< Terug naar vorige pagina

Project

Assimilatie van microgolf backscatter data in een regionaal gewasmodel: naar het schatten van bodemvocht en biomassa over Europese landbouwgebieden

De gewasproductie is over de laatste eeuwen wereldwijd sterk toegenomen dankzij wetenschappelijke ontwikkelingen en automatisering van werktuigen, en hierdoor kon er altijd aan de sterk stijgende voedselvraag van een snelgroeiende bevolking worden voldaan. De laatste jaren hebben technologische ontwikkelingen, zoals aardobservatie van satellieten, ‘big data’ en kunstmatige intelligentie geleid tot toegenomen interesse naar het ruimtelijk toepassen van gewasmodellen, die doorgaans ontwikkeld zijn voor het simuleren over een enkel veld met homogene condities voor bodem, landbeheer en gewas. Door gewasmodellen toe te passen op aansluitende regio's kan de landbouw ook vanuit een regionaal perspectief worden bekeken, wat nuttig kan zijn voor beleidsmakers. Een nadeel van grootschalige toepassingen is echter dat beschikbare ruimtelijke informatie vrij algemeen is, wat lokaal kan leiden tot meer onzekerheid. Om voor modelfouten te corrigeren, kan gebruik worden gemaakt van onafhankelijke (satelliet)metingen die modelschattingen kunnen bijsturen. Dit proces staat bekend als data-assimilatie.

In mijn doctoraatsonderzoek maakte ik gebruik van observaties van de actieve Sentinel-1 microgolfsatelliet om een regionale versie van het AquaCrop gewasmodel te corrigeren voor bodemvocht- en biomassasimulaties voor verschillende gebieden in Europa. Ik richtte me hierbij voornamelijk op grootschalige toepassingen, waarbij ik agrarische gebieden met een resolutie van 1 km beschouw.

In de eerste fase van het onderzoek werd het AquaCrop model ruimtelijk opgezet en de modelsimulaties voor bodemvocht en biomassa geëvalueerd om een beeld te krijgen van de modelprestaties zonder data-assimilatie. De studie werd uitgevoerd over centraal Europa. Ruimtelijke simulaties werden in een efficiënt parallel-verwerkingssysteem gerund, waarbij model informatie werd gebruikt van weergegevens afkomstig van meteorologische her-analyse forceringen, bodemtextuur 1 km ruimtelijke resolutie, en een hypothetisch gewas. De dagelijkse modelschattingen voor bodemvocht en biomassa werden voornamelijk vergeleken met informatie afkomstig van satellietobservaties. In de tweede fase werd een data-assimilatie systeem met het AquaCrop model en de Sentinel-1 observaties voorbereid. Hiervoor moesten de modelvariabelen en satellietobservaties eerst in dezelfde eenheid worden gezet. De simulaties voor bodemvocht en biomassa van het ruimtelijk toegepaste AquaCrop model werden omgezet in backscatter waarden (terugkaatsing van het satellietsignaal) om de modelsimulaties te kunnen vergelijken met de observaties  van Sentinel-1. Uiteindelijk werd het geëvalueerde regionale AquaCrop-model geïmplementeerd in een data-assimilatie raamwerk van NASA genaamd LIS. Er werden twee experimenten opgezet. In het eerste experiment werd enkel de bodemvochtsimulaties gecorrigeerd en in het tweede experiment werden zowel de bodemvochtsimulaties als de dagelijkse biomassa gecorrigeerd met Sentinel-1 observaties.

De regionale set-up van AquaCrop heeft potentie voor grootschalige toepassingen. Het model was toereikend in het simuleren van bodemvocht en biomassa productiviteit over diverse regio’s in Europa met algemene input data. Het toepassen van Sentinel-1 observaties voor het corrigeren van gewasmodellen kan een toegevoegde waarde hebben, maar om een optimale methode te vinden is er nog meer onderzoek nodig.

Datum:22 mrt 2019 →  28 aug 2023
Trefwoorden:Data assimilation, remote sensing, crop and water management
Disciplines:Modellering van milieu-ingenieurstechnieken
Project type:PhD project