Controls on satellite altimetry over inland water surfaces for hydrological purposes

Abstract

The global available and freely accessible in situ measurements of hydrological cycles is unsatisfactory, limited and has been on the decline, lately. This together with large modeling error for hydrological cycles, support the efforts to seek for alternative measuring techniques. In the recent past, satellite altimetry has been used to measure non-ocean water level variations for hydrological purposes. Due to the effect of topography and heterogeneity of reflecting surface and atmospheric propagation, the expected echo shape for altimeter returns over land differs from that over ocean surfaces. As a result, altimetry measurements over inland waters are erroneous and include missing data. In the present study, we have developed an algorithm to improve the quality of water level time series over non-ocean surfaces. This algorithm contains an outlier identification and elimination process, an algorithm for excluding the noisy waveforms, an unsupervised classification of the satellite waveforms and finally a retracking procedure. The two preliminary steps of outlier identification and noisy waveforms exclusion allow to achieve better results for further classification and retracking steps. We have employed data snooping algorithm to identify and eliminate outliers in the water level time series. Further, an algorithm based on comparing each waveform with fitted waveform from 5β algorithm is developed to identify the noisy waveforms. An unsupervised classification algorithm is implemented to classify the waveforms into consistent groups, for which the appropriate retracking algorithms are performed. The classification algorithm is based on computing the heterogeneity of data sets, which is computed through the difference between median and modal waveforms. We have employed the algorithm to improve the water level time series in Balaton (Hungary) and Urmia (Iran) lakes. After then, we validated the results of proposed algorithm against the available in situ measurements.

In letzter Zeit ist die global verfügbare und frei zugängliche in situ-Messungen von hydrologischen Zyklen unbefriedigend, beschränkt und rückgängig geworden. Dies zusammen mit großen Modellierungsfehler der hydrologischen Zyklen unterstützen die Suche nach alternativen Messverfahren. In der jüngsten Vergangenheit hat die Satellitenaltimetrie verwendet worden, um die Variationen des kontinentalen Wasserstands für hydrologische Zwecke zu messen. Aufgrund der Wirkung der Topographie und der Heterogenität der reflektierenden Oberfläche und atmosphärische Ausbreitung unterscheidet sich die erwartete Echoform des Höhenmessers über das Land vom Echoform über die Ozeanoberflächen. In der vorliegenden Arbeit haben wir einen Algorithmus entwickelt, um die Qualität der Wasserstandszeitreihen über die kontinentale Oberflächen zu verbessern. Dieser Algorithmus enthält: • eine Ausreißer-Identifikation und einen Beseitigungsprozess • einen Algorithmus zum Ausschluss der gestörten Echoform • eine unüberwachten Klassifizierung der Echoform • ein „retracking“ Verfahren Die vorbereitende Schritte zur Ermittlung von Ausreißern und verrauschten Echoformen ermöglichen bessere Ergebnisse zur weiteren Klassifizierung und retracking Schritte. Wir haben Daten-Snooping-Algorithmus zur Identifizierung und Beseitigung von Ausreißern in der Wasserstand Zeitreihen verwendet. Um die verrauschten Echoformen zu identifizieren ist ein Algorithmus entwickelt, der sich auf den Vergleich jeder Echoform mit gepasster Echoform aus 5β-Algorithmus basiert. Ein überwachten Klassifizierungsalgorithmus ist implementiert, um die Echoformen in kohärente Gruppen zu klassifizieren. Für jede kohärente Gruppe ist ein entsprechender retracking-Algorithmus durchgeführt worden. Die Klassifizierung Algorithmus basiert sich auf der Berechnung der Heterogenität der Datensätze, die durch die Differenz zwischen Median und Modal-Echoformen berechnet wird. Wir haben diese Algorithmen verwendet, um die Wasserstandszeitreihen im Balaton (Ungarn) und Urmia (Iran) Seen zu verbessern. Danach haben wir die Ergebnisse der vorgeschlagenen Algorithmen gegen lokalen Daten geprüft.