. Fernerkundung 11, 1744 (2019).

Artikel ADS Google Scholar

Cairo, C. et al. Hybrides Chlorophyll – ein Algorithmus zur Bewertung des trophischen Zustands eines tropischen brasilianischen Reservoirs basierend auf MSI/Sentinel-2-Daten. Fernerkundung 12, 40, https://doi.org/10.3390/rs12010040 (2020).

Artikel ADS Google Scholar

da Silva, MP, Sander de Carvalho, LA, Novo, E., Jorge, DSF & Barbosa, CCF Verwendung optischer Absorptionsindizes zur Bewertung der saisonalen Variabilität gelöster organischer Stoffe in Amazonas-Überschwemmungsseen. Biogeosciences 17, 5355–5364, https://doi.org/10.5194/bg-17-5355-2020 (2020).

Artikel ADS Google Scholar

Lubac, B. & Loisel, H. Variabilität und Klassifizierung von Fernerkundungsreflexionsspektren im östlichen Ärmelkanal und in der südlichen Nordsee. Fernerkundung. Umwelt. 110, 45–58, https://doi.org/10.1016/j.rse.2007.02.012 (2007).

Artikel ADS Google Scholar

Binding, CE, Zastepa, A. & Zeng, C. Der Einfluss der Zusammensetzung der Phytoplanktongemeinschaft auf optische Eigenschaften und Satellitenbeobachtungen der Algenblüte im westlichen Eriesee 2017. J. Great Lakes Res. 45, 573–586, https://doi.org/10.1016/j.jglr.2018.11.015 (2019).

Artikel Google Scholar

Fritz, C., Dörnhöfer, K., Schneider, T., Geist, J. & Oppelt, N. Kartierung untergetauchter aquatischer Vegetation mithilfe von RapidEye-Satellitendaten: Das Beispiel des Kummerower Sees (Deutschland). Wasser 9, 510 (2017).

Artikel Google Scholar

Zibordi, G. & Talone, M. Zur Äquivalenz oberflächennaher Methoden zur Bestimmung der wasseraustretenden Strahlung. Optics Express 28, 3200–3214, https://doi.org/10.1364/OE.28.003200 (2020).

Artikel ADS PubMed Google Scholar

Kutser, T., Vahtmae, E., Paavel, B. & Kauer, T. Entfernen von Glitzereffekten aus Feldradiometriedaten, die in optisch komplexen Küsten- und Binnengewässern gemessen wurden. Fernerkundung. Umwelt. 133, 85–89, https://doi.org/10.1016/j.rse.2013.02.011 (2013).

Artikel ADS Google Scholar

Minaudo, C. et al. Der Einfluss der Primärproduktion auf Hochfrequenzprofile von Lake Optical Properties. Umgebung. Wissenschaft. Technol. 55, 14234–14244, https://doi.org/10.1021/acs.est.1c02585 (2021).

Artikel ADS CAS PubMed Google Scholar

Stramski, D. et al. Beziehungen zwischen der Oberflächenkonzentration von partikulärem organischem Kohlenstoff und optischen Eigenschaften im östlichen Südpazifik und im Ostatlantik. Biogeosciences 5, 171–201, https://doi.org/10.5194/bg-5-171-2008 (2008).

Artikel ADS CAS Google Scholar

Bracher, A. et al. Verwendung empirischer orthogonaler Funktionen, die aus der Fernerkundungsreflexion abgeleitet wurden, zur Vorhersage von Phytoplanktonpigmentkonzentrationen. Ozeanwissenschaft. 11, 139–158, https://doi.org/10.5194/os-11-139-2015 (2015).

Artikel ADS Google Scholar

Tilstone, G. et al. Feldvergleich von Radiometermessungen zur Validierung der Ozeanfarbe. Remote Sensing 12, 1587, https://doi.org/10.3390/rs12101587 (2020).

Artikel ADS Google Scholar

Dekker, AG Erfassung optischer Wasserqualitätsparameter für eutrophe Gewässer durch hochauflösende Fernerkundung, Doktorarbeit, Vrije Universiteit Amsterdam, (1993).

GEBCO Bathymetric Compilation Group 2021. GEBCO 2021 Raster. NASA National Snow and Ice Data Center DAAC https://doi.org/10.5285/c6612cbe-50b3-0cff-e053-6c86abc09f8f (2021).

Yentsch, C. & Menzel, D. Eine Methode zur Bestimmung von Phytoplankton-Chlorophyll und Phaeophytin durch Fluoreszenz. Deep Sea Research 10, 221–231 (1963).

CAS Google Scholar

Welschmeyer, NA Fluorometrische Analyse von Chlorophyll-a in Gegenwart von Chlorophyll-b und Phäopigmenten. Limnol. Ozeanogr. 39, 1985–1992 (1994).

Artikel ADS CAS Google Scholar

Roesler, CS & Barnard, AH Optischer Proxy für Phytoplankton-Biomasse ohne Photophysiologie: Überdenken der Absorptionslinienhöhe. Methods in Oceanography 7, 79–94, https://doi.org/10.1016/j.mio.2013.12.003 (2013).

Artikel Google Scholar

Mitchell, BG, Kahru, M., Wieland, J. & Stramska, M. Bestimmung der spektralen Absorptionskoeffizienten von Partikeln, gelöstem Material und Phytoplankton für diskrete Wasserproben – Kapitel 4. 39–64 (NASA Goddard Space Flight Center, Greenbelt, MD, 2003).

Tyler, JE Die Secchi-Scheibe. Limnol. Ozeanogr. 13, 1–6, https://doi.org/10.4319/lo.1968.13.1.0001 (1968).

Artikel ADS Google Scholar

Wernand, MR Zur Geschichte der Secchi-Scheibe. Journal of the European Optical Society – Rapid Publications 5, https://doi.org/10.2971/jeos.2010.10013s (2010).

Lehmann, MK. et al. GLORIA – Ein globaler Datensatz zur Fernerkundungsreflexion und Wasserqualität aus Binnen- und Küstengewässern, PANGAEA, https://doi.org/10.1594/PANGAEA.948492 (2022).

Spyrakos, E. et al. Optische Arten von Binnen- und Küstengewässern. Limnol. Oceanogr., https://doi.org/10.1002/lno.10674 (2018).

Eleveld, AM et al. Ein optisches Klassifizierungstool für globale Seegewässer. Fernerkundung 9, https://doi.org/10.3390/rs9050420 (2017).

Lehmann, MK, Nguyen, U., Allan, M. & van der Woerd, H. Farbklassifizierung von 1486 Seen über ein breites Spektrum optischer Wassertypen. Fernerkundung 10, https://doi.org/10.3390/rs10081273 (2018).

Hou, X. et al. Globale Kartierungen zeigen eine Zunahme der Seealgenblüten im letzten Jahrzehnt. Nature Geoscience 15, 130–134, https://doi.org/10.1038/s41561-021-00887-x (2022).

Artikel ADS CAS Google Scholar

Dierssen, HM et al. QWIP: Eine quantitative Metrik zur Qualitätskontrolle der Spektralform des aquatischen Reflexionsvermögens unter Verwendung der scheinbaren sichtbaren Wellenlänge. Grenzen der Fernerkundung 3, https://doi.org/10.3389/frsen.2022.869611 (2022).

Vandermeulen, RA, Mannino, A., Craig, SE & Werdell, PJ 150 Grüntöne: Nutzung des gesamten Spektrums der Fernerkundungsreflexion zur Aufklärung von Farbverschiebungen im Ozean. Fernerkundung. Umwelt. 247, 111900, https://doi.org/10.1016/j.rse.2020.111900 (2020).

Artikel ADS Google Scholar

Mobley, CD Licht und Wasser: Strahlungsübertragung in natürlichen Gewässern. 608 (Academic Press, 1994).

Groetsch, PMM, Gege, P., Simis, SGH, Eleveld, MA & Peters, SWM Validierung eines spektralen Korrekturverfahrens für Sonnen- und Himmelreflexionen bei Reflexionsmessungen über Wasser. Optics Express 25, A742–A761, https://doi.org/10.1364/OE.25.00A742 (2017).

Artikel ADS CAS PubMed Google Scholar

Jordan, TM, Simis, SGH, Grötsch, PMM & Wood, J. Einbindung eines hyperspektralen Direktdiffus-Pyranometers in einen Überwasser-Reflexionsalgorithmus. Fernerkundung 14 (2022).

Burggraaff, O. Verzerrungen durch falsche Reflexionsfaltung. Optics Express 28, 13801–13816, https://doi.org/10.1364/OE.391470 (2020).

Artikel ADS PubMed Google Scholar

R-Kernteam. R: Eine Sprache und Umgebung für die Datenverarbeitung. (R Foundation for Statistical Computing, 2022).

Maciel, D. R-Code für GLORIA-Qualitätskontrollflaggen, Zenodo, https://doi.org/10.5281/zenodo.7372445 (2022).

Vandermeulen, RA. QWIP: v1.1 (v1.1), Zenodo, https://doi.org/10.5281/zenodo.7373840 (2022).

Wyszecki, G. & Stiles, WS Farbwissenschaft: Konzepte und Methoden, quantitative Daten und Formeln. (John Wiley & Sons, 2000).

CIE. Verfahren der International Commission on Illumination, 1931. (Cambridge University Press, 1932).

Referenzen herunterladen

Messungen und Probenahmen in Binnen- und Küstengewässern sind mit erheblichen Herausforderungen verbunden. Dazu gehören Überlandfahrten zu und von Gewässern, das Zuwasserlassen von Booten über natürliche Küstenlinien und die Verarbeitung von Proben am Ende langer Tage. Daher sind diese Daten das Ergebnis der harten Arbeit von viel mehr Menschen, als hier praktisch einzeln anerkannt werden können, und wir danken den Außendienstmitarbeitern, Labortechnikern, Studenten, Kapitänen und Kapitänen sowie allen anderen unterstützenden Mitarbeitern aufrichtig, ohne die dieser Datensatz nicht zustande gekommen wäre möglich gewesen. In einigen Fällen finden sich in der Spalte „Kommentare“ der Datei GLORIA_meta_and_lab.csv konkrete Danksagungen von Personen und/oder Fördermitteln.

Zu den Finanzierungsquellen gehören: Estnisches Ministerium für Bildung und Forschung; Europäische Kommission FP7, H2020, FP7-ENV-2007-1-226224; Estnischer Forschungsrat; Helmholtz-Infrastrukturinitiative FRAM; BMBF 03G0218A; Das neuseeländische Ministerium für Wirtschaft, Innovation und Beschäftigung vergibt die Zuschüsse UOWX1503, UOWX1802, KENTR1601, die NASA ROSES gewährt die Zuschüsse 80HQTR19C0015, 80NSSC 21K0499, 80NSSC22K1389 und den USGS Landsat Science Team Award 140G0118C0011, die Vietnam National Foundation for Science and Technology Development (NAFOSTED). ), Fördernummer 105.08- 2019.329, Bundesministerium für Wirtschaft und Energie, Deutschland, Auszeichnung: LAKESAT 50EE1340, EnMAP CalVal 50EE1923, TypSynSat 50EE1915.

Verstorben: Marcel R. Wernand.

Xerra Earth Observation Institute, PO Box 400, Alexandra, 9340, Neuseeland

Moritz K. Lehmann

School of Science, University of Waikato, Private Bag 3105, Hamilton, 3240, Neuseeland

Moritz K. Lehmann & Ted Conroy

Wisconsin Department of Natural Resources, Bureau of Water Quality, 101 S Webster Street, Madison, WI, 53707, USA

Daniela Gurlin

Science Systems and Applications, Inc. (SSAI), Lanham, MD, USA

Nima Pahlevan, Brandon Smith und Ryan A. Vandermeulen

NASA Goddard Space Flight Center, Greenbelt, MD, USA

Nima Pahlevan & Brandon Smith

Tartu-Observatorium, Tartu, Tartu, 61602, Estland

Krista Alikas, Kersti Kangaroo & Martin League

Coasts and Oceans Systems Program (COS), CSIRO Environment Business Unit, Acton, ACT, 2601, Australien

Janet Anstee und Nathan Drayson

GeoSensing- und Imaging-Beratung, Trivandrum, Kerala, Indien

Sundarabalan V. Balasubramanian

Instrumentierungslabor für aquatische Systeme (LabISA), Nationales Institut für Weltraumforschung (INPE), São José dos Campos, Brasilien

Claudius CF Beard, Daniel A. Maciel und Evlyn New MLM

Umwelt und Klimawandel Kanada, Burlington, ON, Kanada

Caren Binding

Gruppe Phytooptik, Physikalische Ozeanographie der Polarmeere, Klimawissenschaften, Alfred-Wegener-Institut, Helmholtz-Zentrum für Polar- und Meeresforschung, Bremerhaven, Deutschland

Astrid Bracher & Mariana A. Soppa

Fachbereich Physik und Elektrotechnik, Institut für Umweltphysik, Universität Bremen, Bremen, Deutschland

Astrid Bracher

Nationaler Forschungsrat Italiens, Institut für elektromagnetische Sensierung der Umwelt, CNR-IREA, Mailand, Italien

Mariano Bresciani & Claudia Giardino

Cooperative Institute for Great Lakes Research, University of Michigan, 4840 South State Road, Ann Arbor, MI, 48108, USA

Ashley Burtner

Nanjing Institut für Geographie und Limnologie, Chinesische Akademie der Wissenschaften, Nanjing, 210008, China

Zhigang Cao & Ronghua Ma

SatDek Pty Ltd, 99 Read Rd, Sutton, NSW, 2620, Australien

Arnold G. Dekker

Wake Forest University, Ingenieurwesen, 455 Vine Street, Winston-Salem, NC, 27101, USA

Courtney DiVittorio & Kyana Young

NOAA Great Lakes Environmental Research Laboratory, Ann Arbor, MI, USA

Reagan M. Errera und Andrea Vander Woude

Geographisches Institut, Universität der Republik, Montevideo, Uruguay

Virginia Fernandez

Institut für Biologie und Geowissenschaften, Pommersche Universität, Arciszewskiego 22, 76-200, Slupsk, Polen

Darius Ficek

Abteilung für Erde und Umwelt, Boston University, Boston, MA, USA

Cedric G. Fichot

Deutsches Zentrum für Luft- und Raumfahrt (DLR), Institut für Methodik der Fernerkundung, Weßling, Deutschland

Peter Gege, Stefan Plattner & Ian Somlai-Schweiger

University of Nebraska-Lincoln, School of Natural Resources, 3310 Holdrege Street, Lincoln, NE, 68503, USA

Anatoly A. Gitelson

University of Wisconsin-Madison, Aquatic Sciences Center, 1975 Willow Drive, Madison, WI, 53706, USA

Steven R. Greb

Michigan Technological University, Great Lakes Research Center, 100 Phoenix Drive, Houghton, MI, 49931, USA

Hayden Henderson

Fakultät für Stadtinnovation, Yokohama National University, Tokiwadai 79-5, Hodogaya, Yokohama, Kanagawa, Japan

Hiroto Higa

Eidgenössische Wasserforschungsanstalt, Abteilung Oberflächengewässer – Forschung und Management, Dübendorf, Schweiz

Abolfazl Irani Rahaghi, Daniel Odermatt & Mortimer Werther

Universität Littoral Côte d'Opale, CNRS, Univ. Lille, IRD, UMR 8187 – LOG – Labor für Ozeanologie und Geowissenschaften, F-62930, Wimereux, Frankreich

Cédric Jamet, Hubert Loisel und Vincent Vantrepotte

Erd- und Planetenbeobachtungswissenschaften (EPOS), Bio- und Umweltwissenschaften, Fakultät für Naturwissenschaften, Universität Stirling, Stirling, Großbritannien

Dalin Jiang, Evangelos Spyrakos & Mortimer Werther

Plymouth Marine Laboratory, Plymouth, PL1 3DH, Großbritannien

Thomas Jordan & Stefan GH Simis

NASA Ames Research Center, Moffett Field, CA, USA

Jeremy A. Kravitz

Fakultät für Physik und Technologie, Universität Bergen, Bergen, Norwegen

Arne S. Kristoffersen & Elinor Tessin

University of California-Santa Cruz, Abteilung für Meereswissenschaften, Institut für Meereswissenschaften, 1156 High Street, Santa Cruz, CA, 95064, USA

Raphael Kudela

Abteilung für Geowissenschaften, Indiana University-Purdue University, Indianapolis, IN, USA

Lin Li

University of Massachusetts-Dartmouth, School for Marine Science and Technology West, 706 South Rodney French Blvd., New Bedford, MA, 02744, USA

Steven Lohrenz

Coasts and Oceans Systems Program (COS), CSIRO Environment Business Unit, Ecosciences Precinct, 41 Boggo Road, Dutton Park, QLD, 4102, Australien

Tim J. Malthus

Fakultät für Lebens- und Umweltwissenschaften, Universität Tsukuba, Ibaraki, Japan

Bunkei Matsushita

CyanoLakes (Pty) Ltd, Sydney, 2126, Australien

Mark Matthews

Abteilung für Evolutionsbiologie, Ökologie und Umweltwissenschaften, Fakultät für Biologie, Universität Barcelona, ​​​​Av. Diagonal 643, 08028, Barcelona, ​​​​Spanien

Camille Minaudo

Institut für Geographie, University of Georgia, Athens, GA, 30602, USA

Deepak R. Mishra

National Centers for Coastal Ocean Science, National Oceanic and Atmospheric Administration, 1305 East-West Hwy, Silver Spring, MD, 20910, USA

Sachidananda Mishra

Harbor Branch Oceanographic Institute, Florida Atlantic University, Fort Pierce, FL, USA

Tim Moore

US Naval Research Laboratory, 4555 Overlook Ave SW, Washington, DC, 20375, USA

Wesley J. Moses

Fakultät für Geologie, VNU University of Science, Ha Noi, Vietnam

Ha Nguyen

Königliches Niederländisches Institut für Meeresforschung, physikalische Ozeanographie, Meeresoptik und Fernerkundung, Den Burg, Texel, Niederlande

Stéfani Novoa & Marcel R. Wernand

Upstate Freshwater Institute, Syracuse, NY, USA

David M. O'Donnell

Abteilung für Waldressourcen, University of Minnesota, St. Paul, MN, USA

Leif G. Olmanson

NOAA-Zentrum für Satellitenanwendungen und -forschung, College Park, MD, USA

Michael Ondrusek

Erdbeobachtung und Modellierung, Christian-Albrechts-Universität zu Kiel, Geographisches Institut, 24118, Kiel, Deutschland

Natascha Oppelt

UMR LEGOS, Universität Toulouse, IRD, CNES, CNRS, UPS, 14 Avenue Edouard Belin, 31400, Toulouse, Frankreich

Sylvain Ouillon

Abteilung Wasser-Umwelt-Ozeanographie, Universität für Wissenschaft und Technologie Hanoi (USTH), Vietnamesische Akademie für Wissenschaft und Technologie (VAST), 18 Hoang Quoc Viet, Hanoi, 100000, Vietnam

Sylvain Ouillon

Abteilung für Geowissenschaften, Bundesuniversität Santa Maria, Av. Roraima, 1000, 97105-900, Santa Maria, Rio Grande do Sul, Brasilien

Waterloo Pereira Filho

Labor für Erdbeobachtung, Universität Valencia, Kathedrale Agustín Escardino 9, Paterna (Valencia), 46980, Spanien

Antonio Ruiz Verdu

Fakultät für Ingenieurwissenschaften, Kyoto University of Advanced Science (KUAS), 18 Yamanouchi Gotanda, Ukyo, Kyoto, Japan

Salem I. Salem

Creighton University, Fachbereich Biologie, Omaha, NE, 68178, USA

John F. Schalles

Japan Agency for Marine-Earth Science and Technology (JAMSTEC), Showa-machi 3173-25, Yokohama, Kanagawa, 2360001, Japan

Eko Siswanto

Abteilung für Wasser- und Klimarisiken, Institut für Umweltstudien (IVM), VU-Universität, Amsterdam, Niederlande

Hendrik J. van der Woerd

Ocean Ecology Laboratory, NASA Goddard Space Flight Center, Greenbelt, MD, USA

Ryan A. Vandermeulen

China University of Geosciences, School of Geography and Information Engineering, Wuhan, China

Linwei Yue

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Moritz K. Lehmann, Daniela Gurlin und Nima Pahlevan haben gleichermaßen zu dieser Arbeit beigetragen; MK Lehmann verfasste das Manuskript, trug zur Datenerfassung bei, verwaltete die Datendateien und führte die Qualitätskontrolle der radiometrischen und Labordaten durch; D. Gurlin hat das Manuskript bearbeitet, zur Datenerfassung beigetragen, alle Messmethoden überprüft und validiert und die Qualitätskontrolle der radiometrischen und Labordaten unterstützt; N. Pahlevan konzipierte die Initiative, lud alle Datenmitwirkenden ein, leitete Vorstudien auf der Grundlage von Teilmengen von GLORIA und unterstützte das Verfassen von Manuskripten, die Datenerfassung und die Kommunikation. Die folgenden Autoren haben zur Qualitätskontrolle des gesamten Datensatzes beigetragen (alphabetisch nach Vornamen): Andrea Vander Woude, Astrid Bracher, Caren Binding, Claudia Giardino, Dalin Jiang, Daniel A. Maciel, Hendrik J. van der Woerd, Jeremy A. Kravitz , Lin Li, Mortimer Werther, Nathan Drayson, Ryan A. Vandermeulen, Sachidananda Mishra, Salem I. Salem, Stefan GH Simis, Thomas Jordan und Zhigang Cao. Brandon Smith und Sundarabalan V. Balasubramanian extrahierten und bereiteten die SeaBASS-Daten vor. Autoren, die in diesem Abschnitt nicht namentlich aufgeführt sind, haben wesentliche Beiträge zur Datenerfassung und Probenverarbeitung geleistet.

Korrespondenz mit Moritz K. Lehmann.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Lehmann, MK, Gurlin, D., Pahlevan, N. et al. GLORIA – Ein weltweit repräsentativer hyperspektraler In-situ-Datensatz zur optischen Erfassung der Wasserqualität. Sci Data 10, 100 (2023). https://doi.org/10.1038/s41597-023-01973-y

Zitat herunterladen

Eingegangen: 12. Juli 2022

Angenommen: 17. Januar 2023

Veröffentlicht: 16. Februar 2023

DOI: https://doi.org/10.1038/s41597-023-01973-y

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt