Detektion und Quantifizierung von Cyanobakterien in der Ostsee mittels Satellitenfernerkundung

Kurzfassung

Um bestimmte Gewässerstandards zu etablieren und erhalten, sind effektive Methoden zu deren Kon-trolle nötig. In der Ostsee spielen neben der Problematik der Eutrophierung vor allem Cyanobakterien eine große Rolle für die Wasserqualität. Sie sind nicht nur in der Lage atmosphärischen Stickstoff zu binden, wodurch sie eine besondere Rolle im Ökosystem der Ostsee spielen, sondern eignen sich auf-grund ihrer Abhängigkeit von spezifischen Wachstumsbedingungen in Bezug auf Nährstoffe, Salinität und Temperatur in Langzeitanalysen möglicherweise auch als Indikatoren für Umweltveränderungen. Darüber hinaus können Cyanobakterien Toxine bilden, welche bei Anspülung an die Küste oder über die Fischereiwirtschaft direkt oder indirekt Auswirkungen auch auf den Menschen haben. Da die In Situ Beprobung sehr aufwendig ist und sowohl räumlich als auch zeitlich nur punktuell Auskunft gibt, müs-sen andere Methoden eingesetzt werden. Satellitenfernerkundung bietet in diesem Kontext die Möglich-keit in hoher zeitlicher Frequenz große Gebiete der Erde zu beobachten und mit geeigneten Verfahren geophysikalische Parameter der beobachteten Gebiete abzuleiten. Herkömmliche Algorithmen erfassen jedoch keine geeigneten Parameter zur Beobachtung von Cyanobakterien. Anhand ihrer spezifischen optischen Eigenschaften, welche sich aus der Bildung akzessorischer Pigmente für die Photosynthese ergeben, lassen sich Cyanobakterien von anderen Phytoplanktonarten unterscheiden und mittels multi-spektraler Satellitensensoren erkennen. Im Rahmen der Promotion wurde ein Fernerkundungsalgorith-mus entwickelt, welcher in der Ostsee, einem optisch komplexen Gewässer, die Detektion und Quantifi-zierung von oberflächennahen Cyanobakterienvorkommen ermöglicht. Grundlage für die Entwicklung dieses modellbasierten Inversionsalgorithmus sind Labormessungen der Absorptions- und Streueigen-schaften, auf deren Grundlage ein bio-optisches Modell für die Ostsee entwickelt wurde. Ein Neuronales Netz, trainiert mit simulierten Reflektanzdaten löst die Aufgabe der Inversion atmosphärenkorrigierter MERIS Daten. Zur Validierung der Ergebnisse wurde eine Schiffsmesskampagne in der Ostsee durch-geführt. Als weitere Datenquellen dienen Ferryboxsysteme sowie ein Küstenmessnetz. Der entwickelte Algorithmus wurde für eine existierende Infrastruktur implementiert und kann als PlugIn einer bestehen-den Auswertesoftware angewandt werden