Juliette Anema

Ecosystemen spelen een belangrijke rol bij het vastleggen van koolstofdioxide (CO2 ) in de bodem en in vegetatie als koolstof. Hierbij reguleren ze de hoeveelheid CO2 in de atmosfeer. Vanwege de centrale rol in koolstofvastlegging wordt het aanplanten of aanpassen van vegetatie steeds vaker ingezet in klimaatmitigatiestrategieën, bijvoorbeeld in de vorm van biosfeergerichte mitigatiemaatregelen (land-based mitigation techniques, LMT’s). LMT’s zijn door menselijke ingrepen gedreven maatregelen die zich richten op het verhogen of behouden van de opname- en opslagcapaciteit van koolstof door de biosfeer, bijvoorbeeld via herbebossing of bosbeheer. Hoewel LMT’s van groot belang worden geacht om de doelen van het Parijs Akkoord te behalen, blijft hun daadwerkelijke koolstofvastleggingspotentieel onzeker. Daarnaast vorm de vastleggingscapaciteit van de biosfeer één van de grootste onzekerheden binnen de mondiale koolstofkringloop. Deze onzekerheden benadrukken de noodzaak van robuuste metingen die de koolstofvastleggingsactiviteit van vegetatie op aarde in kaart kunnen brengen en klimaatbeleidvorming kan ondersteunen. Dit proefschrift gaat hierop in door te onderzoeken in hoeverre satellietmetingen van zon-geı̈nduceerde fluorescentie (solar-induced fluorescence, SIF) verbeterd en gebruikt kunnen worden om de koolstofvastlegging van vegetatie te kwantificeren. SIF-metingen volgen de kleine hoeveelheid licht die planten tijdens fotosynthese uitstralen als fluorescentie (650–850 nm). Fotosynthese is een fundamenteel proces waarin planten energie uit zonlicht gebruiken om CO2 vast te leggen en dit samen met water om te zetten in bouwstoffen en zuurstof. Omdat de hoeveelheid uitgestraalde fluorescentie gerelateerd is aan fotosynthese, en dus de CO2 -vastlegging, kan SIF dienen om deze activiteit te volgen.

Dit proefschrift stelt een tweedelig doel. In de eerste plaats onderzoeken we het gebruik van satellietmetingen van SIF voor het volgen van plantenactiviteit en CO2 -vastlegging door vegetatie. We richten ons specifiek op het gebruik van SIF-metingen voor de kwantificatie van het succes van LMT-implementaties. Deze doelstelling is onderdeel van het door de Europese Unie gefinancierde Horizon 2020 Land Use-Based Mitigation for Resilient Climate Pathways (LAND-MARC) project. Voor optimaal gebruik van SIF-metingen is consistentie vereist en reiken de metingen over meerdere jaren tot decennia. Dergelijke langdurige SIF-reeksen maken het mogelijk om de effectiviteit van LMT-implementaties door de tijd heen te volgen en om de effecten van klimaatvariabiliteit te detecteren. Echter, de beschikbaarheid van langdurige SIF-metingen vanuit satellieten is beperkt. Ten eerste komt dit doordat individuele satellietsensoren slechts gedurende een beperkte periode operationeel zijn (meestal rond de 10 jaar). Ten tweede bemoeilijken verschillen tussen satellietsensoren het samenvoegen en harmoniseren van afzonderlijke meetreeksen. Hierdoor is het genereren van één consistente langdurige SIF-reeks uitdagend. Deze uitdaging brengt ons bij het tweede doel van dit proefschrift. Dit doel richt zich op het genereren van een langdurige, robuuste SIF-tijdreeks op basis van satellietobservaties van de Global Ozone Monitoring Experiment-2 (GOME-2) sensorreeks. Deze inspanning valt binnen het kader van het Atmospheric Composition Satellite Application Facility (AC SAF) van EUMETSAT.

De GOME-2-sensorreeks is bijzonder interessant omdat zij bestaat uit drie vrijwel identieke sensoren (GOME-2A, GOME-2B en GOME-2C) met hetzelfde instrumentontwerp. De drie sensoren zijn in opeenvolgende MetOp-missies gelanceerd, met de eerste in oktober 2006, en beslaan gezamenlijk meer dan 18 jaar aan operationele metingen. Daarnaast bieden de GOME-2-sensoren bijna dagelijkse wereldwijde dekking. Het gestandaardiseerde ontwerp van de sensoren minimaliseert onderlinge verschillen, wat essentieel is voor het harmoniseren en het genereren van een consistente SIF-tijdreeks. Problemen in de meetkwaliteit van de sensoren kunnen echter de consistentie en stabiliteit van de SIF-metingen aanzienlijk belemmeren. De GOME-2-sensoren ondervinden in de loop van de missie kalibratieproblemen, waaronder degradatie van het gemeten licht en reflectantie, waarbij de sensoren gevoeligheid verliezen. In andere woorden, het gemeten licht kan in de tijd variëren, niet alleen door veranderingen aan het aardoppervlak, maar ook door veranderingen in de sensor zelf. In dit proefschrift tonen we aan dat deze problemen al vanaf het begin van de meetreeksen aanwezig zijn, per sensor verschillen en variëren afhankelijk van tijd, golflengte en de kijkhoek (hoofdstukken 2, 3 en 5). Doordat de effecten verschillen per sensor, leiden zij niet alleen tot instabiliteit in de individuele SIF-tijdreeksen, maar vergroten zij ook de onderlinge verschillen tussen de reeksen, waardoor harmonisatie wordt beperkt. Daarom is het van groot belang om voor deze instrumentele artefacten te corrigeren, zodat schijnbare trends in zowel de individuele als de gecombineerde SIF-tijdreeksen worden voorkomen. In de volgende alinea’s licht ik toe hoe we deze uitdagingen hebben aangepakt.

Allereerst onderzoeken we hoe het retrievalalgoritme kan worden geoptimaliseerd om te corrigeren voor de instrumentele artefacten. Het retrievalalgoritme bepaalt op basis van het door de satelliet gemeten licht, hoeveel fluorescentie (SIF) door planten wordt uitgestraald. Daarbij bouwen we voort op de methodologische basis van het Solar-Induced Fluorescence of Terrestrial Ecosystems Retrieval (SIFTER) algoritme. Dit algoritme is oorspronkelijk ontworpen voor de bepaling van SIF vanuit GOME-2A-metingen. In hoofdstuk 2 presenteren we de verbeterde versie van het SIFTER-algoritme: SIFTER v3. SIFTER v3 introduceert een geavanceerde correctie voor de degradatie-effecten. Het modelleert daarbij expliciet de afhankelijkheden van tijd, golflengte en kijkhoek, zodat instrumentgedreven veranderingen in de reflectantie zorgvuldig worden geëlimineerd. De afhankelijkheid van de degradatie over kijkhoek wordt doorgaans genegeerd in SIF-bepalingen van GOME-2-metingen, waarin de tijdsafhankelijkheid als belangrijkste component van de degradatie wordt beschouwd. Echter, onze resultaten benadrukken het belang van de kijkhoekafhankelijkheid. Het effect van de degradatie varieert met de oost-west kijkrichting van de satelliet. Dit veroorzaakt een afwijking tot 8 % bij GOME-2A en is van dezelfde orde grootte als de tijdsafhankelijke afwijking. Naast de verbeterde degradatiecorrectie hebben we in SIFTER v3 een aantal andere punten geoptimaliseerd die de stabiliteit van de SIF-bepalingen verder verbeteren. Met behulp van het verbeterde algoritme hebben we SIF-tijdreeksen bepaald vanaf GOME-2A (over 2007 tot 2017, hoofdstuk 2), GOME-2B (over 2012 tot 2023, hoofdstuk 3) en GOME-2C (van 2019 tot 2024, hoofdstuk 5). De correctie-instellingen zijn aangepast per sensor om de sensor-specifieke degradatiepatronen te volgen.

De volgende stap is om te onderzoeken of de GOME-2 SIF-tijdreeksen gecombineerd kunnen worden tot één tijdreeks. Dit wordt beschreven in hoofdstuk 3 door SIF-metingen van GOME-2A en GOME-2B te vergelijken. De geavanceerde degradatiecorrectie in SIFTER v3 stabiliseert niet alleen de individuele SIF-reeksen in de loop der tijd, maar fungeert ook als harmonisatie en brengt beide metingen dichter bij elkaar. De GOME-2A en GOME-2B SIF-metingen kwamen sterk overeen over verschillende gebieden. Echter, we vonden in sommige gebieden een kleine abrupte verandering bij de overgang van de GOME-2A- naar de GOME-2B-tijdreeks. We presenteren we een raamwerk om dusdanige abrupte instrumentgedreven veranderingen te detecteren en, waar nodig, te corrigeren via statistische modellering. Naast het elimineren van instrumentgedreven instabiliteit in de SIF-tijdreeks benadrukken we ook het belang van consistente sampling voor het verkrijgen van een consistente en stabiele tijdreeks. Met sampling wordt de manier bedoeld waarop satellietmetingen in ruimte, tijd en onder bepaalde observatiecondities worden geselecteerd voor de uiteindelijke analyse. Tijdens de overlappende periode (van juli 2013 tot december 2017) meten GOME-2A en GOME-2B onder verschillende kijkhoeksbereiken (−35° tot +35° versus −54° tot +54°). We laten zien dat dit verschil in kijkhoeksampling kan leiden tot afwijkingen tot 15 % tussen SIF-metingen van beide instrumenten tijdens perioden en gebieden met hoge vegetatieactiviteit. Wanneer GOME-2A en GOME-2B SIF-metingen op dezelfde wijze worden gesampled (zogenoemde co-sampling), verkleint de afwijking tot binnen 2 %, wat acceptabel is voor langdurige trendanalyse. Samen laten deze resultaten zien dat GOME-2A en GOME-2B SIF-metingen als één doorlopende tijdreeks gebruikt kunnen worden, mits voldoende wordt gecorrigeerd voor instrumentgedreven afwijkingen en consistente co-sampling wordt toegepast. Het succes van de harmonisatie wordt verder ondersteund door de sterke correlatie tussen de gecombineerde SIF-tijdreeks en onafhankelijke schattingen van de bruto primaire productie (gross primary productivity, GPP), ofwel fotosynthesische koolstofvastlegging.

Voorlopige analyses van de in hoofdstuk 5 gegenereerde GOME-2C SIF-tijdreeks tonen vergelijkbare seizoensvariatie als de tijdreeksen van GOME-2A en GOME-2B over de meeste gebieden, met uitzondering van de Amazone. De afwijkingen in de Amazone kunnen wijzen op een sterkere invloed van de Zuid-Atlantische Anomalie (ZAA) op de GOME-2C sensor. De ZAA is een gebied boven een deel van de Atlantische Oceaan en Zuid-Amerika waar een verhoogde flux van geladen deeltjes ruis in satellietmetingen veroorzaakt. Ondanks deze afwijkingen tonen de resultaten het potentieel om SIF-metingen van alle drie de GOME-2 sensoren te harmoniseren tot één lange tijdreeks van 2007 tot heden. Daarnaast laten we in dit proefschrift zien dat SIFTER v3 de potentie heeft om SIF-tijdreeksen te genereren van andere satelliet sensoren. We presenteren, evenals in hoofdstuk 5, de eerste resultaten van SIF-metingen van TROPOspheric Monitoring Instrument (TROPOMI), bepaald met SIFTER v3. Door één retrievalalgoritme te gebruiken voor verschillende sensoren verminderen we de verschillen tussen SIF-dataproducten en creëren we mogelijkheden voor consistente vergelijking en integratie. Het integreren van SIF-metingen van verschillende satellieten biedt bovendien veel inzichten, bijvoorbeeld doordat ze op verschillende tijdstippen meten. Zo meet de GOME-2 sensor SIF aan het einde van de ochtend (09:30), terwijl TROPOMI SIF-metingen verricht aan het begin van de middag (13:30). We bepalen SIF uit TROPOMI-metingen voor één dag, op 6 februari 2024, in de Amazone. Het SIFTER v3-algoritme is minimaal aangepast om de consistentie met GOME-2-metingen te waarborgen, terwijl het tegelijkertijd wordt geoptimaliseerd voor toepassing op TROPOMI. Vergelijkingen van onze TROPOMI SIF-metingen met het alternatieve TROPOSIF-product tonen aan dat SIFTER v3 voor dit gebied en deze dag beter presteert dan TROPOSIF. Opmerkelijk is dat het SIFTER v3 algoritme meer dan drie keer zoveel succesvolle SIF-bepalingen oplevert (62,0 % versus 18,6 %). Deze resultaten versterken het vertrouwen in SIFTER v3 voor het bepalen van robuuste, consistente en langdurige SIF-metingen, zowel voor GOME-2 als voor TROPOMI.

Deze inzichten onderbouwen het gebruik van SIF-satellietmetingen om de CO2 -vastlegging door vegetatie te volgen. We onderzoeken in een in 2024 gepubliceerde studie (hoofdstuk 4) hoe SIF ingezet kan worden om het effect van interventies, zoals LMT-implementaties, op de CO2 -vastlegging te kwantificeren. We onderzoeken dit aan de hand van twee studies: (i) een natuurbrand in een eucalyptusbos in Zuid-Oost Australië, en (ii) grootschalige, langdurige herbebossing in China. Voor de bosbrandstudie gebruikten we TROPOMI SIF-metingen van het Caltech-product, en voor de China-studie gebruikten we het toen beschikbare SIFTER v2-product van GOME-2A. Hoewel de dataset van 2007 tot 2018 liep, bleek een groot deel niet geschikt voor tijdreeksanalyse vanwege de reeds aanwezige invloed van instrumentartefacten die de stabiliteit verstoorden. Dit vormde mede de motivatie voor de ontwikkeling van het verbeterde SIFTER v3-algoritme gepubliceerd in 2025 (hoofdstuk 2). De impact van herbebossing in China werd bestudeerd met GOME-2A SIF-metingen van 2007 tot en met 2012. Om de data stabiliteit te waarborgen, is een eenvoudige degradatiecorrectie toegepast. Onze resulten benadrukken het potentieel van satellietmetingen van SIF om veranderingen in vegetatieactiviteit en CO2 -vastlegging te detecteren na een interventie, zowel bij meer geleidelijke als bij abrupte veranderingen in landgebruik. We laten zien hoe SIF-metingen in combinatie met plaatselijke metingen en andere satellietmetingen, zoals van landgebruik en bodemvocht, kan worden gebruikt voor vegetatiemonitoring en we presenteren een raamwerk in hoofdstuk 5 waarin de stappen en beperkingen worden toegelicht. Om SIF-metingen te gebruiken om het succes van LMT’s te kwantificeren, moeten de ruimtelijke resolutie van de metingen aansluiten bij de omvang van de betreffende LMT. Deze resultaten laten zien dat SIF-satellietmetingen, mits zorgvuldig bepaald en geı̈nterpreteerd, waardevol zijn om veranderingen in CO2 -vastlegging in kaart te brengen en daarmee het begrip over LMT effectiviteit te vergroten.

De resultaten van dit proefschrift vergroten het potentieel van satellietmetingen van SIF om tot een beter inzicht in vegetatiedynamiek en CO2 -vastlegging wereldwijd te komen. We verbeterden de methodiek om SIF-metingen te bepalen met het SIFTER-retrievalalgoritme. Met het verbeterde algoritme SIFTER v3 hebben we consistente SIF-tijdreeksen gegenereerd uit de drie GOME-2 sensoren: GOME-2A (van 2007 tot 2017), GOME-2B (van 2012 tot 2023) en van GOME-2C (van 2019 tot 2024). Dankzij de expliciete correctie voor instrumentgedreven afwijkingen zijn deze tijdreeksen stabiel en onderling vergelijkbaar. Deze GOME-2 SIF-tijdreeksen kunnen gebruikt worden om CO2 -vastlegging over tijd te volgen. Bovendien laten we zien dat het SIFTER v3 algoritme ook kan worden toegepast op TROPOMI-metingen, waarmee we de basis leggen voor het standaardiseren van SIF-tijdreeksen tussen verschillende satellieten. Tot slot hebben we het potentieel van SIF-metingen aangetoond om de impact van LMT’s op de CO2 -vastlegging te kwantificeren. We presenteren hiervoor een praktische handleiding waarin het gebruik van SIF-metingen gecombineerd met plaatselijke en aanvullende satelliet-metingen wordt toegelicht. Deze resultaten leggen een stevig fundament voor toekomstig gebruik van satellietmetingen van SIF in mondiale vegetatiemonitoring.