Land-Atmosphere Feedback Initiative (LAFI) – Remote sensing of vegetation canopy properties: States & spatio-temporal dynamics

?

Projektstart:?01.04.2024

Dauer:?4 Jahre

F?rderung:?DFG

Leitung: Dr. Thomas Jagdhuber

Beteiligte Wissenschaftler:?Florian Hellwig

Projektpartner: Universit?t Hohenheim, DWD, TU Dresden,?Luxembourg Institute of Science and Technology, Universit?t Bayreuth,?Ludwig-Maximilians-Universit?t München, Karlsruhe Institut für Technologie, Eberhard Karls Universit?t Tübingen

?

?

Beschreibung

?

Die Qualit?t von Wettervorhersagen, saisonalen Simulationen und Klimaprojektionen h?ngt entscheidend von der Darstellung von Land-Atmosph?re (L-A) Rückkopplungen ab. Diese Rückkopplungen sind das Ergebnis eines hochkomplexen Netzwerks von Prozessen und Variablen, die mit dem Austausch von Impuls, Energie und Masse im L-A-System zusammenh?ngen. Derzeit gibt es in diesem Bereich erhebliche Wissenslücken, die das vorgeschlagene Projekt schlie?en soll. Die Land Atmosph?re Feedback Initiative (LAFI) ist ein interdisziplin?res Konsortium von Wissenschaftler:innen aus Atmosph?ren-, Agrar- und Bodenwissenschaften, Biogeophysik, Hydrologie und Neuroinformatik, das eine neuartige Kombination fortschrittlicher Forschungsmethoden vorschl?gt. Das übergeordnete Ziel von LAFI ist es, L-A-Rückkopplungen durch synergistische Beobachtungen und Modellsimulationen von der turbulenten (ca. 10 m) bis zur Meso-Gamma-Skala (ca. 2 km) über t?gliche bis saisonale Zeitskalen zu verstehen und zu quantifizieren. LAFI besteht aus einer Reihe eng miteinander verflochtener Projekte, die sich mit sechs Forschungszielen und Hypothesen befassen zu 1) alternativen ?hnlichkeitstheorien, 2) der Landoberfl?chen-Heterogenit?t, 3) der Partitionierung der Evapotranspiration, 4) dem Entrainment, 5) der synergetischen Untersuchung von L-A-Feedback und 6) eine Ad-hoc-Untersuchung von Klimaextremen, falls w?hrend des gemeinsamen Feldexperiments Dürren oder Hitzewellen auftreten. Die Zusammenarbeit zwischen den zw?lf Projekten wird durch drei Querschnittsarbeitsgruppen zu tiefergehendem Lernen, Sensorsynergie und Upscaling sowie dem LAFI-Multimodell-Experiment gest?rkt. Unsere Forschung umfasst A) die Erweiterung und den Betrieb des Land-Atmosphere Feedback Observatory der Universit?t Hohenheim mit einer einmaligen Synergie von Instrumenten, z. B. die erstmalige Kombination von Messungen von Wasserisotopen, faseroptischen Temperatursensoren und scannende Lidar-Systeme sowie die Auswertung der Langzeitdatens?tze des Meteorologischen Observatoriums Lindenberg des Deutschen Wetterdienstes, B) wenig untersuchte und verstandene Prozesse im L-A-System wie z. B. Entrainment, C) die Verbesserung und Anwendung von L-A Systemmodellen bis hinunter zu den turbulenz-erlaubenden Skalen mit erweiterter Darstellung von Vegetation und stabilen Wasserisotopen, D) die Anwendung von Methoden des tiefergehenden Lernens zur Identifizierung von potenziell neue Faktoren in Prozessbeschreibungen, die in das L-A-System der n?chsten Generation integriert werden sollen. Damit werden wir den mehrdimensionalen Phasenraum von L-A-Systemvariablen mit prozessbasierten Metriken über eine gesamte Vegetationsperiode charakterisieren. Gef?rdert durch die eng verwobene Verbundforschung ist die LAFI-Forschungsgruppe in der Lage, entscheidende neue Erkenntnisse zu gewinnen, um unser Verst?ndnis von L-A-Rückkopplungen zu vertiefen und die Kopplungsst?rken über landwirtschaftliche Regionen in Mitteleuropa zu charakterisieren.

?

?

Insbesondere der Einfluss der Eigenschaften von Vegetationskronen und ihrer r?umlich-zeitlichen Dynamik auf Rückkopplungen zwischen der Landoberfl?che und der Atmosph?re (d. h. Temperatur, Niederschlag, Luftfeuchtigkeit, Eigenschaften der atmosph?rischen Grenzschicht) sind nicht abschlie?end gekl?rt. Ein Hauptgrund dafür ist, dass hochaufl?sende Beobachtungsdatenprodukte (z. B. zur Vegetationskronenfeuchte) noch nicht mit hoher r?umlicher Aufl?sung (Dekameter-Skala) und für mehrj?hrige Zeitserien verfügbar sind: weder aus der Fernerkundung noch von Modellen. Darüber hinaus k?nnen Heterogenit?ten der Landoberfl?che (z. B. Vielfalt in der Vegetationsbedeckung) erhebliche Auswirkungen auf Rückkopplungsprozesse zwischen Baumkronen und benachbarter Atmosph?re haben, ihre Darstellung in Modellen reicht jedoch bei hohen r?umlichen Aufl?sungen nicht aus. Um diese Lücken zu schlie?en, werden auf der Fernerkundung basierende Produkte entwickelt, um einige der vielf?ltigen unterschiedlichen Vegetationsbedingungen zu berücksichtigen. In diesem Sinne besteht die Idee von Projekt 2 darin, eine Reihe von Eigenschaften der Vegetationskrone zu überwachen, einschlie?lich Wassergehalt (z. B. Boden- und Vegetationsfeuchtigkeit) und Flüsse (z. B. Evapotranspiration) sowohl vor Ort (In-situ-Daten) als auch auf regionalen (Erdsystemmodelle) Skalen. Der Ansatz nutzt die potenziellen Synergien zwischen optischen, passiven und aktiven Mikrowellensensoren, die erg?nzende Informationen bieten, um Fernerkundungssignale (z. B. Mikrowellend?mpfung) in biophysikalische Variablen (z. B. gravimetrische Vegetationsfeuchtigkeit, Evapotranspiration oder Vegetationsstruktur und -dichte) umzuwandeln. Diese einzigartigen und beispiellosen Datens?tze der satellitengestützten Multisensor-Fernerkundung werden in Land-Atmosph?re (L-A) Modelle eingespeist, um Grenzschichteigenschaften und L-A-Rückkopplungen zu bestimmen und zu analysieren. Alle diese Landoberfl?chenvariablen k?nnen synergetisch dazu beitragen, den Zusammenhang zwischen Boden, Vegetation und den Prozessen der atmosph?rischen Grenzschicht zu verstehen und L-A-Modelle zu initialisieren. P2 konzentriert sich direkt auf die hochaufl?sende (Dekameter-Skala) Bestimmung von Zust?nden und r?umlich-zeitlichen Dynamiken der Feuchtigkeit, Temperatur und Topographie der Vegetationskrone, um Feuchtigkeits- und Temperaturverteilungen zur Beurteilung der Transpiration und der Form sowie der 3D-Dynamik der atmosph?rischen Rauheitsunterschicht nach zu verfolgen. Dies wird durch die Kombination von Multisensor-Fernerkundungsbeobachtungen (z. B. Copernicus Sentinel-Satelliten und weltraumgestützte LiDARs) erreicht. R?umlich-zeitlich dynamische Informationen dieser Vegetationsvariablen werden für die Integration in die Reihe an Land-Atmosph?re-Modellen von LAFI vorbereitet, um Grenzschichteigenschaften zu bewerten und L-A-Rückkopplungen zu verstehen.