Project WaterWijzer Landbouw en gebruik satellietdata (bijv. Groenmonitor) Mirjam Hack en Allard de Wit 22 april 2014
WaterWijzer Landbouw = Vervanging HELP HELP-tabellen: effecten kwantificeren van waterhuishoudkundige maatregelen op opbrengstderving voor bouwland en grasland o.a. voor toepassing in Waternood langjarig gemiddelde schade als functie van grondwatertrap en bodemtype aanverwant: TCGB-tabellen en Agricom
WaterWijzer Landbouw en satellietdata
Waarom vervanging HELP? Wat is het doel van het totale project? Wat is de relatie met satellietdata? Toekomstperspectief
Landbouwschade-tabellen: waarom actualiseren?
HELP-tabellen: Meer droogte
én meer piekbuien
• • • • •
• • •
Gebaseerd op achterhaalde modellen Niet reproduceerbaar Natschade op destijds geldende landbouwpraktijk Droogteschade gebaseerd op verouderde meteorologische condities (1951-1980) Geen zoutschade Ongeschikt voor huidige klimaat Expert judgement / empirisch Langjarig gemiddeld, missen de extremen Missen de relevante processen Ongeschikt voor toekomstige klimaat
4
Doel van het totale project
Uniform en breed gedragen systeem voor
● bepalen van klimaatbestendige relaties ● tussen waterhuishoudkundige condities en gewasopbrengsten,
● ter vervanging van de huidige beschikbare systemen
Doel van het totale project Doelstelling voor eind project (2016?) Makkelijk toepasbare (online) tool voor bepalen van droogteschade, natschade en zoutschade voor huidige meteorologische condities en klimaatscenario’s. Operationeel model voor hydrologie en gewasgroei SWAP-WOFOST voor het berekenen van gewasopbrengsten in relatie tot droogte, zuurstoftekort en zout, geschikt voor gebruik door deskundigen. Kortom, beschikbaar voor maatwerk. Operationele modelkoppelingen voor berekenen van agrarische bedrijfseconomische resultaten en indirecte effecten (ook maatwerk, gebruik door deskundigen).
gras
Klimaatprojecties
Doel fase 2 van het project (2014) Website WaterWijzer.nl (STOWA-website) Koppeling SWAP-WOFOST Toetsing voor gras, aardappel en maïs Allard: Wat kunnen we met satellietdata? Wat willen we in de toekomst kunnen met satellietdata?
Door naar Allard
Met dank aan o.a. Joop Kroes Ruud Bartholomeus
Gebruik satelliet data voor WaterWijzer Inhoud Achtergrond optische satellietsystemen en data:
● Satelliet banen ● Ruimtelijke vs. temporele resolutie ● Consequenties voor gebruik Relevante operationele satelliet producten Gebruik in WaterWijzer:
● Waar liggen de mogelijkheden ● Koppeling met SWAP/WOFOST Radar satellieten buiten beschouwing gelaten
Satellietbanen voor optische aardobservatie satellieten Twee mogelijkheden: Geostationaire baan:
● 36000 km hoogte ● Baan evenwijdig aan de evenaar ● “stationair” op 1 punt boven het aardoppervlak Polaire baan:
● ~700km hoogte ● Van pool tot pool ● ~14 orbits per dag ● Zon gesynchroniseerd
Satelliet in geostationaire baan
Courtesy: WikiPedia
Global radiation from MeteoSat
• 2,5 km pixel grootte • 1 beeld iedere 15 minuten
Courtesy: LandSAF/EUMETSAT
Polaire baan
Courtesy: WikiPedia
Polair:MODIS daily global coverage (250m/1km)
Satellite track 2330 km
Polair: LandSat daily global coverage (30m)
185 km
Polair: FORMOSAT-2 (8m)
Temporele versus ruimtelijk resolutie
Hoe hoger de ruimtelijke resolutie, des te lager het aantal opname momenten “Spatio-temporal trade-off” Hoge resolutie met veel opname momenten kan maar op een manier: een constellatie:
● Disaster Monitoring Constellation - DMC (5 satellieten, 30m)
● RapidEye constellation (5 satellieten, 5m) ● Sentinel (2 satellieten, 10m, vanaf 2015) National Satelliet data portaal levert DMC
Relevante operationele AO producten
1. GroenMonitor: verloop van gewasontwikkeling in het groeiseizoen via tijdseries van HR (30m) satellietwaarnemingen. 2. SatWater-ET: Tijdseries van dagelijkse verdamping mede afgeleid van satellietwaarnemingen (presentatie HKV/ITC)
Operationele producten: GroenMonitor Alterra ontsluit tijdseries van DMC en LandSat beelden via groenmonitor.nl Beschikbaar gesteld in de vorm van een Vegetatie Index (NDVI):
● NDVI is een ratio van de reflectie in de rood/nabijinfrarood kanalen.
● NDVI is een indicator voor de hoeveelheid fotosynthetische actief oppervlak (e.g. groen blad)
● NDVI is gevoelig bij lage blad index, maar verzadigd snel (blad index>3,5)
● NDVI is geen maat voor biomassa ● NDVI afgeleid van twee verschillende satellieten is vaak “incompatibel”
Groenmonitor.nl
DMC/LandSat in Groenmonitor 2013 Satellietbeelden uit 2013 in NSD en ontsloten door Alterra
• 226 dagen met satellietbeelden beschikbaar, waarvan • 185 DMC beelden • 78 Landsat beelden • 43 DMC ontsloten in de Groenmonitor.nl • 7 Landsat beelden additioneel ontsloten in de Groenmonitor.nl
Model-uitkomst of satelliet-waarneming?
SatWater-ET
GroenMonitor smoothing
Aandeel satelliet-waarneming Aandeel model uitkomst
?
SWAP/WOFOST assimilation
Groenmonitor: gebruik in SWAP/WOFOST Afleiden belangrijke stadia: ● Opkomst datum ● sluiting van het gewas ● Rijping/oogst datum Afleiding bedekkingsgraad / blad index Kan gebruikt worden in SWAP/WOFOST voor: ● Optimalisatie van initialisatie (e.g. zaaidatum) ● Optimalisatie van blad index verloop
50x wintertarwe groeicurves in Flevoland
Optimalisatie van WOFOST Optimum SPAN/TWDI for given LAI profile
Courtesy: Belgian funded GLOBAM project
Derived joint distributions of TDWI/SPAN Walloon area – Belgium 2003
2006
2004
2005
2007
2009
Courtesy: Belgian funded GLOBAM project
SatWater-ET: nut voor SWAP/WOFOST Hangt af van de ruimtelijke resolutie en nauwkeurigheid Verscheidene opties voor integratie: ● In het model forceren (simpel voor NRT gebruik) ● Optimaliseer parameters in SWAP/WOFOST (gewasweerstanden) ● Bodemvocht updates (Kalman filter - complex)
Wat kunnen we niet afleiden uit AO Phenologische ontwikkeling: ● Bloei, korrelzetting, knolzetting BioMassa en verdeling over plantorganen Partitionering van ET (bodem, interceptie, plant) Biofysische achtergrond: AO ziet verdampingsreductie, maar is dit door droogte-, zuurstof- of zout-stress. Opstellen waterbalans Scenario’s en weersvoorspellingen doorrekenen
Toekomstvisie gebruik RS in SWAP/WOFOST Data assimilatie van vegetatie index tijdseries en ET schattingen. Maar ook competitie/samengaan van technieken: ● Drones ● sensor networks ● Remote sensing Modellen als samenbindende factor door data assimilatie
Dank voor uw aandacht Met dank aan Gerbert Roerink
