Evaluating satellite and modeled lake surface water temperature across the contiguous United States.

Deze studie ontwikkelde en gevalideerde een model op basis van satellietdata en in-situ-metingen om het oppervlaktewater van meren in de Verenigde Staten nauwkeurig te voorspellen, wat essentieel is voor het verbeteren van de voorspelling van giftige cyanobacteriebloei.

De kern

Hoe we de temperatuur van Amerikaanse meren voorspellen: Een verhaal over wolken, computers en blauwe algen

Stel je voor dat je een enorme, levende badkuip hebt die de hele Verenigde Staten beslaat, met duizenden verschillende meren. In dit water groeien soms gevaarlijke blauwe algen (cyanobacteriën), die giftig zijn voor mensen en dieren. Om te weten of het water veilig is, moeten we weten hoe warm het water is. Warm water is als een "startknop" voor deze algen: hoe warmer, hoe sneller ze groeien.

Het probleem? Het is onmogelijk om elke dag in elk meer in Amerika een thermometer te gooien. Dat zou te duur en te veel werk zijn. Dus hebben de onderzoekers in dit artikel een slimme oplossing bedacht: ze hebben een digitale voorspelmachine gebouwd.

Hier is hoe het werkt, vertaald in begrijpelijke taal:

1. De twee soorten "thermometers"

De onderzoekers keken naar twee manieren om de temperatuur te meten:

• De "Veldwerker" (In-situ metingen): Dit zijn echte mensen die met een thermometer in het water staan. Dit is heel nauwkeurig, maar ze kunnen maar op een paar plekken tegelijk zijn. Het is alsof je probeert het weer in heel Amerika te voorspellen door alleen naar één persoon te kijken die op een hoekje staat.
• De "Satelliet-kijker" (Landsat): Dit zijn satellieten die vanuit de ruimte naar de aarde kijken. Ze kunnen overal kijken, maar ze hebben een groot nadeel: wolken. Als er een wolk voor de satelliet hangt, ziet hij het water niet. Het is alsof je probeert een foto te maken van je tuin, maar er staat een grote witte muur (de wolk) voor je lens.

2. Het grote probleem: De wolkendekking

De onderzoekers ontdekten dat de satelliet-data erg onbetrouwbaar waren als er zelfs maar een klein wolkje in de buurt was. Het leek alsof de satelliet door de wolken heen "gaf" en een verkeerde temperatuur zag.

• De oplossing: Ze maakten een strenge filter. Ze keken alleen naar de foto's waar de lucht 99% helder was. Dit gaf betere resultaten, maar het betekende dat ze in de oostelijke helft van de VS (waar het vaak bewolkt is) bijna geen data meer hadden. Het was alsof je alleen op zonnige dagen naar je tuin kijkt, maar in de winter of bij regen niets ziet.

3. De slimme computer: De "Random Forest"

Om de gaten op te vullen, gebruikten ze een soort computerbrein dat Random Forest (Willekeurige Bos) heet.

• De analogie: Stel je voor dat je een groep van 100 experts hebt. Elke expert kijkt naar verschillende dingen: hoe warm de lucht is, hoe groot het meer is, hoe hoog het meer ligt, en hoe ver het meer van de oceaan verwijderd is.
• De computer laat al deze experts samenwerken. Als ze het eens zijn, krijg je een heel betrouwbaar antwoord.
• Ze trainden dit "bos" met twee soorten data:
  1. Met de echte metingen van de veldwerkers (weinig data, maar heel nauwkeurig).
  2. Met de satelliet-data (veel data, maar ruis en fouten door wolken).

4. Wat bleek eruit?

De resultaten waren verrassend duidelijk:

• Het model dat getraind was met de echte veldwerkers (de veldmetingen) was de winnaar. Het gaf de meest nauwkeurige voorspellingen, zelfs als het bewolkt was.
• Het model dat getraind was met de satelliet-data deed het minder goed. Het had de neiging om de temperatuur te hoog of te laag in te schatten, afhankelijk van waar je in Amerika was. Het was alsof je probeert een auto te bouwen met onderdelen die je uit een rommelmarkt hebt gehaald: het werkt, maar het is niet zo betrouwbaar als met nieuwe onderdelen.

5. Waarom is dit belangrijk?

Deze voorspelmachine is als een vroegwaarschuwingssysteem voor blauwe algen.

• Als we weten hoe warm het water is, kunnen we voorspellen of er giftige algen gaan bloeien.
• Dit helpt gemeenschappen om stranden te sluiten voordat mensen ziek worden.
• Het helpt drinkwaterbedrijven om het water veilig te houden.

Conclusie in één zin

De onderzoekers hebben bewezen dat je voor het beste resultaat niet alleen naar de ruimte moet kijken, maar dat je de "grondse" metingen van echte mensen nodig hebt om een slimme computer te leren hoe de temperatuur van meren echt werkt, zodat we veilig kunnen zwemmen en drinken.

Technische samenvatting

Probleemstelling

De monitoring van oppervlaktewater temperaturen in meren is cruciaal voor het voorspellen van cyanobacteriële schadelijke algenbloei (cyanoHABs), die een risico vormen voor de volksgezondheid, ecosystemen en de waterkwaliteit. Hoewel oppervlaktetemperaturen een sleutelvariabele zijn voor ecologische processen, ontbreekt er een nationaal, ruimtelijk en tijdsgebonden compleet dataset voor de Verenigde Staten.

• In-situ metingen: Zijn nauwkeurig maar beperkt in ruimtelijke dekking en frequentie. De meeste waterlichamen in de USGS-database missen temperatuurmetingen.
• Satellietdata: Bieden brede dekking (bijv. Landsat), maar zijn gevoelig voor bewolking, wat leidt tot datahiaten en meetfouten (vooral door atmosferische correcties en wolkeninvloed).
• Behoefte: Er is een behoefte aan een robuust model dat dagelijkse oppervlaktetemperaturen kan voorspellen voor alle door Sentinel-3 OLCI opgeloste meren (2.192 meren) om cyanoHAB-voorspellingen te verbeteren.

Methodologie

De auteurs ontwikkelden en vergeleken Random Forest-modellen om dagelijkse oppervlaktetemperaturen te voorspellen. De studie omvatte de volgende stappen:

1. Dataverzameling:
   • In-situ data: Afkomstig van het National Water Information System (NWIS) en de National Lakes Assessment (NLA). Selectiecriteria: metingen in de bovenste 2 meter van het water, beperkt tot 250 metingen per meer om bias te voorkomen. De dataset werd opgesplitst in 80% training en 20% validatie.
   • Satellietdata: Landsat Analysis Ready Data (ARD) voor Landsat 7, 8 en 9.
2. Cloud-filtering en Validatie:
   • Twee versies van Landsat-data werden getest:
     • Landsat(LakeCloudFree): Alleen pixels binnen het meer zonder wolken/schaduwen.
     • Landsat(SceneCloudFree): Scènes met <1% wolken/schaduwen in het gehele beeld.
   • Satellietmetingen werden gevalideerd tegen in-situ metingen op dezelfde kalenderdag.
3. Modelontwikkeling:
   • Drie aparte Random Forest-modellen werden getraind (elk met 100 bomen):
     1. Getraind op Landsat(LakeCloudFree) data.
     2. Getraind op Landsat(SceneCloudFree) data.
     3. Getraind op in-situ data.
   • Inputvariabelen: Noord/Zuid- en Oost/West-coördinaten (centroid), hoogte, dag van het jaar, omtrek van de kustlijn, oppervlakte, 30-dagen gemiddelde luchttemperatuur en dagelijkse luchttemperatuur (PRISM-data).
4. Validatie:
   • Prestaties werden gemeten aan de hand van RMSE (Root Mean Square Error), MAE (Mean Absolute Error), Bias en R², zowel voor out-of-bag schattingen als voor een onafhankelijke validatiedataset.

Belangrijkste Resultaten

• Satellietvalidatie: De nauwkeurigheid van Landsat-data verbeterde aanzienlijk bij strengere cloud-filtering.
  • Zonder filtering (LakeCloudFree): MAE = 2,99°C, Bias = -1,3°C.
  • Met <1% wolken (SceneCloudFree): MAE = 0,94°C, Bias = +0,39°C.
  • Conclusie: Wolken en wolkschaduwen, zelfs buiten het meer, introduceren significante fouten in de temperatuurafleiding.
• Modelprestaties:
  • Het in-situ model presteerde het beste met de laagste foutmarges: RMSE = 1,11°C, MAE = 0,77°C en een bias van 0,01°C.
  • De Landsat(LakeCloudFree) modellen onderschatte systematisch de temperaturen (negatieve bias van -1,97°C in validatie).
  • De Landsat(SceneCloudFree) modellen overschatte temperaturen, vooral in de winter en in het westen van de VS (positieve bias), waarschijnlijk door een "clear-sky bias" (data ontbreekt in bewolke periodes en lagere hoogtes).
• Variabele Belangrijkheid:
  • Voor het in-situ model waren luchttemperatuur (dagelijks en 30-daags gemiddelde) en dag van het jaar de belangrijkste voorspellers.
  • Voor het Landsat(LakeCloudFree) model waren geografische coördinaten (easting) en oppervlakte belangrijker, wat wijst op een beperking in het modelleren van lokale atmosferische invloeden door de ruwe satellietdata.
• Ruimtelijke Patronen: Het Landsat(SceneCloudFree) model toonde een longitudinale splitsing in fouten: warmteoverschatting in het westen en onderschatting in het oosten, veroorzaakt door de ongelijke verdeling van wolkenvrije dagen en trainingsdata.

Kernbijdragen

1. Validatie onder wisselende omstandigheden: De studie valideert Landsat-oppervlaktetemperaturen specifiek voor de aanwezigheid van wolken en schaduwen, wat aantoont dat zelfs minimale bewolking in de scène de nauwkeurigheid beïnvloedt.
2. Nationale dekking: Het creëren van een continue, dagelijkse temperatuurreeks voor 2.192 door Sentinel-3 OLCI opgeloste meren in de contiguous US (CONUS), wat essentieel is voor landelijke cyanoHAB-voorspellingen.
3. Vergelijking van databronnen: Een robuuste vergelijking toont aan dat, hoewel satellietdata ruimtelijk completer is, modellen getraind op in-situ data (met imputatie voor hiaten) nauwkeuriger zijn dan modellen getraind op ruwe satellietdata vanwege de inherente fouten in de satellietafleiding.
4. Openbare beschikbaarheid: De code en modellen zijn beschikbaar gesteld via GitHub, wat herhaalbaarheid en toepassing door anderen faciliteert.

Betekenis en Toepassing

Deze studie levert een cruciaal hulpmiddel voor waterbeheerders, ecosysteembeheer en volksgezondheid.

• CyanoHAB-voorspelling: Een nauwkeurige, continue temperatuurdataset is een "keystone" variabele voor het voorspellen van algenbloei, aangezien cyanobacteriën sterk reageren op temperatuurstijgingen.
• Beheer van waterkwaliteit: Het model vult kritieke ruimtelijke en tijdelijke hiaten in bestaande databases, waardoor het mogelijk wordt om vroegtijdige waarschuwingen te geven voor giftige bloei.
• Beperkingen en Toekomst: Hoewel het in-situ model superieur is, blijft de afhankelijkheid van in-situ data een beperking voor gebieden zonder metingen. Toekomstig werk moet gericht zijn op het verbeteren van satellietcorrecties (bijv. voor waterdamp) en het integreren van winddata, evenals het uitbreiden van de in-situ dataset naar meer geografische en seizoensgebonden variatie. De studie benadrukt dat Random Forest-modellen goed presteren binnen het bereik van waargenomen condities, maar extrapolatie naar extreme omstandigheden (zoals strenge winters zonder data) beperkt blijft.