{"id":14869,"date":"2026-05-05T10:25:13","date_gmt":"2026-05-05T10:25:13","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/juliette-anema\/"},"modified":"2026-05-05T10:49:01","modified_gmt":"2026-05-05T10:49:01","slug":"juliette-anema","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/juliette-anema\/","title":{"rendered":"Juliette Anema"},"content":{"rendered":"","protected":false},"excerpt":{"rendered":"","protected":false},"author":7,"featured_media":14870,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-14869","us_portfolio","type-us_portfolio","status-publish","has-post-thumbnail","hentry","us_portfolio_category-new-template"],"acf":{"naam_van_het_proefschift":"Improving solar-induced fluorescence retrieval from GOME-2 and TROPOMI for long-term vegetation monitoring","samenvatting":"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 klimaatmitigatiestrategiee\u0308n, bijvoorbeeld in de vorm van biosfeergerichte mitigatiemaatregelen (land-based mitigation techniques, LMT\u2019s). LMT\u2019s 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\u2019s 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 e\u0301e\u0301n 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-ge\u0131\u0308nduceerde 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\u2013850 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.\n\nDit 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 e\u0301e\u0301n 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.\n\nDe 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 varie\u0308ren, 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 varie\u0308ren 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\u2019s licht ik toe hoe we deze uitdagingen hebben aangepakt.\n\nAllereerst 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 gee\u0308limineerd. 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.\n\nDe volgende stap is om te onderzoeken of de GOME-2 SIF-tijdreeksen gecombineerd kunnen worden tot e\u0301e\u0301n 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 (\u221235\u00b0 tot +35\u00b0 versus \u221254\u00b0 tot +54\u00b0). 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 e\u0301e\u0301n 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.\n\nVoorlopige 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 e\u0301e\u0301n 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 e\u0301e\u0301n retrievalalgoritme te gebruiken voor verschillende sensoren verminderen we de verschillen tussen SIF-dataproducten en cree\u0308ren 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 e\u0301e\u0301n 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.\n\nDeze 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 Australie\u0308, 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\u2019s 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 ge\u0131\u0308nterpreteerd, waardevol zijn om veranderingen in CO2 -vastlegging in kaart te brengen en daarmee het begrip over LMT effectiviteit te vergroten.\n\nDe 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\u2019s 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.","summary":"Carbon uptake by terrestrial vegetation plays a key role in mitigating climate change by damping atmospheric CO2 buildup. Consequently, land-based mitigation technologies (LMTs) have become central to climate strategies. LMTs are defined as deliberate human actions aimed at enhancing or maintaining the land\u2019s capacity to sequester carbon, including practices such as reforestation and agroforestry. Despite the recognised critical role of LMTs in achieving the Paris Agreement targets, the amount of carbon sequestrated and its long-term permanence remains poorly understood. Moreover, the magnitude and variability of the global land carbon sink itself remain highly uncertain. Hence, these uncertainties highlight the need for robust observational constraints on vegetation activity to improve our understanding of the land carbon sink and to support climate policy decision-making. To meet this demand, this thesis concentrates on developing and using a climate solar-induced fluorescence (SIF) data record derived from satellite retrievals to monitor vegetation dynamics and photosynthetic carbon uptake. SIF captures the faint optical signal (650\u2013850 nm) emitted by vegetation during photosynthesis, the process through which plants assimilate CO2 . Therefore, SIF observations provide valuable and relatively direct insight into plant photosynthetic activity.\n\nThis thesis serves a dual connected aim. The first objective is to examine the use of satellite-based SIF as a robust monitoring tool for vegetation dynamics. Specifically, we focus on its use to quantify the impact of LMT implementation, as part of the Land Use-Based Mitigation for Resilient Climate Pathways (LANDMARC) project, funded by the European Union Horizon 2020 program. For SIF to meet its full potential as a monitoring tool, a consistent long-term record is needed. Long-term multi-decadal observations facilitate the detection of continuing LMT efforts and the capturing of climate variability. Yet, such climate records of SIF are sparse. Operational life times of individual sensors are limited (generally around 10 years). Additionally, differences in sensor characteristics complicate harmonising across sensors to create a single coherent long-term record. This challenge leads us to the next objective: constructing a climate satellite-based SIF record exhibiting spatial and temporal stability. Satellite sensors from the Global Ozone Monitoring Experiment-2 (GOME-2) series were exploited to retrieve far-red SIF data (from 734\u2013758 nm) as part of EUMETSAT\u2019s Atmospheric Composition Satellite Application Facility (AC SAF).\n\nThe GOME-2 series was selected because, taken together, it provides a continuous operational record (since October 2006) spanning over 18 years (and counting). The series consists of three sensors (GOME-2A, GOME-2B, and GOME-2C) with an identical design, launched in sequence on board the Metop satellites. The GOME-2 sensors enable SIF retrieval at almost daily global coverage, supporting continuous global monitoring. Their identical design offers high potential in constructing a harmonised, coherent across-sensor SIF record, by minimising differences introduced by varying sensor characteristics. However, data quality issues within each record limit their use for robust monitoring and for across-sensor harmonisation. In particular, GOME-2 observations are heavily affected by calibration issues, such as reflectance degradation, in which the sensor loses sensitivity to the measured light. In this thesis, we found that these effects are present from early in each record, exhibit sensor-specific patterns, and vary significantly with time, wavelength, and scan angle (Chapters 2, 3, and 5). Failing to correct these instrumental artefacts thoroughly can cause false temporal trends in SIF and introduce east-west biases in the observations. Moreover, the sensor-specific artefact effects cause observations from the different GOME-2 sensors to diverge over time, despite their identical design. Hence, it\u2019s essential to properly correct for these instrumental artefacts. The following paragraphs describe how these challenges were solved.\n\nThe retrieval of consistent SIF is first assessed by examining how the retrieval algorithm could accurately account for these internal inconsistencies. Here, we build on the methodological heritage of the Solar-Induced Fluorescence of Terrestrial Ecosystems Retrieval (SIFTER) algorithm, initially developed for GOME-2A retrieval. Chapter 2 presents the updated version, SIFTER v3, which introduces an advanced correction compensating for the observed degradation patterns. This correction explicitly models the behaviour of the reflectance degradation and its key dependencies of time (at daily time steps), wavelength, and scan angle throughout the entire record. The latter factor is previously neglected in GOME-2 SIF retrievals. Our findings highlight the need to account for the dependence of GOME-2 reflectance degradation on scan position. It introduces an east-west bias of similar magnitude to the time-dependent degradation (up to 8 % for GOME-2A), whose substantial impact on record stability is widely recognised. Additional algorithmic improvements further enhanced the retrieval robustness of SIFTER v3. The improved algorithm advances the spatiotemporal consistency of SIF and provide a stable foundation for robust vegetation monitoring. This stability was demonstrated by using SIFTER v3 to retrieve GOME-2 SIF from GOME-2A (2007\u20132017, Chapter 2), GOME-2B (2012\u20132023, Chapter 3), and GOME-2C (2019\u20132024, Chapter 5). The degradation correction settings were tuned for each sensor to align with the observed degradation characteristics.\n\nNext, we assessed how well the individual GOME-2 records could function as a single coherent record, demonstrated using GOME-2A and GOME-2B SIF in Chapter 3. We found that the calibration corrections within SIFTER v3 not only resolved internal inconsistency but also served as the foundation for harmonising the two records. The retrieved GOME-2A and GOME-2B SIF records show strong coherence across various regions. However, in some areas, a slight step change is observed in the time series at the transition from GOME-2A to GOME-2B. This thesis presents a framework to detect and, when needed, correct for such step-change effects. Aside from instrumental effects, consistent sampling is shown to play a substantial role in ensuring temporal consistency. During the overlapping period of GOME-2A and GOME-2B (July 2013 to December 2017), the sensors observe SIF under different viewing geometry ranges (\u221235\u00b0 to +35\u00b0 versus \u221254\u00b0 to +54\u00b0). This sampling difference can lead to discrepancies of up to 15 % between GOME-2A and GOME-2B across regions and periods with high vegetation activity. Co-sampling under similar viewing conditions reduces the bias between GOME-2A and GOME-2B SIF within 2 %. The robustness of the combined GOME-2A and GOME-2B SIF record, and its suitability as a single coherent dataset, is underscored by its high correlation with independent GPP data from the global FluxSat dataset. Together, these results demonstrate that the GOME- 2A and GOME-2B data can be used as a single coherent long-term record through calibration and intersensor bias corrections, and consistent sampling.\n\nPreliminary evaluation of GOME-2C, in Chapter 5, indicates that it captures similar seasonality and magnitude as GOME-2A and GOME-2B over most regions, but with noted differences over the Amazon. This discrepancy may reflect more substantial South Atlantic Anomaly (SAA) effects over GOME-2C. The SAA denotes a region over the South Atlantic and South America where elevated radiation levels can introduce noise into satellite observations. Despite this discrepancy, the GOME-2C results overall indicate the potential to combine observations from all three GOME-2 sensors into a continuous time series from 2007 to the present (and counting).\n\nFurthermore, we demonstrated the strong potential of SIFTER v3 to extend SIF retrieval beyond GOME-2 sensors. We present the first results of SIF retrievals from the TROPOspheric Monitoring Instrument (TROPOMI) using SIFTER v3. The consistent application of the retrieval algorithm across different sensors helps limit intersensor biases and enables comparisons of SIF across missions. SIF comparability across missions benefits from complementary sensor characteristics, such as different overpass times. For instance, TROPOMI offers an overpass time in the early afternoon (13:30), whereas GOME-2 observes in the late morning (09:30). We retrieved TROPOMI SIF for a single day (6 February 2024) over the Amazon (shown in Chapter 5). Minimal adaptations to SIFTER v3 were made to optimise its performance, while maintaining consistency in retrieval methodology. A comparison of our TROPOMI SIF data with the alternative TROPOSIF product indicates that SIFTER v3 performs better over this area and on this day. Notably, SIFTER v3 resulted in more than three times as many valid retrievals (62 % versus 18.6 %). This provides confidence in the algorithm\u2019s ability to retrieve robust long-term SIF from both GOME-2 and TROPOMI.\n\nThe demonstrated ability to construct long-term SIF records supports the use of satellite-based SIF for vegetation monitoring. In our 2024 study (Chapter 4), we examined how SIF could be used to quantify the impact of interventions, such as LMT implementation, on photosynthetic carbon uptake. We evaluated the effects of two distinct changes in vegetation cover: (i) eucalyptus wildfire in Australia and (ii) large-scale reforestation in China, using the then-available SIF data from TROPOMI (Caltech product) and GOME-2A. Although the GOME-2A record spanned from 2007 to 2018, only part of it was suitable for time series analysis due to instrumental artefacts that affected temporal stability. This instability motivated the development of the improved SIFTER v3 algorithm, published in 2025 (Chapter 2). Finally, the reforestation impact was assessed from 2007 to 2012, with a simple degradation correction applied to ensure temporal stability. Our results demonstrate the strength of satellite-based SIF in capturing vegetation responses to interventions, including both prompt, disruptive and slower, more gradual land-cover changes. We showed how SIF can be used in combination with supporting in situ and satellite data, for example, land use and soil moisture, to align SIF with the intervention and attribute the detected changes to their respective drivers. A framework for applying SIF in intervention monitoring is presented in Chapter 5. For SIF to serve as a reliable monitoring tool, its spatial resolution and temporal coverage must match those of the intervention. Overall, this work shows that carefully retrieved and interpreted satellite-based SIF can provide valuable assessments of vegetation responses to land-based interventions.\n\nThe results of this thesis enhance the potential of satellite-based SIF to support improved understanding of vegetation dynamics and photosynthetic carbon uptake worldwide. We developed methodological improvements to the SIFTER algorithm that advance the robustness and consistency of SIF retrievals. Consistent GOME-2 SIF records were constructed using the improved SIFTER v3 algorithm: GOME-2A (from 2007 to 2017), GOME-2B (from 2012 to 2023), and GOME-2C (from 2019 to 2024). The SIFTER v3 algorithm is shown to serve as a building block for constructing coherent long-term SIF records from the GOME-2 series, which can be used for vegetation monitoring purposes. We also demonstrated the potential of SIFTER v3 to retrieve robust SIF from TROPOMI, thereby contributing to the standardisation of SIF time series across satellite sensors. Finally, this work demonstrates how satellite-based SIF can be used to quantify vegetation responses to interventions. A practical SIF-based monitoring framework is presented, integrating SIF with supporting in situ and remote sensing data to attribute detected changes to the intervention. These results provide a solid foundation for the future use of satellite-based SIF in global vegetation monitoring.","auteur":"Juliette Anema","auteur_slug":"juliette-anema","publicatiedatum":"5 juni 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/julietteanema?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/28a88ad9-5850-4ab8-becb-1b724dd73a32\/optimized","url_epub":"","ordernummer":"18759","isbn":"","doi_nummer":"","naam_universiteit":"Wageningen University","afbeeldingen":14871,"naam_student:":"","binnenwerk":"","universiteit":"Wageningen University","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14869","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=14869"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14869\/revisions"}],"predecessor-version":[{"id":14872,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14869\/revisions\/14872"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/14870"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=14869"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=14869"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}