SatVal-A. Simone von Loewenstern, Michael Bittner, Frank Forster, Sabine Haase-Straub, Verena Kopp, Ralf Sussmann, Sabine Wüst

Transkript

1 SatVal-A Etablierung einer nationalen Kontaktstelle zur Koordination von Validierungsaktivitäten für satellitenbasierte Messungen in der Atmosphäre als Element des Zentrums für Klima-, Umwelt- und Höhenforschung Schneefernerhaus Simone von Loewenstern, Michael Bittner, Frank Forster, Sabine Haase-Straub, Verena Kopp, Ralf Sussmann, Sabine Wüst Das Projekt SatVal-A wurde in enger Zusammenarbeit mit dem Deutschen Zentrum für Luftund Raumfahrt (DLR) und dem Karlsruher Institut für Technologie (KIT) durchgeführt. Das Vorhaben wurde mit Mitteln des Bundesministeriums für Wirtschaft und Technologie durch die Raumfahrt-Agentur des Deutschen Zentrums für Luft- und Raumfahrt e.v. unter dem Förderkennzeichen 50 EE 0702 gefördert. Mai 2012

2 I. Kurze Darstellung SatVal-A ist ein Projekt der Betriebsgesellschaft Umweltforschungsstation Schneefernerhaus GmbH (UFS) unter deren Dach sich unter Beteiligung des Freistaats Bayern eine große Zahl in Bayern ansässiger Forschungseinrichtungen zu einem Konsortium zusammengeschlossen haben, um ein virtuelles Institut für Klima-, Umwelt- und Höhenforschung zu betreiben. Das Projekt SatVal-A wurde mit Mitteln des Bundesministeriums für Wirtschaft und Technologie gefördert. 1. Aufgabenstellung Ziel des Projekts SatVal-A war die Erarbeitung eines selbst tragenden Konzepts für die Einrichtung einer nationalen Kontaktstelle für die Koordination von Validierungsaktivitäten für satellitenbasierte Messungen in der Atmosphäre als Element des Zentrums für Klima-, Umwelt- und Höhenforschung Schneefernerhaus. 2. Voraussetzungen, unter denen das Projekt durchgeführt wurde Die Projektaufgaben wurden von einer Vollzeitkraft und zwei Teilzeitkräften bearbeitet, die an das Deutschen Fernerkundungsdatenzentrum des Deutschen Zentrums für Luft- und Raumfahrt e.v. (DLR-DFD) in Oberpfaffenhofen und an das Institut für Umweltforschung des Karlsruher Instituts für Technologie (KIT-IfU) in Garmisch-Partenkirchen abgeordnet wurden. Grund für diese Abordnung war die Expertise der jeweiligen Konsortialpartner in den Bereichen Fourier-Transform-Infrarot-Spektrometrie (FTIR) bzw. satellitenbasierte Messungen. Die Durchführung des Projekts SatVal-A erfolgte in enger Zusammenarbeit zwischen dem DLR-DFD, dem KIT-IfU und der UFS GmbH. Die verwaltungstechnische Abwicklung des Projektes wurde von der bifa GmbH wahrgenommen. 3. Planung und Ablauf des Vorhabens Das Projekt setzte sich aus fünf Arbeitspaketen (AP) zusammen, wobei AP1000 bis AP3000 und AP5000 der Vollzeitstelle (Dr. Sabine Haase-Straub c/o DLR) zugeordnet waren und AP4000 von den beiden Teilzeitkräften (Dipl.-Math. Verena Kopp c/o und DLR Dipl.-Phys. Frank Forster c/o KIT) bearbeitet wurden (für die zeitliche Einteilung siehe Tabelle 1 im Anhang). Da die beiden Teilzeitkräfte aufgrund des angespannten Arbeitsmarktes zum Teil erst erheblich (sechs Monate) verspätet eingestellt werden konnten, wurde durch Umwidmung der Gelder eine kostenneutrale Verlängerung der Projektlaufzeit ermöglicht. Die Vollzeitstelle konnte um ein halbes Jahr auf dreieinhalb Jahre verlängert werden. Die Laufzeiten der beiden Teilzeitstellen betrugen jeweils drei Jahre. Im Rahmen des Projektes wurde zunächst eine Bestandsaufnahme durchgeführt über alle aktuellen und geplanten Satellitenmissionen, die der Vermessung der Atmosphäre dienen (AP1000), sowohl auf nationaler als auch auf internationaler Ebene; im sich anschließenden Arbeitspaket (AP2000) wurden die Anforderungen an die Qualität atmosphärischer Daten

3 und Informationsprodukte aus den Bereichen Wissenschaft, Verwaltung und der Wirtschaft analysiert. Ein besonderer Fokus lag hier auf dem GMES-Programm 1. Aufbauend auf den Ergebnissen der Arbeitspakete 1000 und 2000 wurden Lücken zwischen Anforderung und Verfügbarkeit in den Bereichen Daten- und Informationsprodukte, geforderte und verfügbare Genauigkeit, Aussagefähigkeit der jeweiligen Validationsansätze und Vorschläge für messtechnische Weichenstellungen (KMU) identifiziert (AP3000). In AP4000 wurden neue Ansätze zur Optimierung der Validationskonzepte entwickelt, wobei hierfür erforderliche wissenschaftliche Grundlagen zu erarbeiten waren. AP5000 umfasste die Zusammenfassung der Ergebnisse im Rahmen eines entsprechenden Konzeptes. 4. Wissenschaftlicher und technischer Stand, an dem angeknüpft wurde Für die im Rahmen der Arbeitspakete 1000 bis 3000 durchgeführten Recherchearbeiten gab es teilweise entsprechende Vorgängerstudien, auf die zurückgegriffen und aufgebaut werden konnte. Die jeweiligen Quellen sind im Rahmen der eingehenden Darstellung der Ergebnisse (Geschäftsmodell siehe Anhang) genannt. Für die Arbeiten im Rahmen von AP4000K existierten Vorarbeiten, die an der Universität Wuppertal bzw. am DLR im Zuge von vier Diplom- bzw. Doktorarbeiten durchgeführt wurden (Bittner, 1994, Zimmermann 2003; Chrastansky, 2004; Wüst 2009). Diese Arbeiten beschäftigen sich u.a. mit der Existenz, der Lage und der Ursache so genannter ruhiger Schichten in der Atmosphäre. Hierbei handelt es sich um Bereiche, die aufgrund ihrer reduzierten dynamischen Aktivität für die Validation von satellitenbasierten Messungen besonders interessant sind. Die Arbeiten beruhen auf ausgewählten Temperatur- und Ozonmessungen (satelliten- als auch raketenbasiert) und sind z. T. auf kleine Gebiete und einige Tage bis hin zu wenigen Jahren begrenzt. Diese Ansätze wurden im Rahmen der vorliegenden Arbeit weiterverfolgt und ausgebaut. Sie wurden auf globale Datensätze, die teilweise in einer zeitlichen Abdeckung von mehreren Jahrzehnten vorliegen, übertragen und die Ergebnisse zum Teil im Internet zugänglich gemacht. AP4000F vorausgegangen sind zwei Studien von Dils et al. [2006] und Sussmann et al. [2005]. Die Studie von Dils et al. [2006] stellt für ein Netzwerk aus elf FTIR-Stationen einen Fehler in der Reproduzierbarkeit (Precision) von 3% und eine relative Genauigkeit (Accuracy) von 7% fest. Dies genügte den Anforderungen an eine Satellitenvaliderung nicht, wie Bergamaschi et al. [2007] darlegten, wobei sie entsprechende Werte von unter 1-2% entsprechend den Ergebnissen von ENVISAT/SCIAMACHY 2 forderten. Diese geforderte Reproduzierbarkeit der Einzelmessungen wurde bereits 2005 von Sussmann et al. mit 1,3% erfüllt, wenn auch nur für den Standort Zugspitze. Im Rahmen dieser Arbeit wurde dieser Wert im Jahre 2007 auf 0,5% verbessert. Der Versuch, diesen Standard auf andere FTIR- Stationen zu übertragen, führte zu einer Harmonisierung der Retrievals der beteiligten Stationen, die mögliche systematische Messabweichungen (Bias) zwischen den Stationen 1 Global Monitoring for Environment and Security 2 Scanning Imaging Absorption spectrometer for Atmospheric Chartography, Environmental Satellite - 3 -

4 selbst, wie sie beispielsweise durch die Verwendung unterschiedlicher spektroskopischer Datenbanken entstehen können, beseitigte. AP5000 beinhaltet die Zusammenfassung der Ergebnisse der vorherigen Arbeitspakete und die Entwicklung des Geschäftsmodells. Eine solche Analyse wurde für die Umweltforschungsstation Schneefernerhaus bisher noch nicht gemacht. 5. Zusammenarbeit mit anderen Stellen Wie bereits unter 2. erwähnt, erfolgte die Durchführung des Projektes SatVal-A in enger Zusammenarbeit zwischen dem DLR-DFD, dem KIT-IfU und der UFS GmbH. Weiterhin wurde im Rahmen der UFS-Science-Teamsitzungen über den Fortgang des Projektes berichtet und enger Kontakt zu den anderen in der UFS engagierten Konsortialpartnern zur Nutzung von Synergiepotentialen gepflegt. Ebenso wurde an ausgewählten Projekttreffen verschiedener EU-Projektkonsortien teilgenommen (MACC 3, PASODOBLE 4, HYMN 5 ). Im Rahmen der Arbeitspakete 4000F und 4000K wurde mit folgenden Stellen zusammengearbeitet bzw. Kontakt gepflegt: Applied Physics Laboratory der Johns Hopkins University, Belgian Institute for Space Aeronomy, Institut für Umweltphysik, Institute of Astrophysics and Geophysics, Netherlands Institute for Space Research, National Center for Atmospheric Research, Network for the Detection of Mesopause Change, Universität Augsburg, Universität Bremen, Universität Lüttich, Universität Toronto/Kanada, Universität Wollongong/Australien, Technische Hochschule Chalmers, Göteborg/Schweden 3 Monitoring Atmospheric Composition and Climate 4 Promote air quality services integrating observations development of basic localised information for Europe 5 Hydrogen, Methane and Nitrous Oxide - 4 -

5 II. Eingehende Darstellung 1. Verwendung der Zuwendung, erzielte Ergebnisse inklusive Gegenüberstellung der vorgegebenen Ziele Inhalt des Projekts SatVal-A war die Erarbeitung eines selbst tragenden Konzepts mit dem Ziel der Einrichtung einer nationalen Kontaktstelle für die Koordination von Validierungsaktivitäten bei satellitenbasierten Messungen in der Atmosphäre (das vollständige Konzept findet sich als Anlage zu diesem Bericht). Diese Kontaktstelle soll durch Dienstleistung und Forschung die erforderliche Qualitätssicherungsexpertise zur Verfügung stellen, die benötigt wird, um bei Satellitenmissionen die aus den Messdaten entwickelten Produkte für wissenschaftliche und kommerzielle Zwecke uneingeschränkt verwendungsfähig zu machen. Satellitenbasierte Daten bieten gegenüber Daten anderer Messplattformen den Vorteil einer globalen Abdeckung bei homogener Qualität. Bereits heute finden satellitenbasierte Atmosphärendaten und produkte weltweit Einsatz und dies mit zunehmender Tendenz. Die Anwendungsgebiete umfassen ein breites Spektrum beginnend mit Klima-, Atmosphären- und Wettermodellen für wissenschaftliche Studien. Als Beispiel für den Einsatz von wirtschaftlichem Interesse seien die Anforderungen der Energiewirtschaft im industriellen Bereich, insbesondere der Solarindustrie, genannt. Von administrativem Interesse sind die zahlreichen Überwachungs- und die Berichtsverpflichtungen z.b. im Rahmen internationaler Umweltkonventionen (Montreal- und Kyoto-Protokoll) oder Klimarahmenkonventionen (UNFCCC 6 ). In allen Bereichen ist allerdings die möglichst genaue Kenntnis der Präzision satellitenbasierter Messungen in der Atmosphäre von grundlegender und entscheidender Bedeutung. Mit ihr steht und fällt der Nutzen, die Akzeptanz der Daten und der daraus abgeleiteten Informationsprodukte. Andauernde Validierung über die gesamte Lebenszeit eines Satelliten und ein einheitliche Validierungsvorgehen sind hier erforderlich. Validierungsaktivitäten werden in der Regel durch verschiedenste Organisationen und Einrichtungen (z.b. CEOS 7, WMO 8, EUMETSAT 9, BIRA 10, DLR uvm.) übernommen. Dabei ergibt sich die Auftragsvergabe im Allgemeinen aus bestehenden wissenschaftlichen Kooperationen. Die Bündelung dieser Aktivitäten stellt heute international, europäisch und national eine große Herausforderung dar. Es gibt praktisch keine einheitlichen Standards. Aufgrund ihrer bereits vorhandenen nationalen und internationalen hervorragende Vernetzung und der wissenschaftlichen Interdisziplinarität ihres Betreiberkonsortiums bietet sich die UFS als Sitz für eine solche nationale Kontaktstelle für Validation besonders an. 6 United Framework Convention on Climate Change 7 Committee on Earth Observation Satellites 8 World Meteorological Organization 9 European Organisation for the Exploitation of Meterological Satellites 10 Belgian Institute for Space Aeronomy - 5 -

6 Im Rahmen von SatVal-A wurde deswegen zunächst eine Bestandsaufnahme über alle aktuellen und geplanten Satellitenmissionen durchgeführt, die der Vermessung der Atmosphäre dienen (AP1000), sowohl auf nationaler als auch auf internationaler Ebene; im sich anschließenden Arbeitspaket (AP2000) wurden die Anforderungen an die Qualität atmosphärischer Daten- und Informationsprodukte aus den Bereichen Wissenschaft, Verwaltung und Wirtschaft analysiert. Besonderer Fokus lag hier auf dem GMES-Programm. Aufbauend auf den Ergebnissen der Arbeitspakete 1000 und 2000 wurden Lücken zwischen Anforderung und Verfügbarkeit in den Bereichen Daten- und Informationsprodukte, geforderte und verfügbare Genauigkeit identifiziert (AP3000). In AP4000 wurden neue Ansätze zur Optimierung der Validationskonzepte entwickelt, wobei die erforderlichen wissenschaftlichen Grundlagen zu erarbeiten waren. AP5000 umfasste die Zusammenfassung der in den vorangegangen Arbeitspaketen Ergebnisse im Rahmen eines Geschäftmodells

7 AP 1000 Satellitenmissionen zur Vermessung der Erdatmosphäre werden bereits seit mehr als 30 Jahren durchgeführt, wobei der Fokus zunächst, angeregt durch Umweltfragen, auf wissenschaftlichen Themen wie Klimawandel, Ozonloch und Schadstofftransport lag. Seither haben sich neben den einzelnen Raumfahrtbehörden, Satellitenbetreibern und Forschungseinrichtungen eine Vielfalt von komplexen Programmen und Initiativen gebildet, die es zum Ziel haben, die einzelnen Aktivitäten auch respektive übergeordneter Ziele zu koordinieren. Entsprechend findet sich, im Internet öffentlich zugänglich, ein breites Spektrum von Informationsplattformen zu aktuellen und geplanten Atmosphärenmissionen. Umfassende Studien zeigen das Umfeld auf, in dem sich potentielle Kunden der Kontaktstelle bewegen (z.b. WMO GOS-2009 Dossier The space-based global observing system in 2009 mit globalem Fokus, und europäische Studien zu der zukünftigen Weltrauminfrastruktur, insbesondere zur Instrumentierung der Sentinels 4, 5P und 5, siehe Entwurf The Requirements for the GMES Atmospheric Service and the Implementation Concept: Sentinels-4/ -5 and 5p ). Für das selbst tragende Konzept wurde eine detaillierte Übersicht über alle aktuellen und geplanten Atmosphärenmissionen erstellt. Weiterhin wurde herausgearbeitet, welche Daten innerhalb großer europäischer Projekte (PROMOTE 11, GEMS 12, TEMIS 13 und ENVISOLAR 14 ) oder im Rahmen von Datenzentren, (WDC-RSAT 15, ECMWF 16, ) bereitgestellt werden, in welcher Weise sie zur Verfügung stehen und wo sie durch Veredelung in höherwertige Daten- und Informationsprodukte oder im Rahmen von Services Anwendung finden. Die einzelnen Datenprodukte wurden nach Anbietern, Diensten und Services, sowie nach Bedarfsträgern aus Wissenschaft, Verwaltung und Wirtschaft geordnet. Als Quellen dienten hierfür die entsprechenden Internetauftritte und sowohl interne wie auch öffentlich zugängliche Projektberichte. Einer fundierten Anforderungs- und Bedarfsanalyse liegt die Identifizierung des Standes von Wissenschaft und Technik der Validierung zugrunde. Daher wurde in diesem dritten und letzten Teil der Bestandsaufnahme die Gewährleistung der Qualität des jeweiligen Daten- und Informationsprodukts bzw. der Stand von Wissenschaft und Technik der Validierung untersucht. Mit einem Überblick über die im europäischen Raum in die Validierung von satellitenbasierten Daten involvierten Organisationen, Arbeitsgruppen und Experten wird im selbst tragenden Konzept das Umfeld aufgezeigt, in das sich die Kontaktstelle einzugliedern hat; es werden Schlüsselrollen identifiziert und damit wichtige ausländische Wettbewerber und ihre Konkurrenztechnologie, sowie politische Markteinflüsse auf die Geschäftsidee Protocol monitoring for the GMES service element: atmosphere Global and regional Earth-System (Atmosphere) Monitoring using Satellite and in-situ data Tropospheric Emission Monitoring Internet Service Environmental Information Services for Solar Energy Industries World Data Center for Remote Sensing of the Atmopshere European Center for Medium Range Weather Forecast - 7 -

8 beschrieben. In diesem Rahmen werden das weltweite Komitee GEO-CEOS 17 mit seiner Strategie für Datenqualität (Quality for Earth Observation, QA4EO) und seine für Validierung relevanten Einrichtungen vorgestellt. Als Schlüsselstelle sei hier die Working Group on Calibration and Validation (WGCV) von CEOS genannt, zu der wiederum die für SatVal-A interessante Untergruppe Atmospheric Chemistry SubGroup (CEOS WGCV ACSG) gehört. Es wird derzeit die Möglichkeit überprüft, ausgehend vom Projekt SatVal-A in der WGCV eine weitere neue Untergruppe zu Neuen Validierungsverfahren einzurichten. Als weiterer globaler Akteur wird die WMO mit einigen ihrer Einrichtungen (WMO SAG 18 und CGMS 19 ) präsentiert. Im europäischen Raum werden GECA 20, EUMETSAT O3M SAF 21, BIRA und GEOMon 22 beschrieben. Aktuelle Validations- bzw. Qualitätssicherungskonzepte und die sich daraus ableitende Qualität von Daten und Produkten, wurden den Validierungsaktivitäten von dem ESAfinanzierten Projekt PROMOTE und dem EU-finanzierten FP6-Projekt GEMS für die einzelnen angebotenen Datenprodukte (satellitenbasierte Beobachtungen und Modellierung von Treibhausgasen, Ozonschicht und Luftqualität, auf globaler und auf regionaler Ebene) entnommen. Hiermit sind quasi alle europäischen Forschungseinrichtungen erfasst. Für die Beschreibung der Qualitätssicherung der jeweiligen Daten und Informationsprodukte, wurde zusammengestellt, durch welche Schritte die Qualitätssicherung der eingesetzten Modelle, der Assimilations- und Retrievalverfahren, des Validationsvorgehens und der Validationsdaten (z.b. Bodendaten, andere in-situ Daten, Modellergebnisse und andere Satellitendaten) gewährleistet werden soll. Als wichtiger politischer Markteinfluss ist die Anbindung an GEOSS 23 zu nennen. Durch GEOSS werden in absehbarer Zukunft weltweite Standards zur Qualitätssicherung von Satellitendaten vorgegeben werden. Gleichzeitig wird der weltweite Zugriff sowohl auf Validierungsaktivitäten selbst, als auch auf Validierungsinformationen in Metadaten über GEOSS stattfinden. Daher ist es ratsam, frühzeitig zu gewährleisten, dass die hier geplante Kontaktstelle mit ihren Aktivitäten in GEOSS eingebunden ist bzw. GEOSS-konform agiert. Dementsprechend wurden für die im vorliegenden selbst tragenden Konzept untersuchte Validierung von satellitenbasierten Atmosphärendaten Eingliederungsmöglichkeiten in den GEOSS Work Plan erarbeitet. Hier sei beispielhaft die Subtask DA-09-01a (früher DA-06-02), die sogenannte GEOSS Quality Assurance Strategy, geleitet von CEOS und IEEE 24, genannt ( Develop a GEO data quality assurance strategy, beginning with space-based 17 Committee on Earth Observation Satellites, dem sogenannten Raumfahrt Arm der Global Earth Observation (GEO) Initiative, wobei GEO eine Kampagne für die internationale Zusammenzuführung von Erderkundungsaktivitäten unter der Schirmherrschaft der UN darstellt. 18 World Meteorological Organization, Science Advisory Group 19 Coordination Group for Meteorological Satellites 20 Generic Environment for Cal/Val Analysis, ein Projekt der europäischen Raumfahrtagentur ESA 21 Ozone Monitoring, Satellite Application Facility 22 Global Earth Observation and Monitoring 23 Global Earth Observation System of Systems 24 Institute of Electrical and Electronics Engineers - 8 -

9 observations and evaluating expansion to in-situ observations, taking into account of existing work in this area. )

10 AP2000 In der Anforderungs- und Bedarfsanalyse wurden Anwendungsgebiete für satellitenbasierte Atmosphärendaten und produkte sowie dezidierte Nutzer und deren Bedarf an qualitätsgesicherten Atmosphärendaten und produkte untersucht. Ziel dabei war es, Informationen über die benötigte Qualität satellitenbasierter Messungen und Produkte zu erhalten, um im nächsten Schritt Defizite bzgl. der verfügbaren Qualität identifizieren zu können. Analysiert wurde eine Vielzahl von Anforderungs- und Bedarfsanalysen zu aktuellen und zukünftigen Daten und Informationsprodukten für den operativen Nutzer - mit Schwerpunkt auf GMES und GEOSS. So liegen in der WMO-Online-Datenbank 25 für die zeitliche und räumliche Auflösung, für Beobachtungszyklus und Genauigkeit ( Accuracy ) die (für AP3000) interessierenden folgenden Angaben vor: Schwellwert ( Threshold, T/H) (Mindestens geforderte Genauigkeit) Ziel ( Goal ) (Idealerweise vorliegende Genauigkeit) Durchbruch ( Breakthrough, B/T) (Genauigkeit zwischen T/H und Goal, die eine signifikante Verbesserung der angestrebten Anwendung zur Folge hätte) Für SatVal-A wurde eine Gegenüberstellung von Anwendungsgebieten (z.b. Montreal Protokoll) und benötigten satellitenbasierten Datenprodukten differenziert nach verschiedenen Kategorien (stratosphärischer Ozonabbau, bodennahe UV-Strahlung, Luftqualität) und Themenbereichen (Klimawandel, Treibhausgase und Aerosole) und aufgeschlüsselt für die Bereiche Wissenschaft, Verwaltung und Wirtschaft erstellt. Als Grundlage dienten insbesondere das Dokument GMES Service Element PROMOTE U1 Global User Needs Directory ebenso wie ausgewählte DLR-Projektbeschreibungen 26 und die beiden Dokumente GAS-Implementation Group Final Report von Juli 2008 und der CAPACITY 27 Final Report von Oktober Der Service GAS 28 hat die lückenlose internationale Beobachtung und Modellierung der Atmosphäre in den Bereichen Treibhausgase, Ozonschicht und Luftqualität sowohl auf globaler als auch auf regionaler Skala hinsichtlich der verschiedensten Anforderungen von Behörden und Industrie zum Ziel. Bei CAPACITY handelt es sich um eine grundlegende, immer noch aktuelle Studie. Sie wurde von Experten aus unterschiedlichsten Bereichen verfasst, um ein zukünftiges operationelles System zur Beobachtung der Atmosphäre im Rahmen der Raumfahrtkomponente von GMES einzurichten Projekte Atmosphäre auf 27 ESA s Operational Atmospheric Chemistry Monitoring Missions Composition of the Atmosphere: Progress to Applications in the user CommunITY ( CAPACITY ) 28 GMES Atmospheric Service

11 AP3000 In Arbeitspaket AP 3000 wurden Defizite bei der Verfügbarkeit und Qualität atmosphärischer Satellitendaten durch den Abgleich von Nutzeranforderungen (AP2000) mit aktuell und zukünftig verfügbaren satellitenbasierten Atmosphärendaten und produkten (AP1000) aufgezeigt. Diese Defizite umfassen ein breites Spektrum. Zum Einen können sie auf zeitlicher oder räumlicher Auflösung oder Abdeckung basieren, zum Anderen kann ungenügende oder unbekannte Messgenauigkeit die Ursache sein. Schließlich mag das Defizit darauf beruhen, dass es das benötigte Produkt gar nicht gibt, oder dass es Defizite bei Datenablage oder Datenzugriff gibt. Die für diese Defizite festgestellten Gründe zeigen potentielle Gebiete mit Handlungsbedarf für die Kontaktstelle auf. Analysiert wurde eine Vielzahl von Studien, die von den jeweiligen Expertengruppen für verschiedenste Zielrichtungen in den letzten Jahren durchgeführt wurden. Als Dokument mit weltweitem Fokus sei besonders auf das GOS-2009 Dossier 29 der WMO hingewiesen, das mit Band 3 Gap analysis in the space-based component of GOS und Band 5 Compliance analysis of potential product performances with user requirements eine umfassende Studie zu Defiziten auf verschiedenen Ebenen beinhaltet. Dieses Dokument wird dreimal jährlich aktualisiert. Beispielsweise werden hier Bedarf und Produktperformance für das atmosphärische Temperaturprofil in den verschiedenen Höhenschichten für die jeweiligen Anwender und Einsatzgebiete gegenüber gestellt. Zwei detaillierte europäische Studien, insbesondere zum Raumfahrtprogramm, sind im Rahmen von GAS entstanden: Space observation infrastructure for the GMES Atmosphere Core Service (Stand: März 2008). Hier wurden Empfehlungen für die GMES-Sentinels, also die benötigte zukünftige Raumfahrt Infrastruktur, erarbeitet. GAS Abschlussbericht, insbesondere Anhang 3 mit entsprechenden Übersichten. Mit Hilfe dieser Studien zu Messplattformen und Zielgrößen lässt sich beispielsweise unmittelbar ablesen, dass durch den missglückten Start des Satelliten OCO 30 am ein Engpass bei den Satellitenbeobachtungen der CO 2 -Säule, die auch die bodennahe Grenzschicht beinhaltet, eintreten wird, sobald der Sensor SCIAMACHY auf dem ESA- Satelliten ENVISAT nicht mehr misst. Weitere umfassende europäische Studien zu Validierungsergebnissen von atmosphärischen Satellitendaten und produkten, in denen ein Abgleich zwischen Nutzeranforderungen und Validierungsergebnissen vorgenommen wird, liegen im Rahmen der Programme PROMOTE und GEMS vor. Auf dieser Basis und mit Hilfe der Präsentationen der Serviceprovider und - nutzer bei den verschiedenen PROMOTE-Treffen wurde die Erfüllung der Nutzeranforderungen durch die Genauigkeit der Datenprodukte detailliert auf Defizite hin ausgewertet. Für GEMS liegen entsprechende Daten mit detaillierter Qualitätsaussage zu Satellitendaten und produkten bei gleichzeitigem Abgleich mit dem Nutzerbedarf nicht vor. 29 The space-based global observing system in 2009 ; verfasst für die WMO von B. Bizzarri. 30 Orbiting Carbon Observatory; Satellit der NASA

12 Für die Identifizierung bisher noch nicht für satellitengestützte Messungen erschlossener Anwendungsbereiche und deren Anforderungen wurde Kontakt z.b. zum Umweltbundesamt aufgenommen

13 AP4000 Als Resultat der Arbeitspakete 1000 bis 3000 hat sich eine Übersicht über die Schwachstellen und Lücken im Bereich der verfügbaren Daten- und Informationsprodukte und die mit ihnen verbundenen Validationskonzepte zu deren Qualitätssicherung ergeben. In AP4000 wurden neue Ansätze zur Optimierung der Validationskonzepte entwickelt und ggf. die erforderlichen wissenschaftlichen Grundlagen erarbeitet. Dieses Arbeitspaket wurde von den beiden Teilzeitkräften bearbeitet. AP4000K (bearbeitet von Dipl. Math. Verena Kopp, betreut vom DLR) Zusammenfassung der Analysen und Ergebnisse Satellitenbasierte Messungen liefern einen großen Beitrag zur Beobachtung der Atmosphäre. Die Qualitätssicherung dieser Daten ist wichtig, um Messungen und darauf aufbauende wissenschaftliche Ergebnisse zu interpretieren. Da allgemein Defizite zwischen der zugesicherten Genauigkeit und den Anforderungen der Nutzer bestehen, ist die Entwicklung neuartiger Validationsansätze von großer Bedeutung, um genauere Validationsergebnisse zu erhalten. Validationskonzepte basieren bisher meist auf einfachen Vergleichsrechnungen zwischen Satellitendaten und sowohl örtlich als auch zeitlich übereinstimmenden häufig bodengebundenen oder ballongetragenen Messungen. Dynamische Effekte in der Atmosphäre, wie Turbulenz, planetare Wellen und Schwerewellen, führen zu zeitlicher und räumlicher Variabilität der atmosphärischen Parameter (z.b. Temperatur, Ozon). Da Satelliten- und Bodenmessungen aus praktischen Gründen oft nicht exakt in Zeit und Ort übereinstimmen, entstehen schon dadurch Differenzen in den Abbildung 1 Bei der Validierung kommt es meist zu zeitlichen und räumlichen Unterschieden zwischen satellitenbasierter und bodengebundener Messung. Daneben entstehen Abweichungen in den Messwerten durch unterschiedliche Messgeometrie der Instrumente. Messwerten, sogenannte Mistime- bzw. Misdistance-Fehler, die zusammengefasst als Mismatch-Fehler bezeichnet werden (siehe Abbildung 1). Hinzu kommen Abweichungen in den Messwerten, die durch die unterschiedliche Messgeometrie der Instrumente bedingt sind (Misintegration-Fehler)

14 Abbildung 2 zeigt ein Beispiel für den Vergleich von Temperaturprofilen. Dargestellt sind eine ballongetragene Radiosondenmessung (schwarz), die während der SIGMA-1- Kampagne 31 gestartet wurde, und eine Messung des satellitenbasierten Instrumentes SABER 32 (rot). Da die Radiosonde zum Aufsteigen Zeit braucht, liegt der zeitliche Unterschied zwischen beiden Messungen im überlappenden Höhenbereich zwischen etwa 1,5 und 2,5 Stunden. Die Distanz variiert zwischen 353 und 372 Kilometern. Diese Mistimebzw. Misdistance-Werte sind für die Validierung von Satellitendaten typisch. Deutlich zu erkennen ist auch die unterschiedliche Auflösung kleinskaliger Strukturen, die entsteht, weil die Instrumente über unterschiedliche Luftvolumen integrieren. Abweichungen zwischen den Messungen von stellenweise bis zu 5 Kelvin sind daher nicht zwangsläufig auf eine fehlerhafte Satellitenmessung zurückzuführen. Kenntnis und Bestimmung des Einflusses von natürlicher Variabilität auf die Vergleichsmessungen ist daher notwendig, um genauere Aussagen über die Güte von Satellitendaten zu ermöglichen. In AP4000K wurden Mistime- und Misdistance- Fehler (mit Fokus auf dem Parameter Temperatur) untersucht und quantifiziert. Auf Basis dieser Untersuchungen wurden Ansätze zur Optimierung von Validationskonzepten entwickelt. Zum Einen kann durch die Quantifizierung des Mismatch-Fehlers der Abbildung 2 Der Vergleich zwischen Temperaturmessungen durch das satellitengetragene Instrument TIMED/SABER (rot) und einer Radiosonde (schwarz) zeigt deutliche Unterschiede. Einfluss natürlicher atmosphärischer Variabilität auf Vergleichsmessungen berücksichtigt werden. Andererseits wurden Regionen in der Atmosphäre identifiziert, die sich aufgrund ihrer schwach ausgeprägten Dynamik besonders für Validationszwecke eignen, sogenannte Ruhige Schichten. Um die natürliche atmosphärische Variabilität zu analysieren und quantifizieren wurde ein klimatologischer Ansatz gewählt. Der Mismatch-Fehler wurde als Mittelwert aller (absoluten) Differenzen, die für einen bestimmten Mismatch auftreten, bestimmt. Dieser ist abhängig von Ort, Höhe und Jahreszeit. Aufgrund der damit notwendigen globalen Abdeckung für verschiedene Jahreszeiten wurden ERA-40-Temperaturdaten über einen Zeitraum von 24 Jahren (Reanalyse atmosphärischer Variablen) als Grundlage für die Berechnungen verwendet. Diese decken einen Höhenbereich vom Boden bis ca. 65 km ab und liegen in einem Gitter mit einer räumlichen Auflösung von 2,5 und einer zeitlichen Auflösung von 6 Stunden vor. Ergänzt wurden diese auf ERA-40-Daten basierenden Ergebnisse durch analoge 31 Satellite validation: Impact of Gravity waves in the Middle Atmosphere 32 Sounding of the Atmosphere using Broadband Emission Radiometry

15 Berechnungen mit Satellitenmessungen des Instruments SABER auf dem Satelliten TIMED 33 und Radiosondenmessungen während der SIGMA-1-Kampagne. Abbildung 3 zeigt als Beispiel den Mismatch-Fehler für 12 h Mistime und 278 km Misdistance für die UFS. Deutlich werden die Variationen des Mismatch-Fehlers in Abhängigkeit von Höhe und Jahreszeit. Entsprechend des Auftretens und der Stärke dynamischer Prozesse, z.b. planetarer Wellen und Schwerewellen, ist der Einfluss der natürlichen Variabilität allgemein in der unteren Stratosphäre und in den Sommermonaten geringer und steigt mit größerer Höhe und im Winter an. Auch räumlich gibt es Variationen in der Höhe des Mismatch-Fehlers. Wiederum entsprechend der Aktivität dynamischer Prozesse ist der Mismatch-Fehler auf der Winterhemisphäre erheblich höher. Abbildung 4 zeigt den Mistime- Fehler für 24 h im Januar gemittelt über km. Zu erkennen ist, dass es neben der zu erwartenden Variation in Nord-Süd-Richtung auch entlang eines Breitenkreises Unterschiede in der Höhe des Mismatch-Fehlers gibt. Stationen mit vergleichsweise geringem Mismatch-Fehler könnten also bei Validierungsaktivitäten bevorzugt gewählt werden, um die Störung durch natürliche atmosphärische Variabilität zu minimieren. Abbildung 3 Abbildung 4 Mismatch-Fehler in der Temperatur im Bereich der UFS (47,4 N, 11,0 E) für 12 h Mistime und 278 km Misdistance basierend auf ERA- 40-Daten. Ruhige Schichten sind in etwa 9 und 20 km Höhe zu sehen. Globale Karte des Mistime-Fehlers für einen Zeitunterschied von 24 h im Januar, gemittelt über 8 bis 65 km Höhe. 33 Thermosphere Ionosphere Mesosphere Energetics and Dynamics

16 Abbildung 5 Korrelation des Mistime-Fehlers für einen Zeitunterschied von 24 h (schwarz) mit der Aktivität der planetaren Welle mit zonaler Wellenzahl 1 (rot). Dargestellt sind jeweils Monatsmittelwerte für Januar der Jahre 1979 bis 2002 für 65 N in 38 km Höhe. In Abhängigkeit eines gewählten Mismatch-Wertes spiegelt der Mismatch-Fehler so die Aktivität bestimmter dynamischer Prozesse wider: Abbildung 5 zeigt dies für den Vergleich des Mistime-Fehlers für 24 h (schwarz) mit der Aktivität der planetaren Welle mit zonaler Wellenzahl 1 (rot) über 24 Jahre. Die Aktivität der planetaren Welle 1 wurde dabei als Kombination aus Monatsmittelwerten von Amplitude und Phasenverschiebung berechnet. Der betrachtete Zeitunterschied von 24 h liegt im Bereich großskaliger dynamischer Prozesse, daher ist eine Korrelation mit planetaren Wellen zu erwarten. Der Vergleich zeigt, dass schon allein die planetare Welle 1 den Großteil zum Mistime-Fehler beiträgt und damit hauptsächlich für die Schwankungen von Jahr zu Jahr verantwortlich ist. Umgekehrt kann der relativ einfach zu berechnende Mismatch-Fehler aber auch als Indikator für dynamische Aktivität in der Atmosphäre genutzt werden. So ist ein signifikanter Trend des Mistime- Fehlers für einen Zeitunterschied von 24 h (wie in Abbildung 5) über die betrachteten 24 Jahre auch ein Anzeichen für eine Änderung der globalen Dynamik. Abbildung 6 zeigt den Trend des Mistime-Fehlers in Abhängigkeit von Höhe und geographischer Breite für Januar und Dezember. Deutlich wird, dass ein möglicher Trend in der Aktivität planetarer Wellen Januar ( ) Dezember ( ) Höhe [km] Höhe [km] 90S 45S 0 45N 90N Breite 90S 45S 0 45N 90N Breite Abbildung 6 Zonal gemittelter Trend des Mistime-Fehlers (für einen Zeitunterschied von 24 h) pro Dekade. Die Berechnung basiert auf 24-jährigen Abschnitten der ERA-40- Reanalyse

17 auch stark mit der Höhe und von Monat zu Monat variieren kann. Um die zahlreichen Faktoren, die auf den Mismatch-Fehler Einfluss nehmen, zu berücksichtigen, wurde ein Algorithmus entwickelt, der für jede gewünschte Situation den erwarteten Mismatch-Fehler und seine Schwankungsbreite als Profil ausgibt (Abbildung 7). Dieser Algorithmus basiert bisher auf den ERA-40-Temperaturdaten, lässt sich prinzipiell aber auf jeden ausreichend hochaufgelösten Datensatz anwenden. So könnten z.b. auch für andere atmosphärische Parameter entsprechende Klimatologien des Mismatch-Fehlers erstellt werden. Um die auf Basis von ERA-40 erhaltenen Ergebnisse zu prüfen und zu erweitern, wurden Vergleiche mit Radiosonden- und satellitenbasierten Messungen durchgeführt. Die drei Datensätze unterscheiden sich grundsätzlich in ihrer Art: Während in der ERA-40-Reanalyse verschiedenste Messungen in ein Modell assimiliert wurden, sind die Radiosonden- und Satellitendaten reine Abbildung 7 Beispiel für ein auf Basis von ERA-40 berechnetes Profil des Mismatch-Fehlers und seiner Standardabweichung. Geographische Länge und Breite sowie Uhrzeit der beiden zu vergleichenden Messungen sind oben links zu sehen. Messungen, die sich aber wiederum gravierend in ihrer Messgeometrie unterscheiden. Die Unabhängigkeit der Datensätze kann damit sowohl durch Übereinstimmung entsprechende Ergebnisse bestätigen als auch kleine Abweichungen erklären. Abbildung 8 Vergleich des zonal gemittelten Misdistance-Fehlers für eine horizontale Abweichung von etwa 500 km (entsprechend des SABER-Orbits in zonale und meridionale Abweichung aufgeteilt) auf Basis von ERA-40 (links) und SABER (rechts) für Februar

18 Abbildung 8 zeigt einen Vergleich des Misdistance-Fehlers berechnet auf Basis von ERA-40 (links) und SABER (rechts) in Abhängigkeit von Höhe und geographischer Breite für Februar Bereiche mit erhöhter Variabilität werden fast deckungsgleich abgebildet und auch die absoluten Werte für den Misdistance-Fehler differieren nur stellenweise leicht. Ergebnisse aus der Literatur, wonach die Auflösung horizontaler Strukturen, die durch dynamische Prozesse erzeugt werden, in ERA-40 und SABER-Messungen nahezu übereinstimmt, können hierdurch bestätigt werden. Im Gegensatz dazu zeigt der Vergleich eines Radiosondenprofils mit entsprechender SABER-Messung Unterschiede in der Auflösung kleinskaliger Strukturen (Abbildung 2). Eine Radiosonde misst die Temperatur durch den temperaturabhängigen Widerstand eines dünnen Drahtes. Die Werte können daher als Punktmessung mit einer vertikalen Auflösung von etwa 25 m interpretiert werden. Dagegen hat das Sichtfenster des Satelliten eine vertikale Ausdehnung von etwa 2 km und erstreckt sich horizontal entlang des Sehstrahls über einige zehn bis hundert Kilometer. Kleinskalige Strukturen werden daher vom Satelliteninstrument nicht aufgelöst. Abbildung 9 verdeutlicht diesen Effekt für den vereinfachten Fall einer harmonischen Schwingung, die durch ein vertikales Sichtfenster von 2 km Ausdehnung gesehen wird. In Abhängigkeit der vorliegenden vertikalen Wellenlänge (x-achse) detektiert das Instrument die Schwingung mit verringerter Amplitude (y-achse). Eine Schwerewelle mit vertikaler Wellenlänge von 3-4 km kann so beispielsweise nur mit der Hälfte ihrer wahren Amplitude erkannt werden. Schwingungen mit noch geringeren Wellenlängen werden nahezu komplett herausgefiltert. Ähnlich werden horizontale Wellenstrukturen entlang des Sehstrahls integriert. Da die berechneten Mistime- bzw. Misdistance-Fehler die Abbildung 9 Abbildung 10 atmosphärische Variabilität widerspiegeln, hängen diese also entscheidend von der verwendeten Datengrundlage hinsichtlich der Auflösung dynamischer Prozesse ab Durch ein vertikales Sichtfenster von 2 km detektiert das Satelliteninstrument Schwingungen mit kleinen vertikalen Wellenlängen mit verringerter Amplitude (die ursprüngliche Amplitude war für alle Schwingungen konstant 1). Mistime-Fehler in Abhängigkeit von steigenden Mistime-Werten berechnet auf Basis von Radiosondenmessungen aus der SIGMA-1-Kampagne im November 2009 (durchgezogene Linie) und auf Basis von ERA-40-Daten für November

19 Radiosondenmessungen enthalten im Gegensatz zu Reanalyse- und Satellitendaten auch kleinskalige Temperaturvariabilität und berücksichtigen diese demnach auch in der Berechnung von Mistime und Misdistance-Fehlern. Abbildung 10 bestätigt dies durch einen Vergleich des Mistime-Fehlers basierend auf SIGMA-1-Radiosondenmessungen und ERA- 40-Daten. Der aus Radiosondendaten berechnete Mistime-Fehler liegt systematisch etwa 30% höher. Der ansonsten fast parallele Verlauf der Kurven spricht generell für eine treffende Darstellung von atmosphärischer Variabilität in der ERA-40-Reanalyse. Durch einen Korrekturfaktor könnten daher die auf Basis von ERA-40-Daten global berechneten Mistime- Fehler auch kleinskalige Variabilität berücksichtigen. Zu untersuchen ist hier weiterhin, in wie weit dieser Korrekturfaktor von z.b. Ort und Jahreszeit abhängig ist. Verwendung der Ergebnisse zur Optimierung von Validationsansätzen Beachtung des zu erwartenden Mismatch-Fehlers bei Validationsmessungen Zur Vereinfachung wird bei statistischen Validationsansätzen davon ausgegangen, dass sich die Mismatch-Fehler durch eine große Anzahl von Vergleichspaaren herausmitteln und sich deshalb nicht als fälschlich angenommener Bias im Ergebnis bemerkbar machen. Diese Annahme kann allerdings verletzt werden, z.b. weil Satelliten durch ihre vorgegebene Flugbahn zu vorwiegend ähnlichen Mismatch-Werten neigen können (nahezu gleiche Überflugszeiten, bspw. mittags und Stationsmessung immer 6h). Speziell bei eher kurzen Validationskampagnen kann es so zu einem systematischen Mismatch-Fehler kommen, der das Validationsergebnis verfälscht. Von den Differenzen zwischen satellitenbasierter und bodengebundener Messung sollte daher zunächst für jedes Vergleichspaar der erwartete Mismatch-Fehler abgezogen werden. Des Weiteren wird die Genauigkeit des Satelliteninstruments im Wesentlichen meist als Standardabweichung/Varianz der Differenzen zwischen den Messungen berechnet. Zieht man auch hier vor dem Aufsummieren der Differenzen den zu erwartenden Mismatch-Fehler von den Differenzen ab, kann die tatsächliche Genauigkeit des Satelliteninstruments erheblich besser erkannt werden. mistime [h] zonal misdistance [h] meridional misdistance [h] mismatch error [K] Abbildung 11 Mismatch-Fehler bzgl. der Koordinaten der UFS für verschiedene Kombinationen von Mistime und Misdistance in zonaler (oben) und meridionaler Richtung (unten) für Januar gemittelt über 8 bis 65 km Höhe basierend auf ERA

20 Festlegung geeigneter Koinzidenzkriterien Ein anderer Aspekt bei der Validierung ist die Wahl angemessener Koinzidenzkriterien, die die maximal erlaubten Mistime- und Misdistance-Werte zwischen einem Messpaar angeben. Es muss ein Kompromiss zwischen akzeptabler Störung durch natürliche Variabilität und einer statistisch ausreichend großen Anzahl von Paaren gefunden werden. Der allgemein bestimmte Mismatch-Fehler kann hierfür als Entscheidungsgrundlage dienen. Abbildung 11 stellt die Entwicklung des Mismatch-Fehlers über der Umweltforschungsstation Schneefernerhaus abhängig von Mistime (y-achse) und Misdistance (x-achse) dar. In diesem Beispiel wird zwischen Misdistance in zonaler Richtung (oben) und meridionaler Richtung (unten) unterschieden. Eine andere Darstellung dieser Ergebnisse ist in Abbildung 13 zu sehen. Die Karte zeigt den Misdistance-Fehler bzgl. der UFS als Referenzpunkt. Deutlich hervorgehoben ist der Effekt des variierenden Misdistance-Fehlers in unterschiedlicher horizontaler Richtung. Mit Hilfe dieser Informationen ist der allgemein resultierende Mismatch-Fehler für festgelegte Koinzidenzkriterien im Vorhinein bekannt. Zudem wird die Wahl des geeigneten Verhältnisses zwischen Mistime und Misdistance in zonaler und meridionaler Richtung erleichtert. Abbildung 12 Misdistance-Fehler bzgl. der Koordinaten der UFS für Januar gemittelt über 8 bis 65 km Höhe basierend auf ERA-40. Δtime 16km Δlon Δlat Mismatch-Fehler [K] Validierung in Ruhigen Schichten In Abbildung 3 war bereits zu sehen, dass sich bestimmte Höhen (ca. 9 und 20 km) durch eine vergleichsweise geringe natürliche Variabilität auszeichnen. In diesen Abbildung Δtime Wie Abbildung 11, allerdings in der ruhigen Schicht (ca. 16 km Höhe).

21 sogenannten ruhigen Schichten wird der Vergleich von Messungen erheblich weniger durch dynamische Einflüsse gestört, und Abweichungen zwischen Satelliten- und bodengebundener Messung sind eher auf Fehler der Instrumente oder der Auswertealgorithmen zurückzuführen. Daher bieten ruhige Schichten die Möglichkeit genauerer Validationsergebnisse und sind für die Validierung besonders interessant. Im Vergleich zu Abbildung 11, in der die Werte über Höhen von 8 bis 65 gemittelt wurden, zeigt Abbildung 14 den Mismatch-Fehler für 16 km Höhe in der ruhigen Schicht. Bei gleichen Koinzidenzkriterien hat man damit in der ruhigen Schicht einen etwa 50% geringeren Mismatch-Fehler zu erwarten. Daher können hier genauere Ergebnisse in Bezug auf Abweichung und Genauigkeit der Instrumente erzielt werden. Umgekehrt können hier aber auch die Koinzidenzkriterien ausgeweitet werden, um eine größere Anzahl von Vergleichspaaren zu erhalten, ohne dabei eine starke Unsicherheit durch die atmosphärische Variabilität beim statistischen Vergleich zu riskieren. Internettool Im Rahmen von SatVal-A wurde die Möglichkeit geschaffen, auf einige der wesentlichen Ergebnisse aus AP4000K im Internet zuzugreifen. Ziel des Internetauftrittes ist es, den wissenschaftlichen Nutzern ein hilfreiches Tool zur Validierung zur Verfügung zu stellen, wie es im Rahmen von Konferenzen z.b. mehrmals nachgefragt wurde. Das sogenannte Validationstool quantifiziert dabei den mismatch-fehler für die Temperatur beim Vergleich verschiedener Messungen (z.b. UFS-Stationsdaten mit Satellitendaten) basierend auf den eben vorgestellten Algorithmen und Ergebnissen. Um eine möglichst große Nutzerfreundlichkeit zu gewährleisten, wurde das Validationstool in das UFS-DAZ 34 integriert ( ). Der Nutzer muss zunächst spezifische Daten wie Ort und Zeit der beiden Messungen eintragen, die er vergleichen möchte, und danach die Berechnung aktivieren (siehe Abbildung 15). Der zugrunde liegende Algorithmus berechnet die Misstime und die Missdistance und basierend auf den ERA40-Daten die zu erwartende Temperaturdifferenz. Nachdem die ERA40-Daten auf einem Gitter von 2,5 x 2,5 vorliegen, wird für davon abweichende Mistime- und Misdistance-Werte der Mismatch-Fehler linear interpoliert. Ergebnis ist eine Darstellung vergleichbar mit Abbildung 7. Das Validationstool ist im Internet entsprechend dokumentiert ( 34 Datenanalysezentrum Das UFS-DAZ ermöglicht den Zugang zu den gesamten UFS-Stationsmessungen und bietet den Wissenschaftlern der UFS zusätzlich Informationen in naher Echtzeit üben den aktuellen globalen, kontinentalen und regionalen Zustand der Atmosphäre. Darüber hinaus wird die weiterführende wissenschaftliche Analyse der UFS-Daten durch spezifische Services ermöglicht

22 Abbildung 14 Eingabemaske des Validationstools: Neben Längen- und Breitengrad müssen für die zu vergleichenden Messungen auch Datum und Zeit angegeben werden

23 AP4000F (bearbeitet von Dipl. Phys. Frank Forster, betreut vom KIT) Die Zunahme der Treibhausgaskonzentrationen in der Atmosphäre, welche die hauptsächliche Ursache der globalen Erwärmung ist, ist überwiegend auf menschliche Aktivitäten zurückzuführen, insbesondere auf das Verbrennen fossiler Brennstoffe, Viehhaltung und die Rodung von Wäldern. Das am 16. Februar 2005 in Kraft getretene Kyoto-Protokoll legt erstmals völkerrechtlich verbindliche Zielwerte für den Ausstoß von Treibhausgasen in den Industrieländern fest. Eine sich daraus ergebende Aufgabe für die Umweltwissenschaften ist das sogenannte Monitoring, also die Kontrolle und Beobachtung von qualitativen und quantitativen Veränderungen der verschiedenen Umweltkomponenten durch natürliche und anthropogene Einflüsse, wie etwa eine Quantifizierung von Quellen und Senken der verschiedenen Treibhausgase. In Anbetracht der großen Mengen von CO 2, CH 4 und N 2 O in der Atmosphäre bewirken Quellen und Senken dieser Gase nur sehr geringfügige Änderungen gegenüber dem bereits vorhandenen Hintergrund, so dass Messungen mit sehr hoher Präzision nötig sind, um diese zu erfassen. Zur Erfassung von lokal begrenzten Quellen und Senken ist zudem eine möglichst große räumliche Abdeckung nötig, wie sie vor allem durch Satelliten möglich ist. Doch um Satellitendaten nutzen zu können, ist es wichtig, dass deren Qualität ständig validiert und verbessert wird. Eine gute Möglichkeit dafür bietet ein Vergleich der Satellitendaten mit bodengebundenen Messungen, die eine höhere Genauigkeit erzielen können, aber eben lokal eingeschränkt sind, wie beispielsweise die solare Fourier-Transform- Infrarot-Spektrometrie (FTIR). AP4000F behandelt die Validierung von säulengemitteltem Methan aus ENVISAT/SCIAMACHY-Daten für die Jahre 2003 und 2004 mithilfe eines Netzwerks aus zwölf bodengebundenen FTIR-Stationen (siehe Tabelle 2). 35 Zum Vergleich mit den Datensätzen aus bodengebundenen FTIR-Messungen standen zwei unterschiedliche Datenprodukte von SCIAMACHY-Daten zur Verfügung. Zum einen das WFM-DOAS v1.0, das von der Universität Bremen erstellt wurde, zum anderen das IMAP-DOAS v49 vom Netherland Institute for Space Research (SRON). Tabelle 2 Die zwölf an der Validierungsstudie beteiligten FTIR-Stationen Station Breitengrad Längengrad Stationshöhe Anzahl der Einzelmessungen Spitzbergen Thule Kiruna 78,92 N 76,53 N 67,84 N 11,92 E 68,74 W 20,41 E 20 m 225 m 419 m Mittlere Tropopausenhöhe 8,95 km 8,51 km 9,62 km 35 Dabei werden Messungen aus dem mittleren Infrarotbereich ( cm -1 ) im Rahmen des NDACC- Netzwerkes (Network for the Detection of Atmospheric Composition Change) verwendet, obwohl SCIAMACHY im nahen Infrarotbereich ( cm -1 ) misst. Jedoch sind von den bodengebundenen Stationen im Rahmen des TCCON-Netzwerkes (Total Carbon Column Observing Network) erst seit 2007 flächendeckende Messungen im nahen Infrarotbereich verfügbar

24 Harestua 60,22 N 10,75 E 596 m ,20 km Bremen 53,11 N 8,85 E 29 m ,74 km Zugspitze 47,42 N 10,98 E 2964 m ,25 km Garmisch 47,48 N 11,06 E 745 m ,25 km Jungfraujoch 46,55 N 7,99 E 3580 m ,38 km Toronto 43,66 N 79,40 W 174 m ,25 km Izaña 28,30 N 16,48 W 2367 m ,44 km St. Denis 20,90 S 55,48 E 50 m ,66 km Wollongong 34,41 S 150,88 E 40 m ,53 km FTIR-Funktionsweise und Retrieval Bei einem FTIR-Spektrometer wird das einfallende Sonnenlicht in zwei Teilstrahlen aufgespalten, welche im Interferometer unterschiedliche Wegstrecken zurücklegen. Dies wird durch einen fest montierten und einen beweglichen Spiegel ermöglicht. Die an den Spiegeln reflektierten Strahlen werden anschließend wieder überlagert und interferieren dabei aufgrund der unterschiedlichen Wegstrecken, die sie zurückgelegt haben. Am Detektor wird die Intensität des interferierenden Strahlbündels als eine Funktion des Wegunterschieds erfasst. Die resultierenden Helligkeitsschwankungen ergeben das sogenannte Interferogramm. Durch eine Fouriertransformation kann dieses in ein Spektrum des Sonnenlichts überführt werden. Aus diesem können mithilfe der Inversionsrechnung die vertikalen Profile der vorhandenen Spurengase ermittelt werden. Allerdings wird dazu nicht das ganze Spektrum verwendet, sondern kleine spektrale Teilbereiche (Microwindows), in denen Signaturen des zu beobachtenden Gases (Targetgas) zu finden sind. Die Auswertung (Retrieval) beginnt mit einer Vorwärtsrechnung, bei der die in verschiedene Höhenschichten (Layer) aufgeteilten vertikalen Profile der Gase als bekannt vorausgesetzt werden (a-priori Profile). Durch eine iterative Anpassung der Mischungsverhältnisse der Gase wird das aus der Vorwärtsrechnung erhaltene synthetische Spektrum dem gemessenen Spektrum angenähert (Fit). Mathematisch gesehen handelt es sich dabei um ein inverses Problem, da man von einer beobachteten Wirkung (gemessenes Spektrum) auf die dieser Wirkung zugrunde liegende Ursachen (Zustand der Atmosphäre) zurückschließen möchte. Die Differenz der beiden Spektren wird dabei immer geringer, jedoch bleibt aufgrund der Unterbestimmtheit der Problemstellung immer ein Restdifferent (Residuum). Bei der Anpassung des synthetischen Spektrums können entweder die Mischungsverhältnisse eines Gases in den einzelnen Layern variiert werden, so dass es zu einer Formänderung im jeweiligen vertikalen Profil kommen kann (Profilretrieval), oder es werden alle Layer eines Profils mit einem konstanten Skalierfaktor variiert (Skalierretrieval). Als Ergebnis einer Auswertung erhält man die Gesamtsäule des Targetgases, d.h. die Anzahl Moleküle des Targetgases pro Flächeneinheit, die üblicherweise 1 cm 2 beträgt. Das Retrieval stellt folglich eine zentrale Komponente in der Ableitung von säulengemitteltem Methan dar und variiert u.u. von Station zu Station. In AP4000F wurde