Machine learning evapotranspiration (ET) estimation using Sentinel-2 and ECOSTRESS data

Das vorgeschlagene Projektziel ist die Erweiterung der Entwicklung des ET-Schätzdienstes, die bereits im ASAP-Projekt, VASE3 und Hedwig-Projekt4 durchgeführt wurde. Im VASE-Projekt wurden frei verfügbare Copernicus Sentinel- und andere Geoinformationsdaten verwendet, um eine Evapotranspirationskarte für Wien und Umgebung zu erstellen, die Informationen über offene Grünflächen mit besonders guter Evapotranspiration liefert. Die Idee des vorgeschlagenen Dienstes ist die Entwicklung einer Methodik zur Schätzung der ET im Maßstab 10 Meter. Dazu wird eine innovative Datenfusion mittels maschinellem Lernen eingesetzt, um die Daten der Copernicus Sentinel-2-Mission auf 10 m mit denen der NASA ECOSTRESS-Mission auf 70 m zu kombinieren. Das Ergebnis ist eine vollständige ET-Karte Österreichs. Die Fähigkeiten von Sentinel-2 dienen als Input, die NASA ECOSTRESS-Mission als Referenz. Das Deep-Learning-Modell soll die Beziehung zwischen thermischem Infrarot (TIR) ​​und normalisiertem Vegetationsindex (NDVI) ermitteln und mithilfe zusätzlicher Variablen die ET schätzen. Die Validierung erfolgt durch das Partnerprojekt. Hierzu werden ET-Experimente in Klimakammern durchgeführt und die ET verschiedener Pflanzengemeinschaften ganzjährig bei unterschiedlichen Wetterbedingungen gemessen, um die Genauigkeit des Endprodukts sicherzustellen. Das Projekt trägt außerdem dazu bei, Entscheidungsträger entlang der gesamten Wertschöpfungskette einzubinden, umfassende Öffentlichkeitsarbeit zu leisten und die Anforderungen der Zielgruppen und potenzieller Interessengruppen zu berücksichtigen.