FLEX Instrument Performance Simulator (FIPS) and Ground Processor Prototype (GPP)
Marc Bouvet (European Space Agency, ESA/ European Space Research and Technology Centre, ESTEC)

Da das Fluoreszenzsignal der Vegetation deutlich schwächer ist als die insgesamt gemessene Strahlung, müssen instrumentelle Effekte präzise charakterisiert und korrigiert werden. Hierfür wurden der FLEX Instrument Performance Simulator (FIPS) und der Ground Processor Prototype (GPP) entwickelt, die die Simulation von Datensätzen sowie das Testen von Level-2-Algorithmen ermöglichen. Die aktuelle Softwareversion wird derzeit mit Parametern aus einer Bodenkalibrierungskampagne ergänzt und soll während der comissioning-Phase eingesetzt werden. Langfristig ist geplant, die Werkzeuge auch der Nutzercommunity über die FLEX Collaborative Platform (CP) zugänglich zu machen.

FLEX mission products and validation status
Vincet Servera (Magellium)

Das Data Innovation and Science Cluster (DISC) ist für die Entwicklung der Level-1C- und Level-2-Datenprodukte verantwortlich. Phase 1 des Projekts wurde kürzlich abgeschlossen, dabei wurden ein funktionsfähiger Prototyp der Level-2-Algorithmen entwickelt sowie erste Kalibrierungs- und Qualitätskontrollkonzepte erarbeitet. Die Level-1C-Produkte umfassen kalibrierte Top-of-Atmosphere-Radiances, die Level-2-Produkte darüber hinaus Atmosphärenparameter, Vegetationsfluoreszenz sowie biophysikalische Parameter wie LAI und FAPAR. Erste Tests zeigen, dass viele Anforderungen bereits erfüllt werden, radiometrische Kalibrierungsfehler jedoch noch weiterer Optimierung bedürfen.

The FLEX Collaborative Platform: Enabling Data Processing, Validation, and Scientific Exploitation of FLEX Fluorescence Products
Pedro Pereira Goncalves (Terradue)

Die FLEX Collaborative Platform soll der Nutzercommunity einen zentralen Zugang zu Daten und Analysetools bereitstellen. Vorgesehen sind verschiedene Nutzerrollen von der einfachen Datenerkundung über die wissenschaftliche Auswertung bis hin zur aktiven Entwicklung von Algorithmen, etwa in Python. Die Plattform basiert auf Open-Source-Komponenten und umfasst Datenkataloge, APIs, einen Geo-Browser sowie eine GitLab-Umgebung. Sie befindet sich derzeit noch in der Entwicklungsphase.

The Atmospheric Correction Processor of the FLEX Sentinel-3 Tandem Space Mission
Pekka Kolkmonen (Finish Meteorological Institute, FMI)

Das Finnish Meteorological Institute (FMI) entwickelt den atmosphärischen Korrektionsprozessor für FLEX, der FLORIS-Daten mit Sentinel-3-Messungen kombiniert. Die Verarbeitungskette umfasst Cloud-Screening, die Bestimmung von Aerosoleigenschaften und Wasserdampfgehalt mittels SLSTR sowie die eigentliche atmosphärische Korrektur. Unsicherheiten aus instrumentellen und atmosphärischen Quellen werden dabei explizit modelliert. Tests mit simulierten Szenen zeigen gute Ergebnisse, insbesondere über Vegetationsflächen.

SIF Full-Spectrum Retrieval in the Framework of the FLEX Mission
Sergio Cogliati (University Milano-Bicocca)

Das Level-2B-Modul leitet aus den FLEX-Daten das vollständige Fluoreszenzspektrum im Bereich von etwa 670 bis 780 nm ab, einschließlich Kenngrößen wie Fluoreszenzintensität in den Sauerstoffabsorptionsbändern sowie spektral integrierter Fluoreszenz. Grundlage ist ein Vorwärtsmodell, das an gemessene Spektren angepasst wird. Tests zeigen gute Ergebnisse, vor allem für das O2-A-Band. Das O2-B-Band bleibt aufgrund stärkerer Rauscheinflüsse anspruchsvoller. Der Algorithmus wurde zudem für boden- und UAV-gestützte Messungen adaptiert, um eine spätere Validierung der FLEX-Daten zu erleichtern.

Photosynthesis data products of FLEX
Christiaan van der Tol (University of Twente)

Am Ende der FLEX-Verarbeitungskette stehen elf Photosynthese- und Vegetationsprodukte, darunter LAI, Chlorophyll- und Carotinoidgehalt, APAR sowie Parameter wie Fluoreszenzquanteneffizienz (FQE), Elektronentransportrate (ETR) und nicht-photochemisches Quenchin (NPQ). Berechnet werden sie mittels Machine-Learning, spektraler Anpassung und physiologischer Modellierung. Für jedes Produkt werden neben dem Schätzwert auch Unsicherheiten und Qualitätsflags ausgegeben. Während einige Produkte bereits zuverlässige Ergebnisse liefern, besteht bei anderen, insbesondere der NPQ-Modellierung, noch Entwicklungsbedarf.

Cal/Val Activities for the FLEX-Mission: Approach and Current Status
Roberto Colombo (University Milano-Bicocca)

Die Validierungsstrategie kombiniert direkte Vergleiche mit Bodenmessungen, Strahlungstransfermodellierung und den Abgleich mit anderen Satellitendatensätzen. Besondere Herausforderungen stellen die Wiederholzeit von 27 Tagen und die räumliche Auflösung von 300 m dar, die eine sorgfältige Planung der Feldkampagnen erfordern. Weltweit werden zahlreiche Messstandorte in unterschiedlichen Vegetationsökosystemen genutzt. Automatisierte Cal/Val-Tools, die in die FLEX Collaborative Platform (CP) integriert werden sollen, ermöglichen den systematischen Vergleich von FLEX-Daten mit Referenzmessungen aus Feld- und Flugzeugkampagnen.

Point-to-pixel upscaling and uncertainty in FLEX L2 reflectance validation
Pieter De Vis (National Physical Laboratory)

Da ein FLEX-Pixel etwa 300 x 300 m umfasst und damit deutlich größer ist als der von Bodeninstrumenten erfasste Bereich, entsteht bei der Validierung eine räumliche Diskrepanz. Automatische Messnetze wie INSITU- und HYPERNETS-Stationen liefern kontinuierliche Referenzdaten, die zeitlich, spektral und geometrisch korrigiert werden. Hochauflösende Daten von Sentinel-2 ermöglichen eine räumliche Hochskalierung; der Spatial Homogeneity Index (SHI) dient dabei als Qualitätsmaß. In heterogenen Landschaften bleibt die räumliche Variabilität jedoch eine wesentliche Quelle für Unsicherheiten.

Bridging Observation Scales for the Calibration and Validation of FLEX SIF Products
Giulia Tagliabue (University Milano-Bicocca)

Auch dieser Beitrag adressiert die Skalendiskrepanz zwischen Bodenmessungen und Satellitenpixeln. Kombiniert werden Turm-, Drohnen- und Flugzeugmessungen (HyPlant) in zwei Validierungsansätzen: Die Single-Point-Strategie mit einem Messpunkt pro Pixel sowie die Multi-Point-Strategie mit mehreren Punkten zur besseren Erfassung räumlicher Variabilität. Transferfunktionen wie NIRv verbessern die Übereinstimmung zwischen Skalen, besonders bei der Single-Point-Strategie. Optimierte Drohnenflugmuster lieferten dabei zuverlässige Vergleichsergebnisse.

Validation of FLEX Level-2 Biophysical Product Approaches and Current Status
Bastian Siegmann (Juelich Research Centre, FZJ)

Neun biophysikalische Produkte werden validiert, darunter LAI, fAPAR, Chlorophyll- und Carotinoidgehalt sowie photosynthesebezogene Parameter in Zusammenhang mit der Photosynthese wie etwa FQE, ETR oder Fesc. Die Validierungsstrategie kombiniert drei Ansätze: Den direkten Vergleich mit Bodenmessungen, die Inversion des Strahlungstransfermodells SCOPE sowie den Abgleich mit anderen Satellitenprodukten. Für photosynthesebezogene Parameter wird ein zweistufiger Skalierungsansatz angewendet, bei dem Blattmessungen zunächst auf Kronenniveau und anschließend auf FLEX-Pixelgröße hochskaliert werden.

FLEXvalGER – in situ, UAV, Airborne & Satellite Validation of FLEX L1C-L2C Products in Germany
Juliane Bendig (Juelich Research Centre, FZJ)

Das noch im Antragsstadium befindliche Projekt FLEXvalGER plant ein deutschlandweites Netzwerk aus Acker- und Waldstandorten mit Messungen auf allen Skalen, vom Blatt über den Bestand bis zum Satellitenpixel. Neben klassischen Vegetationsparametern liegt ein besonderer Fokus auf der Validierung photosynthesebezogener Produkte wie FQE, ETR oder Fesc. Flugzeug- und Satellitendaten weiterer Missionen sollen spektral und räumlich auf FLEX angepasst und Unsicherheiten systematisch erfasst werden.

Validation Strategies for FLEX Level-2-Products: The SpaFLEX Multi-Scale Protocol and Application in Doñana National Park
Marcos Jiménez (National Institute of Aerospace Technology, INTA)

Das von INTA und der Universität Valencia koordinierte Projekt verfolgt einen Bottom-up-Validierungsansatz, der Blatt-, Bestands-, UAV- und Flugzeugmessungen schrittweise auf FLEX-Pixelgröße hochskaliert. Spezielle Kalibrierprotokolle gewährleisten die Vergleichbarkeit der eingesetzten Instrumente. Eine Feldkampagne im Doñana-Nationalpark lieferte erste Ergebnisse: Räumliche Aggregation kombiniert mit systematischer Unsicherheitsanalyse ermöglicht zuverlässige Referenzdaten, insbesondere für das O2-A-Band.

FLORA – FLEX Leaf Observation and Retrieval via Hybrid Approaches: A Multi-Sensor Framework for Calibration and Validation of FLEX L2B/L2C Products
Carlos Camino (University of Wageningen)

FLORA verfolgt einen mehrstufigen, skalenübergreifenden Validierungsansatz für Parameter wie Blattchlorophyll, LAI, FAPAR und SIF-Produkte. Kombiniert werden Feldmessungen, UAV-, Flugzeug- und Satellitendaten, darunter Sentinel-2 sowie, nach Möglichkeit, PRISMA oder EnMAP. Geplante Standorte umfassen ICOS-Flächen in den Niederlanden und Italien; Strahlungstransfermodelle sollen die Ableitung von Pflanzenmerkmalen aus Spektraldaten unterstützen. Die eigentlichen Validierungskampagnen sind ab 2027 vorgesehen.

Upscaling Photosynthetic Function for Representative Terrestrial Ecosystems in the USA
Petya Campbell (University Maryland Baltimore County, UMBC/ National Aeronautics and Space Administration, NASA)

Das Projekt untersucht tägliche und saisonale Dynamiken von Fluoreszenz und Photosynthese in nordamerikanischen Ökosystemen – zunächst Tundra und boreale Wälder in Alaska, perspektivisch auch Grasländer, Laubwälder und tropische Wälder. Blatt- und Bestandsmessungen werden mittels PAM, FLoX und PRISMA-Satellitendaten kombiniert und mit Modellen wie SCOPE auf Satellitenskala übertragen. Erste Ergebnisse zeigen deutliche Unterschiede zwischen Ökosystemtypen; ETR-Karten auf Basis von PRISMA-Daten konnten bereits abgeleitet werden.

Integrating tower-based dual-geometry hyperspectral system and drone-based hyperspectral imaging system for calibration and validation of the FLEX mission across multiple ecosystems in South Korea
Youngryel Ryu (Seoul National University)

Ein eigens entwickeltes Turmsystem ermöglicht simultane hemisphärische und gerichtete Messungen von Reflektanz und Fluoreszenz und liefert damit kontinuierliche Zeitreihen über ganze Vegetationsperioden. Ergänzende Drohnenaufnahmen überbrücken die Skalenlücke zwischen Turm- und FLEX-Pixelgröße. Darüber hinaus wurde gezeigt, dass SIF aus hyperspektralen Daten mittlerer Auflösung mittels spectral fitting-Methoden berechnet und kartiert werden kann. INSIF, International Network of Sun-Induced Chlorophyll Fluorescence
Tommaso Julitta (JB Hyperspectral Devices)

Das FloX-Instrument misst gleichzeitig einfallende und reflektierte Strahlung und ermöglicht damit kontinuierliche Langzeitmessungen von Reflektanz, Vegetationsindizes und SIF. Im Rahmen von INSIF werden diese Daten für die FLEX-Validierung nutzbar gemacht: Verarbeitungsprozesse werden standardisiert, Unsicherheiten quantifiziert und ein Online-Portal mit zentraler Datenbank aufgebaut. Ein mobiles Kalibrierungssystem soll die Vergleichbarkeit der Instrumente sicherstellen. Derzeit umfasst das Netzwerk zehn Instrumente und soll weiter ausgebaut werden.

Considerations of the use of in situ spectroscopy measurements for FLEX data validation
Alexander Damm (University of Zurich)

Der Beitrag präsentiert Herausforderungen der bodengestützten Validierung, mit Fokus auf Waldstandorten. Neben FloX-Messungen werden GNSS-basierte Kronenfeuchte- und Thermaldaten eingesetzt. Ein zentrales Thema ist die Qualitätssicherung von Bodenmessungen: Schattenwurf und wechselnde Lichtverhältnisse in Wäldern können Reflektanz und davon abgeleitete Indizes wie NDVI, PRI oder LAI erheblich beeinflussen. Zudem wurde darauf hingewiesen, dass höhere Produkte wie GPP oder Vegetationswassergehalt nicht immer direkt mit optischen Satellitendaten vergleichbar sind.

SIF to Measure Actual Photosynthesis and Vegetations Stress – Lessons Learned from 20 Years of Research in Preparation of the FLEX Satellite Mission
Uwe Rascher (Juelich Research Centre, FZJ)

Der Vortrag behandelt die Nutzung von sonneninduzierter Fluoreszenz (SIF) zur Erkennung von Vegetationsstress. Besonders bei Trockenheit zeigt SIF frühere Reaktionen als klassische Indizes. Auch bei extremen Temperaturen ist SIF sensitiv, allerdings sind die zugrunde liegenden Mechanismen noch nicht vollständig geklärt. Herausforderungen bestehen bei der Skalierung sowie bei der Erkennung von Krankheiten und Nährstoffmangel. Insgesamt gilt SIF als vielversprechend, sollte jedoch mit anderen Fernerkundungsmethoden kombiniert werden.

The Role of Species-Specific Physiology and Diurnal Phase in Interpreting SIF
Sebastian Wieneke (University of Leipzig)

Der Vortrag präsentiert die komplexe Beziehung zwischen SIF und Photosynthese anhand von Messungen an zwei Baumarten. Es zeigt sich, dass diese Beziehung nicht linear ist, sondern sich je nach Tageszeit, Jahreszeit und Stresszustand verändert. Besonders die rote Fluoreszenz steht stärker mit physiologischen Prozessen in Verbindung als die fernrote. Zudem reagieren verschiedene Arten unterschiedlich auf Stress, was die Interpretation erschwert. Für die Fernerkundung bedeutet dies, dass einzelne Satellitenüberflüge oft nicht ausreichen, da wichtige Dynamiken übersehen werden. Daher wird eine Kombination verschiedener Sensoren und Messansätze vorgeschlagen.

Activities and Outcomes of the FLEX-ITA project airborne and ground campaigns
Karolina Sakowska (National Research Council, CNR)

Der Vortrag stellt das Projekt FLEX-ITA zur Unterstützung der FLEX-Mission vor. Flugzeug- und Bodenmessungen zeigen eine gute Übereinstimmung von SIF-Daten. In Experimenten mit Mais und Tomaten führte Wasserstress zu sinkender Photosynthese und Fluoreszenz, während Bewässerung eine Erholung bewirkte. Unterschiede zwischen den Pflanzen sowie strukturelle Effekte erschweren jedoch die Auswertung.

Exploring the Nonlinear Relationship Between Photosynthesis and Chlorophyll Fluorescence Dynamics for Early Stress Detection
MaPilar Cendrero-Mateo (University of Valencia)

Der Vortrag zeigt, dass die Beziehung zwischen SIF und Photosynthese nicht linear ist und daher lineare Modelle ungeeignet sind. Nichtlineare Modelle liefern bessere Ergebnisse, wobei besonders die Fluoreszenzeffizienz und der Red-Edge-Bereich wichtige Informationen liefern. Zudem beeinflussen Umweltbedingungen wie Licht und Stress die Dynamik der Photosynthese deutlich. Als empfindliche Stressindikatoren erweisen sich ein Anstieg des nicht-photochemischen Quenchings (NPQ) und ein Rückgang der Fluoreszenz. Entscheidend ist dabei die Analyse zeitlicher Veränderungen, um Stress frühzeitig zu erkennen.

Tracing Changes is Subsurface Water Storage Through a Novel Satellite-Based Time-Series of Far-Red Solar-Induced Fluorescence Quantum Efficiency
David Herrera (Juelich Research Centre, FZJ)

Das Projekt untersucht aus Satellitenperspektive, ob SIF-basierte Fluoreszenzeffizienz (ΦF) Veränderungen im Bodenwassergehalt erkennen kann. Mithilfe von täglichen Satellitendaten über Deutschland zeigt sich, dass ΦF eng mit Wasserverfügbarkeit im Wurzelraum zusammenhängt und mit etwa zwei Tagen Verzögerung auf Trockenstress reagiert. Klassische Vegetationsindizes wie NDVI oder NIRv zeigen diese kurzfristigen Veränderungen hingegen nicht. Auch Landoberflächentemperatur reagiert ähnlich sensibel. Insgesamt unterstreicht die Studie das Potenzial von SIF zur frühen Erkennung von Trockenstress auf Ökosystemebene.

Sun-induced fluorescence derived canopy level effects of elevated CO2 and Cercospora leaf spot on photosynthesis in field-grown sugar beet
Deepthi Konche (Juelich Research Centre, FZJ)

Das Projekt untersucht, wie SIF Krankheiten bei Zuckerrüben (Cercospora Leaf Spot) erkennen kann. Die Krankheit beeinflusst sowohl die Struktur der Pflanzen als auch ihre Photosynthese. Dabei zeigt sich, dass SIF vor allem auf strukturelle Veränderungen reagiert. Indizes und SIF erkennen die Krankheit früh, während Fluoreszenzerträge eher die inneren (physiologischen) Prozesse zeigen. Unter Stress verhalten sich SIF und PSII-Effizienz gegensätzlich, besonders bei SIF687. Insgesamt hat SIF großes Potenzial, Krankheiten zu erkennen, aber die genauen Zusammenhänge müssen noch weiter erforscht werden.

Monitoring photosynthetic quantum yield through non-photochemical quenching, from laboratory to field: integrating canopy fluorescence reflectance and GPP
Adrian Moncholi-Estornell (University of Valencia)

Der Vortrag zeigt, dass man mit spektralen Daten und der partial least squares regression (PLSR)-Methode spektrale Features und Wellenlängenbereiche in Zusammenhang mit der Photosynthese identifizieren kann. Um auf der Ebende von Ökosystemen eingesetzt zu werden, wurde die spektrale Variabilität im Zusammenhan zu gross primary production (GPP) und non-photochemical quenching (NPQ) untersucht. Dabei sind vor allem Signale im grünen und im Red-Edge-Bereich wichtig. Diese Muster treten sowohl im Labor als auch im Feld auf und bleiben auch nach Korrekturen ähnlich. Besonders unter Stress sind deutliche Reaktionen zu erkennen, die kurzfristige Veränderungen der Photosynthese widerspiegeln. Insgesamt eignet sich die Methode gut als erstes Analyse-Tool, muss aber für genauere Anwendungen noch weiter verbessert werden.

Beyond Photosystem II: How Photosystem I Dynamics Regulate Electron Transport in a Rice Paddy
Huaize Feng (Seoul National University)

Huaize Feng zeigt, dass Prozesse im Photosystem I (PSI) eine wichtige Rolle für das Verständnis von Photosynthese spielen und bisher oft unterschätzt wurden. Ein erweitertes Modell (BESS-JB) kann Photosynthese auf Ökosystemebene gut abbilden. Es zeigt sich, dass PSI und PSII im Gleichgewicht zusammenarbeiten und dass Energie zwischen ihnen verschoben wird, was die Effizienz beeinflusst. Außerdem wird Wärmeabgabe (NPQ) im PSI früher und stärker aktiviert als im PSII. Besonders wichtig ist, dass ein großer Teil des SIF-Signals aus dem PSI stammt, was bei der Interpretation berücksichtigt werden muss.

Shared light absorption rather than physiological coupling explains the apparent SIF-GPP relationship at canopy scale across diverse ecosystems
Jeongho Lee (Seoul National University)

Der Vortrag zeigt, dass der Zusammenhang zwischen SIF und GPP hauptsächlich daran liegt, dass beide von der gleichen Lichtaufnahme abhängen. Die Pflanzenstruktur (z. B. Lichtverteilung im Bestand) beeinflusst das SIF-Signal stark. Wenn man diesen Einfluss berücksichtigt, kann SIF trotzdem noch etwas über den physiologischen Zustand der Pflanzen aussagen. Daher ist SIF mehr als nur ein einfacher Ersatz für GPP.

Atmospheric dryness effects on canopy chlorophyll fluorescence and Gross Primary Production (GPP) in a deciduous forest during heat waves
Zhaohui Li (Paris-Saclay University)

Der Vortrag zeigt, dass bei trockener Luft (Stress) der Zusammenhang zwischen SIF und Photosynthese (GPP) schwächer wird. Stattdessen spiegelt aktive Fluoreszenz die Photosynthese besser wider. Unter Stress ist SIF weniger empfindlich, während aktive Messungen Veränderungen deutlicher zeigen.

The SIF Model Intercomparison Project (SIF-MIP Phase 2)
Haoran Liu (Imperial College London)

Aktuelle SIF-Modelle weisen noch große Unterschiede in ihren Ergebnissen auf. Sie entstehen vor allem durch unterschiedliche Modellannahmen und Parameter. Durch den Vergleich mit Messungen (z. B. von Türmen oder Satelliten) können die Modelle aber verbessert werden. Insgesamt ist SIF wichtig, um Kohlenstoffkreisläufe besser zu verstehen, jedoch müssen die Modelle dafür noch genauer werden.

Analyzing the global role or TROPOMI-derived SIF and Sentinel-3 fundamental vegetation traits as proxy predictors in GPP models
Pablo Reyes Munoz (University of Valencia)

Der Vortrag zeigt, dass satellitenbasierte SIF-Daten gut genutzt werden können, um gross primary production (GPP) abzuschätzen. Besonders in Kombination mit Wetterdaten liefern SIF-Daten bessere und stabilere Modelle. Außerdem hilft SIF dabei zu verstehen, welche Faktoren (z. B. Klima oder Vegetation) die Photosynthese beeinflussen. In Zukunft sollen diese Methoden mit neuen, genaueren Satellitendaten (z. B. FLEX) weiter verbessert werden.

Disentangeling the Relationship Between Solar-Induced Fluorescence and Photosynthesis in Scots Pine in Response to Drought
Ingo Ensminger (University of Toronto)

Das Projekt untersucht, ob man mit SIF-Trockenstress bei Kiefern erkennen kann. Dafür wurden bewässerte und nicht bewässerte Flächen in einem Wald in der Schweiz verglichen. Die Ergebnisse zeigen, dass SIF A empfindlich auf Trockenstress reagiert und in bewässerten Flächen höher ist. SIF B war dagegen deutlich weniger sensitiv und zeigte Unterschiede vor allem bei besonders trockenen und heißen Bedingungen. Insgesamt deutet die Studie darauf hin, dass manche SIF-Signale Trockenstress besser abbilden als andere.

A Land-Biogeochemical Reanalysis to Rocncile Earth Observations, Benchmark Models and Advance Earth Science Understanding and Prediction
Nicholas Parazoo (California Institute of Technology, Caltech)

Der Vortrag stellt ein großes Modellprojekt vor, das Kohlenstoff-, Wasser- und Energieflüsse gemeinsam auswertet. Dafür werden Satellitendaten und Modelle kombiniert, um Lücken in den Messungen zu schließen und die Prozesse im Erdsystem besser zu verstehen. Ziel ist es, Unsicherheiten bei Kohlenstoffkreislauf und Klimavorhersagen zu verringern. Dabei spielen auch SIF-Daten eine wichtige Rolle, weil sie helfen können, Modelle zu verbessern und realistischer zu machen.

FLEX mission data for inland water research: Insights from studies in Swiss lakes
Alexander Damm (University of Zurich)

Der Vortrag zeigt, dass FLEX auch für die Forschung an Seen und Küstengewässern nützlich sein kann. Durch die hohe spektrale Auflösung lassen sich Prozesse im Wasser genauer untersuchen, zum Beispiel Fluoreszenz, Chlorophyll und die Zusammensetzung von Phytoplankton. Besonders wichtig ist, dass FLEX neue Möglichkeiten für die Bestimmung von Chlorophyll-a und die Unterscheidung verschiedener Phytoplankton-Arten bieten kann. Gleichzeitig wurde betont, dass die zeitliche und räumliche Auflösung für Gewässer noch eine Einschränkung bleibt.

The PHY2FLEX project: PHYsiology and species mapping a global water PHYTOplankton from FLEX-Sentinel 3 synergy - Focus on the top-of-atmosphere hyperspectral signature including the sun-induced fluorescence
Tristan Harmel (Magellium)

Der Vortrag stellt das Projekt PHY2FLEX vor. Ziel ist es, mit FLEX und Sentinel-3 gemeinsam Gewässer besser zu beobachten. Dabei geht es vor allem um Phytoplankton und darum, wie gut man mit Fluoreszenz deren Zustand und Aktivität erkennen kann. Die Ergebnisse zeigen, dass FLEX durch seine hohe spektrale Auflösung mehr Informationen liefert und neue Möglichkeiten für die Wasserforschung bietet.

Aquatic product validation of the Fluorescence Explorer (FLEX) mission (AquaValiX)
Anna Görlitz (University of Freiburg)

Ziel des AquaValiX-Projekts ist es, FLEX-Daten für Gewässer (Seen, Küsten, Ozeane) zu testen und weiterzuentwickeln. Dafür werden Satellitendaten mit Messungen vor Ort verglichen, um die Ergebnisse zu verbessern. Außerdem sollen neue Produkte (z. B. zu Wasserqualität oder Chlorophyll) entwickelt werden. Langfristig ist geplant, eine dauerhafte Messstation für Binnengewässer einzurichten.

​

Development and validation of an approach to quantify maximum photosynthetic capacity of terrestrial plants from FLEX mission products
Jennifer Johnson (University of Kansas)

Der Vortrag zeigt, dass man die maximale Photosyntheseleistung von Pflanzen mit FLEX-Daten besser bestimmen könnte. Dafür soll ein neues Modell genutzt werden, das nicht nur Rubisco, sondern auch Cytochrom b6f berücksichtigt. Das ist wichtig, weil damit der Zusammenhang zwischen Photosynthese und Fluoreszenz genauer beschrieben werden kann. Langfristig soll daraus ein neues Produkt entstehen, mit dem sich wichtige Prozesse der Photosynthese aus Satellitendaten ableiten lassen.

Linking Solar-Induced chlorophyll Fluorescence to Biogenic Volatile Organic Compounds Emissions in low Arctic Tundra: A Field Spectroscopy approach
Frederico Grillini (University of Copenhagen)

Der Vortrag untersucht, ob SIF und andere spektrale Indizes genutzt werden können, um BVOC-Emissionen von Pflanzen abzuschätzen. Dafür wurden in der arktischen Tundra in Grönland Feldmessungen mit Spektrometern und Luftproben kombiniert. Die Ergebnisse zeigen, dass SIF bei einigen Stoffgruppen ein nützlicher Hinweis auf Emissionen sein kann, zusammen mit Indizes wie PRI oder EVI. Gleichzeitig reicht SIF allein nicht aus, sondern muss zusammen mit Umweltfaktoren wie Temperatur oder Bodenfeuchte betrachtet werden.

Cloud-Operational Sentinel-3 Vegetation Trait Retrievals to Support FLEX L2/L3/L4 Products
Jochen Verrelst (University of Valencia)

Forschende der Universität Valencia entwickelten drei Modellgenerationen zur Ableitung von Vegetationsparametern aus Sentinel-3-Daten, darunter Chlorophyllgehalt und Blattflächenindex. Grundlage ist die Gaussian Process Regression, die sowohl Schätzwerte als auch Unsicherheiten liefert. Die neueste Version kombiniert erstmals epistemische und aleatorische Unsicherheiten. Die Modelle sind im Open-Source-Paket pyEOGPR verfügbar. Ziel ist die Unterstützung der FLEX-Mission bei globaler Fluoreszenzkartierung.

AMLEC-2: Atmospheric Radiative Transfer Emulation Challenge (FLEX Mission Edition)
Jorge Vicent Servera (University of Valencia)

Strahlungstransfermodelle sind zentral für Fernerkundung, aber sehr rechenintensiv. Daher wird untersucht, ob Emulatoren auf Basis maschinellen Lernens diese ersetzen können. In einem ersten Projekt wurden acht Modelle verglichen. GP-Modelle überzeugten bei kleinen Datensätzen, neuronale Netze bei großen. Eine zweite Edition ist für 2026 geplant. Fokus liegt dann auch auf Unsicherheiten und Effizienz.

Physics-based emulation of at-sensor radiances as a tool for novel SIF retrieval schemes
Miguel Pato (German Aerospace Center, DLR)

Ein Emulator ersetzt aufwendige Strahlungstransfersimulationen für SIF im O2-A-Band. Trainiert auf Millionen Spektren liefert er schnelle und präzise Ergebnisse. Überraschend schnitten einfache Polynome am besten ab. Zusätzlich wurden Unterschiede von bis zu 20 % zwischen MODTRAN und libRadtran festgestellt. Das zeigt relevante Unsicherheiten für SIF-Retrievals. Der Ansatz ist deutlich effizienter als klassische Modelle.

SLOPE: A radiative transfer model for leaves incorporating fluorescence
Stefan Maier (maitec)

Als Alternative zu bestehenden Blatt-Strahlungstransfermodellen wie PROSPECT präsentierte Stefan Meyer das Modell “Stochastic model for Leaf Optical Properties Extended for fluorescence” (SLOPE), ein physikalisch basiertes, mehrschichtiges Blattmodell, das Reflexion, Transmission und Chlorophyllfluoreszenz simuliert. Ein wesentlicher Unterschied zu bisherigen Ansätzen ist die explizite Berücksichtigung der räumlichen Chloroplastenverteilung im Blatt: Da Chlorophyll nicht homogen verteilt ist, sondern in Chloroplasten konzentriert vorliegt und diese sich je nach Lichtverhältnissen sogar bewegen, hat dies messbare Auswirkungen auf das Fluoreszenzsignal von bis zu 20–30 % im roten Spektralbereich. Das Modell kommt dabei mit leicht zugänglichen Eingangsparametern wie Pigmentkonzentrationen aus und soll demnächst als Open-Source-Python-Paket auf GitHub verfügbar gemacht werden.

JULES-SIF V1.0
Tristan Quaife (University of Reading)

Forscher des UK National Centre for Earth Observation haben das Landflächenmodell JULES, das unter anderem im britischen Klimamodell und der Wettervorhersage eingesetzt wird, um ein physikalisch konsistentes SIF-Modul erweitert. Dabei nutzt die SIF-Berechnung dieselbe Strahlungstransferphysik (Sellers-Zwei-Strom-Modell) wie das Hauptmodell. Dadurch können Abweichungen zu Satellitendaten wie TROPOMI direkt auf Modellfehler zurückgeführt werden. Ein Beispiel aus dem Pantanal zeigte, dass fehlender Oberflächenabfluss zu einer Unterschätzung der Fluoreszenz führte. Der Code ist öffentlich verfügbar. Zukünftig sollen unter anderem Blattunterschiede und der Hotspot-Effekt berücksichtigt werden.

Terrestrial Carbon Community Assimilation System
Thomas Kaminski (The Inversion Lab)

Das Terrestrial Carbon Community Assimilation System (TCCAS) kombiniert ein Prozessmodell mit Satellitendaten (unter anderem TROPOMI-SIF, FAPAR, VOD und Bodenfeuchte), um Kohlenstoffflüsse zu erfassen. Durch Datenassimilation werden Modellparameter so angepasst, dass alle Datensätze gleichzeitig bestmöglich reproduziert werden. Validierungen mit Eddy-Covariance-Daten zeigen deutlich verbesserte GPP-Schätzungen. Auch Landnutzungsänderungen konnten realistisch simuliert werden. Dabei wird die Unsicherheit der Vorhersagen reduziert. Das offene System wird bereits mit TROPOMI getestet und ist für FLEX vorgesehen.

Retrievals of Solar Induced Chlorophyll Fluorescence from Chinese Satellites
Zhaoying Zhang (Nanjing University)

Forschende der Nanjing University leiteten erstmals SIF aus dem chinesischen Goumang-Satelliten ab. Dieser verfügt über einen speziell für Fluoreszenz entwickelten Hyperspektralsensor, ähnlich der FLEX-Mission. Mithilfe einer SVD-Methode im Bereich 743–758 nm wurde ein globales SIF-Produkt erzeugt. Es zeigt realistische saisonale und räumliche Muster und eine höhere Detailauflösung als TROPOMI. Eine Validierung mit Flugzeug-, Drohnen- und Bodendaten bestätigte die Ergebnisse. Die Daten sind öffentlich verfügbar und sollen weiter ausgebaut werden.

Diurnal variations in red Solar-Induced chlorophyll fluorescence retrieved from the TEMPO geostationary mission
Zhaoying Zhang (Nanjing University)

Der geostationäre TEMPO-Satellit ermöglicht erstmals stündliche SIF-Messungen und damit die Analyse von Tagesverläufen der Photosynthese. Auf dieser Basis wurde erstmals rote SIF (660–685 nm) global abgeleitet. Dieser Spektralbereich steht theoretisch in engerem Zusammenhang mit Photosynthese, ist aber schwerer zu messen. Die Ergebnisse zeigen klare, vegetationstypabhängige Tagesmuster. Zudem besteht eine hohe Übereinstimmung mit GPP-Daten (R² ≈ 0,89). Artefakte und einzelne Abweichungen werden derzeit noch untersucht.

DESIS and ENMAP Imaging Spectoscropy Data in Support of the FLEX Mission
Emiliano Carmona (German Aerospace Center, DLR)

Das Deutsche Zentrum für Luft- und Raumfahrt (DLR) stellte die Hyperspektralsensoren DESIS und EnMAP als Ergänzung zur FLEX-Mission vor. Beide liefern hochaufgelöste Daten mit 30 m, deutlich feiner als die 300 m von FLEX. Dadurch eignen sie sich besonders für heterogene Landschaften. Neben SIF können auch Vegetationsparameter wie Pigmentgehalte abgeleitet werden. Aus DESIS-Daten wurde bereits erfolgreich SIF im O2-A-Band gewonnen. Diese Messungen wurden mit HyPlant validiert und sind bisher einzigartig in dieser Auflösung.

Bridging the Gap to the FLEX Era: A Cloud-Computing Framework for 300 m Global SIF Retrieval from Sentinel-3 and TROPOSIF
uxin Zhang (University of Valencia)

Der Vortrag stellt ein globales SIF-Produkt mit 300 m Auflösung vor, das aus Sentinel-3- und TROPOMI-Daten mit einem Random Forest Modell berechnet wurde. Ziel ist es, SIF deutlich feiner aufgelöst darzustellen und damit Landschaften wie bewässerte Felder besser zu erfassen. Die Ergebnisse stimmen insgesamt gut mit bodengestützten Messungen und TROPOMI überein und zeigen weniger Rauschen. Besonders gut lassen sich saisonale Muster und Unterschiede zwischen trockenen und bewässerten Gebieten erkennen. Das Produkt soll damit eine wichtige Grundlage für die spätere Arbeit mit FLEX-Daten schaffen.

Can extracting fluorescence efficiency from individual TROPOMI observations result in a better estimation of drought stress than gridded products
Qiqi Deng (Max Planck Institute for Biogeochemistry)

Untersucht wurde, ob Trockenstress besser mit SIF oder mit fluorescence escence yield erfasst werden kann. Dafür wurde SIF bereits vor der räumlichen Aggregation mit Licht- und Vegetationsinformationen kombiniert. Erste Ergebnisse zeigen teilweise ähnliche Muster wie andere Stressindikatoren. Die Resultate variieren jedoch je nach Datensatz und Methodik. Besonders entscheidend sind Parameter wie PAR, NIRv und das verwendete SIF-Produkt. Insgesamt ist der Ansatz vielversprechend, aber noch vorläufig.

A roadmap towards estimating the diurnal dynamics of terrestrial ecosystem productivity with the help of FLEX
Gregory Duveiller (Max Planck Institute for Biogeochemistry)

Der Vortrag zeigt, dass Tagesverläufe von SIF entscheidend sind, um kurzfristige Stressreaktionen der Vegetation zu verstehen. FLEX liefert dafür präzise Messungen, ist aber durch die geringe Wiederholrate eingeschränkt. Für ein umfassendes Monitoring wird daher eine Kombination mit anderen Satelliten vorgeschlagen. Dazu zählen unter anderem TROPOMI, OCO-3 und geostationäre Systeme. Ziel ist die Erfassung kontinuierlicher Tagesdynamiken. So lassen sich Prozesse deutlich besser interpretieren.