Validierung eines Verfahrens zur Bestimmung der Höhe von Mehrschichtbewölkung mit MERIS und AATSR

Transkript

1 Validierung eines Verfahrens zur Bestimmung der Höhe von Mehrschichtbewölkung mit MERIS und AATSR Philipp Köhler Abgabe am: Bachelorarbeit im Fach Meteorologie Fachbereich Geowissenschaften Freie Universität Berlin Betreuer: Dr. Rasmus Lindstrot Gutachter: Prof. Jürgen Fischer

2 Inhaltsverzeichnis 1 Einleitung 4 2 Instrumente Environmental Satellite (Envisat) Medium Resolution Imaging Spectrometer (MERIS) Advanced Along Track Sacanning Radiometer (AATSR) Methoden Sauersto Absorptionsbanden Methode MOMO (Matrix Operator Modell) Simulationen μm Helligkeitstemperatur Split Window-Methode RTTOV Simulationen Sensitivitätsstudie von Lindstrot et al., 2010 [7] 9 5 Beschreibung des Algorithmus BEAM (Basic ENVISAT AATSR and MERIS Toolbox) Erkennung von Doppelschichtbewölkung Bestimmung der Wolkenhöhen Optimal Estimation Neural network forward operator Ausgabe Validierung Instrumente Wolkenradar Weitere Instrumente Suche nach geeigneten Fallbeispielen Fallbeispiele Southern Great Plains (Oklahoma, USA), Chilbolton (England), Chilbolton (England), Lindenberg (Deutschland), Lindenberg (Deutschland), Lindenberg (Deutschland), Mögliche Fehlerquellen Zusammenfassung der Ergebnisse Ausblick 26 2

3 Zusammenfassung Es existieren verschiedene Methoden zur Ableitung des Wolkenoberkantendrucks, dem CTP (cloud-top pressure), aus fernerkundeten Daten. Der Groÿteil der Methoden beruht auf der Annahme von Einschichtbewölkung, was eine unzulässige Vereinfachung der Realität darstellt. In dieser Bachelorarbeit wird eine neue Technik untersucht, mit der eine groÿräumige Bestimmung des CTP von Mehrschichtbewölkung ermöglicht werden soll. Speziell handelt es sich dabei um die Fälle, bei denen eine optisch dünne Cirruswolke (0.5 τ Cirrus 4) über einer optisch dicken Wasserwolke (τ W asserwolke > 5) liegt. Entwickelt wurde das Verfahren von Lindstrot et al., 2010 [7]. Die Ableitung des CTP wird mit Messungen vom Medium Resolution Imaging Spectrometer (MERIS) und Advanced Along Track Scanning Radiometer (AATSR), beide auf dem Satelliten Envisat, realisiert. Dabei wird die Sauersto Absorptionsbanden Methode genutzt, um mit einer Messung von MERIS die Höhe der tiefen Wolke zu bestimmen. Die 11 μm Helligkeitstemperatur wird mit AATSR gemessen und zur Bestimmung der Cirruswolkenhöhe verwendet. Mit welcher Güte der Algorithmus den CTP ableitet, wird anhand von 5 Fallbeispielen gezeigt. Aus Daten von bodengestützten Messungen wurden Atmosphärenprole erstellt und mit den Ergebnissen des Algorithmus verglichen. Es stellt sich heraus, dass der Oberkantendruck der tiefen Wolkenschicht deutlich zu niedrig abgeleitet wird. Die Ergebnisse des CTP der hohen Wolke sind besser, aber in drei von fünf Fällen zu hoch, d.h. die Höhe der Cirruswolke wird unterschätzt. Nimmt man eine optische Dicke der Cirruswolke von τ Cirrus = 4 an und benutzt ein passendes klimatologisches Temperaturprol werden die Ergebnisse des Algorithmus optimiert. Abstract There are dierent methods for the retrieval of cloud-top pressure (CTP) from remotely sensed data. The majority of these methods rely on the assumption of single-layered clouds, which is an incorrect simplication of reality. In this bachelor thesis a new algorithm for the large-scale retrieval of multilayer CTP will be analyzed. The algorithm is especially designed for cases of optically thin cirrus clouds (0.5 τ Cirrus 4) lying above optically thick water clouds (τ liquid > 5). This novel technique was developed by Lindstrot et al., 2010 [7]. The retrieval of the CTP is based on measurements of the Medium Resolution Imaging Spectrometer (MERIS) and the Advanced Along Track Scanning Radiometer (AATSR), both mounted on the Environmental Satellite (Envisat). In order for MERIS to determine the height of the lower clouds, the oxygen absorption-band method will be used. The 11 μm brightness temperature will be measured using AATSR and utilized to deviate the height of the cirrus clouds. Five case studies will be presented in order to show the performance of the algorithm. Atmospheric proles were extracted using the data from ground-based measurements and then compared to the results of the algorithm. It turns out that the retrieved CTP of the lower cloud is clearly too low. The CTP retrieval of the upper clouds has better results, but in three of the ve case studies the result was too high, i.e. the height of the cirrus clouds is underestimated. With the assumption τ Cirrus = 4 of the optical thickness of the cirrus cloud and an applicable climatological temperature prole, the results of the algorithm are optimized. 3

4 1 Einleitung Wolken haben einen groÿen Einuss auf unser alltägliches Wettergeschehen und das Klima. Besonders um Parameter wie Niederschlag und Temperatur möglichst genau vorhersagen zu können, ist eine realitätsnahe Darstellung von Wolken in numerischen Wettervorhersagemodellen wichtig. Da komplexe mikrophysikalische Vorgänge an der Wolkenbildung beteiligt sind, müssen Wolken in Modellen parametrisiert werden. Wie gut diese Parametrisierungen funktionieren, muss zweifellos überprüft werden. Zum Validieren der Wolkenparametrisierungen bieten sich insbesondere Satellitendaten an. Es gibt keine bessere Alternative zu deren ständiger und ächendeckender Verfügbarkeit. Besonders die vertikale Verteilung von Wolken ist von entscheidender Bedeutung für die Strahlungsbilanz. Die einfallende solare Strahlung wird durch Wolken gestreut und absorbiert. Je nach Zusammensetzung und Verteilung der Wolken ist der Eekt auf die Atmosphäre unterschiedlich. Optisch dünne Eiswolken tragen so zu einer Erwärmung bei, da sie für die einfallende Strahlung transparent sind, aber die langwellige Ausstrahlung abschwächen. Optisch dicke Wolken sorgen hingegen durch eine hohe Reexionsfähigkeit für eine Abkühlung der Atmosphäre. In Abhängigkeit von Temperatur und Emissionsvermögen emittieren Wolken thermische Strahlung. Will man die Wolkenhöhe aus Satellitendaten ableiten, nutzt man Strahlungsmessungen. Wenn von Wolkenhöhe die Rede ist, so ist hier immer der Wolkenoberkantendruck, engl. cloud top pressure (CTP), gemeint. Bisher beruhen die meisten Algorithmen zur Bestimmung von Wolkenhöhen auf der Annahme, dass nur eine Einschichtbewölkung vorliegt. In der Regel ist das eine unzulässige Vereinfachung der Realität. So haben mehrere Studien 1 gezeigt, dass in ca. 5o% der Fälle von Cirrusbewölkung auch tiefe Wolken auftreten. Wenn ein herkömmlicher Algorithmus auf Mehrschichtbewölkung angewendet wird, entspricht das Ergebnis einer geometrischen Höhe, die nicht mit der realen Höhe einer der Schichten übereinstimmen muss. Bei mehreren Bewölkungsschichten überlagern sich die Strahlungsemissionen der einzelnen Schichten und ein Satellit kann nur Mischsignale detektieren. Es wird dann nur die Emissivitätshöhe des Wolkensystems bestimmt. Um diesen Mangel abzustellen, ist es erforderlich Methoden zu entwickeln, mit denen sich die einzelnen Höhen der Mehrschichtbewölkung ableiten lassen. Eine Möglichkeit ein hochaufgelöstes Vertikalprol von Bewölkung zu erhalten stellt in erster Linie die Verwendung von aktiven Messverfahren dar. Dazu gehören Lidar 2 - und Radar 3 -Messungen, wie z.b. mit CALIOP 4 (einem Instrument auf dem CALIPSO 5 - Satelliten). Ein aktives Messsystem hat kleine horizontale Auösungen, was im Allgemeinen wünschenswert ist. Bei CALIOP beträgt sie 333 m. Der Nachteil an der Nutzung von aktiven Messverfahren liegt darin, dass die Flächenabdeckung nicht sonderlich groÿ ist. Um eine gröÿere horizontale Abdeckung zu erreichen, lassen sich aber auch passive Messungen nutzen. Ein neuer Algorithmus zur Bestimmung der Höhe von Mehrschichtbewölkung wurde von Lindstrot et al., 2010 [7] entwickelt. Speziell gilt der Algorithmus für den Fall von optisch dünnen Cirruswolken über tiefen, optisch dicken Wasserwolken. In meiner Bachelorarbeit werde ich die notwendigen Instrumente und Methoden vorstellen, den Algorithmus erklären und die Gültigkeit anhand von Fallbeispielen überprüfen. 1 Fye, 1978 [5]; Hahn et al., 1984 [6]; Mace et al., 1997 [9] 2 LIght Detection And Ranging 3 RAdiowave Detection And Ranging 4 Cloud-Aerosol Lidar with Orthogonal Polarization 5 Cloud-Aerosol Lidar and Infrared Pathnder Satellite Observations 4

5 2 Instrumente 2.1 Environmental Satellite (Envisat) Envisat ist das Prestigeprojekt der Europäischen Weltraumorganisation (ESA). Seit März 2002 bendet sich Envisat im Einsatz. Mit 2,3 Mrd. ist er der bisher teuerste Satellit der ESA. Der 8 t schwere Satellit beherbergt 10 hochentwickelte Instrumente. Envisat iegt auf einer sonnsynchronen Umlaufbahn in 800 km Höhe. Die lokale Äquatorüberugzeit ist 10:00 Uhr. Die Aufgabe des Satelliten ist die Überwachung des Ökosystems der Erde. Im Folgenden werden 2 der 10 Instrumente genauer beschrieben. Sie liefern die Datengrundlage für die Ableitung des Wolkenoberkantendrucks. 2.2 Medium Resolution Imaging Spectrometer (MERIS) MERIS wurde hauptsächlich für die Fernerkundung der Ozeane konzipiert. So lassen sich beispielsweise aus einer Spektroskopie die Chlorophyllkonzentration und Eigenschaften von Sedimentschichten ableiten. Zusätzlich ermöglichen MERIS-Messungen die Bestimmung einer Reihe von atmosphärischen Parametern. Eine davon ist die Ableitung der Wolkenhöhe. MERIS besitzt 5 identische Spektrometer, die nebeneinander angeordnet sind. So wird ein Bereich von 1150 km abgedeckt. Die Spektrometer arbeiten mit der push-broom Methode. D.h. sie nehmen Zeile für Zeile auf, wobei die Bewegung des Satelliten dafür sorgt, dass ein Bild entsteht. Die Spektrometer arbeiten mit CCD-Sensoren und erreichen eine Auösung von 260 m x 360 m. Alle 3 Tage wird ein komplettes Bild der Erde erstellt. 15 Kanäle im Bereich von 390 bis 1040 nm sind vom Boden aus programmierbar. Das Spektrum entspricht dem sichtbaren Bereich (VIS) und Teilen des nahen Infrarotbereichs (NIR). Ferner ist auch die Kanalbreite vom Boden aus zwischen 2,5 und 30 nm justierbar. Die Einstellungen bleiben aus Konsistenzgründen im operationellen Betrieb erhalten. 2.3 Advanced Along Track Sacanning Radiometer (AATSR) AATSR ist ein Instrument, welches primär zur Erfassung der Meeresoberächentemperatur konstruiert wurde. Dies funktioniert mit einer Genauigkeit von 0,3 K. Messungen aus 7 Kanälen im Bereich von 0,55 bis 12 μm stehen zur Verfügung. Das Instrument besitzt eine Auösung von 1 km x 1 km und erfasst einen Bereich von 500 km Breite. Die Besonderheit von AATSR ist die Messung aus zwei Perspektiven (siehe Abblidung 1). In einem Winkel von 55 zum Nadir wird zusäzlich mit verringerter Auösung derselbe Ausschnitt betrachtet wie mit der Nadirmessung. Aus den Messungen der beiden Blickrichtungen lässt sich der Atmosphäreneinuss auf die Messung minimieren. Über Land kann aus den Messungen die Vegetation klassiziert werden. Auÿerdem sind mit den Messungen Abbildung 1: Blickwinkel AATSR, entnommen aus Tait et al., 2001 [15] Wolkeneigenschaften ableitbar. So wird das Instrument in dem Algorithmus zur Bestimmung der Höhe von Mehrschichtbewölkung für die Ableitung der Cirrushöhe benutzt. 5

6 3 Methoden 3.1 Sauersto Absorptionsbanden Methode Absorptionsbanden sind Wellenlängenintervalle in denen elektromagnetische Wellen absorbiert werden. Die Atmosphäre hat viele solcher Banden, wie die Abbildung 2 erkennen lässt. Abbildung 2: Absorption in der Atmosphäre, entnommen aus Petty, 2006 [12]. Dargestellt ist eine typische Sommersituation in den mittleren Breiten. Die Atmosphäre ist wolkenlos und aerosolfrei. Dabei ist die Absorption der einzelnen Bestandteile der Atmosphäre in den oberen Feldern dargestellt. Im unteren Feld ist die gesamte Absorption abgebildet. Die Transmission gibt den Anteil der Strahlung an, die durch die Atmosphäre hindurchgelassen wird. Sauersto hat bei 760 nm einen Bereich in dem Strahlung absorbiert wird. Dieser heiÿt O 2 A Bande. Durch eine Vermessung der Bande kann die mittlere Weglänge der Photonen bestimmt werden, welche wiederum ein Maÿ für die Höhe einer Wolke ist. Das ist möglich, da Sauersto eine bekannte Konzentration besitzt und vertikal gut durchmischt ist. Die Vermessung erfolgt z.b. mit MERIS. Es werden 2 Kanäle benutzt: ein Fensterkanal, Kanal 10 bei 753 nm, und ein Absorptionskanal, Kanal 11 bei 761 nm. Der Fensterkanal liegt unmittelbar neben der Absorptionsbande und ist ein Referenzwert, damit man das Verhältnis von Absorption zu Transmission nutzen kann, um die Transmission zu approximieren. Damit erhält man auch die Stärke der Absorption, die proportional zum zurückgelegten Weg in der Atmosphäre ist. Das Strahldichteverhältnis R zwischen Absorptions- und Fensterkanal ergibt also die mittlere Weglänge der Photonen in der Atmosphäre. Für hohe Wolken ergeben sich kurze Photonenwege, da Photonen an der Wolkenoberkante reektiert werden. So legen die Photonen einen kürzeren Weg zurück, als bei einer tieferen Wolke oder einer wolkenfreien Atmosphäre. 6

7 Abbildung 3: Schema Streuprozesse, entnommen aus Preusker, 2001 [13]. Neben den direkt reektierten Sonnenstrahlen werden Photonen auch innerhalb der Wolke mehrfach gestreut, durchdringen zum Teil die Wolke, erreichen den Erdboden, werden wiederum reektiert und erreichen den Satelliten erst nach Mehrfachstreuung. Neben der reinen Reexion der Photonen an der Wolkenoberkante treten allerdings auch Streuprozesse auf, wie in Abbildung 3 dargestellt ist. Die Einussfaktoren auf die mittlere Weglänge der Photonen sind vielfältig. Dazu gehören: ˆ optische Dicke der Wolke ˆ geometrische Dicke der Wolke ˆ Tröpfchengröÿenverteilung ˆ vertikale Verteilung des Flüssigwassers ˆ Albedo der Erdoberäche ˆ Temperaturprol der Atmosphäre ˆ optische Dicke der Aerosole Eine Messung liefert nur die mittlere Weglänge der Photonen, nicht aber die Verteilung der Wege. Aufgrund der zahlreichen Einüsse sind für eine Messung mehrere Wolkenhöhen möglich. Das Problem ist also, dass verschiedene Kombinationen von Parametern (wie z.b. optischer Dicke, Albedo der Erdoberfäche) zu der gleichen mittleren Weglänge der Photonen führt und keine eindeutige Wolkenhöhe bestimmt werden kann. Die Problematik, dass man versucht von einer Wirkung auf deren Ursache zu schlieÿen, wird als inverses Problem bezeichnet. Umgekehrt kann aber durch die Strahlungstransportgleichung berechnet werden, was ein Satellit bei bestimmten Parametern messen würde. Also bedient man sich verschiedener Strahlungstransportsimulationen, um eine Höhe ableiten zu können. 3.2 MOMO (Matrix Operator Modell) Simulationen MOMO ist ein Strahlungstransportmodell, das für Simulationen im solaren Spektralbereich entwickelt wurde. Es ist ein eindimensionales, gekoppeltes Ozean-Atmosphäre-Modell. Die Atmosphäre wird vertikal in mehrere homogene Schichten unterteilt, die verschiedene optische Eigenschaften haben können. Die sogenannte Matrix Operator Methode (MOM) ermöglicht eine Berechnung der Strahldichten an den Schichtgrenzen. Eine Vielzahl von physikalisch sinnvollen Kombinationen der beteiligten Parameter wurde für eine Simulation von MERIS Messungen mit MOMO gerechnet. Es gibt zu viele Kombinationen der Parameter, 7

8 um alle simulieren zu können. So ist die eektive Partikelgröÿe der Wasserwolke mit 15 μm und die der Eiswolke mit 35, 55 und 78 μm festgelegt. Andere Parameter wurden innerhalb festgelegter Grenzen zufällig ausgewählt. Die Ausgabe der Simulation umfasst alle auftretenden Kombinationen aus Sonnenzenit, Blickwinkel und Azimutwinkel. Die Ergebnisse der Simulationen bilden einen Datensatz, auf den der Algorithmus zurückgreift, um die Höhe der tiefen Wolke zu bestimmen. Bei der Bestimmung der Höhe einer Einschichtbewölkung werden die Ergebnisse als Trainingsdatensatz für ein künstliches neuronales Netz benutzt. Dieses ist dann in der Lage, aus einer Messung von MERIS die Wolkenhöhe zu bestimmen. Aus der Eingabe des Kanalverhältnisses R (Verhältnis zwischen Absorptions- und Fensterkanal), der Intensität des absorptionsfreien Kanals und einer tabellierten Ober- ächenalbedo über Land bestimmt das künstliche neuronale Netz die Höhe der Wolke. Lindstrot et al., 2006 [8] haben so bei tiefen, optisch dicken Wolken eine Genauigkeit von 25 hpa erreicht. Je höher und dünner eine Wolke ist, desto gröÿer wird der Fehler mit dieser Methode mm Helligkeitstemperatur Bei der Fernerkundung von Temperaturen misst man Strahlungsintensitäten. Man nutzt dabei aus, dass Körper elektromagnetische Wellen in Abhängigkeit ihrer Temperatur emittieren. So kann man mit Hilfe des Planck`schen Strahlungsgesetzes von der Strahlungsintensität auf die Temperatur schlieÿen. Da die Atmosphäre abgesehen von einer schwachen Absorption von H 2 O bei 11 μm transparent für elektromagnetische Wellen ist (siehe Abbildung 2), eignet sich dieser Spektralbereich, um die Höhe einer Wolke abzuleiten. In diesem Fall wird die Strahlungsintensität im 11 μm Kanal von AATSR benutzt. Die Messung erfolgt also im thermisch infraroten Bereich des elektromagnetischen Spektrums. Mit einem Temperaturprol der Atmosphäre ergibt sich sofort die Höhe der Wolke. Bei einer optischen Dicke τ > 1 ist diese Methode eine gute Näherung. Tiefe Wolken liefern schlechtere Ergebnisse, da die Temperaturdierenz zwischen Erdoberäche und Wolke klein ist. Da sich die Temperatur in der Nähe des Erdbodens oft nur geringfügig verändert, ist der Fehler bei der Ableitung der Höhe gröÿer. Bei Inversionswetterlagen sind sogar mehrere Lösungen möglich. 3.4 Split Window-Methode Für die Ableitung der Höhe einer Doppelschichtbewölkung ist es zunächst einmal erforderlich, dass man die Fälle erkennt, in denen zwei Wolken übereinander liegen. Dazu bedient man sich der Split Window- Methode. Diese Methode ist eine anerkannte Technik zur generellen Wolkenklassizierung. Speziell, um den Fall einer optisch dünnen bis moderaten Cirruswolke über einer optisch dicken Wasserwolke zu erkennen, eignet sich die Methode gut. Dazu werden Messungen mit AATSR bei 3 verschiedenen Wellenlängen benötigt: bei 11, 12 und 0,66 μm. Da Eis und Wasser unterschiedliche Absorptionseigenschaften haben, gibt es eine Dierenz zwischen den Helligkeitstemperaturen des 11 und 12 μm Kanals. Die Dierenz BT 11 BT 126 wird Split Window-Dierenz genannt. Man nutzt dabei aus, dass die vertikale Trennung der Wolkenschichten nur kleinste Auswirkungen auf das Reexionsvermögen haben, aber groÿe Eekte auf die Split Window- Dierenz. Das Reexionsvermögen, welches aus der Messung des 0,66 μm Kanals gewonnen wird, hängt nur von der totalen optischen Dicke des Wolkensystems ab. Dieser Kanal liegt im sichtbaren Spektralbereich und kann durch Messung der reektierten solaren Einstrahlung das Reexionsvermögen des Wolkensystems bestimmen. Je optisch dicker ein Wolkensystem ist, desto gröÿer ist das Reexionsvermögen. Je nach optischen Eigenschaften ist die Cirruswolke mehr oder weniger transparent für das Signal der Wasserwolke. Ist die Cirruswolke zu mächtig, stammt das Signal beider Kanäle eher aus der Cirruswolke, 6 BT : Brightnesstemperature - Helligkeitstemperatur 8

9 die Split Window-Dierenz wird klein. Genauso verhält sich die Dierenz, wenn keine Cirruswolke vorhanden ist. Dann stammt das Signal beider Kanäle aus der tiefen Wolke und die Split Window-Dierenz wird ebenfalls klein. Bei optisch dünnen Cirruswolken wird die Split Window-Dierenz positiv, da eine genügend dünne Cirruswolke bei 11 μm transparent für das Signal der Wasserwolke ist. Es gibt folglich ein Maximum in der Split Window-Dierenz, wenn die optische Dicke der Cirruswolke variiert wird (siehe Abbildung 4). Das Maximum ist abhängig von dem vertikalen Abstand zwischen den Wolken. Dieser Umstand hat zur Konsequenz, dass man aus der Split Window-Dierenz keine Eigenschaft bezüglich der optischen Dicke der Cirruswolke ableiten kann. Die Split Window-Dierenz ist also in den Fällen groÿ, wo optisch dünne Eiswolken über optisch dicken Wasserwolken liegen. Abbildung 4: Split Window-Dierenz in Abhängigkeit des Reexionsvermögens bei 0,66 μm, entnommen aus Lindstrot et al., 2010 [7]. Mit Quadraten sind 4 Fälle von Doppelschichtbewölkungen dargestellt, wobei die optische Dicke der Wasserwolke fest ist (5,10,20,40) und die optische Dicke der Eiswolke von 0.1 bis 10 variiert wird. Die Rauten und Dreiecke stellen die Fälle einer Einschichtbewölkung (Eis/Wasser) mit der optischen Dicke (5.1,...,15), (10.1,...,20), (20.1,...,30) bzw. (40.1,...,50) dar. 3.5 RTTOV Simulationen RTTOV ist ebenfalls ein Strahlungstransportmodell. Es dient dazu, die Strahlung am Oberrand der Atmosphäre im Bereich von 3 bis 20 μm zu berechnen. Im elektromagnetischen Spektrum entspricht das Intervall dem thermisch infraroten Wellenbereich (TIR). Infrarotradiometer auf Satelliten sind sensitiv für diesen Bereich. RTTOV wird benutzt um Messungen von Satelliten in diesen Spektralbereichen zu simulieren. Mit einem Temperaturprol der Atmosphäre, variablen Konzentrationen der atmosphärischen Gase, Erdoberächenbeschaenheit und Wolkeneigenschaften berechnet RTTOV die Strahlung und Helligkeitstemperatur am Oberrand der Atmosphäre. RTTOV wird benutzt, um die Messung von AATSR zu simulieren. Eine genauere Beschreibung dieses Strahlungstransportmodells ndet man in Saunders et al., 2008 [14]. 4 Sensitivitätsstudie von Lindstrot et al., 2010 [7] Aus den vorgestellten Methoden ergibt sich eine Voraussetzung für die Bestimmung des CTP bei Doppelschichtbewölkung: Eine optisch dünne Eiswolke liegt über einer optisch dicken Wasserwolke. Lindstrot et al., 2010 [7] haben eine Sensitivitätsstudie durchgeführt, um die Voraussetzung zu quanti- zieren und den Einuss der Wolkenschichten auf die Messung im TIR (thermisches Infrarot) und mit der O 2 A Banden Methode zu bestimmen. Dazu wurden Messungen von MERIS und AATSR simuliert. Für die MERIS Messungen im solaren Spektrum wurde MOMO genutzt. RTTOV9.1 fand für die Simulation der AATSR Messungen im thermischen Infrarot Verwendung. Die Konguration beider Strahlungstrans- 9

10 portmodelle wurde dabei konsistent gestaltet. Für die eektive Partikelgröÿe der Wasserwolke wurden 15 μm und bei der Eiswolke 35, 55 und 78 μm angenommen. Die Streueigenschaften der Wasserwolke werden durch einen Mie-Code berechnet. Dabei ist die Annahme, dass die Wolkentröpfchen kugelförmig sind und so die Mie-Streutheorie angewendet werden kann. Eiskristalle weisen eine Vielzahl von Formen und Gröÿen auf. Die Betrachtung der Streueigenschaften nichtsphärischer Teilchen ist sehr komplex. Um die Streuung trotzdem möglichst realitätsgetreu zu behandeln wurde ein bulk scattering Modell von Baum et al., 2005 [3] benutzt. Abbildung 5: Sensitivität der Messung von MERIS und AATSR bei Doppelschichtbewölkung, entnommen aus Lindstrot et al., 2010 [7]. Das Wolkensystem hat eine Cirrushöhe von 290 hpa und eine Höhe von 700 hpa der tiefen Wolke mit einer gesamten optischen Dicke von 50. Die abgeleiteten Höhen von MERIS (gestrichelte Linien) und die von AATSR (durchgezogene Linien) sind in Abhängigkeit der optische Dicke der Cirruswolke dargestellt. Die Wolkenschichten sind vertikal homogen, die Cirruswolke besteht aus Eisteilchen (3 verschiede eektive Partikelgröÿen wurden angenommen) und die tiefe Wolke besteht aus Wassertröpfchen (eektive Partikelgröÿe: 15 μm). Die Ableitung der Höhe der tiefen Wolke durch MERIS ist zusätzlich für verschiedene Zenitwinkel der Sonne dargestellt (obere graue Linie: θ Sonne = 60, untere graue Linie: θ Sonne = 15, schwarze Linie: 15 θ Sonne 60 ), dabei ist die schwarze gestrichelte Linie ein Mittel aller auftretenden Zenitwinkel der Sonne. Aus Abbildung 5 sind folgende Schlussfolgerungen bezüglich der Sensitivität möglich: 1. Die Ableitung der Höhe der Cirruswolke mit AATSR ist schon für optisch dünne Eiswolken mit τ Cirrus 1 in einem akzeptablen Bereich. 2. Eine Veränderung der eektiven Partikelgröÿe der Eisteilchen in der Cirruswolke bewirkt nur kleine Unterschiede bei der Ableitung der Höhe mit AATSR. Die Ableitung der Höhe der tiefen Wolke mit MERIS bleibt von einer solchen Veränderung nahezu unbeeinusst. 3. Bei optisch sehr dünnen Eiswolken (τ Cirrus < 1 ) liegt die abgeleitete Höhe mit AATSR zwischen den beiden Schichten. Wenn die optische Dicke der Eiswolke gröÿer als 5 ist, reagiert die Ableitung der Höhe mit MERIS empndlich auf die unbekannte optische Dicke der Cirruswolke. In diesen Fällen ist eine Ableitung der Höhe nicht erfolgversprechend. 4. In dem Bereich 1 τ Cirrus 5 stimmt die Ableitung der Höhe mit AATSR nahezu mit der tatsächlichen Cirrushöhe überein. Bei der Höhenbestimmung mit MERIS überwiegt das Signal der tiefen Wolke. Es wird geringfügig von der optischen Dicke der Cirruswolke beeinusst. 5. Wenn τ Cirrus 5 ist die Ableitung der Höhe der tiefen Wolke mit MERIS nicht maÿgeblich vom exakten Wert der optischen Dicke der Eiswolke abhängig. Eine begründete Annahme über τ Cirrus würde ausreichend genaue Ergebnisse liefern. 10

11 6. Der Einuss des Zenitwinkels der Sonne auf die O 2 A Banden Methode zur Ableitung der unteren Wolke ist beachtlich. Eine Korrektur muss erfolgen, sonst ist das Ergebnis mangelhaft. Zusammenfassend kann man feststellen: Die Ableitung der Höhe von Doppelschichtbewölkung durch Messungen mit MERIS und AATSR ist möglich, wenn optisch dünne Eiswolken (1 τ Cirrus 5) über optisch dicken Wasserwolken (τ W asserwolke > 5) liegen (grüner Bereich in Abbildung 5). Im Hinblick auf die Realität treten solche Fälle häug auf. Chang und Li, 2005 [4] analysierten die globale Verteilung von Einschicht- und Mehrschichtbewölkung. Laut den Ergebnissen überlagern 29% der optisch dünnen Cirruswolken über Land darunterliegende Wasserwolken. Über See sind es 27%. Die mittlere optische Dicke der Cirruswolken beträgt bei Einschicht- sowie Mehrschichtbewölkung 1.5. Die mittleren optischen Dicken der Wasserwolken bewegen sich dabei abhängig vom Breitengrad zwischen 8 und 30. Die Zahl der Fälle, in denen man mit Messungen von MERIS und AATSR theoretisch die Wolkenhöhe bestimmen könnte, ist demnach signikant. 5 Beschreibung des Algorithmus Damit aus den Messungen von MERIS und AATSR die Wolkenhöhen ableitbar sind, ist eine Vorbehandlung der Daten notwendig. 5.1 BEAM (Basic ENVISAT AATSR and MERIS Toolbox) Die Sattelitenbilder von MERIS und AATSR werden mit einer speziellen Software übereinandergelegt. Die Open-Source Toolbox BEAM ist frei verfügbar und dient zum Visualisieren, Analysieren und Bearbeiten von Rasterdaten der Fernerkundung. Ursprünglich wurde die Software entwickelt, um die Verwendung der Daten der optischen Instrumente auf Envisat zu erleichtern. Mittlerweile werden immer mehr Formate von Rasterdaten unterstützt. Mit der Nearest Neighbor Methode werden die gewünschten Bildausschnitte der Sattelitenbilder miteinander vereint und im dimap-format gespeichert. 5.2 Erkennung von Doppelschichtbewölkung Im ersten Schritt wird die Wahrscheinlichkeit berechnet, mit der ein Pixel bewölkt ist. Dies geschieht mit Hilfe des MERIS cloud probability ANN 7. Die Split Window-Methode identiziert im nächsten Schritt die Fälle, in denen eine Cirruswolke über einer tiefen Wolke liegt. Die Grenzwerte für die Split Window-Dierenz in Abhängigkeit der Reektivität bei 0,66 μm wurden von Pavolonis und Heidinger, 2004 [11] erstellt. Ürsprünglich wurden die Grenzwerte für AVHRR 8 Sensoren auf den NOAA 9 -Satelliten entwickelt. Um die Grenzwerte auch auf Messungen mit AATSR anzuwenden, wurden Strahlungstransportsimulationen durchgeführt. Dies sollte den Zusammenhang der Messungen in den verschiedenen Kanälen zwischen den Geräten klären, da diese nicht identisch sind. Der Unterschied ist allerdings nicht signikant. Die Unterschiede in der ermittelten Split Window-Dierenz sind nicht gröÿer als 0.08 K. Damit wurden die Grenzwerte von AVHRR auch für AATSR als gültig angenommen. 7 Articial Neural Network - künstliches neuronales Netzwerk 8 Advanced Very High Resolution Radiometer 9 National Oceanic and Atmospheric Administration 11

12 5.3 Bestimmung der Wolkenhöhen Für die durch die Split Window-Methode als zweischichtig bewölkt eingestuften Pixel können nun die Höhen der Wolkenschichten abgeleitet werden. Benötigt wird dazu noch ein Temperaturprol. Es kann aus der Klimatologie (tropisch, mittlere Breiten Sommer/Winter, subarktischer Sommer/Winter, US Standard) stammen oder es wird ein beliebiges Temperaturprol (z.b. aus einem Radiosondenaufstieg) verwendet. Die AATSR 11 μm Helligkeitstemperatur wird bestimmt und zusammen mit dem Temperaturprol ergibt sich die Höhe der Cirruswolke. Die O 2 A Banden Methode leitet die Höhe der tiefen Wolke ab, muss dabei aber einen zeitintensiven Schritt über die Optimal Estimation Technik gehen Optimal Estimation Wie in Abschnitt 3.1 dargestellt ist, lässt sich aus der O 2 A Banden Methode nicht direkt auf die Höhe schlieÿen. Es handelt sich um ein inverses Problem. Um dieses zu lösen, wurde ein Algorithmus entwickelt, der die Optimal Estimation Technik verwendet. Er ist auf die Fälle abgestimmt, in denen optisch dünne Cirruswolken (0.5 τ Cirrus 4) über optisch dicken Wasserwolken (5 τ W asserwolke 200) liegen. Im Prinzip bestimmt der Algorithmus einen Zustandsvektor mit 4 Elementen, explizit sind die Elemente die optische Dicke und die Höhe der beiden Wolkenschichten. Als bekannt werden zu diesem Zeitpunkt nur die optische Dicke und Höhe der Cirruswolke angenommen. Dabei wird eine Annahme über die optische Dicke zwischen 1 τ Cirrus 4 getroen und das Ergebnis der AATSR-Ableitung als wahre Cirrushöhe betrachtet. Als nächstes werden die Werte für die tiefe Wolke abgeschätzt. Aus den geschätzten Werten wird die Messung von MERIS simuliert. Die simulierte Messung wird dann mit der tatsächlichen Messung verglichen. Liegt die Abweichung der simulierten von der wahren Messung oberhalb eines denierten Grenzwertes, wird anhand der partiellen Ableitungen der Messung bezüglich der einzelnen abzuleitenden Parameter der Zustandsvektor iterativ optimiert. Dieser Prozess verläuft iterativ, da sich die Ergebnisse nur in einem kleinen Bereich linear verhalten. Der Vorgang wird also so lange wiederholt, bis die Werte aus Messung und Simulation übereinstimmen. Um die MERIS Messung wiederholt zu simulieren kann aus Zeitgründen kein Strahlungstransportmodell verwendet werden. Abhilfe schat der neural network forward operator Neural network forward operator Der neural network forward operator soll in der Lage sein, eine Simulation der MERIS Messung möglichst schnell und korrekt auszuführen. Im Normalfall wird dazu ein Strahlungstransportmodell benötigt. Ein Ansatz, diesen Aufwand zu umgehen, ist die Verwendung künstlicher neuronaler Netze. Sie nden in der Fernerkundung vielfach Anwendung. Künstliche neuronale Netzwerke bestehen aus vielen miteinander verbundenen Neuronen, die lokal Informationen verarbeiten. Solche Netzwerke sind imstande, aus Trainingsdatensätzen zu lernen und so komplexe Zusammenhänge zu vereinfachen. So kann das künstliche neuronale Netzwerk mit einem passenden Trainingsdatensatz den Zusammenhang zwischen Messung und Wolkeneigenschaften erlernen. Um einen Trainingsdatensatz zu generieren, wurden die Ergebnisse zahlreicher MOMO-Simulationen verwendet. Als Temperaturprol wurde bei den Simulationen stets das der U.S. Standardatmosphäre verwendet. Die Streueigenschaften der beiden Wolkenschichten wurden analog zur Sensitivitätsstudie gestaltet. Die Wassertröpfchen haben dabei eine eektive Partikelgröÿe von 15 μm, die der Eisteilchen 55 μm. Beide Wolkenschichten sind im Modell vertikal homogen. In der Realität besitzen die Wolkeneigenschaften natürlich sehr viel mehr Variabilität. Trotzdem bleiben noch genug Parameter, die variiert werden können, um einen groÿen Trainingsdatensatz zu erzeugen. 12

13 Das künstliche neuronale Netzwerk bekommt als Input den Vektor mit den optischen Dicken und der Höhe beider Schichten, sowie die Blickgeometrie und die zentrale Wellenlänge vom MERIS Kanal 11. Die Ausgabe ist die Strahlung am Oberrand der Atmosphäre, die MERIS im Kanal 10 und 11 messen würde. 5.4 Ausgabe Die Ausgabe umfasst die Maske mit der Mehrschichtbewölkung, den CTP und die optische Dicke der beiden Schichten. Je gröÿer die Szene ist, umso länger dauert das Durchlaufen des Algorithmus. Dabei wird die meiste Zeit von dem Optimal Estimation Teil in Anspruch genommen. 6 Validierung Ausgehend von der theoretischen Grundlage zur Bestimmung des Wolkenoberkantendrucks mit MERIS und AATSR stellt sich die Frage nach der Gültigkeit. So werden bei der Ableitung der Wolkenhöhen Annahmen und Vereinfachungen getroen, die das Ergebnis beeinussen. Ziel dieser Arbeit ist, zu klären inwieweit die abgeleiteten Ergebnisse mit der Realität übereinstimmen. Um zu prüfen, mit welcher Güte der Algorithmus anwendbar ist, gibt es mehrere Möglichkeiten. Allgemein muss aber auf aktive Messungen zurückgrien werden, da dies bisher die einzige Möglichkeit ist, ein vertikales Prol der Atmosphäre zu sondieren. Wie anfangs erwähnt, gibt es Satelliten, die ein vertikales Atmosphärenprol erstellen können. Dazu gehört z.b. CloudSat. Neben der Tatsache, dass die Prole nur Punktmessungen sind, gibt es ein weiteres Problem. Envisat und CloudSat überiegen die Erde nicht synchron. Da Wolken aber eine hohe Variabilität aufweisen, müssen die Messungen idealerweise gleichzeitig verlaufen. So verändern Wolken ständig ihre Form, Zusammensetzung und Position. Wenn ein zu groÿer zeitlicher Versatz zwischen den Messungen liegt, ist eine Vergleichbarkeit nicht mehr gegeben. Die Umlaufbahnen von Envisat und Cloudsat treen sich bei möglichst kleinen zeitlichen Dierenzen nur in hohen Breiten. Dieser Umstand stellt wiederum ein Problem dar, weil der Zenitwinkel der Sonne in diesem Bereich sehr groÿ ist. Das beeinträchtigt und verfälscht die Ergebnisse. Auch am Boden gibt es Instrumente, die vertikale Atmosphärenprole erstellen. Anhand solcher bodengestützten Messungen wird in dieser Arbeit die Qualität der Ergebnisse überprüft. Der groÿe Nachteil bei dieser Methode ist jedoch, dass jeweils nur ein Pixel des Satellitenbildes getestet werden kann. Besonders die Suche nach Fallbeispielen war ein nicht zu unterschätzender Aufwand. 6.1 Instrumente Um ein vertikales Prol der Atmosphäre mit bodengestützten Instrumenten zu erzeugen, werden verschiedene Radarsysteme verwendet. Je nach Messstandort und Messkampagne werden unterschiedliche Geräte benutzt. Meist ist ein Wolkenradar im Millimeter-Wellenlängenbereich bei der Erstellung eines Vertikalprols beteiligt Wolkenradar Millimeter-Wolkenradare arbeiten in einem Wellenlängenbereich von 3,1 mm (W-Band) bis 8,7 mm (Ka- Band), dies entspricht einer Frequenz von 95 bis 35 GHz. Man nutzt dabei aus, dass die Atmosphäre Mikrowellenstrahlung in Abhängigkeit ihrer Zusammensetzung reektiert. Je mehr Wassertropfen oder Eisteilchen die Atmosphäre enthält, umso höher ist der reektierte Anteil der Radarstrahlen. Wolkenradare senden gepulste, kohärente Wellen in zwei Polarisationsebenen aus. Aus den Echos werden Vertikalprole der Reektivität, der Dopplergeschwindigkeit und der Geschwindigkeitsvarianz 13

14 abgeleitet. Die Reichweite geht dabei bis zu einer Höhe von km. Die vertikale Auösung ist Geräteabhängig, beträgt in der Regel aber ca. 50 m. Aus den Messgröÿen können Wolkenunter- und Obergrenze direkt bestimmt werden. Ein Nachteil an Wolkenradaren ist die hohe Empndlichkeit bei Regen. So wird die die Reichweite extrem verringert und die Ergebnisse sind schon ab leichtem Regen nicht mehr zuverlässig Weitere Instrumente Neben Wolkenradaren werden weitere Instrumente als Informationsquelle genutzt, um ein Vertikalprol der Atmosphäre zu bestimmen. So kommen z.b. Mikrowellen-Proler zum Einsatz, um ein Temperaturund Wasserdampfprol, sowie die vertikale Struktur des Flüssigwassergehalts zu bestimmen. Desweiteren werden LIDAR-Systeme genutzt, die aus einer Laufzeitmessung von Laserpulsen eine Vielzahl von Atmosphäreneigenschaften ableiten können. Eine Kombination der Informationen mehrerer Instrumente erlaubt es, ein genaues Vertikalprol der Atmosphäre zu erstellen, wobei sogar die Bestandteile näher klassiziert werden können. Solch ein Produkt mit Klassizierungen wurde bei fast allen Fallbeispielen genutzt. Es stammt von Cloudnet und beinhaltet vereinfachte Parameter der Atmosphärenzusammensetzung wie z.b. Aerosole, Wassertröpfchen, Eisteilchen und klare Atmosphäre. 6.2 Suche nach geeigneten Fallbeispielen Durch einen Zugang zu Daten von ARM 10 [1] und Cloudnet [2] wurden zahlreiche Quicklooks 11 nach geeigneten Fällen durchforstet. Sie ergeben sich als solche, wenn zu der Zeit eines möglichen Satellitenüberugs eine hohe Wolke getrennt von einer tiefen Wolke erkennbar ist. Somit ist die Anzahl an potenziellen Fällen erheblich. Im nächsten Schritt wurden die Tage herausgeltert, an denen tatsächlich ein Satellitenüberug stattgefunden hat. Zu diesem Zweck gibt es das Internetportal eoportal Catalogue Client. Es ermöglicht die Suche nach Satellitenprodukten verschiedener Organisationen 12 in Abhängigkeit von Ort und Datum. Wie in der Beschreibung von MERIS erläutert, bildet das Instrument alle 3 Tage die gesamte Erde ab. So fand nicht bei allen potenziellen Fällen ein Überug statt. Da der erfasste Bereich von AATSR (500 km) in dem Bereich von MERIS (1150 km) liegt, verringert sich die Zahl der potenziellen Fallbeispiele mit Überug von MERIS und AATSR nochmals. Nach der Feststellung, ob ein Überug stattgefunden hat, waren nur noch etwa 20% der ursprünglichen Fälle relevant. Bei den verbleibenden Fällen wurde das tatsächliche Vorliegen einer Doppelschichtbewölkung geprüft. Dazu wurden die Minutendaten benutzt, indem die Daten für die Überugszeit geplottet wurden. Im Ergebnis entelen weitere Fallbeispiele, da gerade beim Überug nicht das geforderte Bewölkungsbild zu erkennen war. Damit wurde die Zahl der möglichen Fallbeispiele deutlich dezimiert. Letztendlich sind auch fehlende und fehlerhafte Satellitendaten dafür verantwortlich, dass weitere potenzielle Fallbeispiele nicht ausgewertet werden konnten. Am Ende hatten noch 5 geeignete Fallbeispiele Bestand, auf die der Algorithmus angewendet werden konnte. Ein zusätzlicher Fall mit einem zu dünnen Cirrusschirm ist beigefügt, um die Grenzen des Algorithmus aufzuzeigen. 10 Atmospheric Radiation Measurement 11 Bilder, die einen Überblick über Daten ermöglichen 12 ESA, DLR, NASA ECHO 14

15 6.3 Fallbeispiele Im folgenden werden die 5 Fallbeispiele vorgestellt und diskutiert. Für die Interpretation der Ergebnisse des abgeleiteten Wolkenoberkantendrucks ist eine Erklärung notwendig. Es ist eine Abweichung hinter dem abgeleiteten CTP angegeben. Diese Abweichung ist nicht als Fehlerbereich zu interpretieren, sondern als Maÿ für die Variabilität des Wolkenoberkantendrucks in der Nähe des Messortes am Boden. Dazu wurde die Standardabweichung der umliegenden Pixel vom Messort gebildet. Eine hohe Variabilität wäre ein Indiz dafür, dass das Ergebnis unsicher ist. Da ein Pixel des Satellitenbildes gröÿer ist als der erfasste Bereich der Bodenmessung, würde eine Ableitung des CTP bei hoher Variabilität nur ein Mittelwert des tatsächlichen CTP sein. Desweiteren wurde die Annahme über die optische Dicke der Cirruswolke variiert und ein Temperaturprol aus der Umgebung verwendet, um den Einuss auf den abgeleiteten CTP zu erfassen. Um die Rechenzeit des Algorithmus zu verringern, wurden nur Ausschnitte des Satellitenbildes in der Umgebung des Messortes am Boden ausgewählt und ausschlieÿlich für diese kleineren Ausschnitte wurde der Wolkenoberkantendruck abgeleitet Southern Great Plains (Oklahoma, USA), Abbildung 6: Reektivität in db für den Zeitraum des Satellitenüberugs, Southern Great Plains,

16 (a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbewölkung, dunkelrot: Doppelschichtbewölkung Abbildung 7: RGB Satellitenbild und Split Window Maske, Southern Great Plains, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. (a) tiefe Wolkenschicht (b) hohe Wolkenschicht Abbildung 8: Abgeleiteter CTP der beiden Wolkenschichten, Southern Great Plains, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. Die Daten der bodengestützen Messung stammen vom W-Band (95 GHz) ARM-Wolkenradar in den Southern Great Plains, Oklahoma. Man erkennt deutlich eine Doppelschichtbewölkung an der reektierten Radarstrahlung. Die hohe Cirruswolke liegt ungefähr bei einer Höhe von 250 hpa, die tiefe Wolke bei 850 hpa. Auallend sind die Strukturen der Wolken. Die tiefe Wolke ist weitgehend homogen, wohingegen die Cirruswolke einen Streifen hoher Reektivität am unteren Rand besitzt und nach oben hin immer transparenter wird. Auch im Satellitenbild kann man erkennen, dass ein Cirrusschirm über einer tiefen Wolke liegt. Eine Anwendung des Algorithmus zur Ableitung des Wolkenoberkantendrucks ergibt: 16

17 Tiefe Wolke Hohe Wolke Wolkenradar 850 hpa 250 hpa τ Cirrus = 2 / U.S. Standard Temperaturprol 557 ± 19 hpa 322 ± 12 hpa τ Cirrus = 4 / U.S. Standard Temperaturprol 577 ± 22 hpa 322 ± 12 hpa τ Cirrus = 4 / Originaltemperaturprol 553 ± 16 hpa 295 ± 5 hpa Das Originaltemperaturprol stammt aus einem Radiosondenaufstieg vom um 12 Uhr UTC an der Station Norman, Oklahoma (72357), die ca. 200 km vom eigentlichen Messort entfernt ist. Die Ergebnisse der Ableitung des CTP mit MERIS und AATSR zeigen eine deutliche Überschätzung der Höhe der tiefen Wolke. Dieser Umstand lässt darauf schlieÿen, dass die Cirruswolke eine gröÿere optische Dicke besitzt, als vom Algorithmus ausgewertet werden kann. Die Mächtigkeit der Cirruswolke beträgt rund 100 hpa, was im Verhältnis zu den anderen Fallbeispielen eher wenig ist. Die Zusammensetzung der Wolke kann aus der Reektivität aber nicht entnommen werden und es ist möglich, dass die optischen Eigenschaften der Wolken eine Ableitung des CTP verfälschen. Bei dem Ergebnis des CTP der Cirruswolke fällt auf, dass das Ergebnis im Bereich hoher Reektivität der Cirruswolke liegt. Da die Wolke inhomogen und nach oben hin sehr dünn ist, verwundert dieses Ergebnis nicht. Die Annahme zur Bestimmung des CTP setzt explizit eine homogene Wolke voraus. Das ist zwar selten gegeben, aber dieser Fall stellt eine unverkennbare Abweichung der Idealbedingung einer homogenen Wolke dar. Der Satellit detektiert hier nur die Emissivitätshöhe der Wolke Chilbolton (England), Abbildung 9: Vertikalprol der Atmosphäre, Chilbolton,

18 (a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbewölkung, dunkelrot: Doppelschichtbewölkung Abbildung 10: RGB Satellitenbild und Split Window-Maske, Chilbolton, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. (a) tiefe Wolkenschicht (b) hohe Wolkenschicht Abbildung 11: Abgeleiteter CTP der beiden Wolkenschichten, Chilbolton, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. In dem zweiten Fallbeispiel stammt die bodengestützte Messung aus Chilbolton. Der Überug von Envisat war zwischen 10:56 und 10:58 Uhr UTC. Man erkennt zu diesem Zeitpunkt eine ca. 100 hpa mächtige Cirrusbewölkung über einem tiefen Wolkensystem. Wolkensystem deshalb, weil die Klassizierung eine dünne Schicht schmelzender Eispartikel über einer Schicht mit Aerosolen und Insekten erkennt, worunter eindeutig eine Wasserwolke liegt. Da die Split Window-Methode eine Doppelschichtbewölkung erkennt, wird die wahre Höhe der tiefen Wolke bei 850 hpa angenommen. Die Ergebnisse der CTP-Ableitung sind folgende: Tiefe Wolke Hohe Wolke Vertikalprol von Cloudnet 850 hpa 300 hpa τ Cirrus = 2 / mittlere Breiten (Sommer) Temperaturprol 695 ± 228 hpa 392 ± 43 hpa τ Cirrus = 4 / mittlere Breiten (Sommer) Temperaturprol 773 ± 263 hpa 393 ± 42 hpa τ Cirrus = 2 / Originaltemperaturprol 684 ± 224 hpa 473 ± 47 hpa τ Cirrus = 4 / Originaltemperaturprol 726 ± 244 hpa 473 ± 46 hpa 18

19 Da die Cirrusbewölkung deutlich zu tief abgeleitet wird, ist davon auszugehen, dass die optische Dicke der Cirruswolke sehr klein ist (τ Cirrus < 1). Das beste Ergebnis wird allerdings erzielt, wenn man die optische Dicke mit 4 annimmt. Die Variabilität des CTP in der Umgebung des Messortes ist sehr hoch, worunter die Qualität der Ableitung sicherlich leidet. Erwähnenswert ist, dass die Ergebnisse bei Verwendung des realen Temperaturprols (Camborne, 12 Uhr UTC), insbesondere bei der Höhe der Cirruswolke, signikant schlechter sind Chilbolton (England), Abbildung 12: Vertikalprol der Atmosphäre, Chilbolton, (a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbewölkung, dunkelrot: Doppelschichtbewölkung Abbildung 13: RGB Satellitenbild und Split Window-Maske, Chilbolton, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. 19

20 (a) tiefe Wolkenschicht (b) hohe Wolkenschicht Abbildung 14: Abgeleiteter CTP der beiden Wolkenschichten, Chilbolton, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. Im dritten Fallbeispiel ist die Cirruswolke 200 hpa mächtig und darunter liegt eine ca. 150 hpa dicke Wasserwolke. Die Ableitung des CTP liefert folgende Werte: Tiefe Wolke Hohe Wolke Vertikalprol von Cloudnet 800 hpa 250 hpa τ Cirrus = 2 / mittlere Breiten (Sommer) Temperaturprol 652 ± 196 hpa 365 ± 24 hpa τ Cirrus = 4 / mittlere Breiten (Sommer) Temperaturprol 714 ± 213 hpa 366 ± 24 hpa τ Cirrus = 4 / Originaltemperaturprol 687 ± 207 hpa 413 ± 28 hpa Die Ableitung des CTP der Cirrusbewölkung ist um mindestens 100 hpa gröÿer als im Vertikalprol von Cloudnet. Dies entspricht einer Unterschätzung der Höhe der Cirruswolke von mindestens 2000 m. Auch in diesem Fall wird nicht die geometrische Wolkenhöhe bestimmt, sondern nur die Emissivitätshöhe. Die Wolke ist in der Höhe vermutlich so dünn, dass sie für die Messung mit AATSR transparent ist. Die Ableitung der tiefen Wolke verbessert sich mit der Annahme einer optischen Dicke des Cirrus von 4. In der Umgebung der bodengestützen Messung ist die Variabilität des CTP der tiefen Wolkenschicht abermals hoch. Durch die Nutzung eines realen Temperaturprols (Camborne, 12 Uhr UTC) verschlechtert sich die Ableitung des CTP hauptsächlich bei der Cirruswolke. 20

21 6.3.4 Lindenberg (Deutschland), Abbildung 15: Vertikalprol der Atmosphäre, Lindenberg, (a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbewölkung, dunkelrot: Doppelschichtbewölkung Abbildung 16: RGB Satellitenbild und Split Window-Maske, Lindenberg, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. 21

22 (a) tiefe Wolkenschicht (b) hohe Wolkenschicht Abbildung 17: Abgeleiteter CTP der beiden Wolkenschichten, Lindenberg, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. Die Cirruswolke im vierten Fallbeispiel ist wieder ca. 200 hpa mächtig, die Wasserwolke hat eine vertikale Erstreckung von ungefähr 270 hpa. Die Split Window-Methode erkennt in diesem Fall zwar nur einen Cirrusschirm, der Algorithmus wurde trotzdem darauf angewendet. Da nur knapp ein Bereich mit Doppelschichtbewölkung verfehlt wurde und das Vertikalprol eindeutig einen geeigneten Fall zeigt, ist die Ableitung des CTP einen Versuch wert. Tiefe Wolke Hohe Wolke Vertikalprol von Cloudnet 680 hpa 320 hpa τ Cirrus = 2 / mittlere Breiten (Sommer) Temperaturprol 559 ± 56 hpa 299 ± 30 hpa τ Cirrus = 4 / mittlere Breiten (Sommer) Temperaturprol 600 ± 70 hpa 299 ± 30 hpa τ Cirrus = 4 / Originaltemperaturprol 594 ± 65 hpa 324 ± 44 hpa In diesem Fall liegt der Verdacht einer zu groÿen optischen Dicke der Cirruswolke nahe. Die Ergebnisse der Ableitung sind dennoch die besten unter allen Fallbeispielen. Die Höhe der Cirruswolke wird nahezu der Realität entsprechend abgebildet. Erwartungsgemäÿ wird die tiefe Wolkenschicht höhenmäÿig überschätzt. Die Verwendung eines realen Temperaturprols (Lindenberg, 12 Uhr UTC) lohnt sich im Hinblick auf das Ergebnis in diesem Fall. 22

23 6.3.5 Lindenberg (Deutschland), Abbildung 18: Vertikalprol der Atmosphäre, Lindenberg, (a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbewölkung, dunkelrot: Doppelschichtbewölkung Abbildung 19: RGB Satellitenbild und Split Window-Maske, Lindenberg, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. 23

24 (a) tiefe Wolkenschicht (b) hohe Wolkenschicht Abbildung 20: Abgeleiteter CTP der beiden Wolkenschichten, Lindenberg, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. Zum Zeitpunkt des Satellitenüberugs zwischen 9:46 Uhr und 9:49 Uhr UTC ist im letzten Fallbeispiel eine ca. 150 hpa mächtige Cirrusbewölkung zu erkennen, die durchziehende Cumuluswolken überdeckt. Das Vertikalprol erweckt allerdings den Eindruck, dass die optische Dicke der tiefen Wolke für die Ableitung nicht ausreichend groÿ sein könnte. Da die Split Window-Methode einen geeigneten Fall erkennt, wurde der Algorithmus dennoch angewendet. Tiefe Wolke Hohe Wolke Vertikalprol von Cloudnet 810 hpa 350 hpa τ Cirrus = 2 / mittlere Breiten (Sommer) Temperaturprol 441 ± 19 hpa 334 ± 8 hpa τ Cirrus = 4 / mittlere Breiten (Sommer) Temperaturprol 452 ± 22 hpa 334 ± 8 hpa τ Cirrus = 4 / Originaltemperaturprol 450 ± 20 hpa 372 ± 7 hpa Die Höhe der Cirruswolke wird annähernd richtig abgeleitet. Bei der Ableitung der tiefen Wolke sind die Ergebnisse für alle variierten Parameter unterdurchschnittlich. Mehr als 350 hpa beträgt die Dierenz zum Vertikalprol von Cloudnet. Vermutlich ist die tiefe Wolkenschicht in der Tat nicht ausreichend dick und es kommt kein ausreichend starkes Signal am MERIS Instrument an. 24

25 6.3.6 Lindenberg (Deutschland), Abbildung 21: Vertikalprol der Atmosphäre, Lindenberg, (a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbewölkung, dunkelrot: Doppelschichtbewölkung Abbildung 22: RGB Satellitenbild und Split Window-Maske, Lindenberg, Das Kreuz markiert den Gerätestandort der bodengestützten Messung. Das Negativ-Fallbeispiel vom soll illustrieren, dass die Split Methode Grenzen bei der Erkennung von Cirruswolken hat. Im Vertikalprol erkennt man einen dünnen Cirrusschirm mit einer vertikalen Mächtigkeit von ungefähr 50 hpa. Auch im Satellitenbild kann man einen Schleier über den tieiegenden Wolken erkennen. Die optische Dicke des Cirrusschirms ist aber oensichtlich für die Split Window- Methode zu klein, sie erkennt keine zweischichtige Bewölkung. 25