Satelliittien optiset sensorit havainnoivat lumipeitteen laajuutta lumen korkean heijastavuuden perusteella. Sensorit antavat lumipeitteestä tietoa pikseleinä, joiden koko voi vaihdella kymmenistä metreistä kilometriin. Käyttämällä käänteismallinnusta tai menetelmiä, joilla ratkaistaan eri muuttujien osuus mitatussa signaalissa, voidaan arvioida lumipeitteen osuus satelliittipikselin sisällä.
Menetelmät vaativat tietoa pikselissä olevien kohteiden spektraalisista eli aallonpituuksittain vaihtelevista heijastusominaisuuksista. Jos ominaisuudet kuvataan satelliittihavaintojen tulkinta-algoritmissa epätarkasti, tulee tietojen perusteella koostettuihin lumipeitekarttoihin virhettä. Ominaisuuksien tarkalle kuvaukselle haasteen muodostavat lumen ominaisuuksien suuri alueellinen ja ajallinen vaihtelu sekä monimuotoiset maanpeitetyypit, kuten pohjoinen metsävyöhyke.
Algoritmien käyttämää tietoa voidaan parantaa, kun eri kohdetyyppien ja sähkömagneettisen säteilyn välistä vuorovaikutusta ymmärretään paremmin. Tätä tutkija Henna-Reetta Hannula selvitti väitöstyössään.
Laboratoriossa pystyttiin tuottamaan tarkempia heijastusarvoja kuin maastossa
Väitöstyön tulokset osoittavat, että laboratorio-olosuhteissa voidaan tuottaa tarkkoja spektraalisia heijastusarvoja kaukokartoituksen tulkinta-algoritmien käyttöön. Tämä johtuu siitä, että laboratoriossa ei ole häiritseviä tekijöitä, kuten vaihtuvia valaistusolosuhteita, joita kenttämittauksissa on.
Lumen heijastusarvoissa oli suurehkoa hajontaa, joka liittyi lumen ominaisuuksien vaihteluun. Eri mittakaavoilla ja eri olosuhteissa kerätyt havaintoaineistot ovat hyödyllisiä keskenään erilaisten satelliittipikselien tulkintaan.
Kaukokartoituksen keinoin saadut tiedot voidaan varmentaa maastomittauksilla
Epäsuorilla kaukokartoitusmenetelmillä kerättyjä tietoja lumen ominaisuuksista voidaan varmentaa eli validoida vertaamalla niitä maastossa tehtyihin havaintoihin. Haasteena tässä on pistemäisten maastohavaintojen edustavuuden arviointi suhteessa karkeamman erotuskyvyn satelliittihavaintoihin.
Tuloksista kävi ilmi, että kaukokartoitushavaintojen validoinnissa käytettävät alueelliset lumensyvyyden keskiarvot olivat riippuvaisia siitä, kuinka monta maastossa sijaitsevaa mittauspistettä on käytössä ja mikä on mittauspisteiden välinen etäisyys. Näin on erityisesti tundran paljakoilla, joilla lumensyvyyden vaihtelu on erityisen suurta. Niinpä soveltamalla samaa mittausprotokollaa maanpeiteluokkiin, jotka edustavat keskenään hyvin erilaisia lumiolosuhteita, saadaan keskenään eriävästi edustavia alueellisia keskiarvoja.
Luotettavat arviot lumipeitteen laajuudesta ja lumen ominaisuuksista ovat tärkeitä esimerkiksi ilmastonmuutoksen tutkimukselle ja sään ennustamiselle. Väitöstyön tulokset ja tutkimuksessa kerätyt aineistot hyödyttävät suoraan tutkimusta, joka koskee lumipeitteen laajuuden optisen kaukokartoituksen epätarkkuuksia sekä satelliittihavaintojen tulkintaa pohjoisella metsävyöhykkeellä ja tundralla.
Henna-Reetta Hannula väittelee 8.4.2022 kello 12 Helsingin yliopiston matemaattis-luonnontieteellisessä tiedekunnassa aiheesta "Characteristics of Taiga and Tundra Snowpack in Development and Validation of Remote Sensing of Snow" (Taigan ja tundran lumipeitteen ominaisuudet lumen kaukokartoituksen kehityksessä ja validoinnissa). Väitöstilaisuus järjestetään osoitteessa Athena, sali 302, Siltavuorenpenger 3A 3.krs.
Vastaväittäjänä on Professor Ian Brown, Stockholm University, ja kustoksena on professori Petri Pellikka.
Väitöskirja "Characteristics of Taiga and Tundra Snowpack in Development and Validation of Remote Sensing of Snow" on myös elektroninen julkaisu ja luettavissa Heldassa.