Diplomarbeit
Untersuchung des Tagesgangs mikrophysikalischer Wolken-
parameter mariner Stratokumulusbewölkung mit MSG /SEVIRI Daten
Fach Meteorologie
Eingereicht am Fachbereich Geowissenschaften
Freie Universität Berlin
Steffen Kothe
Erstprüfer: Prof. Dr. Jürgen Fischer
Zweitprüfer: Prof. Dr. Ralf Bennartz
Inhalt
Kapitel 1
Kapitel 4
Einleitung
08
11
Hintergrund und Motivation
Ziel der Arbeit
Evaluierung
40
41
42
44
Kapitel 2
Grundlagen
14
16
18
24
Meteosat Second Generation
SEVIRI - Kanäle
Strahlung in der Atmosphäre
Stratokumulus
46
48
50
52
54
Das MODIS - Spektrometer
Evaluierung
Beispiel 31. Dezember 2005 10:15 UTC
Optische Dicke
Beispiel 31. Dezember 2005 10:15 UTC
Effektiver Partikelradius
Beispiel 21. Oktober 2005 10:00 UTC
Optische Dicke
Beispiel 21. Oktober 2005 10:00 UTC
Effektiver Partikelradius
Beispiel 29. Juli 2005 10:30 UTC
Optische Dicke
Beispiel 29. Juli 2005 10:30 UTC
Effektiver Partikelradius
Diskussion und Fehlerbetrachtung
Kapitel 3
Wolkenprodukte
32
33
34
35
36
Strahlungstransportmodelle
Künstliche neuronale Netze
Wolkenmaske
Optische Dicke & effektiver Partikelradius
Wolkenoberkantendruck
Kapitel 5
Ergebnisse
60
62
64
66
68
70
Bestimmung von Wolkenparametern
Beispiel Tagesgänge 01. Januar 2006
Mittlere Tagesgänge im Januar
Beispiel Tagesgänge 07. Februar 2006
Mittlere Tagesgänge im Februar
Beispiel Tagesgänge 13. März 2006
Kapitel 6
Ausblick
72
74
76
78
80
82
84
86
88
90
92
94
96
98
100
102
104
106
108
110
112
114
116
118
120
Mittlere Tagesgänge im März
Beispiel Tagesgänge 26. April 2006
Mittlere Tagesgänge im April
Beispiel Tagesgänge 26. Mai 2006
Mittlere Tagesgänge im Mai
Beispiel Tagesgänge 16. Juni 2006
Mittlere Tagesgänge im Juni
Beispiel Tagesgänge 15. Juli 2006
Mittlere Tagesgänge im Juli
Beispiel Tagesgänge 07. August 2006
Mittlere Tagesgänge im August
Beispiel Tagesgänge 15. September 2006
Beispiel Tagesgänge 16. September 2006
Beispiel Tagesgänge 17. September 2006
Mittlere Tagesgänge im September
Beispiel Tagesgänge 16. Oktober 2006
Beispiel Tagesgänge 17. Oktober 2006
Beispiel Tagesgänge 18. Oktober 2006
Mittlere Tagesgänge im Oktober
Beispiel Tagesgänge 23. November 2006
Mittlere Tagesgänge im November
Beispiel Tagesgänge 14. Dezember 2006
Mittlere Tagesgänge im Dezember
Mittlere Tagesgänge über ein Jahr
Diskussion der Ergebnisse
130
141 Entwicklung der Wolkenverfolgung
mit Satellitendaten
Beispiel Wolkenverfolgung vom
21.06.2005 18:15 bis 23.06.2005 23:30
Beispiel Wolkenverfolgung vom
10.03.2006 2:15 bis 12.03.2006 6:00
Probleme und Schwierigkeiten bei der
Wolkenverfolgung
Diskussion der Ergebnisse
144 Zusammenfassung
146 Abbildungsverzeichnis
148 Abkürzungsverzeichnis
150 Literaturverzeichnis
156 Eidesstattliche Erklärung
133
136
140
Kapitel 1
Einleitung
„Die Wolken faszinieren uns solange, als sie nicht als Nebel
zu uns hinuntersteigen.“
Walter Ludin
Hintergrund und Motivation
Die Diskussion um die globale Klimaänderung ist in den
letzten Jahren ein ständig wiederkehrendes Thema in Politik,
Medien und Gesellschaft und hat mit der Veröffentlichung
der Ergebnisse des letzten IPCC- Reports (Intergovernmen-
tal Panel on Climate Change) am 02. Februar 2007 in Nai-
robi und 06. April 2007 in Brüssel, einen neuen Höhepunkt
erreicht. Dieser Abhandlung zur Folge liegt die Hauptursache
für die globale Klimaänderung im anthropogenen Kohlendio-
xidausstoß [IPCC, 2007].
Der Bericht beschreibt teils drastische Auswirkungen, die
in den nächsten Jahren aus der Klimaänderung resultieren
können. Eine Temperaturerhöhung von bis zu 6,4°C, der An-
stieg des Meeresspiegels, überflutete Inseln und Küstenge-
biete, Dürren und Hungersnöte sowie Unwetter, die an Zahl
und Intensität zunehmen. Um die Ursachen dieses Wandels
zu bekämpfen und dessen Folgen zu mindern, werden nach
verschiedenen Studien in den nächsten Jahren enorme
Geldmittel sowie ein politisches und gesellschaftliches
Umdenken nötig sein. So haben sich die EU- Staaten darauf
geeinigt den Ausstoß von CO2 um mindestens 20 Prozent
zu reduzieren und zugleich den Anteil erneuerbarer Energie-
quellen zu erhöhen.
Der aktuelle IPCC- Report „Climate Change 2007“, an des-
sen Fertigstellung mehr als 2500 Wissenschaftler aus 130
Ländern beteiligt waren [www.ipcc.ch], lässt keinen Zweifel
an der Dringlichkeit angemessen auf den Klimawandel zu
reagieren. Bei Klimazielen, die allzu einseitig auf die Redu-
zierung des CO2- Ausstoßes abzielen und auf keiner lang-
fristigen Energiestrategie basieren, ist jedoch zu bedenken,
dass es noch immer eine Reihe von unbekannten Faktoren
bei der Betrachtung des Klimas gibt [Welte & Böcker, 2007].
Noch heute gibt es wesentliche Aspekte im Verständnis von
8
Einleitung
Wetter- und Klimaprozessen, die nur wenig erforscht oder
gar unbekannt sind. Dazu zählen die Wolkenbildung, die
Wirkung von Aerosolen und der Einfluss der Wolken selbst
[Welte & Böcker, 2007].
Die Strahlungsbilanz der Erde wird zu einem entscheiden-
den Anteil von Wolken und deren optischen Eigenschaften
beeinflusst. Wolken haben dabei zweierlei Einflüsse auf den
Strahlungshaushalt der Erde. Zum einen reflektieren sie die
einfallende Strahlung, wodurch diese dem System verloren
geht und eine Abkühlung der unteren Atmosphäre zur Folge
hat. Zum anderen wird ein Teil der von der Erde ausgehen-
den infraroten Strahlung absorbiert, was den wärmenden
Treibhauseffekt verstärkt. Auf welche Weise Strahlung von
Wolken beeinflusst wird hängt vor allem von deren mikro-
physikalischen Eigenschaften wie der optischen Dicke, dem
effektiven Partikelradius und dem Aerosolgehalt sowie von
Wolkenhöhe und Bedeckungsgrad ab.
Hohe, optisch dünne Wolken wie Zirren haben nur eine ge-
ringe Albedo. Sie absorbieren jedoch die langwellige Gegen-
strahlung der Erdoberfläche und der unteren Atmosphäre
sehr gut und emittieren diese zum Teil zurück zur Erde. Infol-
gedessen tragen sie zur Erderwärmung bei. Niedrige Wolken,
die überwiegend flüssige Wolkentröpfchen enthalten und
optisch dicker sind, absorbieren weniger infrarote Strahlung.
Dagegen reflektieren sie einen erheblichen Anteil der ein-
fallenden kurzwelligen Strahlung und haben deshalb primär
eine abkühlende Wirkung (siehe Grafik 1.1). Die unterschied-
lichen Absorptions- und Emissionseigenschaften von Wolken
resultieren vor allem aus der unterschiedlichen Höhe und
den damit verbundenen Temperaturunterschieden.
Mit Hilfe des ERBE (Earth Radiation Budget Experiment)
konnte gezeigt werden, dass der abkühlende Effekt der Be-
wölkung überwiegt [Ramanathan et al. 1989]. Der Einfluss
dieses Effektes ist etwa viermal größer, als für eine ange-
nommene CO2 Verdopplung. Schon ein einprozentiger Abfall
der planetaren Albedo bewirkt eine Erhöhung der Erdober-
flächentemperatur um 0,5°C. Ein Anstieg der Albedo der
einfallende solare
kurzwellige Strahlung
hohe
Wolken
einfallende
solare
kurzwellige
Strahlung
reflektiert an
der Oberfläche
reflektierte
solare Strahlung
reflektierte
solare
Strahlung
abgestrahlte
langwellige
Strahlung
tiefe
Wolken
abgestrahlte
langwellige
Strahlung
Erdoberfläche
Grafik 1.1 Der Einfluss von Wolken auf die Strahlungsbilanz der Erde
Erdatmosphäre um zehn Prozent würde die Erdoberflächen-
temperatur auf das Niveau der letzten Eiszeit absenken
[Cahalan et al. 1994]. Da schon relativ kleine Ungenauig-
keiten in der Erfassung der planetaren Albedo teils signifi-
kante Unsicherheiten in der Bestimmung des Einflusses von
Wolken auf das Klima der Erde haben, wird bei der Tatsache,
dass etwa 70 Prozent der Erde mit Wolken bedeckt sind
[Rossow & Schiffer 1999] klar, wie wichtig eine kontinuierli-
che und zuverlässige Beobachtung durch Satelliten ist.
Mit ungefähr 25 Prozent haben Stratokumulus und andere
tiefe Wolken den größten Anteil an der globalen Wolken-
bedeckung [Hartmann et al. 1992]. Besonders mariner
Stratokumulus über dunklem Ozean ist bekannt dafür den
Strahlungshaushalt Ozean- Atmosphäre durch seine riesige
Ausdehnung, lange Verweildauer und eine hohe Reflektivität
für solare kurzwellige Strahlung zu verändern.
Diese Eigenschaften machen Stratokumulusbewölkung zu
einem überaus interessanten Forschungsgebiet und waren
wichtige Gründe dafür, die Untersuchungen in der vorliegen-
den Arbeit an dieser Wolkenart vorzunehmen. Ein Vorteil bei
der Betrachtung von Stratokumulus ist, dass diese Form der
Bewölkung am ehesten als planparallel angenommen wer-
den kann, da viele Algorithmen zur Bestimmung von Wolken-
parametern auf eindimensionalen Strahlungstransfertheori-
en basieren, die eine planparallele vertikale Schichtung der
Atmosphäre voraussetzten. Der netto Wolkenstrahlungs-
antrieb wird durch kurzwellige Reflexion beherrscht und
ist aus diesem Grund in Gebieten und zu Jahreszeiten mit
extensiver Stratokumulusbewölkung am größten [Harrison
et al. 1990; Ramanathan et al. 1989]. Diese geographische
und zeitliche Variation in den Komponenten des Wolken-
strahlungsantrieb beruht auf Veränderungen in Parametern
wie der Wolkenhöhe, dem Bedeckungsgrad oder der opti-
schen Dicke. Diese Modulationen in den Eigenschaften von
Wolken unterliegen täglichen bis stündlichen Zeitskalen, die
durch den täglichen Gang der Sonneneinstrahlung gesteuert
werden. Um alle Effekte auf die Strahlungsbilanz am Boden
und am Atmosphärenoberrand modellieren zu können, ist
eine genaue Kenntnis dieser Änderungen unumgänglich.
Ein Vergleich verschiedener globaler Zirkulationsmodelle
hat gezeigt, dass jedoch große Differenzen sogar im Vorzei-
chen dieses Wolkenfeedbacks auftreten und die Rolle von
Wolken hierbei noch nicht hinreichend verstanden ist [Cess
et al. 1990]. Es hat sich gezeigt, dass es in Modellen ohne
Wolken größere Übereinstimmung gibt als in Modellen, die
Wolkeneffekte berücksichtigen.
Neben Unsicherheiten in der zeitlichen und räumlichen
Kenntnis von mikrophysikalischen Wolkenparametern, gibt
es noch immer Lücken im Verständnis der Wolkenphysik.
Noch heute ist zum Beispiel die Physik der Wolkentröpfchen
weitgehend unbekannt [Lange 2002]. Welchen Einfluss
haben etwa Abkühlung und Erwärmung auf Tropfen- oder
Eisteilchengröße und welche Rückkopplungen werden da-
durch hervorgerufen?
So haben Houghton et al. [2001] wohl richtig bemerkt, dass
Wolken und deren Interaktion mit Strahlung vielleicht eine
9
der größten Unsicherheiten in der Darstellung des zukünfti-
gen Klimas sind. Ein verbessertes Verständnis von Wolken
und deren optischen und mikrophysikalischen
Eigenschaften ist deshalb sehr wichtig.
Für diese Aufgabe bietet das MSG- Satellitensystem (Meteo-
sat Second Generation) hervorragende neue Möglichkeiten.
Der wichtigste Sensor des MSG ist SEVIRI (Spinning Enhan-
ced Visible and Infrared Imager). Dieses Instrument erlaubt
es die Erdscheibe mit einer nominellen Wiederholung von 15
Minuten in zwölf verschiedenen Kanälen mit einer räumli-
chen Auflösung von drei Kilometern abzutasten. Ein hochauf-
lösender Kanal bietet sogar eine Auflösung von nur einem
Kilometer. Die neuen spektralen Kanäle bieten die Möglich-
keit einer genaueren Bestimmung optischer und mikrophy-
sikalischer Eigenschaften von Wolken und mit der hohen
räumlichen wie zeitlichen Auflösung kann der Lebenszyklus
von Wolken sowie die tägliche Variation ihrer Eigenschaften
studiert werden.
Die Methoden für derartige Untersuchungen beruhen zu-
meist auf zwei verschiedenen Betrachtungsweisen. Die
Euler‘sche Hydrodynamik betrachtet die Änderung einer
Eigenschaft in einem festen Volumen. Die im Volumen ent-
haltenen Masseteilchen unterliegen dabei ständigen Variati-
onen durch die Strömung [Lange, 2002]. In der Anwendung
bedeutet dies, dass die Wolken und deren Veränderung in
einer festgelegten Region über einen bestimmten Zeitraum
beobachtet werden, um daraus die tägliche Variation ver-
schiedener Parameter ableiten zu können [e.g. Minnis et al.
1991, Szczodrak et al. 2001]. Da dieses Verfahren Vorteile,
vor allem bezüglich der Vergleichbarkeit der Ergebnisse,
hat, soll in dieser Arbeit vorwiegend diese Methode genutzt
werden.
Eine andere, jedoch zum Teil noch mit Problemen behaftete,
Möglichkeit zur Untersuchung der tageszeitlichen Variation
von Wolkenparametern mit Satellitendaten, sind automati-
sierte Wolkenverfolgungsalgorithmen. Diese Untersuchungs-
methode basiert auf der Lagrange‘schen Betrachtungswei-
10
Einleitung
se, die die Änderung einer Eigenschaft gleichbleibender
Teilchen in einem variablen Volumen betrachtet [Lange,
2002]. So bietet sich gerade die hohe zeitliche Auflösung
der MSG/ SEVIRI- Daten dazu an effektive Algorithmen zur
Verfolgung von Wolken zu entwickeln. Mit Hilfe derartiger
Algorithmen ist es möglich einzelne Wolken von der Bildung
bis zum Auflösen zu verfolgen und dabei in kurzen Abstän-
den deren Eigenschaften zu bestimmen, wodurch man in
der Lage ist den vollständigen Lebenszyklus dieser Wolke
zu untersuchen. Diese Methode hat sich als recht erfolg-
reich bei der Untersuchung von mesoskaligen konvektiven
Systemen in tropischen Breiten herausgestellt [Machado et
al. 1997; Laurent et al. 2002; Machado et al. 2002; Zinner
et al. 2006]. Auch zur Studie der Eigenschaften von Strato-
kumulusbewölkung und deren täglicher Variationen sind der-
artige Verfahren in abgewandelter Form bereits angewandt
worden [Pincus et al. 1997].
Mit den erwähnten Modifikationen und Optimierungen bei
MSG/ SEVIRI sind teils deutliche Verbesserungen bei der
Wolkenverfolgung, der zeitlichen wie räumlichen Auflösung
der Ergebnisse sowie in der Qualität der bestimmten Para-
meter zu erwarten.
Speziell die optische Dicke und der effektive Partikelradius,
die entscheidend die optischen Eigenschaften einer Wolke
beschreiben, sollen in dieser Arbeit betrachtet werden.
Die Reflexion einer Wolke ist im sichtbaren Spektralbereich
überwiegend eine Funktion der optischen Dicke, wohingegen
die Reflexion im nahen Infrarot wesentlichen von der Größe
der Tröpfchen beeinflusst wird. So beruhen die meisten
der bisher verwendeten Algorithmen zur Herleitung der
optischen Dicke und des effektiven Radius auf Messungen
der reflektierten solaren Strahlung im visuellen und nahen
infraroten Spektralbereich [Nakajima & King, 1990; Minnis
et al. 1995; Schüller et al. 2003]. Die auf Reflexion basie-
renden Techniken erlauben jedoch keine Bestimmung dieser
Parameter während der Nacht. Es gibt Konzepte für Herlei-
tungsmethoden, die auf Emission beruhen und ausschließ-
lich Kanäle im infraroten Spektralbereich verwenden [Minnis
et al. 1995 , Rathke und Fischer, 2000]. Diese Methoden
können aber nur auf optisch dünne Wolken mit einer maxi-
malen optischen Dicke von acht angewandt werden.
Da Wasserwolken in der Regel höhere optische Dicken auf-
weisen, sind die Anwendungsmöglichkeiten sehr begrenzt.
Die Wirkung von Stratokumulus liegt vornehmlich darin, die
einfallende solare Strahlung zu reflektieren. Daher ist insbe-
sondere die Kenntnis der Variation von optischer Dicke und
effektiven Partikelradius am Tag hilfreich bei der Abschät-
zung des klimatologischen Einflusses dieser Wolken.
Ziel der Arbeit
Das primäre Ziel dieser Arbeit ist es herauszufinden, wie
sich die optische Dicke und der effektive Partikelradius im
Verlauf eines Tages verändern und ob in dieser Änderung
ein wiederkehrendes Muster zu finden ist. Diese Tagesgän-
ge sollen an mariner Stratokumulusbewölkung untersucht
werden. Als Untersuchungsgebiet wurde ein Bereich im Süd-
atlantik vor der Küste Namibias und Angolas gewählt. In die-
sem Gebiet, im Bereich des Benguelastroms, sind an sehr
vielen Tagen des Jahres günstige Bedingungen zur Bildung
ausgedehnter und langlebiger Stratokumulusfelder gegeben.
Neben den Tagesgängen von optischer Dicke und effektivem
Partikelradius werden auch die täglichen Verläufe der Hellig-
keitstemperatur BT10.8, des Wolkenoberkantendrucks und
der Wolkenbedeckung betrachtet um auf mögliche Zusam-
menhänge schließen zu können.
11
Kapitel 2
Grundlagen
Dieses Kapitel soll mit dem zum Verständnis dieser Arbeit
notwendigen physikalischen und technischen Grundlagen
vertraut machen. Dies beinhaltet eine Einführung in das
MSG - Satellitensystem und dessen Hauptinstrument SEVIRI.
Die wichtigsten Prozesse bei der Betrachtung von Strahlung
in der Atmosphäre sowie Bildung und Eigenschaften von Stra-
tokumulus werden besprochen.
Meteosat Second Generation
MSG (Meteosat Second Generation) stellt ein neues europä-
isches System geostationärer meteorologischer Satelliten
dar, das die bis dahin erfolgreich arbeitenden Satelliten der
ersten Meteosat Generation ersetzten und erweitern soll.
Das MSG Programm wurde 1993 durch die ESA (European
Space Agency) und EUMETSAT (EUropean organisation for
the exploitation of METeorological SATellites) definiert.
Die wichtigsten Aufgaben dieses Satellitensystems sind
(www.eoportal.org):
• das Erstellen multispektraler Abbildungen von Wolken-
systemen, der Erdoberfläche und aus der Atmosphäre
emittierter Strahlung mit verbesserter radiometrischer,
spektraler, räumlicher und zeitlicher Auflösung vergli-
chen mit den Meteosat Satelliten der ersten Generation
• die Extraktion meteorologischer und geophysikalischer
Felder aus Satellitenbilddaten zur Unterstützung all-
gemeiner meteorologischer, klimatologischer und öko-
logischer Aktivitäten
• Unterstützung und Verbesserung von Nowcasting und
Kürzestfristvorhersage
MSG ist als ein Zwei- Satellitensystem konzipiert, wobei
sich jeweils zwei Satelliten in einem geostationären Orbit
befinden und ein Satellit als Backup für den anderen dient.
Der erste Satellit dieser Reihe, Meteosat- 8, wurde am
28. August 2002 mit einer Ariane 5 Trägerrakete vom euro-
päischen Raumfahrtzentrum Kourou in die Erdumlaufbahn
gebracht. Er ist in einem geostationären Orbit etwa am
Schnittpunkt zwischen Nullmeridian (bei 3,4° westlicher
Länge) und Äquator positioniert und nahm nach einigen
Tests der mitgeführten Instrumente im Januar 2004 den
14
Grundlagen
Grafik 2.1 MSG- Satellit [www.eumetsat.int]
Routinebetrieb auf. MSG-2 (umbenannt in Meteosat-9)
wurde am 22. Dezember 2005 gestartet und nahm den
operationellen Betrieb im Juli 2006 auf. Meteosat-9 ist
bei 0° über dem Äquator positioniert und dient zur Zeit
als Backupsystem für Meteosat-8. Für das Jahr 2009 und
das Jahr 2012 sind die Starts von MSG-3 beziehungswei-
se MSG-4 vorgesehen, um operationelle Kontinuität für
mindestens 16 Jahre zu gewährleisten. An Bord von MSG
befinden sich die wissenschaftlichen Instrumente GERB
(Geostationary Earth Radiation Budget) und SEVIRI (Spin-
ning Enhanced Visible and Infrared Imager).
GERB ist ein Radiometer im sichtbaren- infraroten Spektral-
bereich zur Untersuchung der Strahlungsbilanz der Erde.
GERB ermöglicht die Messung der langwelligen und kurz-
welligen Strahlungskomponenten am Oberrand der Atmos-
phäre mit einer nominellen Pixelgröße von 45 km mal 40 km
(Nadir). Das Hauptinstrument des MSG- Satelliten ist jedoch
SEVIRI. Dieses Instrument erlaubt es die Erdscheibe mit
einer nominellen Wiederholung von 15 Minuten in zwölf ver-
schiedenen Kanälen mit einer räumlichen Auflösung von bis
zu drei Kilometern abzutasten. Ein hochauflösender Kanal
bietet sogar eine Auflösung von nur einem Kilometer. Wegen
einer erweiterten Digitalisierung aller MSG- Kanäle auf zehn
bit, liefert SEVIRI 20 mal mehr Information als die bisherigen
Meteosat- Satelliten.
Das Abtastkonzept von SEVIRI (Grafik 2.2) nutzt die Tatsa-
che aus, dass der MSG- Satellit rotationsstabilisiert ist und
sich mit 100 Umdrehungen pro Minute dreht [EUMETSAT,
2001]. Die Rotationsachse liegt parallel zur Nord- Süd-
Achse der Erde. Die von der Erde ausgehende Strahlung
wird durch eine Öffnung an der Seite des Satelliten auf den
Abtastspiegel gelenkt, der sich schrittweise verstellt und so
die komplette Erdscheibe in 1250 Schritten von Süd nach
Nord abtastet. Die ersten elf Kanäle haben drei Detektoren,
die bei 1250 Abtastlinien 3750 Bildlinien liefern. Der hoch-
auflösende HRV- Kanal (High Resolution Visible) hat neun
Detektoren, weshalb bei jedem Abtastschritt neun Bildlinien
erfasst werden.
Daraus ergeben sich im Level 1.5 Produkt nominelle
Bildgrößen von 11136 mal 5568 Pixel mit 1 km mal 1 km
Auflösung im Subsatellitenpunkt für den HRV- Kanal und
3712 mal 3712 Pixel mit 3 km mal 3 km Auflösung im Sub-
satellitenpunkt für die übrigen Kanäle [EUMETSAT, 2001].
Ein kompletter Scanvorgang dauert etwa zwölf Minuten. Das
anschließende Zurückfahren des Abtastspiegels, dessen
Stabilisierung, sowie eine Kalibrierung erfordern etwa drei
Minuten, was es in der Summe ermöglicht alle 15 Minuten
ein Bild der kompletten Erdscheibe zu liefern.
Besonders bei geostationären Satelliten ist zu beachten,
dass die Auflösung vom Subsatellitenpunkt aus abnimmt.
Grafik 2.2 Abtastprinzip von MSG / SEVIRI
In Verbindung mit der Rotation des Satelliten wird die Erdkugel schritt-
weise von Süd nach Nord abgetastet [EUMETSAT, 2001]
HRV Detektor Disposition
IR & NIR Detektor Disposition
Grafik 2.3 Disposition der SEVIRI - Detektoren [EUMETSAT, 2001]
Jeder SEVIRI - Kanal besitzt drei beziehungsweise neun Detektoren
15
SEVIRI - Kanäle
Die Spezifikationen des SEVIRI wurden so gewählt, dass sie
speziellen operationellen Anforderungen genügen. So ist je-
der der zwölf Kanäle für sich allein oder in Kombination mit
anderen für eine oder mehrere Fragestellungen zu nutzen
[Schmetz, 2002]. Viele der MSG- Kanäle sind schon von
anderen Satellitensystemen bekannt, um bereits existie-
rendes Wissen und Anwendungen nutzen zu können. Dies
stellt sicher, dass die Daten ohne große Verzögerung genutzt
werden können.
NIR1.6
Der 1,6 μm- Kanal wurde bereits auf den ERS- Satelliten
(Earth Remote Sensing) verwendet. Er eignet sich gut zur
Unterscheidung von Schnee und Wolken, da die Reflektivität
von Wolken im Vergleich zu der von Schnee höher ist. Die
Tatsache, dass Eis wesentlich mehr Strahlung als Wasser
absorbiert, kann genutzt werden um Eis- von Wasserwolken
unterscheiden.
Der Wert dieses Kanals liegt in der Wolkendetektion, in der
Bestimmung mikrophysikalischer Wolkenparameter wie der
optischen Dicke und dem effektiven Partikelradius so-wie in
der Gewinnung von Aerosolinformationen.
IR3.9
VIS0.6 und VIS0.8
Diese beiden Kanäle im sichtbaren Spektralbereich fanden
schon auf dem AVHRR (Advanced Very High Resolution Ra-
diometer) der amerikanischen NOAA- Satelliten Anwendung.
Da das Rückstrahlungsvermögen von Schnee, bei sunglint
(die direkte Reflexion der Sonne an Wasseroberflächen),
von trockenen Oberflächen oder auch von Wasser in diesen
spektralen Kanälen im Vergleich zu dem von Wolken sehr
viel geringer ist, ergibt sich ein sehr ausgeprägter Wolken-
Oberflächen- Kontrast. Deshalb finden diese Kanäle Anwen-
dung bei der Wolkendetektion und der Wolkenverfolgung.
Sie eignen sich ebenfalls für die Bestimmung der optischen
Dicke von Wolken oder zur Beobachtung der Oberfläche und
von Aerosolen.
Bei der Betrachtung dieses Kanals muss darauf geachtet
werden, dass sowohl thermische Strahlung der Erde und
der Atmosphäre, als auch reflektierte solare Strahlung das
Signal des 3,9 μm- Kanals beeinflussen. Wasserwolken mit
kleinen Tropfengrößen haben in diesem Kanal eine gerin-
gere Emissivität und eine höhere Reflektivität als trockene
Oberflächen. Vor allem in Kombination mit dem IR10.8
Kanal können wichtige Informationen zur Wolkendetektion,
speziell niedriger Wolken und von Nebel gewonnen werden
[Eyre et al., 1984; Ernst, 1975; Lee et al., 1997]. Im Ver-
gleich zum AVHRR, wo dieser Kanal auch schon Verwendung
gefunden hatte, wurde die spektrale Bandbreite für SEVIRI
erweitert, um das Signal- Rausch- Verhältnis zu verbessern.
WV6.2 und WV7.3
Statt eines Kanals für Wasserdampf, wie auf den früheren
Meteosat- Satelliten, werden bei MSG zwei Kanäle verwen-
det, um Wasserdampfmessungen in verschiedenen atmos-
phärischen Schichten durchführen zu können. Verwendung
finden diese Kanäle bei der Bestimmung des Windes in der
Atmosphäre.
16
Grundlagen
Grafik 2.4 Spektrale response - Funktion der MSG / SEVIRI Kanäle [EUMETSAT, 2004]
IR8.7 IR10.8 und IR12.0
Beim HIRS (High Resolution Infrared Sounder) der NOAA- Sa- Diese beiden Kanäle sind vom AVHRR bekannt und werden
telliten wurde dieser Kanal bereits genutzt. In Kombination auch als „split- window“- Kanäle im thermischen infraroten
mit dem IR10.8 Kanal liefert er Informationen über dünne Spektralbereich bezeichnet. Die Signale beider Kanäle sind
Zirruswolken und hilft bei der Unterscheidung von Wasser- für optische Eigenschaften von Oberflächen und Wolken ver-
und Eiswolken oder auch bei der Differenzierung von Wolken gleichbar, unterscheiden sich jedoch in der Absorption von
und Wüstenoberflächen. Wasserdampf oder der Sensitivität auf kleine Eispartikel.
So kann die Differenz beider Kanäle für die Wolkendetektion
genutzt werden. Die Helligkeitstemperatur im 10,8 μm- Ka-
nal ist zudem ein guter Indikator für die tatsächliche Tem-
peratur einer Oberfläche. So lassen sich vor allem hochrei-
chende Wolken anhand ihrer Temperatur von der Oberfläche
unterscheiden. Die Kombination von IR10.8 und IR12.0 wird
auch verwendet, um atmosphärische Effekte bei der Mes-
sung von Oberflächen- oder Wolkenoberkantentemperaturen
zu korrigieren [Sobrino et al., 1991; Kerr et al., 1992].
IR9.7
Dieser Kanal im thermischen Infrarot wird ebenfalls beim
HIRS und auf den GOES- Satelliten (Geostationary Operati-
onal Environmental Satellite) der NASA genutzt. Er zeichnet
sich durch seine hohe Sensitivität für die Ozonkonzentration
aus und eignet sich aus diesem Grund nicht zur Wolkende-
tektion.
17
IR13.4
Der 13,4 μm- Kanal stellt den CO2- Absorptionskanal dar.
Aus der Differenz zwischen den Helligkeitstemperaturen
IR13.4 und IR12.0 kann der Druck an der Wolkenoberkan-
te abgeleitet werden. So ist es möglich auf die Höhe von
Wolken zu schließen und diese so von der Oberfläche zu
unterscheiden [Smith et al., 1970; Menzel et al., 1983].
HRV
Der High Resolution Visible- Kanal des SEVIRI Spektrome-
ters ist ein Breitbandkanal im sichtbaren Spektralbereich.
Er weist eine ähnliche Charakteristik wie der sichtbare Kanal
auf Meteosat oder beim AVHRR der NOAA- Satelliten auf.
Dieser Kanal unterstützt „alternative HRV scanning mode
operations“. Das bedeutet, dass es eine horizontale Teilung
im Bildausschnitt gibt, um das Ost- West- Offset des oberen
und unteren Fensters separat wählen zu können. Bei MSG1
gibt es eine Teilung in Linie 914. Das Ost- West- Offset des
oberen Fensters ist so gewählt, dass Europa abgedeckt
wird. Das Ost- West- Offset des unteren Fensters verlagert
sich im Laufe des Tages mit dem Sonnenstand von Ost nach
West. Durch seine hohe räumliche Auflösung eignet sich
der HRV- Kanal vor allem für die Beobachtung kleinräumiger
Phänomene wie konvektiver Bewölkung oder Kondensstrei-
fen.
18
Grundlagen
Grafik 2.5 Beispiel für den Bildausschnitt des SEVIRI - HRV - Kanals
[www.eumetsat.int]
Strahlung in der Atmosphäre
Strahlungstransport
Elektromagnetische Strahlung wird in der Atmosphäre durch
verschiedene Wechselwirkungen beeinflusst. Ob Strahlung
in der Atmosphäre gestreut, gebrochen, reflektiert oder ab-
sorbiert wird, hängt unter anderem von der Frequenz der
einfallenden Strahlung und der Zusammensetzung der
Atmosphäre ab. So ist es entscheidend ob die elektromag-
netischen Wellen mit gasförmigen, flüssigen oder festen
Medien wechselwirken. Neben den physikalischen Eigen-
schaften beeinflusst vor allem der Anteil an CO2, Wasser-
dampf und Ozon die Interaktion der Strahlung. Bei der
Wechselwirkung von Photonen mit einem Medium, kann
es zu Bewegungen in Form von Rotation, Vibration oder
Verschiebung kommen, was bedeutet, dass es zu einem
Energieaustausch zwischen Welle und Materie kommt,
der eine Änderung im Strahlungsspektrum zur Folge hat.
Die Menge der Strahlung, die letztendlich das Messinst-
rument eines Satelliten erreicht, kann durch Lösung der
Strahlungstransportgleichung bestimmt werden.
Nach Jacobson [2002] kann die Änderung der Strahlung
entlang einer differentiellen Weglänge wie folgt bestimmt
werden:
2.1
Hierbei bezeichnet L die Intensität der Strahlung und λ eine
bestimmte Wellenlänge. Die einzelnen Summanden be-
schreiben die Anteile, aus denen sich die Strahlung zusam-
mensetzt, die letztendlich am Radiometer des Satelliten
detektiert wird.
dLSO,λ : Streuung der Strahlung aus dem Strahl hinaus
dLao,λ : Absorption entlang des Strahles
dLsi,λ : Mehrfachstreuung diffuser Strahlung in den Strahl
dLSi,λ : Einfachstreuung direkter solarer Strahlung in den
Strahl
dLei,λ : Emission von infraroter Strahlung in den Strahl
Für monochromatisches Licht in einer horizontalen Schicht
und für ein nicht selbst emittierendes Medium vereinfacht
sich die Lösung der eindimensionalen Strahlungstransport-
gleichung zum Bouguer - Lambert- Beer‘ schen Gesetz.
2.2
Strahlungserzeugung durch Mehrfachstreuung aus anderen
Einfallsrichtungen und durch Emission des Mediums auf der
Strecke ds werden hierbei vernachlässigt. Dieses Gesetz be-
schreibt die Änderung, die sich für die spektrale Strahldichte
L λ beim Durchgang einer dünnen Schicht dz in der Höhe z
ergibt. ελ bezeichnet hierbei den Exinktionskoeffizienten,
der sich aus der Summe von Absorptionskoeffizient αa und
Streuungkoeffizient αs zusammensetzt.
Streuung und Absorption in der Atmosphäre sind somit die
fundamentalen Einflussfaktoren auf die Strahldichte.
Um das am Satelliten ankommende Signal, also die gestreu-
te Strahlung verstehen zu können, ist daher ein Verständnis
von Streu- und Absorptionsprozessen unerlässlich.
Eine analytische Lösung der Strahlungstransportgleichung
kann in der Regel nur für wenige spezielle Fälle angegeben
werden. Die Strahldichte am Oberrand der Atmosphäre er-
hält man durch eine numerische Lösung der Gleichung. Dies
ist möglich durch Integration über die Höhe der Atmosphäre
unter der Annahme geeigneter Grenzbedingungen an der
Oberfläche.
Grafik 2.6 Strahlungstransport durch ein Medium [Macke, 2004]
19
Streuung
Streuung beschreibt die Erzeugung sekundärer elektroma-
gnetischer Wellen beim Auftreffen einer primären elekro-
magnetischer Welle auf einen Streukörper. Streuprozesse
werden dann ausgelöst, wenn elektromagnetische Strahlung
im durchlaufenden Medium auf Inhomogenitäten trifft,
wie sie beispielsweise die Moleküle der Erdatmosphäre
darstellen. Für den Fall der Streuung solarer Strahlung an
den Gasmolekülen der Luft gilt, dass die Ausdehnung der
Streuzentren im Vergleich zur Wellenlänge der einfallenden
Strahlung, klein ist. Diese Art der Streuung lässt sich durch
die Rayleigh- Streutheorie beschreiben. Streuung an kugel-
förmigen größeren Teilchen, zu denen man fast alle flüssi-
gen Mikrometeore zählen kann, kann durch die Mie- Theorie
dargestellt werden. Andere, nicht kugelförmige Streukörper,
wie Schneekristalle, erfordern alternative Lösungen, wie
etwa die geometrische Optik, die nur eine Näherung liefern.
Die unterschiedlichen Streueigenschaften sind somit abhän-
gig von Teilchenform, Teilchengröße und der Wellenlänge der
einfallenden Strahlung und deren Verhältnis zueinander.
Rayleigh - Streuung
Die Theorie zur Streuung elektromagnetischer Strahlung an,
im Verhältnis zur Wellenlänge, kleinen Teilchen, wurde 1871
von Lord Rayleigh postuliert, um die Farbe und Polarisation
von Himmelslicht, also die Streuung von Licht an Luftmole-
külen zu erklären. Grundlage dieser Theorie ist die Abstrah-
lung eines Hertzschen Dipols, der durch das oszillierende
elektrische Feld der einfallenden Strahlung zu Schwingun-
gen angeregt wird. Das einfallende Licht induziert im Mole-
kül ein oszillierendes Dipolmoment, das sich mit dem schon
vorhandenem permanenten Dipolmoment zu einem Gesamt-
dipolmoment überlagert. Dieses zeitlich veränderliche Dipol-
moment strahlt wiederum als sogenannter Hertzscher Dipol
ein elektromagnetisches Feld ab. Der Rayleigh- Streukoeffi-
20
Grundlagen
zient ist proportional zu λ-4 und damit also zur vierten Potenz
der Frequenz ν. Der sichtbare Spektralbereich reicht von
etwa 0,4 μm (violett) bis 0,8 μm (rot), weshalb der Bereich
des blauen Lichtes wegen der höheren Frequenz stärker
gestreut wird. Dieser Effekt ist dafür verantwortlich, dass
der blaue Anteil des Sonnenlichtes so stark über den ganzen
Himmel gestreut wird, dass der Himmel blau erscheint.
2.3
Mit Hilfe der Gleichung 2.3 kann die Strahldichte L der ge-
streuten Strahlung im Fernfeld (R >> λ) beschrieben werden.
θ bezeichnet den Streuwinkel, L0 die Strahldichte der einfal-
lenden Strahlung und die Konstante ist durch die Polarisier-
barkeit des Teilchens gegeben [Macke, 2004].
Mie - Streuung
Die Mie- Theorie wurde 1908 vom deutschen Physiker Gus-
tav Mie begründet. Sie stellt eine Methode zur Lösung der
Wellengleichung bei radialsymmetrischen Randbedingungen
unter Verwendung von Kugelflächenfunktionen dar. Sie ist
also die mathematische Beschreibung elektromagnetischer
Streuung einer ebenen Welle an sphärischen Objekten,
deren Größe etwa der Wellenlänge der Strahlung entspricht,
wie zum Beispiel Aerosolen oder Wolkentröpfchen. Es gibt
jedoch weitere wesentliche Unterschiede zur Rayleigh Streu-
ung. Zum einen ist die Streuintensität der Mie- Streuung
nicht von der Wellenlänge des einfallenden Lichtes ab-
hängig, weshalb Wolken in Weiß- beziehungsweise in Grau-
tönen sichtbar sind. Desweiteren ist die Richtungsverteilung
der gestreuten Strahlung bei der Mie- Streuung sehr viel
asymmetrischer.
Geometrische Optik
Sobald der wechselwirkende Streukörper nicht mehr kugel-
förmig ist, verliert die Mie- Theorie ihre Gültigkeit und eine
Lösung kann nur noch durch Näherungsmethoden wie der
geometrischen Optik angegeben werden. Dies betrifft unter
anderem Eiskristalle in Zirruswolken, Ruß- und Staubpartikel
in der unteren Atmosphäre oder auch Wolkentröpfchen, die
ab einer gewissen Größe keine perfekte Kugelform mehr
aufweisen. Die geometrische Optik ist anwendbar, wenn die
kleinste Ausdehnung eines Partikel sehr viel größer als die
Wellenlänge ist. Die einfallende Strahlung wird angenommen
als Zusammensetzung einer hinreichenden Anzahl von Licht-
strahlen. Die Wechselwirkung ebener elektromagnetischer
Wellen mit einem Streukörper wird im Rahmen der geomet-
rischen Optik komplett durch die Streukörpergeometrie, das
Snelliussche Brechungsgesetz, die Fresnelschen Formeln
sowie die Beugung an der Streukörperprojektion beschrie-
ben.
Rayleigh- Streuung, Mie- Theorie und die Methode der
geometrischen Optik ermöglichen die Lösung des Streu-
problems für einen großen Bereich atmosphärischer Situ-
ationen. Es existiert eine Reihe von Methoden, die noch
bestehende Lücken abdecken, auf die im Rahmen dieser
Arbeit jedoch nicht näher eingegangen werden soll. [nach
Macke, 2004]
Absorption
Absorption beschreibt die Umwandlung von Strahlungsener-
gie in andere Energieformen. Dabei trifft im einfachsten Fall
ein Photon auf ein Materieteilchen und überträgt diesem
seine Energie. Mit der zusätzlichen Energie ist das Teilchen
in der Lage, einen energetisch höheren, angeregten Zustand
einzunehmen. Es können jedoch nur Photonen einer be-
stimmten Wellenlänge absorbiert werden, die abhängig ist
von der Energiedifferenz zwischen dem Ausgangszstand und
Grafik 2.7 Schematische Darstellung des Rotations-, Schwingungs- und
Elektronenspektrums von Molekülen beziehungsweise Atomen [Böcker,
1997]
dem angeregten Zustand des Materieteilchens. Hatte die
einfallende Strahlung zuvor ein kontinuierliches Spektrum,
so zeigt die spektral zerlegte Strahlung nach Durchlaufen
des absorbierenden Mediums verschieden breite Absorp-
tionsstellen, die weitgehende Schlüsse auf die molekulare
Struktur der absorbierenden Substanz geben können. Diese
Eigenschaft macht sich die Absorptionsspektroskopie zu
Nutze. Die Absorptionsspektren von Atomen und Molekülen
unterscheiden sich jedoch darin, dass Molekülspektren
aus sehr viel mehr, meist überlappenden Linien bestehen.
Neben der elektronischen Energie können sich auch die
Schwingungs- und Rotationsenergie eines Moleküls durch
die Absorption von Strahlung ändern (siehe Grafik 2.7).
Schwingungsübergänge werden stets von Rotationsübergän-
gen begleitet, die sehr dicht beieinander liegen. Ebenso sind
Elektronenübergänge stets mit verschiedensten Schwin-
gungs- und Rotationsübergängen verbunden. Jeder Schwin-
gungs- und Elektronenübergang besteht somit aus einer
Folge dicht benachbarter Linien, die zu Absorptionsbanden
zusammenfließen können [Böcker, 1997].
21
Für die Bildung von Absorptionsbanden sind zudem ver-
schiedene Prozesse verantwortlich, die zu einer Verbreite-
rung der Absorptionslinien führen. Das bedeutet, dass es
auch zur Absorption elektromagnetischer Strahlung mit der
Frequenz ν kommt, die nicht exakt der Anregungsenergie hν0
entspricht. Hierbei bezeichnet h das Planck‘sche Wirkungs-
quantum. Bei diesen Prozessen der Linienverbreiterung
unterscheidet man zwischen der Normalverbreiterung, der
Druckverbreiterung und der Dopplerverbreiterung.
Die Normalverbreiterung begründet sich aus der von Werner
Heisenberg beschriebenen Energie- Zeit- Unschärfe. Danach
hat jeder angeregte Zustand eine begrenzte Lebensdauer.
2.4
Die Formel 2.4 besagt, je stabiler, also langlebiger ein ange-
regter Zustand ist, desto kleiner ist seine Energieunschärfe.
Bei der Druckverbreiterung kommt es zu Kollisionen zwi-
schen angeregten Molekülen und anderen Molekülen, was
zur Folge hat, dass diese schneller in den Grundzustand
zurückfallen. Die Wahrscheinlichkeit für derartige Stöße ist
abhängig von der mittleren freien Weglänge der Moleküle
und damit auch vom Umgebungsdruck. Nach der eben ge-
nannten Formel für die Energie- Zeit- Unschärfe folgt daraus
eine größere Unschärfe der Energie.
Die Dopplerverbreiterung ist eine Folge der Eigenbewegung
der Moleküle relativ zur Strahlungsrichtung. Die resultieren-
de Relativgeschwindigkeit zwischen Photon und Molekül
bewirkt eine Frequenzverschiebung und es können auch
Photonen mit geringfügig höherer oder niedriger Frequenz
absorbiert werden.
In der Erdatmosphäre erfolgt Absorption vornehmlich durch
Wasserdampf, Ozon, Sauerstoff und Kohlendioxid, wobei
die Strahlungsenergie zumeist in Wärme oder chemische
Energie umgewandelt wird. [nach Fischer & Albert, 2002;
Böcker, 1997]
22
Grundlagen
Optische Eigenschaften von Wolken
Die optischen Eigenschaften einer Wolke hängen von der
thermodynamischen Phase, der Form, der chemischen
Zusammensetzung und der Größenverteilung der Wolken-
partikel ab.
In Wasserwolken variiert die Größe der Wolkentröpfchen
in der Regel zwischen 5 μm und 100 μm. Größere Tropfen
fallen schnell aus und können nur durch stärkere Aufwinde
in der Wolke gehalten werden, weshalb in Konvektionsbewöl-
kung durchaus größere Tropfen gefunden werden können.
In Wasserwolken mit effektiven Partikelradien von weniger
als 20 μm, die nicht ausregnen, kann die Form der Trop-
fen als kugelförmig angesehen werden, weshalb sich die
Streueigenschaften mit Hilfe der Mie- Theorie berechnen
lassen [Gerber, 1996; Rathke, 2000]. Die wichtigsten mikro-
physikalischen Parameter zur Beschreibung der optischen
Eigenschaften einer Wolke sind der Flüssigwasserpfad LWP,
der effektive Partikelradius reff und die optische Dicke τ.
Der Flüssigwasserpfad LWP (Liqiud Water Path) ist ein Maß
für das Gewicht von Wassertropfen in der Atmosphäre
über einer Einheitsfläche. Die Einheit ist dementsprechend
kg/m2.
Der Flüssigwasserpfad kann wie folgt definiert werden:
2.5
Dabei bezeichnet ρair die Dichte der feuchten Luft und rl das
Mischungsverhältnis von flüssigem Wasser und trockener
Luft. Integriert wird von der Wolkenunterkante bis zur Wol-
kenoberkante.
Der Effektivradius der Wolkentropfen lässt sich definieren
durch:
2.6
In dieser Formel bezeichnet n(r) die Größenverteilung der
Tröpfchen und r den Tröpfchenradius.
Die optische Dicke kann folgendermaßen definiert werden:
2.7
In der Atmosphäre stellt die optische Dicke das dimensions-
lose Linienintegral des Massenextinktionskoeffizienten σext
entlang des (senkrechten) Weges in einem streuenden und
absorbierenden Medium dar. Der Massenextinktionskoef-
fizient ist abhängig von der Wellenzahl und dem effektiven
Partikelradius. In dieser Form kann die optische Dicke,
vergleichbar mit der Höhe oder dem Druck, als Vertikalko-
ordinate verwendet werden. Dies wird zum Beispiel bei
Strahlungstransportsimulationen genutzt.
Die in Gleichung (2.7) dargestellte wolkenoptische Dicke
beschreibt im Speziellen den Grad in dem Wolken die sie
durchdringende Strahlung modifizieren. Dieser Einfluss ist
von einer Vielzahl von Parametern abhängig. Dazu gehören
die Phase, Phasenfunktion und Form der Partikel, Streupa-
rameter, die Partikelkonzentration und die vertikale Ausdeh-
nung der Wolke. Die wolkenoptische Dicke ist jedoch relativ
unabhängig von der Wellenlänge im sichtbaren Spektrum.
Aufgrund von Absorption durch Wasser steigt sie im infra-
roten Spektralbereich schnell an, was der Grund dafür ist,
dass viele Wolken im thermischen Infrarot annähernd als
Schwarzkörper angesehen werden können.
Die Werte für die wolkenoptische Dicke liegen zwischen 0,1
für dünne Zirren bis hin zu Extremwerten von 1000 bei hoch-
reichender Cumulunimbusbewölkung.
Helligkeitstemperatur
Die Helligkeitstemperatur oder brightness temperature BT
ist eine in der Fernerkundung häufig genutzte Größe.
Nach Reuter [2005] beschreibt sie die Temperatur eines
Schwarzkörpers, bei der die von ihm emittierte Strahldichte
der gemessenen Strahldichte, in Abhängigkeit von der Wel-
lenlänge, entspricht.
Da das Spektrum der Helligkeitstemperatur eines Schwarz-
körpers durch einen konstanten Temperaturwert gegeben
ist, wird die Dateninterpretation durch Umformung in Hellig-
keitstemperaturen vereinfacht. Um die Helligkeitstemperatur
zu bestimmen wird die vom Sensor gemessene Strahldichte
mit Hilfe des Planckschen Strahlungsgesetzes in eine Tem-
peratur umgerechnet.
2.8
Die Einheit von L λ ist hierbei [Wm-2 sr -1]. Die Helligkeitstem-
peratur ist nur begrenzt mit der physikalischen Temperatur
eines Körpers gleichzusetzen, da unterschiedliche Emissi-
onsvermögen und der Einfluss der Atmosphäre noch enthal-
ten sind. Es gilt folgender Zusammenhang:
2.9
Die Emissivität em (em < 1) ist abhängig von der Frequenz ν,
dem Betrachtungswinkel Θ und der Polarisation p.
23
Stratokumulus
Eigenschaften und Entstehung
Stratokumului sind Haufenschichtwolken in den unteren
Bereichen der Troposphäre. Sie sind oft gekennzeichnet
durch eine großflächige, homogene Struktur, die relativ
kleine Gebiete von etwa 10.000 bis 50.000 km2 bis hin
zu sehr ausgedehnten Gebieten mit mehr als 1.000.000
km2 umfassen kann. Ihr Aussehen kann abhängig von den
Entstehungs- und Umgebungsbedingungen sehr vielfältig
sein und reicht von wellenförmigen oder rollenartigen bis zu
zellenförmigen Strukturen. Besonders über dem Ozean ist
häufig eine zellenartige Erscheinung zu beobachten, wobei
zwischen offenen, netzartigen Zellen und geschlossenen
Zellen unterschieden wird. Diese offenen Zellen können in
das homogene Feld einer Stratokumulusschicht eingebettet
sein und werden mit der Entwicklung von Niederschlag in
Verbindung gebracht [Stevens et. al, 2005]. In der Regel fällt
dieser Niederschlag nur als leichter Sprühregen.
Das 1982 gegründete ISCCP (International Satellite Cloud
Climatology Project) definiert Stratokumulus durch die Höhe
der Wolkenoberkante zwischen 1.000 hPa und 680 hPa und
durch eine optische Dicke zwischen 3,6 und 23 (Grafik 2.8).
Die Wolkenoberkante einer Stratokumulusschicht ist oft
sehr gleichförmig, was an einer nach oben begrenzenden
Temperaturinversion liegt. Eine relativ stabile Grenzschicht
ist eine der wichtigsten Bedingungen für die Entstehung
von Stratokumulusbewölkung. Ebenso wichtig ist ein ausrei-
chender Feuchtegehalt und ein mäßig bis starker Wind, der
für eine turbulente Durchmischung der Grenzschicht sorgt
[Stull, 1991].
Die Bildung von Stratokumulus hängt somit von synoptisch-
skaligen Faktoren, wie der Temperatur- und Feuchtead-
vektion aber auch von kleinräumigen Aspekten wie dem
turbulenten Transport in der Mischungsschicht oder dem
Einströmen an der Wolkenoberkante, ab. Großskalig wird
24
Grundlagen
Grafik 2.8 Wolkeneinteilung des ISCCP nach optischer Dicke und Wol-
kenoberkantendruck [http://isccp.giss.nasa.gov]
die Entstehung zum Beispiel durch das Vorhandensein eines
Hochdruckgebietes begünstigt. Die Divergenz in der Nähe
einer Antizyklone verursacht Subsidenz, die Luft erwärmt
sich adiabatisch und eine persistente Absinkinversion kann
sich an der Obergrenze der Grenzschicht ausbilden. Wenn
sich nun die Luft abkühlt oder die Feuchte erhöht, steigt die
Wahrscheinlichkeit für die Bildung von Stratokumulus.
Das komplexe Zusammenspiel dieser verschiedenen Fak-
toren, die die Entstehung, die Struktur und letztendlich die
Auflösung von Stratokumulus bestimmen, ist in der Abbil-
dung 2.9 dargestellt.
Eine stabile Grenzschicht kann sich durch Kaltluftadvektion
in bodennahen Luftschichten ausbilden. So können Stra-
tokumulusfelder ebenso hinter einer Kaltfront auftreten.
Die für die Bildung von Stratokumulusbewölkung typische
vertikale Struktur der atmosphärischen Grenzschicht ist in
Grafik 2.10 gezeigt. Oberhalb der begrenzenden Tempera-
turinversion nimmt der Taupunkt Td wegen des Absinkens
Grafik 2.9 Schematische Darstellung der vertikalen Struktur einer Grenz- Grafik 2.10 Die typische vertikale Struktur einer Grenzschicht mit Stra-
schicht mit Stratokumulusbewölkung [http://www.zamg.ac.at] tokumulusbewölkung zeigt eine signifikante Temperaturinversion direkt
oberhalb der Wolkendecke [http://www.zamg.ac.at]
trockener Luft aus höheren Luftschichten stark zu. In der treffen sind, ist im Südatlantik vor der afrikanischen Küste
Mischungsschicht sind das Wasserdampfmischungsverhält- zu finden.
nis qw und die äquipotentielle Temperatur Θe typischerweise Das Gebiet vor Namibia und Angola liegt im subtropischen
annähernd höhenkonstant und weisen an der Oberkante der Hochdruckgürtel [Kraus, 2004]. Im langjährigen Mittel ist
Inversion wegen der Feuchteabnahme einen sehr markanten dort ein stabiles Hochdruckgebiet gelegen, das in seiner
Sprung auf. Stärke kaum Schwankungen zeigt. Die für die Entwicklung
einer Stratokumulusschicht notwendige stabile Schichtung
der unteren Atmosphäre wird durch den an der Westseite
des afrikanischen Kontinents aufsteigenden Benguelastrom
entscheidend verstärkt.
Der Beguelastrom, der als Teil eines erdumspannenden
Systems von Meeresströmungen fungiert, fördert dort kaltes
Tiefenwasser in die oberen Schichten des atlantischen
Ozeans. Dies kühlt auch die unteren Luftschichten ab und
sorgt in Verbindung mit der durch das Hochdruckgebiet im
südlichen Atlantik hervorgerufenen Subsidenz und dem
relativ konstant wehenden Südostpassat für eine persis-
tente Temperaturinversion, die mit 10 bis 15 K recht stark
ausgeprägt sein kann [Bretherton,2003].
Stratokumulus im Einflussbereich
des Benguelastroms
Das wichtigste Kriterium bei der Wahl des Untersuchungsge-
bietes, war es eine Region zu finden, die an vielen Tagen im
Jahr gute Vorrausetzungen zur Ausbildung einer großflächi-
gen Stratokumulusschicht mit genügend langer Lebensdau-
er bietet. Es sollte möglich sein anhand vieler Beispiele einer
homogenen Wolkenschicht den Tagesgang verschiedener
Wolkeneigenschaften zu untersuchen. Eine solche Region,
in der sehr häufig ausgedehnte Stratokumulusfelder anzu-
25
Grafik 2.11 Jährliche Schwankung der Meeresoberflächentemperatur ,
Das Untersuchungsgebiet ist blau markiert [http://iridl.ldeo.columbia.edu, aus NCEP - Daten]
Die Bedingungen für das Entstehen sehr langlebiger, homo-
gener und großflächiger Stratokumulusbewölkung sind in
diesem Gebiet deshalb nahezu ideal.
Die jahreszeitlich bedingte Verschiebung der Druckgebie-
te auf der Erde hat zur Folge, dass das Hochdruckgebiet
in seiner Lage und Ausprägung kleineren Schwankungen
unterliegt. Die durch diese Antizyklone verursachte süd- süd-
westliche Strömung weist somit auch jahreszeitliche Verän-
derungen auf, die wiederum Auswirkungen darauf haben wie
weit das kalte Oberflächenwasser des Benguelastroms nach
Norden getrieben wird.
Die Grafik 2.11 zeigt die jahreszeitliche Schwankung der
26
Grundlagen
Meeresoberflächentemperatur SST (Sea Surface Tempera-
ture). Diese Schwankung liegt im Südatlantik bei etwa 4°C
bis 6°C. Das Maximum der SST wird im Februar und März
erreicht (Grafik 2.12). Die kältesten Meeresoberflächentem-
peraturen werden im August und September beobachtet
(Grafik 2.13). Diese Variabilität in der Meeresoberflächen-
temperatur hat entscheidenden Einfluss auf die Ausbildung
von Stratokumulusbewölkung in diesem Gebiet. Die Grafik
2.14 zeigt, dass für die Monate Juni, Juli, August 1952 bis
1981, im betrachteten Gebiet eine klare Korrelation zwi-
schen der Menge der Stratus- und Stratokumulusbewölkung
zu finden war [Dennis Hartmann, University of Washington].
Afrika
Grafik 2.12 Mittlere Meeresoberflächentemperatur März 2006
[http://iridl.ldeo.columbia.edu, aus NCEP - Daten]
Afrika
Grafik 2.13 Mittlere Meeresoberflächentemperatur September 2006
[http://iridl.ldeo.columbia.edu, aus NCEP - Daten]
Grafik 2.14 Korrelation zwischen tiefer Bewölkung und Meeresober-
flächentemperatur Juni bis August [nach Hartmann, NASA]
27
Grafik 2.15 Wolkenstrahlungsantrieb Dezember, Januar, Februar Grafik 2.16 Wolkenstrahlungsantrieb März, April, Mai
[http://eos.atmos.washington.edu/] [http://eos.atmos.washington.edu/]
Diese Korrelation zwischen der Meeresoberflächentempera- Besonders Stratokumulus ist durch seine große Ausdeh-
tur und den auftretenden Stratokumulusfeldern spiegelt sich nung, Langlebigkeit, mikrophysikalischen Eigenschaften und
dann auch im Nettowolkenstrahlungsantrieb (Net Radiative die geringe Höhe der Wolkenoberkante, überaus wirksam
Cloud Forcing) für diese Region wieder. beim Wolkenstrahlungsantrieb.
Die Abbildungen 2.15 bis 2.19 zeigen den mit ERBE (Earth Wie die Abbildung 2.20 verdeutlicht, nimmt der Wolkenstrah-
Radiation Budget Experiment) bestimmten Nettowolken- lungsantrieb mit abnehmenden effektiven Partikelradius
strahlungsantrieb in W/m2 für die vier Jahreszeiten bezie- und zunehmender optischer Dicke zu. Bei optischen Dicken
hungsweise das gesamte Jahr 1985 bis 1986. Deutlich ist um zehn, wie sie bei typischen Stratokumului vorzufinden
ein negativer Wolkenstrahlungsantrieb im Gebiet vor der sind, nimmt mit kleiner werdenden effektiven Partikelradius
Küste Namibias und Angolas zu erkennen, der sehr wahr- die Anzahl kleiner Teilchen zu, wodurch die Rückstreuung
scheinlich auf das Vorhandensein großer und persistenter der Wolke und damit der negative Wolkenstrahlungsantrieb
Stratokumulusfelder zurückzuführen ist [Ramanathan et al. verstärkt werden. Da Stratokumulus Temperaturen aufweist,
1989, Hartmann et al. 1990, Harrison et al. 1990, Futyan et die oft nahe der Untergrundtemperatur liegen, emittieren
al. 2004]. sie vor allem im infraroten langwelligen Spektralbereich.
Die Stratokumulusbewölkung hat somit eine abkühlenden
Wirkung auf die unteren Troposphärenschichten.
28
Grundlagen
Grafik 2.18 Wolkenstrahlungsantrieb September, Oktober, November
[http://eos.atmos.washington.edu/]
Grafik 2.17 Wolkenstrahlungsantrieb Juni, Juli, August
[http://eos.atmos.washington.edu/]
[μm]
Grafik 2.19 Wolkenstrahlungsantrieb für das Jahr 1985 - 1986
[http://eos.atmos.washington.edu/]
Grafik 2.20 Wolkenstrahlungsantrieb in Abhängigkeit vom effektiven
Partikelradius und optischer Dicke [http://asd-www.larc.nasa.gov]
29
Kapitel 3
Wolkenprodukte
In dieser Arbeit werden verschiedene am Institut für Welt-
raumwissenschaften der FU - Berlin entwickelte Produkte für
MSG / SEVIRI genutzt. Dazu zählen die Wolkenmaske sowie
Produkte zur Bestimmung der optischen Dicke, des effekti-
ven Partikelradius, des Wolkenoberkantendruckes und deren
Herleitung.
Strahlungstransportmodelle
Am Institut für Weltraumwissenschaften Berlin wurden ver-
schiedene Level 2.0 Produkte für MSG entwickelt, die in die-
ser Arbeit Anwendung finden werden. Den Algorithmen zur
Bestimmung der optischen Dicke, des effektiven Partikelra-
dius, des Wolkenoberkantendruckes, sowie der verwendeten
Wolkenmaske, liegen Regressionen mit Hilfe eines künstli-
chen neuronalen Netzwerkes zu Grunde. Die dafür nötigen
Trainings- und Testdatensätze sowie Sensitivitätsstudien
zur Ermittlung der jeweils relevanten Kanäle wurden unter
anderem mit den ebenfalls am Institut für Weltraumwissen-
schaften Berlin entwickelten Strahlungtransportmodellen
MOMO und XTRA realisiert.
XTRA
XTRA (eXtended line- by- line atmospheric Transmittance
and Radiance Algorithm) ist ein Strahlungstransportmo-
dell für den thermisch infraroten Spektralbereich [Fischer,
Rathke, 2000]. Das Modell rechnet monochromatisch und
enthält alle physikalisch bedeutsamen Effekte, die die
Strahlungsabsorption durch Gase und die Streuung an Wol-
kentropfen, beeinflussen. Um die in der realen Atmosphäre
vorhandenen Inhomogenitäten wiederzugeben ist die Mo-
dellatmosphäre in einen Satz von planparallelen Schichten
eingeteilt, wovon jede der einzelnen Schichten hinsichtlich
der optischen Eigenschaften als homogen angesehen wird.
Ein Manko vieler anderer Strahlungstransportmodelle ist oft
der hohe Rechenaufwand. Um die Rechengeschwindigkeit
bei XTRA zu verbessern, wurde das Modell in drei Kompo-
nenten geteilt. Es gibt jeweils ein Modul zur Bestimmung der
monochromatisch optischen Eigenschaften der Modellatmo-
sphäre, ein Modul für die Gasabsorption und ein Modul zur
32
Wolkenprodukte
Berechnung der atmosphärischen Strahldichten. Da es nicht
immer notwendig ist bei jeder Simulation alle Module neu zu
berechnen, kann ein großer Teil der Rechenzeit eingespart
werden.
MOMO
Das von Fischer und Graßl [1984, 1991] konzipierte Strah-
lungstransportmodell MOMO (Matrix Operator Modell)
berechnet den Transport direkter und diffuser Strahlung in
einem gekoppelten Atmosphäre- Ozean System auf Basis
der Matrix- Operator- Methode. Gegenüber anderen Metho-
den wie der Monte- Carlo- Methode hat diese unter anderem
den Vorteil, dass auch optisch dicke Medien wie Wolken
ohne größeren Rechenzeitaufwand simuliert werden kön-
nen. Das Modell besteht aus jeweils einer Komponente für
die Atmosphäre, einer Zwischenschicht, den Ozean und den
Ozeanboden, wobei diese jeweils in mehrere Schichten ein-
geteilt sind. In jeder dieser Schichten werden die Reflexions-
und Transmissionsmatrizen und Quellfunktionen berechnet,
die die Erzeugung beziehungsweise die Umverteilung der
diffusen Strahlung in der jeweiligen Schicht beschreiben.
Als Ergebnis erhält man die nach Azimut- und Zenitwinkel
aufgelösten Strahldichten an den Schichtgrenzen.
MOMO berücksichtigt Absorption, Rayleigh- Streuung in der
Atmosphäre und dem Ozean sowie Mie- Streuung an Aeroso-
len, Hydrosolen und Wolkenteilchen.
MOMO und XTRA lösen die Strahlungstransfergleichung
jedoch unter verschiedenen Annahmen. XTRA simuliert den
Strahlungstransport im thermisch infraroten Spektralbe-
reich, wobei solare Strahlung und molekulare Streuung ver-
nachlässigt werden. MOMO hingegen deckt Simulationen im
solaren Spektrum ab und berücksichtigt keine thermischen
Emissionsprozesse.
Künstliche neuronale Netzwerke
Der Ursprung künstlicher neuronaler Netze liegt in der Bio-
logie. Um die im Gehirn ablaufenden Prozesse besser
verstehen zu können, sollte die Funktionsweise natürlicher
Neuronen simuliert werden. Sie lassen sich jedoch auch für
kognitive Anwendungen wie Lernprozesse oder die Optimie-
rung von Prozessen verwenden. Ein künstliches neuronales
Netz lernt ähnlich wie ein Gehirn an Beispielen. Es werden
bestimmte Abbildungsregeln erfüllt, um einem Satz von Ein-
gabewerten bestimmte Ausgabewerte zuzuordnen.
Der Lern- oder Trainingseffekt kann dabei durch verschie-
dene Methoden erfolgen. Es können neue Verbindungen
zwischen den einzelnen Neuronen des Netzes gebildet oder
bestehende gelöscht werden, die Wichtung wij von Neuron
i zu Neuron j kann angepasst werden, der Schwellwert der
Neuronen kann verändert werden oder es können Neuronen
hinzugefügt beziehungsweise gelöscht werden. Es existie-
ren viele verschiedene Klassen und Typen von künstlichen
Grafik 3.1 Schematische Darstellung der Lernregeln eines Perzeptrons
[http://wikimedia.org]
neuronalen Netzen, die sich vorwiegend in Netzwerktopolo-
gie und Verbindungsart unterscheiden. Für die verwendeten
Produkte wurde ein mehrlagiges Perzeptron genutzt.
Ein Perzeptron ist ein vereinfachtes neuronales Netz, das
erstmals 1958 von Frank Rosenblatt eingeführt wurde. In
seiner Grundversion besteht es aus einem einzelnen künstli-
chen Neuron mit anpassbaren Wichtungen und Schwellwert.
Die Lernregeln des Perzeptron sind dabei relativ einfach
angelegt:
• Ist die Ausgabe eines Neurons 1 beziehungsweise 0 und
soll den Wert 1 beziehungsweise 0 annehmen, dann wird
die Gewichtung nicht verändert.
• Ist die Ausgabe 0 und soll den Wert 1 annehmen, wird die
Gewichtung inkrementiert.
• Ist die Ausgabe aber 1 und soll den Wert 0 annehmen, so
wird die Gewichtung dekrementiert.
Ein mehrlagiges Perzeptron besitzt nun neben der Ausgabe-
schicht noch mindestens eine weitere Schicht sogenannter
verdeckter Neuronen (hidden layer). Diese sind nach dem
feedforward- Prinzip angeordnet, was bedeutet, dass alle
Neuronen einer Schicht vollständig mit den Neuronen der
nächsten Schicht verküpft sind. Das mehrlagige Perzeptron
kann beispielsweise mit der Backpropagationmethode
trainiert werden. Dabei werden die Wichtungen der Verbin-
dungen so verändert, dass das Netz die geforderten Muster
nach einer kontrollierten Trainingsphase klassifizieren kann.
Für die erwähnten Produkte wurde das neuronale Netz mit-
tels der Quickpropagationmethode, einer Form der Backpro-
pagation, mit Hilfe von Trainingsdatensätzen trainiert [Rojas,
1993].
Im Speziellen bedeutet dies, dass man mit Hilfe eines
Strahlungstransportmodelles unterschiedlichste Zustände
der Atmosphäre simuliert und daraus eine umfangreiche
Datenbank vieler verschiedener Situationen erzeugt, die
anschließend für die Regression genutzt wird. Ein Teil der
erhaltenen Datensätze bildet die Trainingsmenge.
33
Das Ziel des Trainingsverfahrens ist es nun die Gewichte zu
finden, die den quadratischen Fehler des Netzes minimie-
ren. Die Differenz zwischen bekannten und vom neuronalen
Netz berechneten Werten soll also möglichst gering sein.
Der verbleibende Teil der simulierten Daten bildet die Test-
datensätze. Diese werden nach Beendigung des Lernprozes-
ses in das Netz eingegeben, um den Erfolg des Trainingspro-
zesses zu veranschaulichen und zu verbessern.
Der große Vorteil künstlicher neuronaler Netze liegt also
darin, dass sie aus Daten Muster erkennen können, ohne
dass vorab ein Modell beziehungsweise eine Regressions-
gleichung angegeben werden muss.
Genau dieser Vorteil birgt aber auch Probleme in sich. Das
Trainieren künstlicher neuronaler Netze ist mit hochdimen-
sionalen, nichtlinearen Optimierungsproblemen verbunden,
weshalb man nicht sofort sicher sein kann, ob durch das
Training ein globales oder nur ein lokales Optimum gefunden
wurde. Trainingsdaten müssen daher sehr umfangreich sein
und möglichst alle denkbaren Situationen abdecken, um zu
verhindern, dass das neuronale Netz nur Eigenschaften von
Mustern lernt, die durch zufällige, ungewollte Korrelationen
in den Trainingsdaten auftreten. Es kann auch zu einer Über-
anpassung kommen wenn das Netz die Trainingsdaten
„einfach auswendig“ lernt und somit anschließend keine
Verallgemeinerung mehr zulässt.
Wolkenmaske
Der von Reuter [2005] für MSG/ SEVIRI entwickelte Algorith-
mus zur Detektion und Maskierung von Wolken basiert auf
der Analyse spektraler und zeitlicher Informationen mit Hilfe
künstlicher neuronaler Netze. Um die physikalische Relevanz
der Eingangsparameter und die theoretische Sensitivität
des Algorithmus zu testen wurde eine Vielzahl von XTRA-
Simulationen durchgeführt. Der Datensatz zum Trainieren
und Testen des neuronalen Netzes wurde anhand manueller
Klassifikation diverser Szenarien erstellt. Dazu wurde eine
34
Wolkenprodukte
Grafik 3.2 Beispiel für die Wolkenmaske von Reuter [2005]
Vielzahl verschiedenster Kanäle und Kanalkombinationen
verwendet. In das neuronale Netz gehen die Helligkeitstem-
peraturen der Kanäle IR13.4, IR12.0, IR10.8, IR8.7, IR3.9,
NIR1.6, VIS0.8 sowie VIS0.6 ein. Zusätzlich werden die Be-
obachtungsgeometrien und die von Reuter eingeführte Wol-
kenfreitemperatur ACSBTE im Kanal IR10.8 für das Training
des neuronalen Netzes genutzt. Diese Wolkenfreitemperatur
oder ACSBTE (Assumed Clear Sky Brightness Temperature
Estimation) stellt eine Abschätzung der Helligkeitstempera-
tur für den hypothetisch wolkenfreien Fall dar und wird aus
dem zeitlichen Verlauf der Helligkeitstemperatur im Kanal
IR10.8 abgeleitet. Sie stellt einen ganz wesentlichen Einga-
beparameter dar, der, wie von Reuter gezeigt wurde, die
Qualität dieses Produktes wesentlich verbessern kann.
Bestimmung der optischen Dicke und des
effektiven Partikelradius
Die simultane Bestimmung der optischen Dicke τ und des
effektiven Partikelradius reff basiert auf einem Verfahren,
dass von Nakajima und King [Nakajima & King, 1990] ent-
wickelt wurde. Diese Methode beruht auf Messungen der
Reflexion solarer Strahlung an Wolken in zwei verschiedenen
spektralen Kanälen. Einer dieser Kanäle liegt im nicht ab-
sorbierenden sichtbaren Spektralbereich. Der andere Kanal
liegt im nahen infraroten Spektum und weist eine Wellenlän-
ge auf, innerhalb der Wasserabsorption stattfindet, die aber
außerhalb der molekularen Absorptionsbande liegt.
Die Wahl dieser Kanäle lässt sich veranschaulichen, wenn
man den Wolkenähnlichkeitsparameter als Funktion der
Wellenlänge für verschiedene Effektivradien aufträgt. Der
Ähnlichkeitsparameter s ist wie folgt definiert:
3.1
Mit dem Asymmetriefaktor g und der Einfachstreualbedo ω0:
3.2
In Gleichung 3.2 bezeichnet σs den Streukoeffizienten und
σext den Extinktionskoeffizienten.
3.3
Der Massenextinktionskoeffizient ist die Summe aus dem
Streukoeffizienten und dem Absorptionskoeffizienten und
liegt zwischen 0 und 1. Dementsprechend ergibt sich für die
Einfachstreualbedo 0 für ein rein absorbierendes Medium
und 1 für ein rein streuendes Medium. Die Reflexions- und
Transmissionseigenschaften von dicken Schichten hängen
Grafik 3.3 Wolkenähnlichkeitsparameter als Funktion der Wellenlänge für
ausgewählte Werte des effektiven Partikelradius [Nakajima & King, 1990]
hauptsächlich von der optischen Dicke τ, dem Ähnlichkeits-
parameter s und der Reflektivität des Untergrundes ab. Der
Ähnlichkeitsparameter s wiederum zeigt eine starke Abhän-
gigkeit vom effektiven Partikelradius.
Nakajima und King wählten die Kanäle 0.75 μm und 2.16 μm
und stellten die theoretische Beziehung zwischen den Refle-
xionsfunktionen dieser beiden Kanäle für unterschiedliche
Werte der optischen Dicke und des effektiven Partikelra-
dius dar, wobei der Kanal im sichtbaren Spektrum auf der
x- Achse und der Kanal im nahen Infrarot auf der y- Achse
wiedergegeben sind (Grafik 3.3). Darin lässt sich in den
meisten Fällen eine orthogonale Beziehung zwischen den
Linien konstanter optischer Dicke und den Linien mit kon-
stantem effektiven Radius erkennen. Diese Orthogonalität
resultiert aus dem unterschiedlichen Verhalten in den bei-
den gewählten Kanälen. Der absorbierende Kanal im nahen
Infrarot erreicht Sättigung bei geringen Dicken. Deshalb ist
das Rückstrahlvermögen dieses Kanals bei dicken Wolken
unabhängig von der optischen Dicke, stattdessen aber
stark abhängig von der Größe der Partikel. Für den Kanal im
35
1.0
Bestimmung des
Wolkenoberkantendrucks
reff = 4μm
reff = 6μm
reff = 8μm
0.8
reff = 10μm
reflectance (1.6μm)
reff = 12μm
0.6
0.4
20
10
40 80 150
12
5
0.2
2
0.0
0.0
1
0.5
0.2
0.8
0.6
0.4
reflectance (0.6μm)
1.0
Grafik 3.4 Theoretische Beziehung zwischen der Reflexionsfunktion bei
0,6 μm und 1,6 μm für verschiedene Werte der optischen Dicke und des
effektiven Partikelradius [nach Hünerbein, 2007]
sichtbaren Bereich des Spektrums zeigt sich, besonders für
kleine Partikel, nur eine geringe Abhängigkeit der Streuung
von der Partikelgröße. Sättigung wird erst bei großen opti-
schen Dicken erreicht und das Rückstrahlvermögen ist stark
mit der optischen Dicke korreliert [Moore & Savage, 1996].
Das von Hünerbein [2007] am Institut für Weltraumwissen-
schaften erstellte Produkt zur Bestimmung des effektiven
Partikelradius und der optischen Dicke nutzt die MSG- Kanä-
le VIS0.6 und NIR1.6. Das von Nakajima und King wie auch
das verwendete Produkt basieren auf der Annahme einer
planparallelen homogenen Wolkenschicht. Der Unterschied
zwischen der Albedo, die unter der Annahme horizontal
homogener Wolkenparameter bestimmt wurde und der
Albedo die durch Mittelung unabhängiger Pixelberechnungen
gewonnen wurde, ist allerdings nicht völlig vernachlässigbar
und kann eine Fehlerquelle darstellen [Oreopoulos & Davies,
1998]. Auch Inhomogenitäten in der Wolkenstruktur werden
durch diese Annahme nicht berücksichtigt und können zu
Ungenauigkeiten führen [Iwabuchi, 2000].
36
Wolkenprodukte
Der Wolkenoberkantendruck CTP (Cloud Top Pressure) lässt
direkte Schlüsse auf die Höhe der Wolkenoberkante zu und
ist somit für die Validierung der vertikalen Wolkenverteilung
ein wichtiges Hilfsmittel.
Es gibt eine Reihe von Verfahren, die sich zur Bestimmung
des Wolkenoberkantendruckes eignen. Eine wichtige Metho-
de für die passive Fernerkundung beruht auf dem Verfahren
der differentiellen optischen Absorptionsspektroskopie. Bei
diesem Verfahren werden zwei nah beieinanderliegende Ka-
näle gewählt, wovon einer, der Absorptionskanal, innerhalb
einer Absorptionsbande des betrachteten Gases liegt und
der andere, der Fenster- oder Referenzkanal liegt außerhalb
der Absorptionsbande.
Das gemessene Signal im Absorptionskanal ist proportio-
nal zur Masse des emittierenden Gases, wohingegen der
Fensterkanal von diesem Gas unbeeinflusst bleibt und somit
einen Vergleich zum emissionsfreien Fall zulässt. Aus dem
Verhältnis dieser beiden Kanäle lassen sich nun Schlüsse
auf die Menge des Gases ziehen. Dieses Verfahren kommt
bei der CO2- Slicing- Methode zur Anwendung. Aus dem Ver-
hältnis der gemessenen emittierten Strahlung eines Kanals
in der CO2- Absorptionsbande und eines Referenzkanals
außerhalb dieser Bande, kann die CO2- Säule zum einen
über einer Wolke und zum anderen für den unbewölkten Fall
bestimmt werden. Der Vergleich dieser beiden CO2- Säulen
erlaubt es dann auf die Wolkenhöhe zu schließen.
Dieses Verfahren wurde hier [Brusch, 2006] für semitrans-
parente Wolken genutzt und liefert besonders für hohe
Bewölkung gute Ergebnisse. Für optisch dicke Wolken kann
aus dem Vergleich von gemessenen Strahldichten mit simu-
lierten Strahldichten vergleichbarer Wolken und den zugehö-
rigen bekannten Temperaturprofilen auf die Wolkenhöhe und
damit den Wolkenoberkantendruck geschlossen werden.
Diese und weitere Methoden geben einen ersten Anhalts-
punkt, welche Kanäle zur Erstellung eines Algorithmus zur
Bestimmung des Wolkenoberkantendruckes geeignet sind.
Der im Rahmen einer Diplomarbeit von Stephan Brusch
[Brusch, 2006] erstellte Algorithmus zur Bestimmung des
Wolkenoberkantendruckes für MSG / SEVIRI sollte die Bedin-
gung erfüllen bei Tag und Nacht anwendbar zu sein, weshalb
hierbei nur Kanäle im infraroten Spektralbereich Anwendung
fanden. Mit Hilfe des Strahlungstransportmodelles XTRA
wurden Sensitivitätsstudien durchgeführt die letztendlich
die Kanäle IR13.4, IR12.0, IR10.8 und IR8.7 als geeignet
zeigten. Zudem stellte sich heraus, dass die Differenz
IR13.4 - IR12.0 von der Wolkenhöhe beeinflusst wird.
Die Kanäle IR7.3 und IR6.2 entfielen, weil sie kein ausrei-
chendes Signal aus den unteren Schichten liefern konnten.
Die für das Training des künstlichen neuronalen Netzes
benötigten Trainings- und Testdatensätze wurden zum
einen aus Strahlungstransportsimulationen mit XTRA ge-
wonnen. Zum anderen wurde ein Datensatz aus bereits
existierenden und validierten Wolkenprodukten für das auf
den Satelliten Terra und Aqua fliegende Instrument MODIS
(Moderate Resolution Imaging Spectroradiometer) erstellt.
Eingangsdaten für das neuronale Netz waren neben den
Helligkeitstemperaturen der Kanäle IR13.4, IR12.0, IR10.8
und IR8.7 auch die Beobachtungsgeometrien sowie die be-
reits erwähnte Wolkenfreitemperatur für den IR10.8 Kanal.
Da der Algorithmus zur Bestimmung des Wolkenoberkanten-
druckes keine Profile nutzt und Vertikalprofile aus Radioson-
dendaten lediglich zur Gewinnung des Algorithmus genutzt
wurden, dient die Wolkenfreitemperatur als Korrekturfaktor
für fehlende Temperaturprofile, da diese mit der Bodentem-
peratur stark korreliert ist.
Grafik 3.5 Beispiel für den Wolkenoberkantendruck nach Brusch [2006]
37
Kapitel 4
Evaluierung
Für das Produkt zur Bestimmung der optischen Dicke und
des effektiven Partikelradius wurde bisher keine ausreichen-
de Validierung durchgeführt. Ein Vergleich mit dem MODIS
MOD06 Produkt der NASA soll eine Einschätzung der Qualität
des verwendeten Produktes liefern.
Das MODIS - Spektrometer
MODIS (Moderate Resolution Imaging Spectrometer) be-
zeichnet eines der Instrumente auf den polarumlaufenden
Satelliten Terra und Aqua, die zum „Earth Observing System“
der amerikanischen Luft- und Raumfahrtbehörde NASA
(National Aeronautics and Space Administration) gehören.
Die Orbits dieser beiden Satelliten sind so gewählt, dass
Terra den Äquator am Morgen von Nord nach Süd und Aqua
am Nachmittag von Süd nach Nord in einer Höhe von rund
705 km überqueren.
Das MODIS- Instrument verfügt über 36 spektrale Kanäle in
einem Wellenlängenbereich von 0,4 μm bis 14,4 μm. Diese
Kanäle messen in verschiedenen räumlichen Auflösungen.
So besitzen zwei Kanäle eine räumliche Auflösung von
250 m im Nadir, fünf Kanäle haben eine Auflösung von
500 m im Nadir und die restlichen 29 Kanäle messen mit
einer Auflösung von 1 km. Bei einer Schwadbreite von
2330 km wird eine globale Abdeckung alle ein bis zwei Tage
erreicht.
MODIS MOD06 Produkt
Für MODIS existiert eine sehr umfangreiche Zahl von Pro-
dukten. Das MOD06 Level 2 Produkt enthält eine Reihe von
Wolkenprodukten, darunter auch die optische Dicke und die
Partikelgröße von Wolken. Der Algorithmus zur Bestimmung
der optischen Dicke und des effektiven Partikelradius aus
MODIS Messungen, basiert auf dem selben, von Nakajima
und King [1990] beschriebenen Prinzip, das auch für das
von Hünerbein [2007] entwickelte Produkt angewandt wur-
de. Für die Bestimmung dieser beiden Parameter über dem
Land werden die MODIS- Kanäle 0,645 μm, 2,13 μm und
3,75 μm genutzt. Über dem Ozean wird der 0,645 μm Kanal
40
Evaluierung
durch den 0,858 μm Kanal und über Schnee und Seeeis
durch den 1,24 μm Kanal ersetzt. Desweiteren fließen eine
Reihe weiterer MODIS- Produkte in die Herleitung ein. So
werden neben dem MOD02- Produkt, das die kalibrierten
spektralen Strahldichten enthält, auch MOD06 Wolkenober-
kantentemperatur und Wolkenphase, MOD43 Oberflächen-
reflektivitäten sowie NCEP (National Center for Environmen-
tal Prediction) oder DAO (Data Assimilation Office) Analysen
und Profile verwendet [King et al., 1997].
Das MOD06 Produkt, das im hdf (Hierachical Data Format)
Format vorliegt, enthält die optische Dicke und den effek-
tiven Partikelradius in einer Größe von 1354 x 2030 Pixeln
bei 1 km Auflösung. Dies entspricht einem fünfminütigen
Bahnausschnitt. Die MODIS Produkte sind bisher in zahlrei-
chen Kampagnen getestet worden.
MAS (MODIS Airborne Simulator) [King et al., 1996] ist ein
flugzeuggestützter Sensor mit ähnlichen spektralen Ei-
genschaften wie eine Anzahl von MODIS- Bändern für die
Bestimmung von Wolkeneigenschaften. Untersuchungen
mit diesem Gerät bildeten die Basis für die Herleitung der
Algorithmen und für die Validierung. Die Produkte wurden
auch an Messungen mit MCR (Multispectral Cloud Radiome-
ter) [Curran et al., 1981] getestet. Zudem wurden verschie-
dene flugzeuggestützte Validierungskampagnen unternom-
men, bei denen eine Reihe von insitu- Messgeräten wie CLS
(Cloud Lidar System) oder CAR (Cloud Absorption Radiomter)
sowie mehrere meteorologische Sensoren verwendet wur-
den. Auch bodengestützte Kampagnen sind in die Validie-
rung der Produkte eingeflossen.
Die MOD06 MODIS- Produkte sollten also bei einem Ver-
gleich gute Anhaltspunkte für die Richtigkeit des von Hüner-
bein [2007] erstellten Produktes für die optische Dicke und
den effektiven Partikelradius liefern.
Grafik 4.1 Ausgewählte MODIS - Bänder, deren spektrale Charakteristik,
räumliche Auflösung, Sattigungsreflexionsfunktion, Sättigungshelligkeits-
temperatur und mögliche Anwendung [King et al., 1997]
Evaluierung
Für den Vergleich der optischen Dicke und des effektiven
Partikelradius aus dem MODIS MOD06 L2 Produkt mit
dem Produkt von Hünerbein [2007] wurden acht Szenarien
ausgewählt, von denen drei im Detail analysiert werden
sollen. Sieben dieser Beispiele repräsentieren verschiedene
Zeitpunkte innerhalb des Jahres, an denen eine großflächige
und möglichst homogene Stratokumulusdecke über dem
Ozean vor der Küste Namibias und Angolas vorzufinden war.
Ein weiteres Beispiel ist in den mittleren Breiten der Nordhe-
misphäre gelegen und betrachtet verschiedene Wolkengat-
tungen, die in Verbindung mit dem Frontensystem einer Zy-
klone auftraten. Ziel dieses Kapitels soll keine vollständige
Validierung des MSG- Produktes sein, sondern der Vergleich
für marine Stratokumulusbewölkung im Südatlantik, um
Aussagen über die Genauigkeit der Ergebnisse in Kapitel 5
treffen zu können.
Eine wichtige Voraussetzung für den Vergleich von MODIS-
und MSG- Produkten ist eine möglichst hohe zeitliche Über-
einstimmung beider. Dies ist durch die hohe zeitliche Auf-
lösung von MSG mit 15 Minuten fast immer ausreichend
gewährleistet. Um auch eine räumliche Übereinstimmung
herzustellen, muss in einem ersten Schritt das höher aufge-
löste MODIS- Produkt auf das MSG- Gitter projeziert werden.
Ein Computerprogramm bestimmt welche MODIS- Pixel
innerhalb eines bestimmten MSG- Pixels liegen und bildet
dann aus diesen Pixeln das arithmetische Mittel. Um sicher-
zustellen, dass nur Pixel miteinander verglichen werden, die
in beiden Produkten als bewölkt gelten, werden sowohl die
MSG- Wolkenmaske, wie auch die im MODIS MOD06- Pro-
dukt enthaltene Wolkenmaske auf beide Produkte ange-
wandt. Da eine Anwendung des MSG- Produkts zur Bestim-
mung des effektiven Partikelradius nur für Wolken mit einer
optischen Dicke größer fünf verlässliche Werte liefern kann
[siehe Grafik 3.4], werden für den Vergleich der Partikelgrö-
ßen zusätzlich alle Pixel mit optischen Dicken kleiner fünf
herausgefiltert.
Der Evaluierung beinhaltet dann einen visuellen Vergleich,
bei dem die Bilder beider Produkte gegenübergestellt
werden, jeweils ein Streudiagramm, in dem die Abweichung
eines Produktes gegenüber dem anderen erkenntlich wird,
einen Histogrammvergleich, der Aufschluss darüber geben
soll, in welchem Wertebereich ein Produkt über oder unter
dem anderen liegt, sowie einem tabellarischen Vergleich
verschiedener Statistikmaße, wie dem rmse oder dem bias.
Der rmse (root mean square error) ist die Wurzel aus der
mittleren quadratischen Abweichung und geht für große
Stichproben in die Standardabweichung über. Der bias be-
schreibt die mittlere Abweichung. Ein fehlerfreies Ergebnis
hat einen bias und rmse von null.
41
Beispiel 31. Dezember 2005 10:15 UTC
Optische Dicke
Dieses Szenarium zeigt einen 860 x 720 Pixel umfassenden
Ausschnitt mit tiefer Bewölkung vor der Küste Namibias.
100167 Pixel davon wurden im MSG- und MODIS- Pro-
dukt (Grafik 4.2 und 4.4) als bewölkt mit einem Wert der
optischen Dicke größer null klassifiziert und gingen in den
Vergleich ein.
Ein großer Teil des MODIS- Ausschnittes ist durch die
MODIS- Wolkenmaske herausgefiltert worden, um Störungen
durch sunglint in diesem Gebiet zu vermeiden. Die Struktur
der abgebildeten optischen Dicken für MSG und MODIS
scheint vor allem bei Werten im unteren Bereich bis opti-
sche Dicke zehn gut übereinzustimmen. Es ist aber auch
deutlich zu sehen, dass das MSG- Produkt im Vergleich zu
MODIS hohe Werte zu unterschätzen scheint.
Grafik 4.3 MSG - RGB - Bild des Beispiels 31. Dezember 2006 10:15 UTC
50
50
−10
33
400
−10
16
0
0
10
−20
200
0
0
200
400
Grafik 4.2 Beispiel optische Dicke MSG - FUB
31. Dezember 2005 10:15 UTC
42
Evaluierung
−10
600
optische Dicke
600
600
800
33
400
−10
16
0
0
10
−20
200
0
0
200
400
600
800
Grafik 4.4 Beispiel optische Dicke MODIS 31. Dezember 2005 10:05 UTC
50
900
20000
300
15000
30
600
COT MODIS
Häufigkeit bin=0.4
40
20
5000
10
0
0
0
0
0
10
40
30
20
COT MSG − FUB
50
Grafik 4.5 Streudiagramm optische Dicke MSG - FUB gegen MODIS
Korrelation 0,95
bias -0,29
rmse
10000
1,44
MSG FUB MODIS
Mean 7,15 8,93
Median 6,62 7,82
Stddev 3,21 5,25
10
20
optische Dicke
MSG - FUB
30
40
MODIS
Grafik 4.6 Histogrammvergleich optische Dicke MSG - FUB und MODIS
Besonders im unteren rechten Bildbereich sind unterschied-
liche Ergebnisse erkennbar.
Auch anhand des Streudiagramms (Grafik 4.5) wird gut
sichtbar, dass besonders für kleine optische Dicken eine
gute Übereinstimmung zu finden ist, insgesamt MODIS
jedoch höhere Werte aufweist.
Der Vergleich der Histogramme beider Produkte offenbart,
dass das MSG- Produkt wesentlich mehr Werte hat, die im
Bereich von optischen Dicken um fünf liegen, wohingegen
das MODIS- Produkt oberhalb optischer Dicken von zehn
über mehr Werte verfügt.
Tabelle 4.1 Vergleich MSG - FUB - und MODIS - Produkt für optische Dicke
31. Dezember 2005 10:15 UTC
43
Für den Vergleich des effektiven Partikelradius wurden
77173 Pixel dieser Szene als bewölkt und mit einer opti-
schen Dicke größer fünf klassifiziert. Auch hier zeigt sich
eine sehr gute Übereinstimmung in der Struktur der beiden
Produkte (Grafik 4.7 und 4.8). Die höchsten, wie auch die
niedrigsten Werte für die Partikelgröße sind in den selben
Gebieten zu finden. Die Farbcodierung lässt jedoch sehr gut
erkennen, dass die Werte für das MSG- Produkt generell
niedriger sind als beim MODIS- Produkt.
Diese Tatsache ist im Streudiagramm sehr gut veranschau-
licht. Die Korrelation beider Produkte ist mit 0,96 sehr hoch.
Das heißt, dass der Verlauf des effektiven Partikelradius im
Vergleich zu MODIS im allgemeinen sehr gut wiedergegeben
wird, die Werte des MSG- Produktes sind aber in den meis-
ten Fällen niedriger, als die des MODIS- Produktes.
Die zu kleineren Werten verschobene Histogrammkurve
für das MSG- Produkt zeigt, dass das Maximum der Werte
für den effektiven Partikelradius bei etwa 6 μm liegt. Das
MOD06- Produkt hat im Vergleich dazu eine etwas größere
Streubreite mit einem Maximum bei 10 μm.
25
−10
600
16
400
−10
8
0
0
10
−20
200
0
0
200
400
−10
600
16
400
−10
8
0
10
−20
200
0
0
200
400
Grafik 4.8 Beispiel effektiver Partikelradius MODIS
31. Dezember 2005 10:05 UTC
Evaluierung
800
25
0
44
600
Grafik 4.7 Beispiel effektiver Partikelradius MSG - FUB
31. Dezember 2005 10:15 UTC
effektiver Partikelradius [μm]
Beispiel 31. Dezember 2005 10:15 UTC
Effektiver Partikelradius
600
800
25
600
20000
200
15000
15
400
Reff MODIS
Häufigkeit bin=0.4
20
10
5000
5
0
0
0
0
0
5
20
15
10
Reff MSG − FUB
25
Grafik 4.9 Streudiagramm effektiver Partikelradius MSG - FUB gegen
MODIS
Korrelation
10000
10
20
effektiver Partikelradius [μm]
MSG - FUB
30
MODIS
Grafik 4.10 Histogrammvergleich effektiver Partikelradius MSG - FUB und
MODIS
0,96
bias -0,44 μm
rmse 1,45 μm
MSG FUB MODIS
Mean 7,61 μm 11,13 μm
Median 7,07 μm 10,82 μm
Stddev 2,66 μm 2,65 μm
Tabelle 4.2 Vergleich MSG - FUB - und MODIS - Produkt für effektiven
Partikelradius 31. Dezember 2005 10:15 UTC
45
Beispiel 21. Oktober 2005 10:00 UTC
Optische Dicke
Dieses Beispiel zeigt tiefe Bewölkung im Oktober 2005
vor der Küste Namibias. Der Zeitraum von September bis
Anfang November ist in diesem Gebiet im Südatlantik in
der Regel am häufigsten mit dem Auftreten von ausgedeh-
neten Stratokumulusfeldern verbunden. In dem 860 x 720
Pixel großen Ausschnitt wurden insgesamt 94354 Pixel als
bewölkt mit optischer Dicke größer Null klassifiziert und für
den Vergleich der optischen Dicken verwendet.
Die visuelle Gegenüberstellung beider Produkte (Grafik
4.12 und 4.14) zeigt eine überaus gute Übereinstimmung
in Struktur und Verteilung der Werte für die optische Dicke,
wobei jedoch besonders im linken oberen Bildausschnitt
auffällt, dass hohe Werte vom MSG- Produkt scheinbar
unterschätzt werden.
Grafik 4.13 MSG - RGB - Bild des Beispiels 21. Oktober 2005 10:00 UTC
−10
50
600
33
400
−10
0
0 −20
Evaluierung
10
200
0
0
−30
200
400
Grafik 4.12 Beispiel optische Dicke MSG - FUB
21. Oktober 2005 10:00 UTC
46
optische Dicke
600
16
−10
50
600
800
33
400
−10
16
0
0 −20
10
200
0
0
−30
200
400
Grafik 4.14 Beispiel optische Dicke MODIS
21. Oktober 2005 10:00 UTC
600
800
50
900
300
15000
30 10000
600
COT MODIS
Häufigkeit bin=0.4
40
20
10
0
0
0
0
0
10
40
30
20
COT MSG − FUB
50
Grafik 4.15 Streudiagramm optische Dicke MSG - FUB gegen MODIS
Korrelation 0,96
bias -0,37
rmse
5000
1,52
MSG FUB MODIS
Mean 7,34 9,87
Median 6,71 8,79
Stddev 4,05 5,91
Tabelle 4.3 Vergleich FUB - und MODIS - Produkt für optische Dicke
21. Oktober 2005 10:00 UTC
10
20
optische Dicke
MSG - FUB
30
40
MODIS
Grafik 4.16 Histogrammvergleich optische Dicke MSG - FUB und MODIS
Dieses Verhalten ist auch im Streudiagramm (Grafik 4.15)
gut zu erkennen. Für kleine optische Dicken ist die Überein-
stimmung mit dem MOD06- Produkt sehr gut und nimmt
dann zunehmend ab.
Im Histogrammvergleich ist beim MSG- Produkt ein aus-
geprägtes Maximum um einen Wert der optischen Dicke
von sieben zu erkennen, wohingegen MODIS eine breitere
Verteilung aufweist.
So lässt sich trotz einer sehr guten Korrelation von 0,96 ein
doch deutlicher Unterschied im Mittelwert wie auch in der
Standardabweichung von 25,6 % beziehungsweise 31,5 %
feststellen.
47
Trotz eines großen Bildbereiches, der wegen sunglint im MO-
DIS- Sichtbereich maskiert werden musste, konnten 69093
Pixel als bewölkt mit optischer Dicke größer fünf klassifiziert
werden und in die Validierung einbezogen werden. Erneut
zeigt der visuelle Vergleich (Grafiken 4.17 und 4.18) eine
sehr gute strukturelle Übereinstimmung sowie effektive
Partikelradien, die im MSG- Produkt in allen
Bereichen niedriger sind als in der MODIS- Abbildung.
Auch das Streudiagramm (Grafik 4.19) zeigt, dass die Werte
für MSG in einem großen Bereich relativ konstante Abwei-
chungen zu den Werten des MODIS- Algorithmus aufweisen.
Die Form des Histogrammes für MSG gleicht sehr der für
das MODIS- Ergebnis, ist jedoch erneut deutlich zu kleine-
ren Werten verschoben. So ist auch für diesen Vergleich
des effektiven Partikelradius die Korrelation sehr hoch, die
Abweichungen der Mittelwerte sind, wie am bias und rmse
erkennbar ist, jedoch ebenfalls erheblich.
In der Abbildung 4.17 für MSG, wie auch in der Abbildung
4.18 für MODIS, ist in der linken oberen Bildhälfte ein
Sprung in der Bewölkung zu erkennen. Dieser basiert mit
hoher Wahrscheinlichkeit darauf, dass in diesem Bereich für
MSG sunglint auftritt, was Einfluss auf die Bewölkungswahr-
scheinlichkeit der Wolkenmaske hat und ein solch gleichmä-
ßiges Muster hervorrufen kann.
−10
25
600
16
400
−10
8
0
0 −20
200
0
0
−30
200
400
600
16
400
−10
8
0 −20
10
200
0
0
−30
200
400
Grafik 4.18 Beispiel effektiver Partikelradius MODIS
21. Oktober 2005 10:00 UTC
Evaluierung
800
600
−10
25
0
48
10
Grafik 4.17 Beispiel effektiver Partikelradius MSG - FUB
21. Oktober 2005 10:00 UTC
effektiver Partikelradius [μm]
Beispiel 21. Oktober 2005 10:00 UTC
Effektiver Partikelradius
600
800
25
600
200
15000
15 10000
400
Reff MODIS
Häufigkeit bin=0.4
20
10
5
0
0
0
0
0
5
20
15
10
Reff MSG − FUB
25
Grafik 4.19 Streudiagramm effektiver Partikelradius MSG - FUB gegen
MODIS
Korrelation
5000
10
20
effektiver Partikelradius [μm]
MSG - FUB
30
MODIS
Grafik 4.20 Histogrammvergleich effektiver Partikelradius MSG - FUB und
MODIS
0,97
bias -0,53 μm
rmse 1,77 μm
MSG FUB MODIS
Mean 8,79 μm 13,74 μm
Median 7,62 μm 12,88 μm
Stddev 3,77 μm 3,73 μm
Tabelle 4.4 Vergleich MSG - FUB - und MODIS - Produkt für effektiven
Partikelradius 21. Oktober 2005 10:00 UTC
49
Beispiel 29. Juli 2005 10:30 UTC
Optische Dicke
Dieses Szenarium im Juli 2005 stellt ein weiteres Beispiel
für marine Stratokumulusbewölkung im Südatlantik dar.
Nur ein kleiner Teil des Bildes wurde wegen sunglint aus-
maskiert, weshalb für den Vergleich der optischen Dicke
109400 Pixel genutzt werden konnten.
Der Vergleich der Grafiken 4.21 und 4.23 bekundet, wie in
den vorangegangenen Beispielen, eine gute Kongruenz der
Struktur. Besonders im Bereich kleiner optischer Dicken zei-
gen sich gute Übereinstimmungen in der Größe der Werte.
Grafik 4.22 MSG - RGB - Bild des Beispiels 29. Juli 2005 10:30 UTC
600
33
16
−10
−20
0
10
optische Dicke
600
400
−10
50
−10
50
33
400
16
200
−20
−10
0
0
−30
0
200
400
Grafik 4.21 Beispiel optische Dicke MSG - FUB
29. Juli 2005 10:30 UTC
50
Evaluierung
10
200
−30
0
0
600
800
0
0
200
400
Grafik 4.23 Beispiel optische Dicke MODIS
29. Juli 2005 10:20 UTC
600
800
900
50
12000
300
10000
30
600
COT MODIS
Häufigkeit bin=0.4
40
20
0
0
10
20
30
40
COT MSG − FUB
50
0,94
bias -0,56
rmse
4000
0
0
Grafik 4.24 Streudiagramm optische Dicke MSG - FUB gegen MODIS
Korrelation
6000
2000
10
0
8000
2,56
MSG FUB MODIS
Mean 12,14 15,76
Median 11,37 14,70
Stddev 5,79 8,24
Tabelle 4.5 Vergleich MSG - FUB - und MODIS - Produkt für optische Dicke
29. Juli 2005 10:30 UTC
10
20
optische Dicke
MSG - FUB
30
40
MODIS
Grafik 4.25 Histogrammvergleich optische Dicke MSG - FUB und MODIS
Im MODIS- Bild sind im oberen rechten Bildteil kompaktere
zellenartige Strukturen innerhalb des Wolkenfeldes auszu-
machen, anhand derer sich im Vergleich zum MSG- Bild gut
erkennen lässt, dass das Produkt von Hünerbein vor allem
im Bereich höherer optischer Dicken deutlich unterschätzt.
Beim Vergleich der Histogramme beider Produkte ist im
MSG- Produkt ein Peak mit Maximum bei optischer Dicke
von sieben sehr auffällig. In diesem Bereich weist das MSG-
Produkt fast doppelt soviele Werte auf wie das MODIS- Pro-
dukt. Das MOD06- Produkt hat hingegen eine größere Streu-
ung und mehr Werte oberhalb optischer Dicken von zehn.
Das Streudiagramm zeigt die hohe Übereinstimmung für
optische Dicken unterhalb von sieben. Die Übereinstimmung
nimmt mit größer werdenden Werten jedoch zunehmend ab.
51
Der Vergleich des effektiven Partikelradius wurde anhand
von 103233 Pixeln, die als bewölkt mit optischer Dicke
größer fünf eingestuft wurden, vorgenommen. Anhand der
Farbcodierung lässt der optische Vergleich (Grafiken 4.26
und 4.27) schnell erkennen, dass das MSG- Produkt die
Partikelgröße in allen Bereichen zu niedrig einschätzt, wobei
jedoch eine große Kongruenz in der Struktur auffällt.
Im Streudiagramm (Grafik 4.28) liegt die Mehrzahl der Punk-
te oberhalb der Diagonalen, was bedeutet, dass die Werte
des MODIS- Produktes generell höher sind. Ein markantes
Maximum bei niedrigen Werten des effektiven Radius im
Histogramm des MSG- Produktes, das deutlich höher liegt
als das Maximum für das MOD06- Produkt, zeigt diese Un-
terschätzung gegenüber MODIS.
Der recht große negative bias von -0,7 und ein rmse von
1,94 bei jedoch sehr guter Korrelation von 0,96 unterstrei-
chen diese Ergebnisse. Sehr deutlich schlagen sich diese
Abweichungen im Mittelwert für die betrachtete Fläche dar,
der für das MODIS- Produkt fast doppelt so groß ist.
−10
25
600
16
400
8
−10
−20
0
200
0
0
200
400
600
−10
25
600
16
400
8
−10
−20
0
10
200
−30
0
0
200
400
600
Grafik 4.27 Beispiel effektiver Partikelradius MODIS
29. Juli 2005 10:20 UTC
Evaluierung
800
Grafik 4.26 Beispiel effektiver Partikelradius MSG - FUB
29. Juli 2005 10:30 UTC
0
52
10
−30
0
effektiver Partikelradius [μm]
Beispiel 29. Juli 2005 10:30 UTC
Effektiver Partikelradius
800
25
600
25000
200
20000
15
400
Reff MODIS
Häufigkeit bin=0.4
20
10
0
0
0
0
5
20
15
10
Reff MSG − FUB
25
Grafik 4.28 Streudiagramm effektiver Partikelradius MSG - FUB gegen
MODIS
Korrelation
10000
5000
5
0
15000
20
10
effektiver Partikelradius [μm]
MSG - FUB
30
MODIS
Grafik 4.29 Histogrammvergleich effektiver Partikelradius MSG - FUB und
MODIS
0,96
bias -0,70 μm
rmse 1,94 μm
MSG FUB MODIS
Mean 6,47 μm 11,22 μm
Median 5,73 μm 10,56 μm
Stddev 2,75 μm 2,97 μm
Tabelle 4.6 Vergleich MSG - FUB - und MODIS - Produkt für effektiven
Partikelradius 29 . Juli 2005 10:30 UTC
53
Diskussion und Fehlerbetrachtung
Insgesamt spiegeln sich die bisherigen Ergebnisse auch in
weiteren Beispielen wieder. Es wurden noch Szenarien im
Südatlantik am 18. August und 14. April 2004 untersucht
(Tabelle 4.7 bis 4.10).
Um einen möglichen Einfluss durch eine nicht hinreichende
zeitliche Korrelation zu ergründen, wurde eine MODIS- Szene
mit MSG- Szenen zu leicht verschobenen Zeitpunkten vergli-
chen. Dazu wurde eine Szene im Südatlantik am 20. August
2004 um 10:15 UTC beziehungsweise 10:30 UTC gewählt.
Die zugehörige MODIS- Szene wurde von 10:20 UTC bis
10:25 UTC aufgenommen. Die Zeitangabe zu den MSG- Sze-
nen bezeichnet jeweils den Zeitpunkt, an dem SEVIRI den
Scanvorgang gestartet hat. Wie in Kapitel 2 beschrieben,
scannt SEVIRI die Erdscheibe von Süd nach Nord, wobei ein
vollständiger Scan zwölf Minuten benötigt. Der beobach-
tete Bereich im Südatlantik liegt unter der Annahme eines
kontinuierlichen Scanvorganges etwa im zweiten Fünftel des
abgetatsteten Sichtbereiches von SEVIRI und wird demnach
zwischen zweieinhalb und fünf Minuten nach Scanbeginn
abgetastet werden. Der Südostpassat weht in der Regel
kontinuierlich mit etwa 10 bis 25 Knoten, weshalb einige
Minuten Zeitunterschied duchaus einen relevanten Einfluss
auf die Wolken haben könnten. Die Ergebnisse für den 20.
August 2004 lassen allerdings kein eindeutiges Ergebnis zu.
Für die optische Dicke sind die Abweichungen um 10:15 UTC
im Vergleich zu 10:30 UTC minimal geringer, für den effek-
tiven Partikelradius ergeben sich jedoch entgegengesetzte
Aussagen.
Dieses Ergebnis legt nahe, dass die Zeitdifferenz zwischen
MODIS und MSG, die im allgemeinen weniger als zehn Mi-
nuten ausmacht, nur einen relativ geringen Einfluss auf die
Ergebnisse der Validierung haben sollte.
54
Evaluierung
In einem weiteren Beispielszenarium (Tabellen 4.11 und
4.12) wurden verschiedene Wolkengattungen im Bereich
einer Zyklone in den mittleren Breiten zwischen 10° bis
50° W und 35° bis 55° N in den Vergleich einbezogen. Die
Ergebnisse für dieses Beispiel unterscheiden sich kaum von
den bisherigen. Die mittleren optischen Dicken wie auch ef-
fektiven Radien sind jedoch größer, da auch nichtstratiforme
Bewölkung im Bereich der Fronten der Zyklone betrachtet
wurde.
Korrelation 0,89 Korrelation
0,97
bias -0,52 bias -0,58 μm
rmse 2,53 rmse 2,10 μm
MSG FUB MODIS
Mean 12,96 μm 17,22 μm
7,99 Median 11,73 μm 15,25 μm
6,71 Stddev 4,96 μm 6,04 μm
MSG FUB MODIS
Mean 7,33 9,74
Median 6,34 Stddev 4,59
Tabelle 4.7 Vergleich MSG - FUB - und MODIS - Produkt für optische Dicke
14. April 2004 10:30 UTC
Tabelle 4.8 Vergleich MSG - FUB - und MODIS - Produkt für effektiven
Partikelradius 14. April 2004 10:30 UTC
Korrelation 0,92 Korrelation bias -0,31 bias -0,34 μm
rmse 1,88 rmse 1,42 μm
0,96
MSG FUB
MODIS
MSG FUB
Mean
MODIS 8,34 11,19 Mean 10,42 μm 14,62 μm
10,48 μm 13,68 μm
5,20 μm 4,56 μm
Median 6,49 9,02 Median
Stddev 4,82 7,25 Stddev
Tabelle 4.9 Vergleich MSG - FUB - und MODIS - Produkt für optische Dicke
18. August 2004 10:30 UTC
Tabelle 4.10 Vergleich MSG - FUB - und MODIS - Produkt für effektiven
Partikelradius 18. August 2004 10:30 UTC
Korrelation 0,89 Korrelation bias -0,35 bias -0,38 μm
rmse 2,64 rmse 2,15 μm
MSG FUB MODIS
Mean 10,50 13,69
Median 6,97 9,89
Stddev 9,60 11,54
Tabelle 4.11 Vergleich MSG - FUB - und MODIS - Produkt für optische Dicke
22. Juni 2005 13:00 UTC
0,97
MSG FUB MODIS
Mean 16,34 μm 22,51 μm
Median 19,90 μm 22,41 μm
Stddev 6,29 μm 9,70 μm
Tabelle 4.12 Vergleich MSG - FUB - und MODIS - Produkt für effektiven
Partikelradius 22. Juni 2005 13:00 UTC
55
Korrelation 0,91 Korrelation bias -0,84 bias -0,94 μm
rmse 3,16 rmse 2,19 μm
MSG FUB MODIS
Mean 10,87 μm 14,66 μm
10,04 Median 10,36 μm 13,93 μm
7,53 Stddev 4,05 μm 3,97 μm
MSG FUB MODIS
8,88 11,52
Median 7,82 Stddev 5,33
Mean
0,98
Tabelle 4.13 Vergleich MSG - FUB - und MODIS - Produkt für optische Dicke
20. August 2004 10:15 UTC
Tabelle 4.14 Vergleich MSG - FUB - und MODIS - Produkt für effektiven
Partikelradius 20. August 2004 10:15 UTC
Korrelation 0,88 Korrelation bias -0,92 bias -0,84 μm
rmse 3,54 rmse 2,11 μm
MSG FUB MODIS
Mean 8,52 11,44
Median 7,51 9,91
Stddev 5,02 7,53
Tabelle 4.15 Vergleich MSG - FUB - und MODIS - Produkt für optische Dicke
20. August 2004 10:30 UTC
56
Evaluierung
0,97
MSG FUB MODIS
Mean 11,05 μm 14,49 μm
Median 10,45 μm 13,75 μm
Stddev 3,87 μm 4,04 μm
Tabelle 4.16 Vergleich MSG - FUB - und MODIS - Produkt für effektiven
Partikelradius 20. August 2004 10:30 UTC
Zusammengefasst lässt sich sagen, dass das Produkt von
Hünerbein [2007] für die optische Dicke und den effektiven
Partikelradius aus MSG- Daten zufriedenstellende Ergeb-
nisse liefert. Für die optische Dicke ergab der Vergleich mit
dem MODIS MOD06- Produkt eine gute Übereinstimmung
für kleine optische Dicken, die im Bereich mit optischen Di-
cken von drei bis sieben am höchsten war. Mit zunehmender
optischer Dicke wurde diese im MSG- Produkt jedoch
unterschätzt, was am negativen bias sichtbar wird. Beim
Vergleich der Histogramme der beiden Produkte war allen
MSG- Beispielen ein Übergewicht im Bereich optischer Di-
cken von sieben gleich, wohingegen MODIS einen breiteren
Wertebereich zeigte.
Für den effektiven Partikelradius ergab die durchgeführte
Evaluierung eine annähernd konstante Unterschätzung in
allen Bereichen gegenüber dem MODIS- Produkt. Die Struk-
tur weist in beiden Produkten eine große Übereinstimmung
auf, wie jedoch in den Histogrammvergleichen deutlich zu
sehen ist, ist das Maximum des MSG- Produktes zu kleine-
ren Werten hin verschoben.
Für die Unterschiede zwischen MSG- und MODIS- Produkt
lassen sich verschiedene Erklärungen finden. So nutzt
MODIS andere Kanäle als MSG/ SEVIRI und weist aufgrund
des polarumlaufenden Orbits meist andere Beobachtungs-
geometrien auf, was Einfluss auf die gemessenen Strahl-
dichten haben kann. Ein wichtiger Einflussfaktor ist zudem
die unterschiedliche räumliche Auflösung beider Instrumen-
te. MODIS ist in der Lage kleinere Phänomene, wie zum Bei-
spiel kleinräumige kompakte Zellen, aufzulösen, die höhere
optische Dicken und Partikelgrößen haben können. Um die
MODIS- Auflösung für die Evaluierung der MSG/ SEVIRI Auflö-
sung anzugleichen, werden mehrere MODIS- Pixel zu einem
MSG- Pixel gemittelt, was zu Fehlern führen kann.
Die verschieden große Auflösung kann darüber hinaus zu
Unsicherheiten und Unterschieden in den beiden verwende-
ten Wolkenmasken führen.
Ein weiteres Problem besteht darin, dass in der MSG Wol-
kenmaske sunglint nicht ausmaskiert wird. Die Herleitung
der optischen Dicke und des effektiven Partikelradius kann
für ein Pixel mit sunglint fehlerhafte Werte liefern und stellt
eine Fehlerquelle dar. Die MODIS- Überflüge über dieses
Gebiet im Südatlantik finden häufig während einer Zeit statt,
in der das Auftreten von sunglint sehr wahrscheinlich ist. Im
MODIS- Produkt besteht die Möglichkeit sunglint auszumas-
kieren. Im MSG- Produkt, wo sunglint wegen der anderen Be-
obachtungsgeometrie an anderer Stelle auftritt, wird dieser
nicht ausmaskiert und kann Ungenauigkeiten verursachen.
Desweiteren können die oben besprochenen Zeitdifferenzen
zwischen den betrachteten Beispielen die Qualität der Evalu-
ierung beeinträchtigen.
57
Kapitel 5
Ergebnisse
Die Tagesgänge der optischen Dicke, des effektiven Parti-
kelradius, der Helligkeitstemperatur BT10.8, des Wolkeno-
berkantendrucks und der Wolkenbedeckung werden auf den
nächsten Seiten anhand von zwölf einzelnen Beispieltagen,
zwölf Monatsmitteln und einem Jahresmittel präsentiert und
im Anschluss diskutiert.
Bestimmung von Wolkenparametern
In diesem Kapitel soll eine Statistik für den Tagesgang der
optischen Dicke und des effektiven Partikelradius für marine
Stratokumulusbewölkung erstellt werden. Als dafür geeigne-
te Methode wurde das auf der Euler‘schen Betrachtungswei-
se beruhende Verfahren eines festgelegten Gebietes, dass
über einen bestimmten Zeitraum beobachtet wird, gewählt.
Dem Institut für Weltraumwissenschaften der FU- Berlin
stehen MSG/ SEVIRI Level 1.5 und Level 2.0 Daten zur
Verfügung, die fast lückenlos für die Jahre 2004 bis 2006
vorhanden sind. Um für diesen doch relativ kurzen Zeitraum
eine angemessene Anzahl von geeigneten Szenarien zu
finden war die Wahl des zu untersuchenden Gebietes von
entscheidender Wichtigkeit.
Folgende Bedingungen sollten dabei möglichst gut erfüllt
werden:
• das Gebiet soll im Sichtbereich von MSG/ SEVIRI mög-
lichst in einem Bereich mit guter räumlicher Auflösung
liegen
• es soll über dem Ozean gelegen sein
• es muss eine ausreichende Anzahl von für dieses Gebiet
repräsentativen Fällen zu finden sein
• die Bewölkung soll möglichst homogen und großflächig
sein
• die Lebensdauer der Stratokumulusbewölkung muss es
erlauben mindestens einen kompletten Tagesgang zu
untersuchen
Als besonders geeignet erwies sich ein Gebiet im Südat-
lantik vor der Küste von Angola und Namibia. Wie schon im
Kapitel 2 erläutert wurde, bieten sich im Bereich zwischen
60
Ergebnisse
10°W bis 10°E und 10°S bis 30°S häufig ideale Bedingun-
gen zur Bildung von homogener und großflächiger Stratoku-
mulusbewölkung.
Das Ziel war es die Tagesgänge verschiedener Wolkenpara-
meter für Stratokumulus zu untersuchen. Das Hauptaugen-
merk lag hierbei auf den mikrophysikalischen Parametern
optische Dicke und effektiver Partikelradius. Bei der Anwen-
dung eines Wolkenverfolgungsalgorithmus zeigte sich, dass
die verfolgten Stratokumulusfelder oft sehr große Ausdeh-
nungen aufwiesen und verhältnismäßig wenig Dynamik
zeigten. Wie in Kapitel drei beschrieben, können Inhomoge-
nitäten in der Wolkenstrucktur durchaus zu Fehlern in der
Bestimmung der optischen Dicke und des effektiven Parti-
kelradius führen oder Ursache für verschiedene Erklärungs-
möglichkeiten von Tagesgängen sein. Mit zunehmender
Größe des betrachteten Gebietes, nimmt die Zahl an auf-
tretenden Inhomogenitäten zu, was Auswirkungen auf die
Aussagekraft der jeweiligen Parameter hat. Um also Inhomo-
genitäten klein zu halten und möglichen Fehlern bei der Wol-
kenverfolgung vorzubeugen, wurde die Bewölkung in einem
statischen Gebiet über einen gewissen Zeitraum beobachtet
und daraus die gesuchten Wolkenparameter ermittelt.
In Anbetracht der häufig großen Dimension der Stratoku-
mulusfelder vor der Küste Namibias und Angolas wurde
die Größe des Beobachtungsgebietes mit 150 x 150 Pixeln
gewählt, was einer Seitenlänge von etwa 450 km x 450 km
entspricht.
Um die Vergleichbarkeit von Tagesgängen der optischer Di-
cke und des effektiven Partikelradius, die zu verschiedenen
Terminen gewonnen wurden, möglichst gut gewährleisten zu
können, um so eine mögliche Variabilität dieser Parameter
innerhalb eines Jahres erkennen zu können, wurden ver-
schiedene manuelle und automatisierte Kriterien für das
Beobachtungsgebiet angesetzt. Innerhalb des Gesamtgebie-
tes (10° W bis 10° O, 10° S bis 30° S) wurde die Bewölkung
manuell klassifiziert um die Lage des Beobachtungsgebietes
festzulegen.
Das bedeutet, dass für jeden Tag das MSG/ RGB- Bild um
12:00 UTC betrachtet wurde, so weit diese Daten vorhanden
waren. Die Bewölkung innerhalb des Untersuchungsgebietes
wurde dabei auf Grundlage der folgenden Kriterien beurteilt:
• im Beobachtungsgebiet soll die Wolkenbedeckung mög-
lichst hoch sein (durchschnittlich mehr als 80%, mindes-
tens aber 50%)
• die Bewölkung soll möglichst homogen sein
• die ersten beiden Bedingungen sollen für mindestens 24
Stunden erfüllt sein
Wegen jahreszeitlicher Schwankungen der Wolkenbedeck-
ung in dieser Region gab es Monate, in denen die geforder-
ten Bedingungen nur an einigen wenigen Tagen hinreichend
erfüllt waren, wohingegen auch Monate vorkamen, in denen
die Bedingungen an jedem Tag den Forderungen entspra-
chen. Nachdem auf diese Weise die Lage des Beobach-
tungsgebietes und der jeweilige Beobachtungszeitraum
festgelegt wurden, wurde die MSG/ SEVIRI Wolkenmaske
von Reuter [2005] verwendet, um nur diejeniegen Pixel zu
betrachten, die mit einer Wahrscheinlichkeit von mehr als
50 Prozent bewölkt sind. Ein oberer wie unterer Grenzwert
für die Helligkeitstemperatur BT10.8 diente dazu die tiefen
und damit wärmeren Wolken von möglichen anderen Wolken
innerhalb des Gebietes zu trennen, sowie als primitive Wol-
kenmaske für den Fall, dass das Wolkenmaskenprodukt an
einem Termin nicht verfügbar war.
Die verbleibenen Pixel wurden zur Bestimmung verschie-
dener Wolkenparameter genutzt. Bestimmt wurden hierbei
das arithmetische Mittel für die Helligkeitstemperaturen
BT10.8 und BT12.0, die Wolkenbedeckung in Prozent, sowie
arithmetisches Mittel, Median und Standardabweichung von
Wolkenoberkantendruck, optischer Dicke und effektiven
Partikelradius. Bei der anschließenden Auswertung und Be-
stimmung von Monatsmittelwerten wurden nur Zeitpunkte
berücksichtigt, die eine Wolkenbedeckung von mehr als
50 Prozent und einen Wolkenoberkantendruck von mehr als
680 hPa aufwiesen.
Auf den nachfolgenden Seiten werden beispielhaft für jeden
Monat die Tagesgänge der Wolkenbedeckung, der Hellig-
keitstemperatur, des Wolkenoberkantendrucks, der opti-
schen Dicke und des effektiven Partikelradius anhand je-
weils eines ausgewählten Tages präsentiert. Aus allen durch
manuelle Klassifizierung der Satellitenbilder bestimmten
Beispielen wurden für jeden Monat die gemittelten Tages-
gänge dieser Größen bestimmt.
Um die Position aller für einen Monat verwendeten Szena-
rien zu visualisieren, wurden die jeweiligen Beobachtungs-
gebiete in einem exemplarischen MSG/ RGB- Ausschnitt an
der verwendeten Position eingezeichnet und farbig abge-
grenzt. Für diesen exemplarischen Ausschnitt wurde immer
der 19. Juli 2006 12:00 UTC gewählt, um die Positionen der
Gebiete in den verschiedenen Monaten besser vergleichen
zu können.
61
Beispiel Tagesgänge 01. Januar 2006
Die Grafik 5.1 zeigt den MSG/ RGB- Ausschnitt am 01. Janu-
ar 2006 um 12:00 UTC. Darin ist das 150 x 150 Pixel große
Beobachtungsgebiet rot markiert. Dieses Gebiet war dort für
mindestens 24 Stunden ortsfest, um die Tagesgänge von
Wolkeneigenschaften an den durchziehenden Stratokumuli
zu ermitteln.
Wie im Vergleich zu den auf den nächsten Seiten folgenden
Grafiken zu sehen sein wird, sind vor allem die Kurve der
Helligkeitstemperatur und des Wolkenoberkantendrucks
etwas auffällig, weil sie vom typischen Verlauf abweichen.
Die Helligkeitstemperatur (Grafik 5.2) weist nach einem rela-
tiv starken Rückgang am Nachmittag ein zweites Minimum
auf, was ebenso ungewöhnlich ist, wie das Minimum des
Wolkenoberkantendrucks (Grafik 5.4) am späten Nachmit-
tag. Für den Wolkenoberkantendruck wäre ein Maximum am
Nachmittag erwartet worden.
Wolkenbedeckung [%]
95
90
85
80
75
70
00:00
Grafik 5.1 MSG / RGB - Ausschnitt 01. Januar 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
62
Ergebnisse
06:00
12:00
Zeit
18:00
Grafik 5.3 Tagesgang der Wolkenbedeckung am 01. Januar 2006
24:00
880
870
860
287.0
Helligkeitstemperatur [K]
287.5
286.5
850
840
830
286.0
820
285.5
00:00
06:00
12:00
Zeit
BT10.8
18:00
24:00
00:00
12:00
Zeit
06:00
ctp mean
BT12.0
Grafik 5.2 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 01. Januar 2006
18:00
24:00
ctp median
Grafik 5.4 Tagesgang des Wolkenoberkantendruckes mit Standardabwei-
chung am 01. Januar 2006
effektiver Partikelradius [μm]
14
12
10
8
6
4
00:00
8
7
6
5
4
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.5 Tagesgang der optischen Dicke mit Standardabweichung am
01. Januar 2006
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.6 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 01. Januar 2006
63
Mittlere Tagesgänge im Januar
In die Mittelung der Tagesgänge für Januar sind insgesamt
17 Beispiele eingegangen, was die geringste Anzahl von
Beispielen in einem Monat ist. Aus der Betrachtung der
Satellitenbilder im Januar ergab sich der Eindruck, dass die
Wahrscheinlichkeit für das Antreffen von Stratokumulusbe-
wölkung in diesem Monat am kleinsten ist.
In der Grafik 5.7 sind die Positionen aller verwendeten Beob-
achtungsgebiete der Jahre 2004, 2005 und 2006 an einem
exemplarischen Tag eingezeichnet. Die Gebiete lagen dort
ortsfest für Zeiträume von 48 bis 72 Stunden.
In den dargestellten Tagesgängen fällt zum Teil ein unge-
wöhnlicher kurzfristiger Abfall in den Nachmittagsstunden
auf. Diese Diskrepanz, die auch auf den folgenden Seiten
häufig zu beobachten sein wird, ist auf ein Problem mit der
Wolkenmaske zurückzuführen (siehe Diskussion S.112).
In der Abbildung 5.10 für den Wolkenoberkantendruck fällt
ein Unterschied zwischen dem Mittelwert und dem Median
auf. Der Median stellt einen gewichteten Mittelwert dar, der
eine höhere Resistenz gegenüber Ausreißern in der Grund-
gesamtheit aufweist. In diesem Fall bedeutet das, dass
der überwiegende Teil der betrachteten Wolkenpixel einen
Wolkenoberkantendruck im Bereich des Median hat. Der
zum Teil deutlich niedrigere Mittelwert deutet jedoch darauf
hin, dass es auch einige Fälle mit erheblich geringerem Wol-
kenoberkantendruck gibt. Das kann ein Hinweis darauf sein,
dass in der ansonsten homogenen Wolkenoberkante einige
Höherreichende Zellen eingebettet sein können.
100
Wolkenbedeckung [%]
95
90
85
80
75
70
00:00
2004
2005
2006
Grafik 5.7 Lage aller Beobachtungsgebiete im Januar
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
64
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.9 Mittlerer Tagesgang der Wolkenbedeckung mit Standardabwei-
chung im Januar
860
287 850
286
Helligkeitstemperatur [K]
288
285
840
830
820
284
810
283
00:00
12:00
Zeit
06:00
BT10.8 mean
18:00
24:00
00:00
BT10.8 median
18:00
24:00
ctp median
Grafik 5.10 Mittlerer Tagesgang des Wolkenoberkantendruckes mit Stan-
dardabweichung im Januar
14
effektiver Partikelradius [μm]
12
12:00
Zeit
ctp mean
Grafik 5.8 Mittlerer Tagesgang der Helligkeitstemperatur mit Standardab-
weichung im Januar
10
8
6
00:00
06:00
06:00
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.11 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im Januar
12
10
8
6
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.12 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im Januar
65
Beispiel Tagesgänge 07. Februar 2006
Der Tagesgang des Wolkenoberkantendrucks (Grafik 5.17)
zeigt an diesem Tag ein zweites Minimum am Abend. Alle
anderen Tagesgänge verlaufen in einem recht typischen
Muster. Eine Lücke in den Kurven der Grafiken 5.16 bis 5.18
zwischen 12 und 13 UTC ist auf fehlende Daten für diesen
Zeitpunkt zurückzuführen. Zu bemerken ist allerdings ein
ausgeprägtes Minimum der Wolkenbedeckung am Vormit-
tag, dass, wie in der Diskussion auf den Seiten 120 bis 123
gezeigt wird, auf Eigenschaften der Wolkenmaske zurückzu-
führen ist.
100
95
90
85
80
75
00:00
Grafik 5.13 MSG / RGB - Ausschnitt 07. Februar 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
66
Ergebnisse
06:00
12:00
Zeit
18:00
Grafik 5.14 Tagesgang der Wolkenbedeckung am 07. Februar 2006
24:00
830
820
285
Helligkeitstemperatur [K]
286
284
810
800
790
283
780
282
00:00
06:00
12:00
Zeit
BT10.8
18:00
24:00
ctp mean
18:00
24:00
ctp median
Grafik 5.17 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 07. Februar 2006
14
effektiver Partikelradius [μm]
12
12:00
Zeit
06:00
BT12.0
Grafik 5.15 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 07. Februar 2006
10
8
6
4
2
00:00
00:00
06:00
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.16 Tagesgang der optischen Dicke mit Standardabweichung am
07. Februar 2006
12
10
8
6
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.18 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 07. Februar 2006
67
Mittlere Tagesgänge im Februar
Die mittleren Tagesgänge für Februar wurden aus insge-
samt 25 Beispielen aus den Jahren 2004, 2005 und 2006
bestimmt. Die geringste Anzahl von Beispielen, nämlich nur
zwei, wurde dabei im Jahr 2005 gefunden.
Die Kurven 5.20 bis 5.24 lassen einen sehr typischen Gang
der jeweiligen Größen erkennen. Das einzig auffällige sind
ein relativ starker Abfall im Wolkenoberkantendruck (Grafik
5.23) am frühen Abend, der auf den besagten Wolkenmas-
kenfehler beruht.
Die Werte des effektiven Partikelradius (Grafik 5.24) errei-
chen im Februar mit bis zu 11,5 μm die höchsten Werte des
Jahres.
Wolkenbedeckung [%]
100
90
80
70
00:00
2004
2005
2006
Grafik 5.19 Lage aller Beobachtungsgebiete im Februar
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
68
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.20 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im Februar
288
840
287
Helligkeitstemperatur [K]
850
286
285
284
00:00
12:00
Zeit
06:00
BT10.8 mean
18:00
24:00
800
00:00
06:00
BT10.8 median
12:00
Zeit
ctp mean
10
8
6
18:00
24:00
ctp median
Grafik 5.23 Mittlerer Tagesgang des Wolkenoberkantendruckes mit Stan-
dardabweichung im Februar
effektiver Partikelradius [μm]
12
820
810
Grafik 5.21 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im Februar
12
10
8
6
4
00:00
830
06:00
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.22 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im Februar
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.24 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im Februar
69
Beispiel Tagesgänge 13. März 2006
Wolkenbedeckung [%]
In dem dargestellten MSG/ RGB- Ausschnitt für den 13.
März 2006 (Grafik 5.25) ist zu sehen, dass die Bewölkung
im Beobachtungsgebiet eine sehr grobe Struktur aufweist.
Insgesamt scheint die Struktur der Stratokumulusbewölkung
in der untersuchten Region von Dezember bis April grober
strukturiert zu sein, als in den übrigen Monaten des Jahres.
Die Tagesgänge an diesem Tag folgen, bis auf einen sehr
deutlichen Rückgang zwischen 15 und 17 UTC, dem typi-
schen Verlauf. Besonders an der Wolkenbedeckung (Grafik
5.26), die zum Teil auf Werte unter 50 Prozent absinkt, ist
dieser auf die Wolkenmaske zurückzuführende Fehler zu
erkennen.
80
60
40
20
00:00
Grafik 5.25 MSG / RGB - Ausschnitt 13. März 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
70
Ergebnisse
06:00
12:00
Zeit
18:00
Grafik 5.26 Tagesgang der Wolkenbedeckung am 13. März 2006
24:00
840
287
Helligkeitstemperatur [K]
288
286
820
800
285
00:00
06:00
12:00
Zeit
BT10.8
18:00
24:00
ctp mean
10
5
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.28 Tagesgang der optischen Dicke mit Standardabweichung am
13. März 2006
18:00
24:00
ctp median
Grafik 5.29 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 13. März 2006
effektiver Partikelradius [μm]
15
06:00
12:00
Zeit
06:00
BT12.0
Grafik 5.27 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 13. März 2006
00:00
780
00:00
10
8
6
4
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.30 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 13. März 2006
71
Mittlere Tagesgänge im März
In die Mittelung der Tagesgänge für März gingen 33 Beispie-
le ein, wobei das Jahr 2004 mit 22 gerechneten Beispielen
den größten Beitrag liefert.
In den Monaten Februar und März sind bei der Helligkeits-
temperatur mit Werten bis 288 K die maximalen Werte des
Jahres zu finden.
Besonders gut ist in der Grafik 5.34 für die optische Dicke
zu erkennen, dass es auch in der Standardabweichung
(schwarze Linien) einen Tagesgang zu geben scheint. Eben-
so wie die optische Dicke, hat die Standardabweichung ein
Maximum am Morgen und nimmt zum Mittag hin ab.
Wolkenbedeckung [%]
100
90
80
70
60
00:00
2004
2005
2006
Grafik 5.31 Lage aller Beobachtungsgebiete im März
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
72
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.32 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im März
860
288
840
287
Helligkeitstemperatur [K]
289
286
820
285
800
284
283
00:00
12:00
Zeit
06:00
BT10.8 mean
18:00
24:00
00:00
BT10.8 median
effektiver Partikelradius [μm]
12
10
8
6
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.34 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im März
18:00
24:00
ctp median
Grafik 5.35 Mittlerer Tagesgang des Wolkenoberkantendruckes mit Stan-
dardabweichung im März
14
06:00
12:00
Zeit
ctp mean
Grafik 5.33 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im März
00:00
06:00
10
8
6
4
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.36 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im März
73
Beispiel Tagesgänge 26. April 2006
In den Tagesgängen für den 26. April 2006 fällt besonders
eine Lücke zwischen 14 und 16 UTC auf, die auf einen Feh-
ler bei der Berechnung beruht. Aus diesem Grund brechen
die Kurven der optischen Dicke und des effektiven Partikel-
radius (Grafik 5.40 und 5.41) früher als gewöhnlich ab.
Bei dieser Gelegenheit ist auch darauf hinzuweisen, dass
der im Laufe des Jahres wechselnde Sonnenhöchststand
dazu führt, dass die Kurven der optischen Dicke und des
effektiven Partikelradius zu wechselnden Zeiten beginnen
beziehungsweise enden können.
Die optische Dicke zeigt für dieses Beispiel einen ungewöhn-
lichen Anstieg in den Morgenstunden.
Wolkenbedeckung [%]
100
95
90
85
00:00
Grafik 5.37 MSG / RGB - Ausschnitt 26. April 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
74
Ergebnisse
06:00
12:00
Zeit
18:00
Grafik 5.38 Tagesgang der Wolkenbedeckung am 26. April 2006
24:00
281.2
790
780
280.8
Helligkeitstemperatur [K]
281.0
280.6
280.4
280.2
760
750
280.0
279.8
00:00
770
740
12:00
Zeit
06:00
BT10.8
18:00
00:00
24:00
18:00
24:00
ctp median
Grafik 5.41 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 26. April 2006
16
effektiver Partikelradius [μm]
20
12:00
Zeit
ctp mean
BT12.0
Grafik 5.39 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 26. April 2006
15
10
5
00:00
06:00
06:00
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.40 Tagesgang der optischen Dicke mit Standardabweichung am
26. April 2006
14
12
10
8
6
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.42 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 26. April 2006
75
Mittlere Tagesgänge im April
Wolkenbedeckung [%]
Die Skalierung der y- Achse ist in den einzelnen Grafiken der
jeweiligen Größe und der zugehörigen Standardabweichung
angepasst. Wenn also ein Tagesgang eine geringe Schwan-
kung und dazu eine große Standardabweichung aufweist,
dann sind die tageszeitlichen Variationen nur schwer zu
erkennen. Dies ist in den Abbildungen der Wolkenbedeckung
(Grafik 5.44), der Helligkeitstemperatur (Grafik 5.45) und
des Wolkenoberkantendrucks (Grafik 5.47) für April der Fall.
Eine genaue Betrachtung lässt jedoch auch in diesen Kur-
ven den typischen Tagesgang erkennen.
90
80
70
60
00:00
2004
2005
2006
Grafik 5.43 Lage aller Beobachtungsgebiete im April
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
76
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.44 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im April
820
Helligkeitstemperatur [K]
840
288
286
800
780
760
284
00:00
740
12:00
Zeit
06:00
BT10.8 mean
18:00
24:00
720
00:00
06:00
BT10.8 median
12:00
Zeit
ctp mean
Grafik 5.45 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im April
18:00
24:00
ctp median
Grafik 5.47 Mittlerer Tagesgang des Wolkenoberkantendruckes mit Stan-
dardabweichung im April
14
effektiver Partikelradius [μm]
14
12
10
8
6
12
10
8
6
4
00:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.46 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im April
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.48 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im April
77
Beispiel Tagesgänge 26. Mai 2006
Die Tagesgänge am 26. Mai 2006 geben, abgesehen von
einer Datenlücke zwischen 14 und 15 UTC und einem
ungewöhnlichen Anstieg der optischen Dicke in den Morgen-
stunden (Grafik 5.52), sehr gut die typischen Verläufe dieser
Größen wieder.
Dieses Beispiel weist mit Werten unter 750 hPa einen sehr
niedrigen Wolkenoberkantendruck (Grafik 5.53) und damit
eine relativ hohe Wolkenobergrenze auf.
100
Wolkenbedeckung [%]
95
90
85
80
75
70
65
00:00
Grafik 5.49 MSG / RGB - Ausschnitt 26. Mai 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
78
Ergebnisse
06:00
12:00
Zeit
18:00
Grafik 5.50 Tagesgang der Wolkenbedeckung am 26. Mai 2006
24:00
800
282.0
780
281.5
Helligkeitstemperatur [K]
282.5
281.0
280.5
760
740
280.0
00:00
12:00
Zeit
06:00
BT10.8
18:00
24:00
00:00
12:00
Zeit
06:00
ctp mean
BT12.0
Grafik 5.51 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 26. Mai 2006
18:00
24:00
ctp median
Grafik 5.53 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 26. Mai 2006
effektiver Partikelradius [μm]
14
15
10
5
00:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.52 Tagesgang der optischen Dicke mit Standardabweichung am
26. Mai 2006
12
10
8
6
4
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.54 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 26. Mai 2006
79
Mittlere Tagesgänge im Mai
Wolkenbedeckung [%]
Die gemittelten Tagesgänge für den Monat Mai sind aus 29
Beispielen erstellt worden. Für das Jahr 2005 standen dabei
keine MSG- Daten zur Verfügung.
Die Kurven der verschiedenen Tagesgänge zeigen einige
Schwankungen, lassen aber die bekannten Muster im Ver-
lauf erkennen. Der erwähnte Fehler der Wolkenmaske macht
sich aber auch in den gemittelten Kurven deutlich bemerk-
bar. Vor allem bei der Helligkeitstemperatur (Grafik 5.57)
und dem Wolkenoberkantendruck (Grafik 5.59) ist zwischen
14 und 16 UTC ein deutlicher Sprung zu sehen.
Der Wolkenoberkantendruck erreicht im Mai mit Werten von
zum Teil unter 800 hPa sein Jahresminimum.
90
80
70
60
00:00
2004
2006
Grafik 5.55 Lage aller Beobachtungsgebiete im Mai
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
80
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.56 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im Mai
288
820
286
Helligkeitstemperatur [K]
287
285
284
800
780
283
282
00:00
06:00
12:00
Zeit
BT10.8 mean
18:00
24:00
760
00:00
BT10.8 median
12:00
Zeit
ctp mean
Grafik 5.57 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im Mai
18:00
24:00
ctp median
Grafik 5.59 Mittlerer Tagesgang des Wolkenoberkantendruckes mit Stan-
dardabweichung im Mai
12
12
effektiver Partikelradius [μm]
06:00
10
8
6
10
8
6
4
00:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.58 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im Mai
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.60 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im Mai
81
Beispiel Tagesgänge 16. Juni 2006
Das markanteste an den Tagesgängen für das Beispiel des
16. Juni 2006 ist der enorme Sprung der Helligkeitstempe-
ratur (Grafik 5.62) zwischen 14 und 16 UTC. Das Problem
in der Wolkenmaske (siehe Diskussion S. 120), dass solche
Fehler verursacht, tritt ebenfalls beim Übergang von Nacht
zu Tag auf, macht sich in der Regel aber weniger bemerkbar,
als beim Übergang vom Tag zur Nacht. In der Grafik 5.63 ist
aber auch zwischen 7 und 9 UTC ein ähnlicher, wenn auch
weniger ausgeprägter, Sprung zu sehen.
Die Grafik 5.65 für den Wolkenoberkantendruck weist eine
große Lücke auf, weil dieses Produkt nicht für alle Zeitpunk-
te verfügbar war.
100
95
90
85
80
75
00:00
Grafik 5.61 MSG / RGB - Ausschnitt 16. Juni 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
82
Ergebnisse
06:00
12:00
Zeit
18:00
Grafik 5.62 Tagesgang der Wolkenbedeckung am 16. Juni 2006
24:00
840
280.5
Helligkeitstemperatur [K]
281.0
280.0
279.5
800
780
279.0
00:00
820
12:00
Zeit
06:00
BT10.8
18:00
24:00
00:00
12:00
Zeit
06:00
ctp mean
BT12.0
Grafik 5.63 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 16. Juni 2006
18:00
24:00
ctp median
Grafik 5.65 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 16. Juni 2006
effektiver Partikelradius [μm]
18
15
10
5
16
14
12
10
00:00
06:00
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.64 Tagesgang der optischen Dicke mit Standardabweichung am
16. Juni 2006
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.66 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 16. Juni 2006
83
Mittlere Tagesgänge im Juni
Für die Mittelung der Tagesgänge im Juni standen nur 21
Beispiele zur Verfügung. Das Jahr 2006 bot dabei mit drei
Beobachtungstagen die wenigsten Beispiele. Das in der Gra-
fik 5.67 rot markierte Gebiet wurde also über 72 Stunden
beobachtet.
Der Wolkenoberkantendruck (Grafik 5.70) weicht mit einem
Minimum am späten Nachmittag von der typischen Struktur
ab.
Wolkenbedeckung [%]
100
90
80
70
00:00
2004
2005
2006
Grafik 5.67 Lage aller Beobachtungsgebiete im Juni
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
84
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.69 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im Juni
288
850
840
286
Helligkeitstemperatur [K]
287
285
284
830
820
283
810
282
00:00
06:00
12:00
Zeit
BT10.8 mean
18:00
24:00
800
00:00
12:00
Zeit
06:00
BT10.8 median
ctp mean
Grafik 5.68 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im Juni
18:00
24:00
ctp median
Grafik 5.70 Mittlerer Tagesgang des Wolkenoberkantendruckes mit Stan-
dardabweichung im Juni
14
effektiver Partikelradius [μm]
12
12
10
8
6
00:00
06:00
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.71 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im Juni
10
8
6
4
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.72 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im Juni
85
Beispiel Tagesgänge 15. Juli 2006
Wie man an dem MSG/ RGB- Ausschnitt des beobachteten
Gebietes (Grafik 5.73) gut sehen kann, bot der 15. Juli 2006
hervorragende Bedingungen zur Beobachtung von Stratoku-
mulus. Die Bewölkung war über ein großes Gebiet überaus
gleichförmig und persistent.
Die erhaltenen Tagesgänge sind dementsprechend gut aus-
geprägt, zeigen kaum ungewöhnliche Schwankungen und
entsprechen genau den erwarteten Verläufen.
Es gibt jedoch eine kleinere Lücke in der Helligkeitstem-
peratur am späten Abend und eine größere Datenlücke im
Produkt für den Wolkenoberkantendruck ab 17 UTC.
Wolkenbedeckung [%]
100
90
80
70
60
00:00
Grafik 5.73 MSG / RGB - Ausschnitt 15. Juli 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
86
Ergebnisse
06:00
12:00
Zeit
18:00
Grafik 5.75 Tagesgang der Wolkenbedeckung am 15. Juli 2006
24:00
800
281.5
780
281.0
Helligkeitstemperatur [K]
282.0
280.5
740
280.0
00:00
760
12:00
Zeit
06:00
BT10.8
18:00
24:00
00:00
18:00
24:00
ctp median
Grafik 5.76 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 15. Juli 2006
16
effektiver Partikelradius [μm]
20
12:00
Zeit
ctp mean
BT12.0
Grafik 5.74 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 15. Juli 2006
15
10
5
00:00
06:00
14
12
10
8
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.77 Tagesgang der optischen Dicke mit Standardabweichung am
15. Juli 2006
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.78 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 15. Juli 2006
87
Mittlere Tagesgänge im Juli
Die gemittelten Tagesgänge für den Juli wurden aus 19 Bei-
spielen bestimmt. Elf für das Jahr 2005 gerechnete Beispie-
le wiesen Fehler in den Daten auf und konnten deshalb nicht
genutzt werden.
100
Wolkenbedeckung [%]
95
90
85
80
75
00:00
2004
2006
Grafik 5.79 Lage aller Beobachtungsgebiete im Juli
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
88
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.81 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im Juli
850
840
285
Helligkeitstemperatur [K]
286
284
283
820
810
800
282
00:00
830
12:00
Zeit
06:00
BT10.8 mean
18:00
24:00
00:00
BT10.8 median
ctp mean
Grafik 5.80 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im Juli
24:00
ctp median
11
effektiver Partikelradius [μm]
14
18:00
Grafik 5.82 Mittlerer Tagesgang des Wolkenoberkantendruckes mit Stan-
dardabweichung im Juli
16
12
10
8
6
00:00
12:00
Zeit
06:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.83 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im Juli
10
9
8
7
6
5
4
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.84 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im Juli
89
Beispiel Tagesgänge 07. August 2006
Ähnlich, wie das Beispiel am 15. Juli 2006, ist auch in die-
sem Fall eine besonders gut ausgeprägte, überaus homoge-
ne Stratokumulusdecke im Beobachtungsgebiet vorgefun-
den worden.
Die Wolkenbedeckung (Grafik 5.86) ist fast durchgängig
sehr hoch, lässt aber nicht den typischen Tagesgang mit
einem deutlichen Minimum am Nachmittag erkennen.
Die Tagesgänge der Helligkeitstemperatur (Grafik 5.87) und
des Wolkenoberkantendrucks (Grafik 5.89) zeigen einen
sehr harmonischen Kurvenverlauf, der jedoch genau entge-
gengesetzt dem üblich typischen Gang ist. Diese Tatsache
erscheint äußerst bemerkenswert.
Der Verlauf der optischen Dicke (Grafik 5.88) hat an diesem
Tag nur eine sehr geringe Variation, was ebenfalls unge-
wöhnlich ist.
100
95
90
85
80
00:00
Grafik 5.85 MSG / RGB - Ausschnitt 07. August 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
90
Ergebnisse
06:00
12:00
Zeit
18:00
Grafik 5.86 Tagesgang der Wolkenbedeckung am 07. August 2006
24:00
286.5
850
840
Helligkeitstemperatur [K]
860
286.0
285.5
285.0
00:00
830
820
810
800
06:00
12:00
Zeit
BT10.8
18:00
00:00
24:00
ctp mean
BT12.0
Grafik 5.87 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 07. August 2006
24:00
ctp median
7
effektiver Partikelradius [μm]
10
18:00
Grafik 5.89 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 07. August 2006
11
9
8
7
6
00:00
12:00
Zeit
06:00
06:00
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.88 Tagesgang der optischen Dicke mit Standardabweichung am
07. August 2006
6
5
4
3
2
1
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.90 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 07. August 2006
91
Mittlere Tagesgänge im August
Im Gegensatz zu den Tagesgängen am 07. August 2006,
sind in den gemittelten Tagesgängen wieder die typischen
Kurvenverläufe zu sehen. In der Mittelung sind insgesamt
40 Beispieltagesgänge berücksichtigt worden.
Die Kurven der Helligkeitstemperatur (Grafik 5.93) und des
Wolkenoberkantendrucks (Grafik 5.95) zeigen nur geringe
tageszeitliche Variationen, ein Minimum am Morgen und das
Maximum am Nachmittag sind jedoch in beiden Kurven gut
auszumachen.
Die Helligkeitstemperatur hat mit Werten um 283 K die nied-
rigsten Werte des Jahres. Die optische Dicke (Grafik 5.94)
hat dagegen mit Werten zwischen 8 und 14 ein Jahresmaxi-
mum.
Wolkenbedeckung [%]
100
95
90
85
80
75
00:00
2004
2005
2006
Grafik 5.91 Lage aller Beobachtungsgebiete im August
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
92
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.92 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im August
850
284 840
Helligkeitstemperatur [K]
285
283
282
00:00
820
12:00
Zeit
06:00
BT10.8 mean
18:00
06:00
BT10.8 median
12:00
Zeit
ctp mean
18:00
24:00
ctp median
Grafik 5.95 Mittlerer Tagesgang des Wolkenoberkantendruckes mit Stan-
dardabweichung im August
11
effektiver Partikelradius [μm]
14
00:00
24:00
Grafik 5.93 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im August
12
10
8
6
00:00
830
10
9
8
7
6
5
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.94 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im August
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.96 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im August
93
Beispiel Tagesgänge 15. September 2006
Auf dieser und den folgenden Seiten werden zusätzlich zu
einem Beispieltag im Monat September der vorherige und
der nachfolgende Tag dargestellt.
Besonders für die Beispiele vom 15. September 2006 bis
17. September 2006 ist in der Wolkenbedeckung ein sehr
ausgeprägtes Minimum am Vormittag zu finden. Dieser
Abfall der jeweiligen Kurve ist, wie schon erwähnt wurde, auf
eine ungünstigen Eigenschaft der Wolkenmaske zurückzu-
führen (siehe Diskussion ab S. 120).
100
90
80
70
60
00:00
Grafik 5.97 MSG / RGB - Ausschnitt 15. September 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
94
Ergebnisse
06:00
12:00
Zeit
18:00
24:00
Grafik 5.98 Tagesgang der Wolkenbedeckung am 15. September 2006
840
283.5 820
Helligkeitstemperatur [K]
284.0
283.0
780
282.5
00:00
800
06:00
12:00
Zeit
BT10.8
18:00
24:00
00:00
ctp mean
BT12.0
Grafik 5.99 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 15. September 2006
24:00
ctp median
effektiver Partikelradius [μm]
10
12
18:00
Grafik 5.101 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 15. September 2006
14
10
8
6
4
00:00
12:00
Zeit
06:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.100 Tagesgang der optischen Dicke mit Standardabweichung
am 15. September 2006
8
6
4
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.102 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 15. September 2006
95
Beispiel Tagesgänge 16. September 2006
Die Methode eines festen Beobachtungsgebietes lässt nicht
immer klar erkennen, welche Kurvenverläufe den als typisch
erachteten entsprechen und welche Besonderheiten aus
advehierten Eigenschaften herrühren könnten.
So ist der Verlauf der Helligkeitstemperatur, wie in der Grafik
5.105 dargestellt, schon mehrfach aufgetreten. Zu sehen
ist, dass diese Kurve nach einem Maximum am frühen
Nachmittag rasch zu einem zweiten Mimimum am späten
Abend abfällt.
100
90
80
70
60
50
00:00
Grafik 5.103 MSG / RGB - Ausschnitt 16. September 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
96
Ergebnisse
06:00
12:00
Zeit
18:00
24:00
Grafik 5.104 Tagesgang der Wolkenbedeckung am 16. September 2006
820
282.5
800
Helligkeitstemperatur [K]
283.0
282.0
281.5
00:00
760
06:00
12:00
Zeit
BT10.8
18:00
24:00
12:00
Zeit
06:00
ctp mean
15
10
5
18:00
24:00
ctp median
Grafik 5.107 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 16. September 2006
effektiver Partikelradius [μm]
20
00:00
BT12.0
Grafik 5.105 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 16. September 2006
00:00
780
10
8
6
4
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.106 Tagesgang der optischen Dicke mit Standardabweichung
am 16. September 2006
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.108 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 16. September 2006
97
Beispiel Tagesgänge 17. September 2006
Die Abbildungen 5.111 und 5.113 für die Helligkeitstempe-
ratur und den Wolkenoberkantendruck lassen eine tages-
zeitlich Schwankung erkennen, nehmen aber ungewöhnli-
cherweise im Laufe des Tages stetig zu.
100
95
90
85
80
75
00:00
Grafik 5.109 MSG / RGB - Ausschnitt 17. September 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
98
Ergebnisse
06:00
12:00
Zeit
18:00
24:00
Grafik 5.110 Tagesgang der Wolkenbedeckung am 17. September 2006
285
284
820
Helligkeitstemperatur [K]
840
283
780
282
00:00
800
06:00
12:00
Zeit
BT10.8
18:00
24:00
760
00:00
12:00
Zeit
06:00
ctp mean
BT12.0
Grafik 5.111 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 17. September 2006
18:00
24:00
ctp median
Grafik 5.113 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 17. September 2006
18
effektiver Partikelradius [μm]
16
14
12
10
8
6
00:00
12
10
8
6
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.112 Tagesgang der optischen Dicke mit Standardabweichung
am 17. September 2006
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.114 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 17. September 2006
99
Mittlere Tagesgänge im September
Der September ist einer der Monate, in dem die Wahrschein-
lichkeit für das Antreffen von großflächiger Stratokumulusbe-
wölkung im Südatlantik, sehr hoch ist. Trotz des Fehlens von
MSG- Daten für den September 2005, konnten immer noch
43 Beispiele in der Mittelung der Tagesgänge berücksichtigt
werden.
Bis auf den genannten Wolkenmaskenfehler, der sich in den
Kurven zwischen 15 und 17 UTC äußert, zeigen die Grafiken
5.116 bis 5.120 einen sehr typischen Verlauf.
Der effektive Partikelradius ist mit Werte zwischen 5 und
8,5 μm im September am niedrigsten.
Wolkenbedeckung [%]
100
90
80
70
00:00
2004
2006
Grafik 5.115 Lage aller Beobachtungsgebiete im September
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
100
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.116 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im September
840
284
Helligkeitstemperatur [K]
850
285
283
06:00
12:00
Zeit
BT10.8 mean
18:00
24:00
10
8
6
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.118 Mittlerer Tagesgang der optischen Dicke mit Standardab-
weichung im September
18:00
24:00
ctp median
Grafik 5.119 Mittlerer Tagesgang des Wolkenoberkantendruckes mit
Standardabweichung im September
effektiver Partikelradius [μm]
12
06:00
12:00
Zeit
06:00
ctp mean
14
800
00:00
BT10.8 median
Grafik 5.117 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im September
00:00
820
810
282
00:00
830
10
8
6
4
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.120 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im September
101
Beispiel Tagesgänge 16. Oktober 2006
Wie schon im September, sollen auch für den Beispieltag
im Oktober der vorherige wie auch der nachfolgende Tag
dargestellt werden.
Wolkenbedeckung [%]
90
80
70
60
50
40
00:00
Grafik 5.121 MSG / RGB - Ausschnitt 16. Oktober 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
102
Ergebnisse
06:00
12:00
Zeit
18:00
24:00
Grafik 5.122 Tagesgang der Wolkenbedeckung am 16. Oktober 2006
880
287.0
860
286.0
Helligkeitstemperatur [K]
286.5
285.5
285.0
284.5
840
820
284.0
00:00
06:00
12:00
Zeit
BT10.8
18:00
00:00
24:00
ctp mean
BT12.0
Grafik 5.123 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 16. Oktober 2006
24:00
ctp median
9
effektiver Partikelradius [μm]
12
18:00
Grafik 5.125 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 16. Oktober 2006
14
10
8
6
4
00:00
12:00
Zeit
06:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.124 Tagesgang der optischen Dicke mit Standardabweichung
am 16. Oktober 2006
8
7
6
5
4
3
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.126 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 16. Oktober 2006
103
Beispiel Tagesgänge 17. Oktober 2006
Die Tagesgänge am 17. Oktober 2006 sind zeigen erneut
sehr gut die typischen erwarteten Kurvenverläufen. Einzig
bei der optischen Dicke (Grafik 5.130) und dem effektiven
Partikelradius (Grafik 5.132) ist ein sprunghafter Anstieg am
Morgen zu beobachten, der sehr wahrscheinlich fehlerhaft
ist.
Wolkenbedeckung [%]
100
90
80
70
60
50
00:00
Grafik 5.127 MSG / RGB - Ausschnitt 17. Oktober 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
104
Ergebnisse
06:00
12:00
Zeit
18:00
24:00
Grafik 5.128 Tagesgang der Wolkenbedeckung am 17. Oktober 2006
287.0
870
860
286.0
850
Helligkeitstemperatur [K]
286.5
285.5
285.0
840
830
284.5 820
284.0 810
00:00
06:00
12:00
Zeit
BT10.8
18:00
00:00
24:00
ctp mean
BT12.0
Grafik 5.129 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 17. Oktober 2006
24:00
ctp median
effektiver Partikelradius [μm]
10
20
18:00
Grafik 5.131 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 17. Oktober 2006
25
15
10
5
00:00
12:00
Zeit
06:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.130 Tagesgang der optischen Dicke mit Standardabweichung
am 17. Oktober 2006
8
6
4
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.132 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 17. Oktober 2006
105
Beispiel Tagesgänge 18. Oktober 2006
Wolkenbedeckung [%]
100
90
80
70
00:00
Grafik 5.133 MSG / RGB - Ausschnitt 18. Oktober 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
106
Einleitung
06:00
12:00
Zeit
18:00
24:00
Grafik 5.134 Tagesgang der Wolkenbedeckung am 18. Oktober 2006
880
286 860
Helligkeitstemperatur [K]
287
285
840
284 820
283 800
00:00
06:00
12:00
Zeit
BT10.8
18:00
00:00
24:00
ctp mean
BT12.0
Grafik 5.135 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 18. Oktober 2006
24:00
ctp median
9
effektiver Partikelradius [μm]
16
18:00
Grafik 5.137 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 18. Oktober 2006
18
14
12
10
8
6
4
00:00
12:00
Zeit
06:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.136 Tagesgang der optischen Dicke mit Standardabweichung
am 18. Oktober 2006
8
7
6
5
4
3
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.138 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 18. Oktober 2006
107
Mittlere Tagesgänge im Oktober
Der Oktober ist der Monat, in dem die meisten Beispiele
zur Mittelung der Tagesgänge verfügbar waren. Im Oktober
2006 konnte das Beobachtungsgebiet (in der Grafik 5.139
rot markiert) über alle 31 Tage des Monats ortfest belassen
werden, weil durchgängig die Kriterien (siehe S. 61) dazu
erfüllt waren. Gegen Ende des Monats Oktober 2006 traten
jedoch Fehler in den Daten auf, weshalb doch nicht alle
31 Tage genutzt werden konnten. Insgesamt gingen in die
gemittelten Tagesgänge 68 Beispiele ein.
Erneut macht sich, der auf Problemen der Wolkenmaske be-
ruhende, Abfall der Kurven zwischen 15 und 17 UTC zum Teil
sehr deutlich bemerkbar. Für den Wolkenoberkantendruck
(Grafik 5.143) ist mit Werten bis zu 855 hPa ein Jahresmaxi-
mum dieser Größe zu verzeichnen.
100
Wolkenbedeckung [%]
95
90
85
80
75
70
00:00
2004
2005
2006
Grafik 5.139 Lage aller Beobachtungsgebiete im Oktober
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
108
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.140 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im Oktober
860
286
Helligkeitstemperatur [K]
287
285
840
284
283
00:00
850
06:00
12:00
Zeit
BT10.8 mean
18:00
24:00
830
00:00
BT10.8 median
ctp mean
Grafik 5.141 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im Oktober
24:00
ctp median
effektiver Partikelradius [μm]
12
14
18:00
Grafik 5.143 Mittlerer Tagesgang des Wolkenoberkantendruckes mit
Standardabweichung im Oktober
16
12
10
8
6
00:00
12:00
Zeit
06:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.142 Mittlerer Tagesgang der optischen Dicke mit Standardab-
weichung im Oktober
10
8
6
4
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.144 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im Oktober
109
Beispiel Tagesgänge 23. November 2006
Die Tagesgänge für diesen Beispieltag geben eine sehr schö-
ne Darstellung der typischen Verläufe wieder, die nur durch
den Einfluss der Wolkenmaske (siehe Garfiken 5.147 und
5.149) gestört werden.
Die optische Dicke (Grafik 5.148) erreicht mit einem Ma-
ximum am frühen Morgen von 20 den höchsten Wert aller
dargestellten Tagesgänge.
100
Wolkenbedeckung [%]
90
80
70
60
50
00:00
Grafik 5.145 MSG / RGB - Ausschnitt 23. November 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
110
Ergebnisse
06:00
12:00
Zeit
18:00
24:00
Grafik 5.146 Tagesgang der Wolkenbedeckung am 23. November 2006
Helligkeitstemperatur [K]
800
282
281
760
280
279
00:00
780
740
12:00
Zeit
06:00
BT10.8
18:00
00:00
24:00
effektiver Partikelradius [μm]
15
10
5
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.148 Tagesgang der optischen Dicke mit Standardabweichung
am 23. November 2006
18:00
24:00
ctp median
Grafik 5.149 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 23. November 2006
20
06:00
12:00
Zeit
ctp mean
BT12.0
Grafik 5.147 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 23. November 2006
00:00
06:00
14
12
10
8
6
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.150 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 23. November 2006
111
Mittlere Tagesgänge im November
Die mittleren Tagesgänge für den November setzen sich aus
63 Beispielen zusammen. Mit 30 Beispielen liefert dabei der
November 2006 die meisten Szenarien.
Wolkenbedeckung [%]
100
90
80
70
60
00:00
2004
2005
2006
Grafik 5.151 Lage aller Beobachtungsgebiete im November
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
112
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.152 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im November
860
840
285
284
Helligkeitstemperatur [K]
286
283
800
282
281
00:00
820
780
06:00
12:00
Zeit
BT10.8 mean
18:00
00:00
24:00
BT10.8 median
ctp mean
Grafik 5.153 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im November
24:00
ctp median
13
effektiver Partikelradius [μm]
12
18:00
Grafik 5.159 Mittlerer Tagesgang des Wolkenoberkantendruckes mit
Standardabweichung im November
14
10
8
6
12
11
10
9
8
7
4
00:00
12:00
Zeit
06:00
06:00
12:00
Zeit
cot mean
18:00
24:00
cot median
Grafik 5.154 Mittlerer Tagesgang der optischen Dicke mit Standardab-
weichung im November
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.160 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im November
113
Beispiel Tagesgänge 14. Dezember 2006
Die Tagesgänge der Helligkeitstemperatur (Grafik 5.163)
und des Wolkenoberkantendrucks (Grafik 5.165) erscheinen
auf dem ersten Blick etwas ungewöhnlich. Beide Kurven, wie
auch die Kurve der Wolkenbedeckung (Grafik 5.162) weisen
eine kleinere Datenlücke zwischen 7 und 8 UTC auf.
Die Helligkeitstemperatur hat das typische Minimum am
Morgen, steigt dann zum Maximum am Mittag an, sinkt aber
kaum merklich wieder ab. Die Kurve des Wolkenoberkanten-
drucks erscheint leicht nach links verschoben, weil das Mini-
mum schon in der Nacht erreicht wird und das Maximum am
Vormittag.
100
Wolkenbedeckung [%]
95
90
85
80
75
00:00
Grafik 5.161 MSG / RGB - Ausschnitt 14. Dezember 2006 12:00 UTC
Das rote Quadrat begrenzt das Beobachtungsgebiet
114
Ergebnisse
06:00
12:00
Zeit
18:00
24:00
Grafik 5.162 Tagesgang der Wolkenbedeckung am 14. Dezember 2006
860
285
840
284
Helligkeitstemperatur [K]
286
283
282
800
780
281
280
00:00
820
12:00
Zeit
06:00
BT10.8
18:00
24:00
760
00:00
18:00
24:00
ctp median
Grafik 5.165 Tagesgang des Wolkenoberkantendruckes mit Standardab-
weichung am 14. Dezember 2006
10
effektiver Partikelradius [μm]
14
12
12:00
Zeit
ctp mean
BT12.0
Grafik 5.163 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 14. Dezember 2006
10
8
6
4
00:00
06:00
9
8
7
6
5
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.164 Tagesgang der optischen Dicke mit Standardabweichung
am 14. Dezember 2006
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.166 Tagesgang des effektiven Partikelradius mit Standardabwei-
chung am 14. Dezember 2006
115
Mittlere Tagesgänge im Dezember
In die Dezembermittelwerte der einzelnen Tagesgänge
gingen insgesamt 32 Beispieltage ein. Die Verläufe der
einzelnen Größe entsprechen noch einmal sehr schön den
erwarteten und bisher schon beobachteten Mustern. In
der Abbildung des Wolkenoberkantendrucks (Grafik 5.171)
macht sich der Wolkenmaskenfehler durch einen besonders
starken Abfall am Nachmittag bemerkbar.
Wolkenbedeckung [%]
100
90
80
70
60
00:00
2004
2005
2006
Grafik 5.167 Lage aller Beobachtungsgebiete im Dezember
MSG / RGB - Ausschnitt stellt exemplarischen Termin dar
116
Ergebnisse
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.168 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung im Dezember
850
840
286
830
285
Helligkeitstemperatur [K]
287
284
283
810
800
790
282
00:00
820
06:00
12:00
Zeit
BT10.8 mean
18:00
24:00
00:00
06:00
BT10.8 median
12:00
Zeit
ctp mean
Grafik 5.169 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung im Dezember
18:00
24:00
ctp median
Grafik 5.171 Mittlerer Tagesgang des Wolkenoberkantendruckes mit
Standardabweichung im Dezember
12
effektiver Partikelradius [μm]
12
10
8
6
10
9
8
7
6
4
00:00
11
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.170 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung im Dezember
00:00
12:00
Zeit
06:00
reff mean
18:00
24:00
reff median
Grafik 5.172 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung im Dezember
117
Mittlere Tagesgänge über ein Jahr
Die über ein Jahr gemittelten Tagesgänge der Wolkenbe-
deckung, der Helligkeitstemperatur BT10.8, des Wolken-
oberkantendrucks, der optischen Dicke und des effektiven
Partikelradius gingen aus zusammen 425 verschiedenen
Beispieltagesgängen aus den Jahren 2004, 2005 und 2006
hervor. Der Wolkenoberkantendruck ist für die Jahre 2005
und vor allem für 2004 nicht vollständig vorhanden und
wurde deshalb aus weniger Beispielen gemittelt.
Abgesehen von einem Wolkenmaskenproblem, dass sich
auch in diesen Mittelwerten besonders zwischen 15 und 17
UTC niederschlägt, sind für jeder Größe aber ein überaus
typischer Tagesgang zu erkennen.
287
Helligkeitstemperatur [K]
100
90
80
70
286
285
284
283
282
00:00
06:00
Bedeckung mean
12:00
Zeit
18:00
24:00
Bedeckung median
Grafik 5.173 Mittlerer Tagesgang der Wolkenbedeckung mit Standardab-
weichung
118
Ergebnisse
00:00
06:00
BT10.8 mean
12:00
Zeit
18:00
24:00
BT10.8 median
Grafik 5.174 Mittlerer Tagesgang der Helligkeitstemperatur mit Standard-
abweichung
850
840
830
820
810
800
00:00
12:00
Zeit
06:00
ctp mean
18:00
24:00
ctp median
Grafik 5.176 Mittlerer Tagesgang des Wolkenoberkantendruckes mit
Standardabweichung
effektiver Partikelradius [μm]
14
12
10
8
6
00:00
12:00
Zeit
06:00
cot mean
18:00
24:00
cot median
Grafik 5.175 Mittlerer Tagesgang der optischen Dicke mit Standardabwei-
chung
10
8
6
00:00
06:00
12:00
Zeit
reff mean
18:00
24:00
reff median
Grafik 5.177 Mittlerer Tagesgang des effektiven Partikelradius mit Stan-
dardabweichung
119
Diskussion der Ergebnisse
In den dargestellten Kurvenverläufen ist sehr oft ein typi-
scher Tagesgang der jeweiligen Größe zu beobachten.
Die Helligkeitstemperatur erreicht ihr Minimum in den frühen
Morgenstunden, steigt bis zum Maximum am Nachmittag an
und fällt anschließend wieder ab. Die Schwankung zwischen
Minimum und Maximum beträgt dabei selten mehr als zwei
Kelvin.
Einen sehr ähnlichen Kurvenverlauf kann man im Tagesgang
des Wolkenoberkantendrucks beobachten, der ebenfalls
die geringsten Werte am Morgen und maximale Werte am
Nachmittag aufweist. Die Wolkenoberkante sinkt demnach
im Laufe des Tages ab und steigt in der Nacht wieder an.
Diese Schwankung kann in den gemittelten Tagesgängen
einen Höhenunterschied von etwa 200 m und in einzelnen
gezeigten Tagesgängen bis zu 400 m betragen.
Die Wolkenbedeckung ist in der Nacht meist sehr hoch und
kann nicht selten Werte bis zu 100 Prozent erreichen. Im
Laufe des Tages reißt die Wolkendecke jedoch zunehmend
auf und erreicht die geringste Bedeckung am Nachmittag.
Da für die Bestimmung der optischen Dicke und des effekti-
ven Partikelradius Kanäle im sichtbaren und nahen infraro-
ten Spektralbereich genutzt werden, kann der Verlauf dieser
Größen nur während des Tages betrachtet werden.
Die optische Dicke hat dabei einen überaus charakteristi-
schen Kurvenverlauf. Von einem Maximum am Morgen sinkt
sie bis zum Minimum am frühen Nachmittag und steigt dann
wieder leicht an. Dieses Verhalten legt die Vermutung nahe,
dass die optische Dicke während der Nachtstunden stetig
ansteigt.
Im Tagesgang des effektiven Partikelradius ist nur schwer
ein kennzeichnendes Muster zu finden. Neben vielen
Schwankungen innerhalb der Kurve lässt sich jedoch oft
120
Ergebnisse
eine abnehmende Tendenz erkennen.
Es ist allerdings zu beachten, dass in vielen der gezeigten
Grafiken zwischen 15:00 UTC und 17:00 UTC ein plötzlicher
und teilweise sehr deutlicher Abfall der Kurve zu beobachten
ist. Dieses kurzfristige Absinken resultiert aus einem Pro-
blem der Wolkenmaske, das beim Übergang vom Tag zur
Nacht auftritt.
Die Wolkenmaske von Reuter [2005] operiert abhängig
vom Zenitwinkel in drei verschiedenen Modi. Es gibt einen
Tagmodus, einen Nachtmodus und einen Übergangsmodus
bei Dämmerung und sunglint. Da Nacht- und Dämmerungs-
modus nicht mit den selben Kanälen wie der Tagmodus
arbeiten, stehen den neuronalen Netzen zur Bildung der
Wolkenmaske unterschiedlich viele Informationen zur Ver-
fügung, weshalb auch die Ergebnisse verschieden sind. So
ist zu erwarten, dass der Algorithmus zur Wolkendetektion
nachts und bei Dämmerung mehr „unsichere“ Fälle liefert,
als am Tag. In der Arbeit von Reuter [2005] ist zu sehen,
dass sich der bias insbesondere von Dämmerung zu Nacht
stark verändert. Dies hat zur Folge, dass es im Mittel zu
einem Sprung in der Bedeckung kommen kann (siehe Gra-
fiken 5.178 bis 5.181). Ein vergleichbarer Sprung ist auch
beim Übergang vom Tag zu Dämmerung zu beobachtet.
Wenn nun aus den maskierten Daten Mittelwerte gebildet
werden ist auch dort ein solcher Sprung zu erwarten [Reuter,
2006]. Besonders für die in dieser Arbeit untersuchten
physikalischen Größen existiert eine direkte Beziehung zur
Wolkendetektion. Dicke, kalte und hohe Wolken lassen sich
beispielsweise leichter detektieren als dünne, warme und
tiefe Wolken. Fehler der Wolkenmaske sind deshalb nicht zu-
fällig und treten so vor allem bei tiefen, warmen Wolken auf,
was im Extremfall dazu führen kann, dass einmal alle tiefen,
warmen Wolken berücksichtigt werden und das andere mal
nicht. Dies hat dann Fehler bei der Mittelbildung zur Folge.
Aus diesem Grund spiegelt sich gerade bei Größen wie dem
Wolkenoberkantendruck oder der optischen Dicke die Quali-
tät der verwendeten Wolkenmaske wieder.
−10
100
800
Wahrscheinlichkeit für Bedeckung [%]
66
600
−20
400
0
−10
10
33
200
0
−30
0
0
−20
400
10
200
−30
0
0
800
600
400
200
−10
800
Wahrscheinlichkeit für Bedeckung [%]
−10
100
600
−20
0
−10
10
33
200
0
0
33
800
400
600
Grafik 5.180 Beispiel MSG - Wolkenmaske von Reuter [2005]
16. Juni 2006 15:30 UTC, Ausschnitt im Südatlantik
−10
100
66
0
800
600
400
200
Grafik 5.178 Beispiel MSG - Wolkenmaske von Reuter [2005]
16. Juni 2006 15:00 UTC, Ausschnitt im Südatlantik
66
−10
100
800
0
0
−30
66
−20
400
400
600
Grafik 5.179 Beispiel MSG - Wolkenmaske von Reuter [2005]
16. Juni 2006 15:15 UTC, Ausschnitt im Südatlantik
800
0
−10
10
33
200
0
200
600
0
0
−30
200
400
600
800
Grafik 5.181 Beispiel MSG - Wolkenmaske von Reuter [2005]
16. Juni 2006 15:45 UTC, Ausschnitt im Südatlantik
121
Die Wolkenmaske von Reuter [2005] liefert als Ergebnis für
jedes MSG- Pixel eine prozentuale Wahrscheinlichkeit dafür,
dass das Pixel bewölkt ist. Welchen Schwellenwert der Wahr-
scheinlichkeit man wählt, ab der ein Pixel als bewölkt oder
unbewölkt gilt, hat einen entscheidenden Einfluss auf die
Ergebnisse der Untersuchung. Die Anwendung des Algorith-
mus zur Herleitung der optischen Dicke und des effektiven
Partikelradius für Wolken erfordert eine hohe Bewölkungs-
wahrscheinlichkeit. Für die Evaluierung wurde diese auf > 99
Prozent und für die Ergebnisse in Kapitel 5 auf > 95 Prozent
gesetzt. Wie anhand der Grafiken 5.182 bis 5.187 zu er-
kennen ist, wirkt sich der Wert der Bewölkungswahrschein-
lichkeit zum Teil ungünstig auf die betrachteten Größen wie
Wolkenbedeckung oder Helligkeitstemperatur aus. Da auch
der Wert der Wahrscheinlichkeit mit der ein bestimmtes Pi-
xel als bewölkt gilt im Laufe des Tages Schwankungen zeigt,
kann es in der Anzahl der als bewölkt gezählten Pixel zu Vari-
ationen kommen, die unabhängig von natürlichen Prozessen
sind und auf Eigenschaften der Wolkenmaske beruhen.
So kommt es in einigen Fällen für die Wolkenbedeckung
(siehe Grafik 5.183) am Vormittag zu einem kurzzeitigen
starken Abfall der Wolkenbedeckung, der für eine Bewöl-
kungswahrscheinlichkeit > 50 Prozent wie auch im RGB- Bild
und insitu- Messungen ähnlicher Fälle, nicht auftritt. Der
zuvor erwähnte Wolkenmaskenfehler beim Übergang vom
Tag zur Nacht wurde zudem bei der Erhöhung der Bewöl-
kungswahrscheinlichkeit von 50 Prozent auf 95 Prozent,
etwas verstärkt (siehe Grafik 5.187). Da das Hauptaugen-
merk dieser Arbeit auf der Untersuchung der optischen
Dicke und des effektiven Partikelradius lag und die oft
typischen Tagesgänge der Wolkenbedeckung, der Helligkeit-
stemperatur BT10.8 und des Wolkenoberkantendrucks auch
für Bewölkungswahrscheinlichkeiten > 95 Prozent meist gut
zu erkennen waren, wurde die gezeigte Untersuchung für
diesen Wert durchgeführt.
90
Wolkenbedeckung [%]
100
98 100
96
94
92
90
00:00
Ergebnisse
70
60
50
06:00
12:00
Zeit
18:00
24:00
Grafik 5.182 Tagesgang der Wolkenbedeckung am 16. September 2006
bei 50 Prozent Bewölkungswahrscheinlichkeit
122
80
00:00
06:00
12:00
Zeit
18:00
24:00
Grafik 5.183 Tagesgang der Wolkenbedeckung am 16. September 2006
bei 95 Prozent Bewölkungswahrscheinlichkeit
288
Helligkeitstemperatur [K]
289
288
287
286
287
286
285
285
00:00
06:00
12:00
Zeit
BT10.8 mean
18:00
24:00
00:00
12:00
Zeit
BT10.8 mean
BT10.8 median
Grafik 5.184 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 13. März 2006 bei 50 Prozent Bewölkungswahrscheinlich-
keit
18:00
24:00
BT10.8 median
Grafik 5.186 Tagesgang der Helligkeitstemperatur für die Kanäle IR10.8
und IR12.0 am 13. März 2006 bei 95 Prozent Bewölkungswahrscheinlich-
keit
850
840 840
830 830
ctp [hPa]
850
06:00
820
820
810 810
800 800
790
790
00:00
06:00
12:00
Zeit
ctp mean
18:00
24:00
ctp median
Grafik 5.185 Mittlerer Tagesgang des Wolkenoberkantendruckes mit
Standardabweichung im Dezember bei 50 Prozent Bewölkungswahr-
scheinlichkeit
00:00
06:00
12:00
Zeit
ctp mean
18:00
24:00
ctp median
Grafik 5.187 Mittlerer Tagesgang des Wolkenoberkantendruckes mit
Standardabweichung im Dezember bei 95 Prozent Bewölkungswahr-
scheinlichkeit
123
Es ist nun die Frage, wie sich die erhaltenen Tagesgänge
erklären lassen?
Zu sehen ist, dass die Wolken am Morgen die höchste Wol-
kenoberkante und die größte optische Dicke aufweisen.
Zum Nachmittag hin, sinkt dann die Wolkenoberkante, die
Wolkenbedeckung nimmt ab und die Wolken werden dünner.
Das bedeutet, dass die Wolken zum Zeitpunkt der stärksten
Einstrahlung am dünnsten und damit am wenigsten reflektiv
sind, was im Hinblick auf die Klimawirksamkeit von Stratoku-
mulus eine bedeutsame Tatsache ist.
Ähnliche Tagesgänge der Wolkendicke und -bedeckung für
Stratokumulus wurden 1987 während FIRE - I (the First
ISCCP Regional Experiment) vor der kalifornischen Küs-
te (Albrecht et al., 1990; Minnis et al., 1992) und 2001
124
Ergebnisse
80
60
Neben den direkt sichtbaren Informationen, die den Tages-
gängen entnommen werden können, wäre es auch denkbar
aus den gewonnenen Daten auf das jährliche Verhalten von
Stratokumulus im Südatlantik zu schließen. So kann die An-
zahl der gefundenen Beispiele pro Monat (Grafik 5.188) eine
grobe Einschätzung über die Häufigkeit von tiefer Bewölkung
im jeweiligen Monat liefern. Danach tritt tiefe Bewölkung
in dieser Region vermehrt im Südherbst und vor allem im
Südfrühling auf.
Die Helligkeitstemperatur BT10.8 (Grafik 5.155) zeigt eine
leichte jährliche Schwankung, die ebenfalls ein Minimum im
Winter und Sommer und Maximum im Herbst und Frühling
hat. Die Schwankungen in den Grafiken 5.157, 5.158, 5.156
für die optische Dicke, den effektiven Partikelradius und den
Wolkenoberkantendruck sind jedoch nur schwer am jährli-
chen Gang des Sonnenzenitwinkels festzumachen.
Es muss hierbei jedoch bedacht werden, dass die Grafik
5.188 wie auch die Grafiken 5.155 bis 5.158 auf einer ma-
nuellen Klassifizierung basieren (siehe S. 60- 61), was einen
subjektiven Einfluss unvermeidlich macht. Des Weiteren
haben auch vorhandene Lücken in den Datensätzen Auswir-
kung auf das Aussehen der Grafiken.
40
20
0
Jan
Feb
Mär
Apr
Mai
gerechnet
Jun
Jul
Aug
Sep
Okt
Nov
Dez
eingegangen
Grafik 5.188 Anzahl der gerechneten und in die Mittelung eingegangenen
Beispiele pro Monat
während EPIC (the East Pacific Investigation of Climate)
vor der chilenischen Küste beobachtet (Bretherton et al.,
2003). Diese Studien sahen als Ursache für den Tagesgang
vor allem lokale Prozesse in der atmosphärischen Grenz-
schicht. Im Laufe des Tages wird solare Strahlung innerhalb
der Wolken absorbiert. Die resultierende Erwärmung ist
im Tagesgang der Helligkeitstemperatur BT10.8 zu sehen.
Die durch langwellige Ausstrahlung bedingte Abkühlung am
Oberrand der Wolken kommt dadurch größtenteils zum Erlie-
gen und hemmt damit auch die turbulente Durchmischung
in der Grenzschicht. Der Feuchtetransport von der Meere-
soberfläche zur Wolkenschicht wird gestört und die dazwi-
schenliegende Luftschicht wird trockener, was dazu führt,
dass die Wolkenbasis angehoben wird. Zusätzlich bedingen
die verminderten turbulenten Luftbewegungen ein weniger
starkes Einströmen aus höheren Luftschichten am Oberrand
der Wolken. Aus diesem Grund kann die Wolkenoberkante
durch die vorherrschende allgemeine Subsidenz nach unten
advehiert werden.
Diese beiden Effekte bewirken dann ein dünnerwerden der
Wolkendecke am Nachmittag. Bretherton et al. [2003] fiel
jedoch auf, dass die beobachtete Variation der Inversionshö-
he von bis zu 200 m mit einem veränderten Einströmen am
Wolkenoberrand nicht plausibel zu erklären war. Sie sahen
die Ursache dieser Variation deshalb in einem starken
tageszeitlichen Gang der Subsidenz. Mit Hilfe von Modell-
simulationen, ECWMF (European Center for Medium range
Weather Forecasting) und NCEP (National Centers for Envi-
ronmental Prediction) Reanalysedaten kamen Bretherton
et al. [2003] zu dem Schluss, dass es einen Tagesgang der
Vertikalbewegung gibt. Diese Vertikalbewegung scheint eine
Trägheitsschwerewelle zu sein, die durch die Erwärmung
über dem südamerikanischen Kontinent ausgelöst wird und
sich mehr als 1000 km über den Ozean ausbreitet.
Die Variation der Inversionshöhe weist in den Ergebnissen
dieser Arbeit eine vergleichbare Schwankungsbreite auf. Da
die geographischen, wie meteorologischen Bedingungen
vor der chilenischen Küste den Bedingungen vor der Küste
Namibias und Angolas ähneln, ist eine solche Erklärung
des Tagesganges für die Region im Südatlantik wohl auch
vorstellbar.
Die Überprüfung einer solchen Erklärungsmöglichkeit könnte
eine interessante Fragestellung für künftige Untersuchungen
darstellen.
Die beiden Klappseiten zeigen die Grafiken 5.155 bis 5.158.
Diese Grafiken stellen alle viertelstündlich gewonnenen Da-
ten der Jahre 2004, 2005 und 2006 für die Helligkeitstem-
peratur BT10.8, den Wolkenoberkantendruck, die optische
Dicke und den effektiven Partikelradius dar. Die Jahre 2005,
2004 und 2006 wurden in dieser Reihenfolge übereinander
geplottet, was dazu führen kann, dass einige Datenpunkte
nicht mehr vollständig sichtbar sind. Weitere Datenlücken
resultieren aus Lücken und Fehlern im Datensatz, aus nicht
vorhandenen Wolkenprodukten oder sie sind darauf zurück-
zuführen, dass keine den Kriterien entsprechende Bewöl-
kung zu finden war.
Auf den Seiten 126 und 127 werden entsprechend zu den
Grafiken 5.155 bis 5.158 vergrößerte Ausschnitte für den
Monat Oktober präsentiert.
125
Helligkeitstemperatur BT10.8 [K]
290
285
280
275
Januar
Februar
März
April
Mai
2004
Grafik 5.155 Helligkeitstemperatur BT10.8 für die Jahre 2004, 2005, 2006
Die Linien kennzeichnen die über jeweils einen Monat summierten Werte
August
2005
September Oktober November Dezember
August
Juli
Juni
September Oktober November Dezember
2006
900
850
800
750
700
Januar
Februar
März
Grafik 1.156 Wolkenoberkantendruck für die Jahre 2004, 2005, 2006
Die Linien kennzeichnen die über jeweils einen Monat summierten Werte
April
Mai
Juni
Juli
2004
2005
2006
20
15
10
5
Januar
Februar
März
April
Mai
Juni
Juli
2004
Grafik 1.157 Optische Dicke für die Jahre 2004, 2005, 2006
Die Linien kennzeichnen die über jeweils einen Monat summierten Werte
2005
August September Oktober November Dezember
August September Oktober November Dezember
2006
20
15
10
5
Januar
Februar
März
Grafik 1.158 Effektiver Partikelradius für die Jahre 2004, 2005, 2006
Die Linien kennzeichnen die über jeweils einen Monat summierten Werte
April
Mai
Juni
Juli
2004
2005
2006
Helligkeitstemperatur BT10.8 [K]
292
290
288
286
284
282
280
278
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21 22 23 24 25 26 27 28 29 30 31
21 22 23 24 25 26 27 28 29 30 31
Oktober
2004
2006
2005
Grafik 5.189 Helligkeitstemperatur BT10.8 im Oktober 2004, 2005, 2006
900
880
860
840
820
800
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Oktober
2005
Grafik 5.190 Wolkenoberkantendruck im Oktober 2005, 2006
126
Ergebnisse
2006
19
20
18
16
14
12
10
8
6
4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21 22 23 24 25 26 27 28 29 30 31
21 22 23 24 25 26 27 28 29 30 31
Oktober
2004
2006
2005
Grafik 5.191 Optische Dicke im Oktober 2004, 2005, 2006
16
14
12
10
8
6
4
2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Oktober
2004
2005
2006
Grafik 5.192 Effektiver Partikelradius im Oktober 2004, 2005, 2006
127
Kapitel 6
Ausblick
Eine andere Methode die zeitliche Entwicklung von Wolken zu
untersuchen sind Wolkenverfolgungsalgorithmen. Die Anwen-
dung eines solchen Algorithmus soll anhand zweier Beispiele
gezeigt werden.
Entwicklung der Wolkenverfolgung mit
Satellitendaten
Unter der Bedingung einer relativ großflächigen, homogenen
und wenig dynamischen Wolkendecke erwies sich die in Ka-
pitel 5 verwendete Methode zur Bestimmung verschiedener
Wolkenparameter als sehr vorteilhaft. Die jeweils beständige
Größe des Beobachtungsgebietes, eine konstant hohe Wol-
kenbedeckung sowie manuelle und automatisierte Kriterien
für die Bewölkung verringerten Fehler durch das Auftreten
von Inhomogenitäten in Wolkenstruktur und -bedeckung und
sicherten eine gute Vergleichbarkeit der erhaltenen Tages-
gänge.
In höheren Breiten, wie etwa über dem Nordatlantik oder
Europa, ist Stratokumulusbewölkung in der Regel weniger
langlebig und gerade in Verbindung mit frontalen Systemen
wesentlich dynamischer. Oft ist die Form der Stratokumu-
lusfelder weniger kompakt und mit dem Auftreten anderer
Wolkengattungen verbunden. Aus diesem Grund ist die in
Kapitel 5 genutzte Methode oft nicht geeignet um niedrige
Wolken und deren Eigenschaften in mittleren Breiten zu
untersuchen.
Schon seit den 70iger Jahren gibt es deshalb Bemühungen
automatisierte Wolkenverfolgungsalgorithmen für verschie-
dene Anwendungen zu entwickeln. Frühe Anwendungen
hatten überwiegend zum Ziel automatisierte Verfahren zur
Bestimmung der Zugbahn atmosphärischer Phänomene zu
erhalten. So haben Endlich et al. [1980] erfolgreich tropi-
sche Wirbelstürme mit Hilfe von METEOSAT Wasserdampf-
messungen verfolgen können.
Mit zunehmender Verbesserung der zeitlichen, räumlichen
und spektralen Auflösung geostationärer Satellitensysteme
veränderten sich auch die Möglichkeiten zur Wolkenverfol-
gung. So ist ein großes Anwendungsgebiet die Untersuchung
130
Ausblick
mesoskaliger konvektiver Systeme. Machado et al. [2002]
haben Wolkenverfolgungsalgorithmen zur Studie konvektiver
Systeme im Amazonasgebiet eingesetzt und Zinner et al.
[2006] nutzten Wolkenverfolgung mit MSG/ SEVIRI- Daten
zur Verbesserung des Nowcastings konvektiver Nieder-
schlagsereignisse. Die automatisierte Verfolgung von Grenz-
schichtbewölkung wie Stratokumulus bietet je nach deren
Lebensdauer die Möglichkeit Tagesgänge verschiedener
mikrophysikalischer Parameter zu analysieren, besonders
aber auch die Möglichkeit den Lebenszyklus eines zusam-
menhängenden Stratokumulusfeldes von der Entstehung bis
zu dessen Auflösung zu erfassen. Die zeitliche Entwicklung
von Wolkenparametern wie dem Wolkenoberkantendruck,
der Fläche des Wolkenfeldes, der Veränderung der Wolken-
temperatur oder verschiedener mikrophysikalischer Para-
meter ist für eine bestimmte Wolke oder ein bestimmtes
Wolkenfeld darstellbar. Dies ist mit der Methode eines stati-
schen Untersuchungsgebietes nicht oder nur eingeschränkt
möglich.
Wolkenverfolgungsalgorithmen bieten also eine Vielzahl von
Varianten Wolkeneigenschaften zu studieren. Es gibt die
Möglichkeit die Entwicklung von Wolkenparametern in Ab-
hängigkeit von der Zugbahn zu untersuchen um den Einfluss
vom Untergrund zum Beispiel durch verschiedene Boden-
albeden oder Aerosoleintrag ausfindig zu machen. Ein weite-
res wichtiges Untersuchungsgebiet ist die Entwicklung von
Niederschlag und dessen Abhängigkeit von Wolkenparame-
tern oder der mögliche Zusammenhang zwischen Nieder-
schlag und Niederschlagsintensität und der Zugbahn der
verursachenden Wolke.
Bei der Untersuchung mesoskaliger konvektiver Systeme
haben sich Wolkenverfolgungsprozeduren bereits bewährt.
Die Verfolgung niedriger Bewölkung birgt jedoch Schwierig-
keiten in sich und wurde bisher eher selten genutzt.
Pincus et al. [1997] nutzten die sogenannte Lagrange‘sche
Methode um Wolkengebiete zu observieren. In einem
Beobachtungsgebiet mit festen Seitenlängen wurde aus
den Windfeldern die Trajektorie eines zentralen Partikel in
bestimmten zeitlichen Abständen ermittelt, das Beobach-
tungsgebiet entsprechend verschoben und die Wolkenpara-
meter aus Satellitendaten bestimmt. Dieses Vorgehen bietet
jedoch nicht alle Vorteile der Wolkenverfolgung, da ein voll-
ständiger Lebenszyklus einer Wolke nicht betrachtet wird.
Ziel dieses Kapitels ist es nun anhand zweier Beispiele für
die Wolkenverfolgung von Stratokumulus in mittleren Breiten
einen kurzen Einblick in die Möglichkeiten, wie auch damit
verbundene Schwierigkeiten und Probleme aufzuzeigen.
Methoden der Wolkenverfolgung
Das Verfolgen von Wolken in einer Serie von zeitlich aufein-
anderfolgenden Satellitenbildern ist noch heute ein überaus
komplexes Problem. Wolkenverfolgung ist im Grunde die Be-
wegungsanalyse deformierbarer Stukturen. Die Wolkenmas-
se unterliegt dabei nicht nur einer Translation und Rotation,
sondern auch Größenveränderungen und bisweilen Schee-
rungen.
Dabei setzt sich das Verfolgen von Wolken aus zwei Pro-
blemen zusammen. Das erste zu lösende Problem ist die
Identifizierung und Klassifizierung von Wolkenmassen, die
verfolgt werden sollen. Das zweite Problem ist die Bestim-
mung der Verlagerung dieses Wolkenfeldes. Es gibt eine
Reihe von unterschiedlichen Ansätzen zur Lösung dieses
Sachverhaltes. So haben Martin und Schreiner [1981], Laing
und Fritsch [1993], Rowell und Milford [1993] Wolkenkom-
plexe sowie Böenwalzen mittels manueller Klassifizierung in
Satellitenbildern observiert. Die Nachteile dieser Methode
sind offensichtlich ein hoher Arbeitsaufwand, eine subjekti-
ve Klassifizierung und Statistiken, die nur schwer zu repro-
duzieren sind.
Woodley et al. [1980] verfolgten konvektive Wolkensysteme
mit Hilfe eines automatisierten Algorithmus, der primär auf
der Ausbreitungsgeschwindigkeit basierte.
Arnaud et al. [1992] beobachteten konvektive Systeme über
Afrika, wobei dieser Algorithmus die Fusion und das Auftei-
len von Wolken berücksichtigte.
Mukherjee et al. [2002] entwickelten zur Wolkenverfolgung
die sogenannte „scale space classification“ Methode. Der
erste Schritt dieser Prozedur besteht darin homogene und
beständige Wolkenmassen für die Verfolgung zu identifi-
zieren. Im zweiten Schritt werden charakteristische Kon-
turpunkte der Begrenzung einer jeden Wolke gewählt und
deren jeweilige Geschwindigkeit und Bewegungsrichtung
ermittelt. Eine weitere Methode, die auf der Form einer
Wolke basiert wurde von Newland et al. [1998] angewandt.
Hierbei wurde die Definition des „fuzzy object“ genutzt um
homogene Wolkenmassen und Wolkenbewegungsvektoren
zuzuordnen. Zur Verfolgung von Wolken werden verbreitet
auch Techniken angewandt, denen Kreuzkorrelation zugrun-
de liegt. Diese nutzen oft empirisch gewonnene Grenzwerte
zum Beispiel für die Wolkenoberkantentemperatur und die
maximale Kreuzkorrelation um Wolkengebiete zu identifizie-
ren und zu verfolgen.
Angewandte Wolkenverfolgungsmethode
In diesem Kapitel wurde das Wolkenverfolgungsprogramm
von Schröder [2006] eingesetzt. Dieses in der Program-
miersprache IDL (Interactive Data Language) geschriebene
Programm diente ursprünglich dem Zweck konvektive Wol-
kenkomplexe über dem afrikanischen Kontinent mit MSG/
SEVIRI- Daten zu verfolgen. Dazu nutzt es eine Gebiet-
Überlapp- Methode ähnlich wie in Williams und Houze
[1987] oder Laurent et al. [2002] beschrieben. Diesem
Prinzip liegt die Annahme zugrunde, dass sich eine Wolke zu
einem späteren Zeitpunkt mit der zu einem vorhergehenden
Zeitpunkt überdeckt, wenn deren Positionen überlappen.
In einem ersten Schritt werden innerhalb eines Bildes alle
Pixel identifiziert, die unterhalb eines bestimmten Grenzwer-
tes der Helligkeitstemperatur des Kanals IR10.8 liegen und
131
mit hochreichender Konvektion verbunden werden. Da die
Helligkeitstemperatur im Kanal IR10.8 stark mit der eigent-
lichen Temperatur einer Oberfläche korreliert ist, lässt sie
sich dazu nutzen hochreichende und damit sehr kalte Wol-
ken vom wärmeren Untergrund zu unterscheiden. Besonders
über dem afrikanischen Festland ist der Kontrast zwischen
Erdoberfläche und hohen konvektiven Wolken, deren Wol-
kenoberkantentemperatur durchaus unterhalb von 245 K
liegen kann, sehr ausgeprägt und eignet sich somit hervor-
ragend zur Wolkenklassifizierung. Diese relativ einfache
Methode mesoskalige konvektive Systeme in tropischen
und subtropischen Breiten ausmachen zu können erleich-
tert die Wolkenverfolgung erheblich. Nachdem nun alle dem
Grenzwert entsprechenden Pixel in einem Bild identifiziert
wurden, werden einzelne zusammenhängende Wolkenge-
biete separiert, wobei durch einen weiteren Grenzwert eine
Mindestgröße der Wolkenfelder festgelegt wird. Um nun die
Verlagerung einer Wolke zu bestimmen, wird für eine gege-
bene Wolke zum Zeitpunkt t, die Wolke zum Zeitpunkt t+Δt
mit dem größten Überlapp gesucht. Wenn sich eine Wolke
aufteilt, behält der größere Teil das Label der Wolke bei und
der kleinere Wolkenteil wird als Teilgeneration angesehen
und beginnt einen neuen Lebenszyklus. Der Lebenszyklus
einer Wolke endet hierbei also, wenn es zu keinem Überlap-
pen mehr kommt oder bei der Fusion der Wolke mit einer
größeren.
track_time Programm von Schröder [2006]:
• Gebiet- Überlapp- Methode
• Temperaturgrenzwert: 220 K
• minimale Größe der Wolkengebiete:
30 Pixel (ca. 8100 km2)
• Zeitschritt: 1 Stunde
132
Ausblick
Modifikationen zur Stratokumulus-
verfolgung
Um mit dem Programm von Schröder [2006] Stratokumu-
lusbewölkung speziell auch in mittleren Breiten verfolgen zu
können, waren einige Modifikationen notwendig. So liegt die
Wolkenoberkante von Stratokumulus sehr viel niedriger als
bei konvektiver Bewölkung, was einen anderen Temperatur-
grenzwert und eine erweiterte Form der Wolkenklassifizie-
rung erforderte. Da der Kontrast zwischen der Wolkenober-
kantentemperatur und der Erd- oder Meeresoberfläche bei
Stratokumulus oft nicht ausreichend ist um Bewölkung mit
hinreichender Sicherheit vom Untergrund unterscheiden zu
können, wurde in einem ersten Schritt die von Reuter [2005]
entwickelte Wolkenmaske integriert. So wurde sicherge-
stellt, dass nur Pixel, die mit einer Wahrscheinlichkeit größer
als 50 Prozent bewölkt sind, weiter betrachtet werden. In
einem zweiten Schritt wurde für diese verbleibenden, be-
wölkten Pixel ein oberer und unterer Temperaturgrenzwert
eingeführt um die Wahrscheinlichkeit, dass ausschließlich
Stratokumulusbewölkung betrachtet wird, zu erhöhen. Diese
Temperaturgrenzwerte ergaben sich aus den typischen
Höhen in denen Stratokumulus anzutreffen ist und aus Ver-
suchen mit dem Programm, wobei sich die gewählten Werte
als sinnvoll erwiesen. Aus der Verkleinerung des Zeitschrit-
tes Δt von einer Stunde auf den mit MSG/ SEVIRI möglichen
Rhythmus von 15 Minuten wurde eine qualitative Verbes-
serung der Wolkenverfolgung erhofft. Zudem wurde die zeitli-
che Auflösung der Ergebnisse dadurch erheblich verbessert.
modifiziertes track_time Programm:
• Gebiet- Überlapp- Methode
• unterer Temperaturgrenzwert BT10.8: 273 K
• oberer Temperaturgrenzwert BT10.8: 288 K
• minimale Größe der Wolkengebiete: 30 Pixel
• Zeitschritt: 15 Minuten
Beispiel Wolkenverfolgung vom
21.06.2005 18:15 bis 23.06.2005 23:30
Die Wetterlage über Nordeuropa wurde in diesem Zeitraum
durch einen ausgeprägten Tiefdrucktrog über dem Nordat-
lantik geprägt, der für eine Strömung aus West- Südwest
verantwortlich war. Über Mittel- und Südeuropa breitete
sich zunehmend ein Ableger des Azorenhochs aus. Diese
Konstellation war entscheidend für die Zugbahn eines Tief-
druckwirbels, der sich vor der Labradorhalbinsel formierte
und rasch über den Atlantik zog. Die blockierende Wirkung
der Antizyklone über Mitteleuropa zwang dieses Tiefdruck-
gebiet in nordöstliche Richtung auszuweichen und nördlich
der britischen Inseln nach Skandinavien zu ziehen. Mit dem
Frontensystem dieser Zyklone war auch ein ausgedehntes
Stratokumulusfeld verbunden.
Im Zusammenhang mit einem Tiefdruckwirbel bildet sich
Stratokumulus primär im Warmsektor, wo es aufgrund von
Warmluftadvektion zu einer Stabilisierung der unteren Luft-
schichten kommt. Vor der Kaltfront kommt es zusätzlich zu
Absinken von Kaltluft, was die Bildung einer stabilen Luft-
schicht und damit auch Stratokumulusbildung begünstigen
kann. Hinter einer Kaltfront kann postfrontale Subsidenz
und einsetzende Kaltluftadvektion die Bildung von Stratoku-
mulus fördern.
Grafik 6.1 Bodenwetterkarte mit Fronten 22. Juni 2005 00 UTC
Grafik 6.2 MSG / RGB - Ausschnitt 22. Juni 2005 12 UTC
133
Zugbahn
60
Die Größe der Wolkenschicht weist eine große Zahl von zum
Teil deutlichen Schwankungen auf, die auch auf Probleme
im Verfolgungsalgorithmus zurückzuführen sind. Insgesamt
ist das Wachstum in den ersten Stunden sehr deutlich und
erreicht am frühen Nachmittag des 22.Juni eine maximale
Ausdehnung von mehr als 800.000 km2, was mehr als der
doppelten Fläche der Bundesrepublik Deutschland ent-
spricht. Der Verlauf der Wolkengröße deutet eher darauf
hin, dass dieser von dynamischen Prozessen innerhalb der
Zyklone dominiert wird und weniger tageszeitlich bedingt ist.
Helligkeitstemperatur
Der Verlauf der Helligkeitstemperaturen für die Kanäle
IR10.8 und IR12.0 (Grafik 6.5) weist deutlicher Schwankun-
gen auf, die auf den Tagesgang des Sonnenstandes zurück-
zuführen sind. Dem Gang des Graphen ist zu entnehmen,
dass die Temperatur der Wolke bis zum Höchststand, der
gegen Mittag erreicht wird, zunimmt und dann stetig bis in
die frühen Morgenstunden zurückgeht. Dieser Verlauf in
einer Doppelkurve ähnelt dem typischen Verlauf, der schon
im Tagesgang der Helligkeitstemperatur BT10.8 in Kapitel 5
für Stratokumulus vor der Küste Namibias oftmals beobach-
134
Ausblick
58
56
54
52
−30
−25
−20
−15
Länge [Grad]
−10
−5
0
Grafik 6.3 Verlagerung des Massenschwerpunktes des verfolgten Wol-
kenfeldes vom 21. Juni 2005 18:15 UTC bis 23. Juni 2005 23:30 UTC
800000
700000
Fläche
Das verfolgte Wolkenfeld bewegte sich im betrachteten
Zeitraum zusammen mit dem Frontensystem der Zyklone
über den Norden Schottlands hinweg in Richtung Skandina-
vien (Grafik 6.3). Die Abbildung stellt hierbei den gemittelten
Pfad des Schwerpunktes der Wolkenfläche in Orange dar.
Da die Wolke einer Vielzahl von Deformationen unterliegt, ist
die Lage des Schwerpunktes jedoch nicht ausschließlich von
der Zugbahn des Tiefs bestimmt, was einige der Schwankun-
gen im Pfad erklären kann.
600000
500000
400000
300000
200000
12:00
00:00
12:00
Zeit
00:00
12:00
Grafik 6.4 Zeitliche Entwicklung der Wolkenfläche vom 21. Juni 2005
18:15 UTC bis 23. Juni 2005 23:30 UTC
00:00
Wolkenoberkantendruck ctp
Der Wolkenoberkantendruck (Grafik 6.6) ähnelt in seinem
Gang der Helligkeitstemperatur, weil auch das Wachstum
von Wolken und deren Höhe vom Sonnenstand beeinflusst
wird. Maximum und Minimum eines jeden Tages werden
zu vergleichbaren Zeiten erreicht, wie bei der Helligkeits-
temperatur, was bedeutet, dass die Wolkenobergrenzen in
den Morgenstunden am höchsten sind und zum Mittag hin
absinken. Diese Tatsache kann auch einen Einfluss auf die
jeweilige Temperatur haben, weil eine höhere Wolkenober-
kante in der Regel auch kältere Temperaturwerte aufweist.
Der Betrag des Wolken-oberkantendruckes schwankt etwa
zwischen 840 hPa und 810 hPa, was einer Höhenschwan-
kung von rund 300 m gleichkommt. Mit zunehmender Le-
bensdauer der Wolke nimmt die tageszeitliche Schwankung
ab und die Höhe der Wolkenoberkante steigt an.
279
tet werden konnte. Insgesamt sinkt die Temperatur in der
betrachteten Zeitspanne von anfangs ungefähr 279 K auf
274 K ab, was unter anderem durch die stetige Bewegung
nach Nordosten bewirkt wird.
278
277
276
275
274
12:00
00:00
12:00
Zeit
00:00
12:00
00:00
Grafik 6.5 Zeitliche Entwicklung der Helligkeitstemperatur für die Kanäle
IR10.8 und IR12.0 vom 21. Juni 2005 18:15 UTC bis 23. Juni 2005
23:30 UTC
860
Der Tagesgang der optischen Dicke (Grafik 6.7) zeigt für
dieses Beispiel nicht den typischen erwarteten Gang mit ei-
nem Maximum am Morgen, Abfallen zu den Mittagsstunden
und einem leichten Anstieg am späten Nachmittag. Am 22.
Juni hat die optische Dicke ihren minimalen Wert gleich am
Morgen und steigt bis zum Abend an. Der Tagesgang am 23.
Juni hat zwar ein Maximum am Morgen aber gleichzeitig ein
zweites am Mittag. Die Werte der optischen Dicke liegen für
die betrachtete Wolkendecke zwischen drei und sechs und
sind damit sehr gering.
840
ctp [hPa]
Optische Dicke und effektiver Partikel-
radius
820
800
780
12:00
00:00
12:00
Zeit
00:00
12:00
00:00
Grafik 6.6 Zeitliche Entwicklung des Wolkenoberkantendruckes mit Stan-
dardabweichung vom 21. Juni 2005 18:15 UTC bis 23. Juni 2005
23:30 UTC
135
20
15
10
5
15
10
5
0
12:00
00:00
12:00
Zeit
00:00
12:00
00:00
Grafik 6.7 Zeitliche Entwicklung der optischen Dicke mit Standardabwei-
chung vom 21. Juni 2005 18:15 UTC bis 23. Juni 2005 23:30 UTC
12:00
00:00
12:00
Zeit
00:00
12:00
Grafik 6.8 Zeitliche Entwicklung des effektiven Partikelradius mit Stan-
dardabweichung vom 21. Juni 2005 18:15 UTC bis 23. Juni 2005
23:30 UTC
Beispiel Wolkenverfolgung vom
10.03.2006 2:15 bis 12.03.2006 6:00
In der Zeit vom 10. März 2006 bis 12. März 2006 lag im
Bereich der Azoren ein ausgedehntes Hochdruckgebiet,
welches in der Bodenwetterkarte einen Kerndruck von etwa
1030 hPa aufwies. Innerhalb des Beobachtungszeitraumes
dehnte sich von Westen her ein Tiefdrucktrog aus, der eine
Verlagerung des Azorenhochs über die iberische Halbinsel
zur Folge hatte. Die Wassertemperaturen an der Meeres-
oberfläche lagen bei rund 18°C vor den Kanaren und 12°C
im Bereich der Biskaya.
Zusammen mit der durch diese Antizyklone hervorgerufenen
großräumigen Subsidenz ergaben sich gute Bedingungen für
die Bildung einer großflächigen Stratokumulusdecke. Eine
derartige Wetterkonstellation ist des öfteren verantwortlich
für die Bildung niedriger Bewölkung im Gebiet der kanari-
schen Inseln.
136
Ausblick
00:00
Grafik 6.9 Bodenwetterkarte mit Fronten 10. März 2006 00 UTC
45
40
35
30
−20
Grafik 6.10 MSG / RGB - Ausschnitt 10. März 2006 12 UTC
Zugbahn
Die hier betrachtete Stratokumulusbewölkung bildete sich
an der Süd- und Südwestseite des Hochkerns zwischen den
Kanaren und der iberischen Halbinsel. Das Hochdruckgebiet
lag zu Beginn relativ stabil in seiner Position und so zeigte
auch die Bewölkung nur wenig Dynamik und verblieb etwa
zwischen 30° und 40° nördlicher Breite. Mit zunehmender
Verlagerung der Antizyklone nach Nordosten, wurde das
Wolkengebiet in der rückseitigen Strömung antizyklonal um
den Kern des Hochs nach Norden geführt.
Fläche
Die Fläche des Wolkengebietes zeigt neben teils gravieren-
den Schwankungen aufgrund von Problemen bei der Wol-
kenverfolgung auch eine Variation, die vom Tagesgang des
Sonnenstandes herzurühren scheint. Wie schon in mehreren
Beispielen der Wolkenbedeckung in Kapitel 5 zu beobachten
−18
Länge [Grad]
−16
−14
Grafik 6.11 Verlagerung des Massenschwerpunktes des verfolgten Wol-
kenfeldes vom 10. März 2006 2:15 UTC bis 12. März 2006 6:00 UTC
war, erreicht die Wolkenfläche ihre maximale Ausdehnung in
den späten Vormittagsstunden und fällt dann bis zum Nach-
mittag auf ein Minimum ab. Die Ausdehnung der beobachte-
ten Wolkenmasse erreicht zeitweise enorme Ausmaße. Das
Maximum der verfolgten Wolkenfläche beträgt am Vormittag
des 11. März rund 2,6 Millionen km2, was etwa einem Viertel
der Fläche des europäischen Kontinents entspricht.
Helligkeitstemperatur
Der Tagesgang der Helligkeitstemperatur BT10.8 und BT
12.0 (Grafik 6.13) weist einen zur Wolkenfläche entgegen-
gesetzten Tagesgang auf, der allerdings von einer Vielzahl
von Schwankungen überlagert ist. Dennoch ist der typische,
schon vorher beobachtete Verlauf mit Minimum in den
Morgenstunden und einem Maximum am Nachmittag klar
zu erkennen. Die Helligkeitstemperatur BT10.8 schwankt
zwischen einem maximalen Wert von 283 K am Nachmittag
des 10. März und einem minimalen Wert von 278 K in der
137
Die Darstellung des Wolkenoberkantendruckes (Grafik 6.14)
ähnelt in ihrer Form erneut stark dem Verlauf der Hellig-
keitstemperatur. Neben teils starkem Schwankungen in der
Kurve ist doch der Tagesgang mit Minimum am Morgen und
Maximum am Nachmittag zu erkennen. Wie im vorherigen
Beispiel ist auch
beim Wolkenoberkantendruck ein abnehmender Trend aus-
zumachen, was bedeutet, dass die Höhe der Wolkenober-
kante mit der Zeit ansteigt. Eine Schwankung zwischen
845 hPa am Abend des 10. März bis 800 hPa in der Nacht
zum 12. März bedeutet etwa 450 m Höhenunterschied.
Optische Dicke und effektiver
Partikelradius
Die für dieses Beispiel erhaltenen Tagesgänge der optischen
Dicke haben jeweils ihren höchsten Wert am Morgen und
nehmen dann zum Mittag hin ab. Während die optische
Dicke am 10. März ab Mittag relativ konstant zwischen 4,5
und 5 verbleibt, steigt sie am 11. März zu einem weiteren
Maximum am Nachmittag an und ähnelt damit in ihrem
Verlauf sehr den Szenarien aus Kapitel 5. Die Werte der opti-
schen Dicke sind mit 3,5 bis 9 jedoch relativ gering.
Der effektive Partikelradius (Grafik 6.16) zeigt hingegen kein
vergleichbares Verhalten.
138
Ausblick
Wolkenoberkantendruck ctp
2.5·106
2.0·106
1.5·106
1.0·106
5.0·105
00:00
12:00
00:00
Zeit
12:00
00:00
12:00
Grafik 6.12 Zeitliche Entwicklung der Wolkenfläche vom 10. März 2006
2:15 UTC bis 12. März 2006 6:00 UTC
284
Helligkeitstemperatur [K]
Nacht zum 12. März. Die Tendenz der Wolkentemperatur
ist demnach innerhalb der 52 Stunden Beobachtungszeit
fallend, was wie im vorangegangenen Beispiel mit einer
nordwärtsgerichteten Bewegung in kühlere Regionen und
einem Ansteigen der Wolkenobergrenze zu tun hat.
282
280
278
276
00:00
12:00
00:00
Zeit
12:00
00:00
12:00
Grafik 6.13 Zeitliche Entwicklung der Helligkeitstemperatur für die Kanä-
le IR10.8 und IR12.0 vom 10. März 2006 2:15 UTC bis 12. März 2006
6:00 UTC
880
860
840
820
800
780
760
00:00
12:00
00:00
Zeit
12:00
00:00
12:00
Grafik 6.14 Zeitliche Entwicklung des Wolkenoberkantendruckes mit
Standardabweichung vom 10. März 2006 2:15 UTC bis 12. März 2006
6:00 UTC
16
effektiver Partikelradius [μm]
12
10
8
6
4
2
00:00
14
12
10
8
6
4
2
12:00
00:00
Zeit
12:00
00:00
12:00
Grafik 6.15 Zeitliche Entwicklung der optischen Dicke mit Standardabwei-
chung vom 10. März 2006 2:15 UTC bis 12. März 2006
6:00 UTC
00:00
12:00
00:00
Zeit
12:00
00:00
12:00
Grafik 6.16 Zeitliche Entwicklung des effektiven Partikelradius mit Stan-
dardabweichung vom 10. März 2006 2:15 UTC bis 12. März 2006
6:00 UTC
139
Probleme und Schwierigkeiten bei der
Wolkenverfolgung
Vor der Diskussion der Ergebnisse der zwei gezeigten Bei-
spiele für die Wolkenverfolgung ist es notwendig auf einige
Probleme und Schwierigkeiten einzugehen, die hierbei auf-
treten können. Diese Probleme und Schwierigkeiten schla-
gen sich zum Teil recht deutlich in den betrachteten Ergeb-
nissen wieder. Neben Unsicherheiten, was die Interpretation
der Ergebnisse betrifft, ist die größte Fehlerquelle in diesem
Fall der Wolkenverfolgungsalgorithmus selbst. Die Abbildun-
gen 6.4 und 6.12 der zeitlichen Entwicklung der Wolkenflä-
che zeigen teils imense Sprünge innerhalb kurzer Zeit, die
durch natürliche Prozesse nicht zu erklären sind und mit
großer Sicherheit aus Mängeln in der Verfolgungsprozedur
herrühren. Es gibt mehrere Ursachen, die derartige Sprünge
in der Wolkenfläche erklären können.
Ein Auslöser für dieses Problem kann im unteren Tempe-
raturgrenzwert liegen. Dieser wurde auf 273 K gesetzt um
reine Wasserwolken zu betrachten. Es kann nun vorkom-
men, dass Wolkengebiete eine Wolkenoberkantentempratur
aufweisen, die nahe diesem Grenzwert liegt. So können
schon geringfügige Schwankungen der Temperatur an der
Oberkante der Wolke dazu führen, dass diese innerhalb oder
außerhalb der Temperaturgrenzen liegt und damit entwe-
der berücksichtigt oder ignoriert wird. Dieser Effekt kann
plötzliche und zum Teil gravierende Gebietsschwankungen
bewirken. Eine andere Ursache für solche Variationen kann
darin liegen, dass auch Wolkengebiete, die im eigentlichen
Sinn als getrennt angesehen werden müssten, selbst bei
nur sehr kleinen Verbindungen untereinander als zusam-
menhängend gewertet werden. Dies stellt insbesondere
bei der Verfolgung von Stratokumulus ein Problem dar, weil
aufgrund der wenig kompakten, zellenartigen Struktur der
140
Ausblick
oft sehr großen Stratokumulusgebiete, diese Verbindungen
größerer zusammenhängender Gebiete zum Teil nur kurze
Zeit existieren, weshalb die Fläche des verfolgten Wolkenge-
bietes kurzfristig stark schwanken kann.
Variationen in der Größe der Wolkenfläche können auch
durch natürliche Fusion beziehungsweise Teilung von Wolken
verursacht werden.
Wie sich diese Gebietsschwankungen dann auf die einzel-
nen Parameter auswirken, ist ohne weitere Untersuchungen
nur schwer abzuschätzen. Das es eine eindeutige Korrelati-
on zwischen starken Veränderungen in der Fläche gibt zeigt
beispielhaft die Grafik 6.17, wo Fläche und Standardabwei-
chung des Wolkenoberkantendrucks dargestellt sind. Diese
Abbildung zeigt aber auch, dass die Größe der Standardab-
weichung in diesem Fall nicht so stark wie anfangs vermutet
von der Größe der Fläche abbhängt. Eine große Wolkenflä-
che spiegelt sich nicht zwingend in einer hohen Standardab-
weichung des Wolkenoberkantendrucks wieder.
Da im Einzelnen schwer zu bestimmen ist, wie stark sich
einer der genannten Einflüsse im Ergebnis niederschlägt,
ist die Interpretation der Resultate fehlerbehaftet. Ob die
Schwankungen eines Parameters nun aus dem tageszeitli-
chen Gang, Fehlern bei der Wolkenverfolgung oder anderen
unbekannten Einflüssen herrühren, ist infolgedessen nicht
eindeutig bestimmbar und ist einer der größten Nachteile
dieser Wolkenverfolgungsmethode.
50
2.5·106
40
2.0·106
30
1.5·106
1.0·106 20
5.0·105 10
00:00
12:00
00:00
Zeit
12:00
00:00
0
12:00
Grafik 6.17 Zeitliche Entwicklung der Wolkenfläche sowie Standardabwei-
chung des Wolkenoberkantendruckes vom 10. März 2006 2:15 UTC bis
12. März 2006 6:00 UTC
Diskussion der Ergebnisse
In diesem Kapitel wurde für zwei unterschiedliche Situati-
onen, in denen Stratokumulusbewölkung auftreten kann,
beispielhaft die Anwendung eines Wolkenverfolgungsalgo-
rithmus demonstriert. Zum einen wurden tiefe Wolken, die in
Verbindung mit dem Frontensystem einer Zyklone auftraten
beobachtet, zum anderen wurde eine Stratokumulusschicht
verfolgt, die sich im Einflussbereich eines Hochdruckgebie-
tes formierte. Trotz der erwähnten Schwierigkeiten, die eine
sichere Interpretation erschweren, zeigen die erhaltenen Er-
gebnisse doch, dass das automatisierte Verfolgen von tiefen
Wolken anwendbar ist um deren Lebenszyklus zu studieren.
Auch wenn zwei Beispiele nicht ausreichend sind um einen
fundierten Vergleich mit den Ergebnissen aus Kapitel 5
vorzunehmen, so gibt es doch auffällige Gemeinsamkeiten,
die vor allem im Tagesgang der Helligkeitstemperatur und
des Wolkenoberkantendrucks hervortreten. Jedoch ist für
Helligkeitstemperatur und Wolkenoberkantendruck ein ab-
nehmender Trend zu beobachten, der mit der Methode des
statischen Beobachtungsgebietes nicht auftritt.
Der Tagesgang der optischen Dicke und des effektiven
Partikelradius zeigen nur im Fall des zweiten Beispieles für
März 2006 einen ähnlichen Gang. Es fällt jedoch auf, dass
die Werte dieser beiden Eigenschaften im Vergleich zu den
meisten Szenarien im Gebiet vor Namibia niedriger zu liegen
scheinen.
Viele der angesprochenen Probleme in der Wolkenverfol-
gung sind bei der Beobachtung mesoskaliger konvektiver
Systeme von geringerer Bedeutung, da diese im Vergleich zu
ausgedehnten Stratokumulusflächen kleinräumiger, deutlich
kompakter und aufgrund der oft niedrigeren Wolkenoberkan-
tentemperatur leichter zu identifizieren sind.
Die automatisierte Verfolgung von tiefer Bewölkung birgt
noch einige, jedoch lösbare Schwierigkeiten aber auch eine
Vielzahl von Anreizen und Möglichkeiten in sich.
Auf der folgenden Doppelseite ist das vom 21. bis 23. Juni
2005 verfolgte Wolkengebiet dargestellt. Die Abbildungen
zeigen jeweils die Helligkeitstemperatur BT10.8 im Abstand
von zwei Stunden.
141
22. Juni 2005 11:00 UTC
142
Ausblick
21. Juni 2005 21:00 UTC
22. Juni 2005 13:00 UTC
Helligkeitstemperatur BT10.8 [K]
21. Juni 2005 19:00 UTC
21. Juni 2005 23:00 UTC
22. Juni 2005 15:00 UTC
22. Juni 2005 01:00 UTC
22. Juni 2005 17:00 UTC
Helligkeitstemperatur BT10.8 [K]
22. Juni 2005 19:00 UTC
22. Juni 2005 05:00 UTC
22. Juni 2005 21:00 UTC
Helligkeitstemperatur BT10.8 [K]
22. Juni 2005 03:00 UTC
22. Juni 2005 07:00 UTC
22. Juni 2005 23:00 UTC
22. Juni 2005 09:00 UTC
23. Juni 2005 01:00 UTC
143
Helligkeitstemperatur BT10.8 [K]
Zusammenfassung
Das Ziel dieser Arbeit war es den Tagesgang der optischen
Dicke und des effektiven Partikelradius an mariner Stratoku-
mulusbewölkung mit Hilfe von MSG/ SEVIRI- Daten zu unter-
suchen. Um mögliche Zusammenhänge zu diesen Größen zu
finden, wurden auch die Tagesgänge der Helligkeitstempera-
tur BT10.8, des Wolkenoberkantendrucks und der Wolken-
bedeckung beobachtet. Eine Region im Südatlantik, vor der
Küste Namibias und Angolas, in der sehr häufig großflächig
und langlebige Stratokumulusbewölkung auftritt, wurde als
angemessenes Untersuchungsgebiet gewählt.
Zur Gewinnung der Tagesgänge wurde ein MSG- Ausschnitt
von 150 x 150 Pixel über einen bestimmten Zeitraum beo-
bachet. Die Lage des Beobachtungsgebietes innerhalb der
gewählten Region im Südatlantik und die jeweils angemes-
sene Beobachtungsdauer wurden durch manuelle Klassifi-
zierung nach verschiedenen Kriterien festgelegt.
Zur Bestimmung der verschiedenen Wolkeneigenschaften
wurden einige am Institut für Weltraumwissenschaften der
FU- Berlin entwickelte MSG Level 2.0 Produkte verwendet.
Dazu zählen die Wolkenmaske von Reuter [2005], der Wol-
kenoberkantendruck nach Brusch [2006] und ein Produkt
zur Bestimmung der optischen Dicke und des effektiven Par-
tikelradius von Hünerbein [2007]. Weil für das Produkt von
Hünerbein [2007] bisher keine Validierung existierte, wurde
im Rahmen dieser Arbeit ein Vergleich mit dem bereits
validierten MODIS MOD06- Produkt durchgeführt. Diese
Evaluierung ergab durchaus zufriedenstellende Ergebnisse
das Produkt von Hünerbein [2007], zeigte aber, dass beide
Algorithmen im Vergleich zu MODIS die Werte der optischen
Dicke und des effektiven Partikelradius unterschätzen. Für
die optische Dicke ist die Übereinstimmung für kleine opti-
sche Dicken noch gut, nimmt dann aber mit zunehmender
144
Zusammenfassung
Größe ab. Beim effektiven Partikelradius ist die Unterschät-
zung in allen Bereichen ähnlich groß und ergibt vor allem
im Mittelwert für das Beobachtungsgebiet Werte die zum
Teil nur halb so groß sind, wie für das MODIS- Produkt. Es
ist hierbei jedoch zu beachten, dass das Produkt noch nicht
ausgereift ist und noch mit Verbesserungen zu rechnen ist.
Die Ergebnisse wurden in der Form von einzelnen Tagesgän-
gen, über einen Monat gemittelten Tagesgängen und über
ein Jahr gemittelten Tagesgängen präsentiert. Sehr häufig
war dabei ein typischer Tagesgang der jeweiligen Größe zu
erkennen. Der Tagesgang der Helligkeitstemperatur BT10.8
und des Wolkenoberkantendrucks waren sehr ähnlich. In
beiden Tagesgängen war ein Minimum am Morgen und ein
Maximum am Nachmittag zu beobachten. Der Tagesgang
der Wolkenbedeckung zeigte am Nachmittag ein ausgepräg-
tes Minimum und vor allem während der Nachtstunden war
die Wolkenbedeckung häufig sehr hoch.
Der tageszeitliche Verlauf von optischer Dicke und effek-
tiven Partikelradius konnte wegen der bei der Herleitung
verwendeten spektralen Kanäle nur während der Tagstun-
den bestimmt werden. Vor allem die optische Dicke hatte
dabei einen sehr markanten Verlauf mit maximalen Werten
am Morgen und einem Minimum am frühen Nachmittag. Im
Tagesgang des effektiven Partikelradius war nur schwer ein
kennzeichnendes Muster zu finden. Neben vielen Schwan-
kungen innerhalb der Kurve ließ sich jedoch oft eine abneh-
mende Tendenz erkennen.
Im letzten Kapitel wurde an zwei Beispielen die Anwendung
eines Wolkenverfolgungsalgorithmus demonstriert.
Es sollten hierbei die Tagesgänge der verschiedenen Wol-
keneigenschaften an einem verfolgten Wolkengebiet be-
stimmt werden. Diese Methode hat den Vorteil, dass ein
bestimmtes Wolkenfeld von der Bildung bis zur Auflösung,
also ein vollständiger Lebenszyklus, beobachtet werden
kann. Die Ergebnisse zeigten, dass dies durchaus eine
Möglichkeit ist Wolkenparameter zu ermitteln. Die automati-
sierte Verfolgung von tiefen Wolken mit Satellitendaten birgt
allerdings noch einige Probleme und Schwierigkeiten in sich,
die sich in der Genauigkeit und Aussagekraft der erhaltenen
Ergebnisse sichtbar äußern.
145
Abbildungsverzeichnis
1.1
2.1
Der Einfluss von Wolken auf die Strahlungsbilanz
der Erde nach Vorlage: Science@NASA,
[http://science.nasa.gov/headlines/y2002/22apr_
ceres.htm?list749499]
MSG- Satellit
[www.eumetsat.int], Oktober 2006
2.9 vertikale Struktur einer Grenzschicht
[http://www.zamg.ac.at/docu/Manual/SatManu/
main.htm], Dezember 2006
2.10 typische vertikale Struktur
[http://www.zamg.ac.at/docu/Manual/SatManu/
main.htm], Dezember 2006
2.11 Jährliche Schwankung der Meeresoberflächentem-
peratur
[http://iridl.ldeo.columbia.edu], November 2006
2.2 Abtastprinzip von MSG/ SEVIRI 2.12 Mittlere Meeresoberflächentemperatur März 2006
[EUMETSAT, 2001] [http://iridl.ldeo.columbia.edu], November 2006
2.3 Disposition der SEVIRI - Detektoren 2.13 2.4 Spektrale response - Funktion der MSG / SEVIRI Mittlere Meeresoberflächentemperatur September
[EUMETSAT, 2001] Kanäle 2006
[http://www.eumetsat.int/en/area4/msg/missions [http://iridl.ldeo.columbia.edu], November 2006
/212_mis_obs_spectrresp.html]
nach Reuter [2005]
2.14 Korrelation zwischen tiefer Bewölkung und Meeres-
oberflächentemperatur
[http://eos.atmos.washington.edu/],
November 2006
2.5 SEVIRI- HRV- Kanal 2.6 Strahlungstransport durch ein Medium 2.15 Wolkenstrahlungsantrieb
[www.eumetsat.int] [Macke, 2004] bis [http://eos.atmos.washington.edu/],
2.19 November 2006
2.20 2.7 Schematische Darstellung des Rotations-, Schwing- Wolkenstrahlungsantrieb in Abhängigkeit vom effek-
ungs- und Elektronenspektrums von Molekülen tiven Partikelradius und optischer Dicke
beziehungsweise Atomen [http://asd-www.larc.nasa.gov]
[Böcker, 1997]
3.1 Schematische Darstellung der Lernregeln eines
Perzeptrons
[http://upload.wikimedia.org/wikipedia/commons/
7/7b/XOR_perceptron_net.png], November 2006
2.8
146
Wolkeneinteilung des ISCCP
[http://isccp.giss.nasa.gov], November 2006
Abbildungsverzeichnis
3.2 Beispiel für die Wolkenmaske von Reuter [2005]
[Institut für Weltraumwissenschaften FU- Berlin]
3.3 Wolkenähnlichkeitsparameter als Funktion der Wel-
lenlänge
[Nakajima & King, 1990]
3.4 Theoretische Beziehung zwischen der Reflexions-
funktion
[Hünerbein, 2007]
3.5 RGB- Ausschnitte
[Institut für Weltraumwissenschaften FU- Berlin]
6.1 Bodenwetterkarte mit Fronten 22. Juni 2005
00 UTC
[http://www.wetterzentrale.de/topkarten/fsfaxsem.
html], Juli 2006
6.2 MSG/ RGB - Ausschnitt 10. März 2005 12 UTC
[Institut für Weltraumwissenschaften FU- Berlin]
RGB- Ausschnitte
[Institut für Weltraumwissenschaften FU- Berlin]
5.1 6.10 Ausgewählte MODIS - Eigenschaften
bis [King et al., 1997]
5.167
4.2 Bodenwetterkarte mit Fronten 10. März 2006
bis 00 UTC
4.29 [http://www.wetterzentrale.de/topkarten/fsfaxsem.
html], Juli 2006
Beispiel für den Wolkenoberkantendruck nach
Brusch [2006]
[Institut für Weltraumwissenschaften FU- Berlin]
4.1 6.9 MSG / RGB - Ausschnitt 22. Juni 2005 12 UTC
[Institut für Weltraumwissenschaften FU- Berlin]
147
Abkürzungsverzeichnis
FUB Freie Universität Berlin
GERB Geostationary Earth Radiation Budget
GOES Geostationary Operational Environmental
Satellite
HIRS High Resolution Infrared Sounder
IPCC Intergovernmental Panel on Climate
Change
ACSBTE Assumed Clear Sky Brightness AVHRR Advanced Very High Resolution Radiometer BT Brightness Temperature CAR Cloud Absorption Radiomter IR infrarot
Temperature Estimation
CLS Cloud Lidar System ISCCP COT Cloud Optical Thickness International Satellite Cloud Climatology
Project
CTP Cloud Top Pressure LWP Liqiud Water Path
DAO Data Assimilation Office MAS MODIS Airborne Simulator
EOS Earth Observing System MCR Multispectral Cloud Radiometer
EPIC East Pacific Investigation of Climate MODIS Moderate Resolution Imaging
Spectrometer
ERBE Earth Radiation Budget Experiment MOMO Matrix Operator Modell
ERS Earth Remote Sensing MSG Meteosat Second Generation
ESA European Space Agency NASA EUMETSAT EUropean organisation for the exploitation National Aeronautics and Space
of METeorological SATellites Administration
NCEP FIRE First ISCCP Regional Experiment National Center for Environmental
Prediction
148
Abkürzungsverzeichnis
NOAA National Oceanic and Atmospheric
Administration
SEVIRI SST Spinning Enhanced Visible and Infrared
Imager
Sea Surface Temperature
UTC Universal Time Code
XTRA eXtended line by line atmospheric
Transmittance and Radiance Algorithm
149
Literaturverzeichnis
Arnaud, Y., M. Desbois, J. Maizi, 1992: Automatic tracking
and characterization of African convective systems
on Meteosat pictures, J. Appl. Meteor., vol. 31,
p. 443– 453
Böcker, 1997, Spektroskopie: Vogel Buchverlag:
ISBN 3-8023-1581-2
Bretherton C.S., T. Uttal, C.W. Fairall, S.E. Yuter, R.A. Weller,
D. Baumgardner, K. Comstock, R. Wood, G.B. Raga,
2003: The EPIC 2001 Stratocumulus Study
Brusch, S., 2006: Fernerkundung des Luftdrucks am Ober
rand von Wolken mit MSG- SEVIRI, Diplomarbeit,
Fachbereich Geowissenschaften, Freie Universität
Berlin
Bugliaro, L., B. Mayer, 2005: STUDYING THE LIFE CYCLE OF
CLOUDS WITH GEOSTATIONARY SATELLTES,
Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Cahalan, R.F., W.Ridgway, W.J.Wiscombe, T.L.Bell, 1994:
The albedo of fractal Stratokumulus clouds
J. Atmos. Sci., Vol. 51, No.16, 2434- 2455
CERES Science Team, 1995: Clouds and the Earth‘s Ra-
diant Energy System (CERES) Algorithm Theoretical
Basis Document, Volume III- Ctoud Analyses and
Determination of Improved Top of Atmosphere Flu
xes (Subsystem 4), NASA Reference Publication,
p. 1376, Vol. III
150
Literaturverzeichnis
Cess. R. D., G. L. Potter, J. P. Blanchet, G. J. Boer, A. D. Del
Genio, M. Déqué, V. Dymnikov, V. Galin, W. L. Gates,
S. J. Ghan, J. T. Kiehl, A. A. Lacis, H. Le Treut, Z.-X. Li,
X.-Z. Liang, B. J. McAvaney, V. P. Meleshko, J. F. B.
Mitchell, J.-J. Morcrette, D. A. Randall, L. Rikus,
E Roechner, J. F. Royer, U. Schlese, D. A. Sheinin,
A. Slingo, A. P. Sokolov, K. E. Taylor, W. M. Washing
ton, R. T. Wetherald, I. Yagai, and M.-H. Zhang,
1990: Intercomparison and interpretation
of climate feedback processes in 19 atmospheric
general circulation models.
J. Geophys. Res., 95, 16 601–16 615.
Chen, T., W.B. Rossow, Y. Zhang, 1999: Radiative Effects of
Cloud-Type Variations, JOURNAL OF CLIMATE,Vol. 13
Climate Monitoring SAF, 2005: User Manual - Products, Doc.
No: SAF/CM/DWD/UMP/1.7
Curran, R.J., H.L. Kyle, L.R. Blaine, J. Smith and T.D. Clem,
1981: Multichannel scanning radiometer
for remote sensing cloud physical parameters,
Rev. Sci. Instrum., vol. 52, p. 1546–1555
Duynkerke, P.G., P. Hignett, 1993: Simulation of Diurnal
Variation in a Stratocumulus- capped Marine
Boundary Layer during FIRE,
Monthly Weather Review, Vol.121
Endlich, R.M., D.E. Wolf, 1980: Automatic Cloud Tracking
Applied to GOES and METEOSAT Observations,
Journal of Applied Meteorology, Vol. 20
Ernst, J.A., 1975: Fog and Stratus Invisible in Meteorological
Satellite Infrared (Ir) Imagery, Monthly Weather
Review, vol. 103 (11), p. 1024-1026
EUMETSAT, 2001, Meteosat Second Generation- System
Overview (EUM TD 07), EUMETSAT,
http://www.eumetsat.int
EUMETSAT, 2002, EUMETSAT- applications of Meteosat
Second Generation, EUMETSAT,
http://www.eumetsat.int
EUMETSAT, 2004a, MSG Meteorological Products Extraction
Facility, Algorithm Specification Document EUM/
MSG/SPE/022, EUMETSAT,
http://www.eumetsat.int
EUMETSAT, 2004b, EUMETCast, EUMETSAT‘s Broadcast Sys
tem for Environmental Data Technical Description
EUM TD 15, EUMETSAT, http://www.eumetsat.int
EUMETSAT, 2004c, Channel Spectral Responses for MSG,
EUMETSAT, http://www.eumetsat.int
Eyre, J., J.L. Brownscombe, R.J. Allam, 1984: Detection of
fog at night using Advanced Very High Resolution
Radiometer (AVHRR) imagery. Meteor. Mag.,
vol. 113, p. 266–271.
Fischer J., Graßl H. 1991: Detection Of Cloud-Top Height
From Backscattered Radiances Within The Oxygen
A Band- Part 1: Theoretical Study,
J. Appl. Meteor., vol. 30, 1245-1259
Fischer, J., P. Albert, J. Odebrecht, 2002: Vorlesungsskript
Strahlung, Freie Universität Berlin
Futyan J. M.,J. E. Russell, J. E. Harries, 2004: Cloud Radiati-
ve Forcing in Pacific, African, and Atlantic Tropi-
cal Convective Regions,
Journal of Climate, Vol.17, p. 3192–3202
Harrison, E. F., P. Minnis, B. R. Barkstrom, V.Ramanathan,
R.D. Cess, and G. G. Gibson, 1990: Seasonal
variation of cloud radiative derives from the earth
radiation budget Experiment.
J. Geophys. Res., 95, 18678- 18703
Hartmann D.L., K.J. Kowalewsky, M.L. Michelsen, 1991:
Diurnal Variations of Outgoing Longwave Radiation
and Albedo from ERBE Scanner Data,
Journal of Climate, Vol. 4, p. 598-617
Hartmann D. L., 1992: The Effect Of Cloud Type On Earth ́s
Energy Balance: Global Analyses,
J. of Climate, vol. 5, 1281-1304
Hayasaka, T., T. Nakajima, Y. Fujiyoshi, Y. Ishiziaka,
T. Takada, 1995: Geometrical Thickness, Liquid
Water Content, and Radiative Properties of Stra-
tocumulus Clouds over Western North Pacific,
Journal of Applied Meteorology, Vol.34
Holmlund, K., J. Gustafsson, A. Yildirim, A. de Smet, T. Heine
mann, G. Dew, R. Borde, M. König, H.-J. Lutz, S.
Tjemkes: Current Status of the EUMETSAT METEO-
SAT-8 meteorological products, Meteorological Ope
rations Division, EUMETSAT
Houghton J. T., Y. Ding, D.J. Griggs, M. Noguer, P. J. van der
Linden and D. Xiaosu 2001: Climate Change 2001:
The Scientific Basis Contribution of Working Group I
to the Third Assessment Report of the Intergovern-
mental Panel on Climate Change (IPCC),
Cambridge University Press, UK. pp 944
Iwabuchi H., 2000: Effects of Cloud Horizontal Inhomogenei-
ty on Optical Remote Sensing of Cloud Parameters,
Center for Atmospheric and Oceanic Studies,
Tohoku University
151
Jacobson, M.Z., 2002, Fundamentals of Atmospheric
Modeling
Jacobson, 1999: M. Z. Jacobson, Fundamentals of atmos
pheric modeling, Cambridge University Press,
ISBN 0-521-63717-1, p. 283-284
Kerr Y. H., J.P. Lagouarde, J. Imbernon, 1992: Accurate Land
Surface-Temperature Retrieval from Avhrr Data with
Use of an Improved Split Window Algorithm, Remote
Sensing of Environment, vol. 41 (2-3), p. 197-209
Kim B.-G., S. E. Schwartz, M. A. Miller, Q.-L. Min, 2003:
Effective Radius of Cloud Droplets by Ground-Based
Remote Sensing: Relationships to Aerosol?, Thir-
teenth ARM Science Team Meeting Proceedings
King, M.D., W.P. Menzel, P.S. Grant, J.S. Myers, G.T. Arnold,
S.E. Platnick, L.E. Gumley, S.C. Tsay, C.C. Moeller,
M. Fitzgerald, K.S. Brown and F.G. Osterwisch,
1996: Airborne scanning spectrometer for remote
sensing of cloud, aerosol, water vapor and surface
properties.
J. Atmos. Oceanic Technol., vol. 13, p. 777–794.
King, M.D., S.E. Platnick, M. Wang, Kuo- Nan Liou, 1997:
Cloud Retrieval Algorithms for MODIS: Optical Thick-
ness, Effective Particle Radius, and Thermodynamic
Phase - MODIS Algorithm Theoretical Basis Docu
ment No. ATBD-MOD-05
Kraus H., Die Atmosphäre der Erde - Eine Einführung in die
Meteorologie, 2004, Springer- Verlag, 3., erw. u.
aktualisierte Aufl., ISBN: 978-3-540-20656-9
Laing, A.G., M. Fritsch, 1993a: Mesoscale convective com-
plexes in Africa, Mon. Wea. Rev., vol. 121
152
Literaturnachweis
Laing, A.G., M. Fritsch,, 1993b: Mesoscale convective com-
plexes over Indian monsoon region,
J. Climate, vol. 6, p. 911–919
Lange, H.-J., Die Physik des Wetters und Klimas – Ein Grund
kurs zur Theorie des Systems Atmosphäre, 2002
Laurent, H., L. A. T. Machado, C. A. Morales, L. Durieux,
2002: Characteristics of the Amazonian mesoscale
convective systems observed from satellite and
radar during the WETAMC/LBA experiment
J. Geophys. Res., Vol. 107, No. D20, 8054
Lee, T.F., F.J. Turk, K. Richardson, 1997: Stratus and fog
products using GOES-8–9 3.9-μm data.
Wea. Forecasting, vol. 12, p. 664–677.
Loeb, N., T. Svarnai, D.M . Winker, 1998: Influence of Subpi-
xel-Scale Cloud-Top Structure on Reflectances from
Overcast Stratiform Cloud Layers,
J. Atmos. Sci., Vol. 55
Machado L. A. T. , W. B. Rossow, R. L. Guedes, A. W. Walker,
1997: Life Cycle Variations of Mesoscale Convective
Systems over the Americas.
Monthly Weather Review, Vol.126, 1630
Machado L. A. T. , H. Laurent, and A. A. Lima, 2002: Diurnal
march of the convection observed during TRMM-
WETAMC/LBA.
J. Geophys. Res., Vol107, No. D20, 8064
Macke, A., 2004: Skript zur Vorlesung Strahlung, Leibniz- In-
stitut für Meereswissenschaften, Universität Kiel
Martin, D.W., A. J. Schreiner, 1981: Characteristics of West
African and east Atlantic cloud clusters: A survey
from GATE, Mon. Wea. Rev.,vol. 109, p. 1671–1688
Menzel, W.P., W. L. Smith, T. R. Stewart, 1983: Improved
Cloud Motion Wind Vector and Altitude Assignment
Using Vas, Journal of Climate and Applied
Meteorology, vol. 22 (3), p. 377-384
Météo-France / Centre de Météorologie Spatiale, 2005:
User Manual for the PGE01-02-03 of the SAFNWC /
MSG: Scientific part
Minnis, P., P.W. Heck, D.F. Young, C.W. Fairall, J.B. Snider,
1992: Stratocumulus Cloud Properties Derieved
from Simultaneous Satellite and Island- based
Instrumentation during FIRE,
Journal of Applied Meteorology, Vol.31
Minnis, P., et al. ,1995: Cloud Optical Property Retrieval
(Subsystem 4.3), „Clouds and the Earth‘s
Radiant Energy System (CERES) Algorithm The-
oretical Basis Document, Volume III: Cloud Analyses
and Radiance Inversions (Subsystem 4)“,
NASA RP 1376 Vol. 3,
edited by CERES Science Team, 135-176, 1995
Minnis, P., D.F. Young, B.A. Wielicki, S. Sun-Mack,
Q.Z. Trepte, Y. Chen, P. Heck, X. Dong, 2002:
A Global Cloud Database from VIRS and MODIS for
CERES, SPIE 3rd International Asia- Pacific Environ-
mental Remote Sensing Symposium 2002: Remote
Sensing of the Atmosphere, Ocean, Environment,
and Space, Hangzhou, China, October 23-27, 2002
Moore, S., E. Savage, 1996: Web- based Data Analysis
Tools, Proceedings of the Sixth Atmospheric
Radiation Measurement (ARM)
Science Team Meeting, Session Papers
Mukherjee, D. P., S.T. Acton, 2002: Cloud Tracking by Scale
Space Classification, IEEE TRANSACTIONS ON
GEOSCIENCE AND REMOTE SENSING, Vol. 40, No. 2
Nakajima, T., and M. King, 1990: Determination of the opti-
cal thickness and effective particle radius of clouds
from reflected radiation measurements.
Part I: Theory., J. Atmos. Sci., 47, 1878–1892
Nakajima, T., and M. King, 1990: Determination of the opti-
cal thickness and effective particle radius of clouds
from reflected radiation measurements.
Part II: Marine Stratocumulus Observations,
J. Atmos. Sci., vol. 48
NASA, EOS AM - 1, NASA Brochure, http://terra.nasa.gov
Nauss T., M. Wagner, J. Bendix: OPERATIONAL RETRIEVAL OF
MICROPHYSICAL PROPERTIES FOR DAY- AND NIGHT-
TIME MSG / MODIS DATA, Laboratory for Climato-
logy and Remote Sensing LCRS, Department of
Geography, Philipps-University of Marburg
Newland, F.T., A. Tatnall, M. Brown, 1998: “Fuzzy object-
based generation of cloud motion from sequences
of Meteosat satellite imagery,” in Proc. 1st
Amer. Meteorol. Soc. Meeting Artificial Intelligence,
Phoenix, AZ, Jan. 13–15, 1998
Oreopoulos, L., R. Davies, 1998: Plane Parallel Albedo Bia-
ses from Satellite Observations. Part II: Parameteri-
zations for Bias Removal, J. of climate, Vol. 11
153
Palikonda R., D. Phan, M.M. Khaiyer, M.L. Nordeen, J.K.
Ayers, D.A. Spangenberg, D.R. Doelling,
Y. Yi, P. Minnis, L. Nguyen, Q. Trepte, S. Sun-Mack:
NASA-Langley web-based operational real-time
cloud retrieval products from geostationary
satellites
Pincus, R., M. Baker, C. Bretherton, 1997: What Controls
Stratocumulus Radiative Properties?
Lagrangian Observations of Cloud Evolution
J. Atmos. Sci., Vol.54, 2215- 2236
Ramanathan, V., R.D. Cess, E.F. Harrison, P. Minnis,
B.R. Barkstrom, E. Ahmad, and D. Hartmann, 1989:
Cloud-radiative forcing and climate: Results from
the Earth Radiation Budget Experiment. Science,
vol. 243, p. 57–63.
Rathke C., 2000: Fernerkundung mikrophysikalischer Para-
meter von Grenzschichtwolken aus Fourier-Spek-
trometermessungen im thermischen Infrarot,
Dissertation, Fachbereich Geowissenschaften,
Freie Universität Berlin
Rathke, C., J. Fischer, 2000: Retrieval of Cloud Microphysical
Properties from Thermal Infrared Observations by a
Fast Iterative Radiance Fitting Method
Journal of atmospheric and oceanic technology,
Vol. 17, p. 1509
Reuter, M., 2005: Identification of cloudy and clear sky
areas in MSG SEVIRI images by analyzing spectral
and temporal information,
Dissertation, Fachbreich Geowissenschaften,
Freie Universität Berlin
154
Literaturverzeichnis
Reuter, M., 2006: The cloud mask as source of uncertainty
for remote sensing averaged cloud and atmospheric
parameters from MSG, SMHI Cloud Workshop,
May, 2006, Norrköping, Sweden
Rojas R., 1993: Theorie der Neuronalen Netze,
Springer-Verlag, 1993
Rossow, W. B. & Schiffer, R. A. 1999,
B. Am. Meteorol. Soc., vol. 80, p.2261
Rowell, D.P., J.R. Milford, 1993: On the generation of African
squall lines, J. Climate, vol. 6, p. 1181–1193
Rozendaal, M.A., C.B. Leovy, S.A. Klein, 1995: An Observati-
onal Study of Diurnal Variations of Marine Stratform
Cloud, Journal of Climate, Vol.8
Schmetz, J., P. Pili, S. Tjemkes, D. Just, J. Kerkmann, S. Rota,
A. Ratier, 2002: An Introduction to Meteosat Se-
cond Generation (MSG), Bulletin of the American
Meteorological Society, vol. 83 (7), p. 977-992
Schüller, L., J.-L. Brenguier, H. Pawlowska, 2003: Retrieval of
microphysical, geometrical, and radiative properties
of marine stratocumulus from remote sensing,
J. Geophys. Res., Vol. 108, No. D15, 8631
Scholten, T., K. Günther, K. Kurz, E. Kalka, M. Wabersich,
D. Knoch, 2006: Meeresströmungen,
Proseminar Physische Geographie
Smith, W.L., H.M. Wolf, W.J. Jacob, 1970: A Regression
Method for Obtaining Real-Time Temperature and
Geopotential Height Profiles from Satellite Spectro-
meter Measurements and Its Application to
Nimbus- 3 Sirs Observations,
Monthly Weather Review, vol. 98
Sobrino, J.A., C. Coll, V. Caselles, 1991: Atmospheric Correc-
tion for Land Surface-Temperature Using Noaa-11
Avhrr Channel-4 and Channel-5, Remote Sensing of
Environment, vol. 38 (1), p. 19-34
Stevens, B., G. Vali, K. Comstock, R. Wood, M.C. van Zanten,
P.H. Austin, C.S. Bretherton, D.H. Lenschow, 2004:
POCKETS OF OPEN CELLS AND DRIZZLE IN MARINE
STRATOCUMULUS,Bulletin of the American Meteo
rological Society, doi:10.1175/ BAMS-86-1-51
Stull, R.B., 1991: An Introduction to Boundary Layer
Meteorology, Springer- Verlag
Szczodrak, M., P.H. Austin, P.B. Krummel, 2001: Variability of
Optical Depth and Effective Radius in Marine Stra-
tocumulus Clouds, J. Atmos. Sci., Vol. 58
Taylor, J.P., 1994: Measurements of the radiative and
microphysical properties of stratocumulus over the
South Atlantic and around the British Isles,
Atmospheric Research 34 (1994) 27-41
Woodley, W.L., C.G. Griffith, J.S. Griffin, S.C. Stromatt, 1980:
The inference of GATE convective rainfall from SMS-
1 imagery, J. Appl. Meteor., vol. 19, p. 388– 408
Yu W., M. Doutriaux, G. Sèze, H. Le Treut, M. Desbois: 1996:
A methodology study of the validation of clouds in
GCMs using ISCCP satellite observations
Climate Dynamics, Springer- Verlag, p. 389- 401
Zinner, T., H. Mannstein, A. Tafferner, 2006: Cb-TRAM:
Tracking and monitoring onset, rapid development,
and mature severe convection using multi-channel
Meteosat-8 SEVIRI data
Zinner, T., L. Bugliaro, B. Mayer, REMOTE SENSING OF
INHOMOGENEOUS CLOUDS WITH MSG/SEVIRI,
Deutsches Zentrum fur Luft- und Raumfahrt (DLR)
Zwatz-Meise, V., 1997: Satellitenmeteorologie, Satelliten
beobachten das Wetter,
Springer Verlag, Berlin Heidelberg 1987
http://www.zamg.ac.at/docu/Manual/SatManu/main.htm,
Zentralanstalt für Meteorologie und Geodynamik,
Januar 2006
http://directory.eoportal.org/pres_MeteosatSecondGenera-
tionMSGSpacecraft.html, Dezember 2006
Williams M., R.A. Houze, 1987: Satellite-obser ved characte-
ristics of winter monsoon cloud clusters,
Mon. Wea. Rev., vol. 115, p. 505–519
Welte, D., D. Böcker, 2007: Klimawandel ist nichts Neues,
Frankfurter Allgemeine Zeitung,
13. April 2007, Nr. 86, S.8
155
Eidesstattliche Erklärung
Hiermit erkläre ich an Eides Statt, dass ich die vorliegen-
de Arbeit selbständig und ohne unerlaubte fremde Hilfe
angefertigt, keine anderen als die angegebenen Quellen und
Hilfsmittel benutzt und die den benutzten Quellen wörtlich
oder inhaltlich entnommenden Stellen als solche kenntlich
gemacht habe. Diese Arbeit hat in gleicher oder ähnlicher
Form noch keiner Prüfungsbehörde vorgelegen.
Steffen Kothe
Berlin, Juni 2007
156
Eidesstattliche Erklärung
Keine Kommentare:
Kommentar veröffentlichen