satval-a - schneefernerhaus.de · zusammenarbeit zwischen dem dlr-dfd, dem kit-ifu und der ufs...

SatVal-A

Etablierung einer nationalen Kontaktstelle

zur Koordination von Validierungsaktivitäten für satellitenbasierte Messungen in der Atmosphäre

als Element des Zentrums für Klima-, Umwelt- und Höhenforschung Schneefernerhaus

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

Das Projekt SatVal-A wurde in enger Zusammenarbeit mit dem Deutschen Zentrum für Luft- und Raumfahrt (DLR) und dem Karlsruher Institut für Technologie (KIT) durchgeführt.

Das Vorhaben wurde mit Mitteln des Bundesministeriums für Wirtschaft und Technologie durch die Raumfahrt-Agentur des Deutschen Zentrums für Luft- und Raumfahrt e.V. unter dem Förderkennzeichen 50 EE 0702 gefördert.

Mai 2012

Abschlussbericht SatVal-A

- 2 -

I. Kurze Darstellung SatVal-A ist ein Projekt der Betriebsgesellschaft Umweltforschungsstation Schneefernerhaus GmbH (UFS) unter deren Dach sich unter Beteiligung des Freistaats Bayern eine große Zahl in Bayern ansässiger Forschungseinrichtungen zu einem Konsortium zusammengeschlossen haben, um ein virtuelles Institut für Klima-, Umwelt- und Höhenforschung zu betreiben. Das Projekt SatVal-A wurde mit Mitteln des Bundesministeriums für Wirtschaft und Technologie gefördert.

1. Aufgabenstellung Ziel des Projekts SatVal-A war die Erarbeitung eines selbst tragenden Konzepts für die Einrichtung einer nationalen Kontaktstelle für die Koordination von Validierungsaktivitäten für satellitenbasierte Messungen in der Atmosphäre als Element des Zentrums für Klima-, Umwelt- und Höhenforschung Schneefernerhaus.

2. Voraussetzungen, unter denen das Projekt durchgeführt wurde Die Projektaufgaben wurden von einer Vollzeitkraft und zwei Teilzeitkräften bearbeitet, die an das Deutschen Fernerkundungsdatenzentrum des Deutschen Zentrums für Luft- und Raumfahrt e.V. (DLR-DFD) in Oberpfaffenhofen und an das Institut für Umweltforschung des Karlsruher Instituts für Technologie (KIT-IfU) in Garmisch-Partenkirchen abgeordnet wurden. Grund für diese Abordnung war die Expertise der jeweiligen Konsortialpartner in den Bereichen Fourier-Transform-Infrarot-Spektrometrie (FTIR) bzw. satellitenbasierte Messungen. Die Durchführung des Projekts SatVal-A erfolgte in enger Zusammenarbeit zwischen dem DLR-DFD, dem KIT-IfU und der UFS GmbH. Die verwaltungstechnische Abwicklung des Projektes wurde von der bifa GmbH wahrgenommen.

3. Planung und Ablauf des Vorhabens Das Projekt setzte sich aus fünf Arbeitspaketen (AP) zusammen, wobei AP1000 bis AP3000 und AP5000 der Vollzeitstelle (Dr. Sabine Haase-Straub c/o DLR) zugeordnet waren und AP4000 von den beiden Teilzeitkräften (Dipl.-Math. Verena Kopp c/o und DLR Dipl.-Phys. Frank Forster c/o KIT) bearbeitet wurden (für die zeitliche Einteilung siehe Tabelle 1 im Anhang). Da die beiden Teilzeitkräfte aufgrund des angespannten Arbeitsmarktes zum Teil erst erheblich (sechs Monate) verspätet eingestellt werden konnten, wurde durch Umwidmung der Gelder eine kostenneutrale Verlängerung der Projektlaufzeit ermöglicht. Die Vollzeitstelle konnte um ein halbes Jahr auf dreieinhalb Jahre verlängert werden. Die Laufzeiten der beiden Teilzeitstellen betrugen jeweils drei Jahre.

Im Rahmen des Projektes wurde zunächst eine Bestandsaufnahme durchgeführt über alle aktuellen und geplanten Satellitenmissionen, die der Vermessung der Atmosphäre dienen (AP1000), sowohl auf nationaler als auch auf internationaler Ebene; im sich anschließenden Arbeitspaket (AP2000) wurden die Anforderungen an die Qualität atmosphärischer Daten-


- 3 -

und Informationsprodukte aus den Bereichen Wissenschaft, Verwaltung und der Wirtschaft analysiert. Ein besonderer Fokus lag hier auf dem GMES-Programm1. Aufbauend auf den Ergebnissen der Arbeitspakete 1000 und 2000 wurden Lücken zwischen Anforderung und Verfügbarkeit in den Bereichen Daten- und Informationsprodukte, geforderte und verfügbare Genauigkeit, Aussagefähigkeit der jeweiligen Validationsansätze und Vorschläge für messtechnische Weichenstellungen (KMU) identifiziert (AP3000). In AP4000 wurden neue Ansätze zur Optimierung der Validationskonzepte entwickelt, wobei hierfür erforderliche wissenschaftliche Grundlagen zu erarbeiten waren. AP5000 umfasste die Zusammenfassung der Ergebnisse im Rahmen eines entsprechenden Konzeptes.

4. Wissenschaftlicher und technischer Stand, an dem angeknüpft wurde Für die im Rahmen der Arbeitspakete 1000 bis 3000 durchgeführten Recherchearbeiten gab es teilweise entsprechende Vorgängerstudien, auf die zurückgegriffen und aufgebaut werden konnte. Die jeweiligen Quellen sind im Rahmen der eingehenden Darstellung der Ergebnisse (Geschäftsmodell siehe Anhang) genannt.

Für die Arbeiten im Rahmen von AP4000K existierten Vorarbeiten, die an der Universität Wuppertal bzw. am DLR im Zuge von vier Diplom- bzw. Doktorarbeiten durchgeführt wurden (Bittner, 1994, Zimmermann 2003; Chrastansky, 2004; Wüst 2009). Diese Arbeiten beschäftigen sich u.a. mit der Existenz, der Lage und der Ursache so genannter ruhiger Schichten in der Atmosphäre. Hierbei handelt es sich um Bereiche, die aufgrund ihrer reduzierten dynamischen Aktivität für die Validation von satellitenbasierten Messungen besonders interessant sind. Die Arbeiten beruhen auf ausgewählten Temperatur- und Ozonmessungen (satelliten- als auch raketenbasiert) und sind z. T. auf kleine Gebiete und einige Tage bis hin zu wenigen Jahren begrenzt. Diese Ansätze wurden im Rahmen der vorliegenden Arbeit weiterverfolgt und ausgebaut. Sie wurden auf globale Datensätze, die teilweise in einer zeitlichen Abdeckung von mehreren Jahrzehnten vorliegen, übertragen und die Ergebnisse zum Teil im Internet zugänglich gemacht.

AP4000F vorausgegangen sind zwei Studien von Dils et al. [2006] und Sussmann et al. [2005]. Die Studie von Dils et al. [2006] stellt für ein Netzwerk aus elf FTIR-Stationen einen Fehler in der Reproduzierbarkeit (Precision) von 3% und eine relative Genauigkeit (Accuracy) von 7% fest. Dies genügte den Anforderungen an eine Satellitenvaliderung nicht, wie Bergamaschi et al. [2007] darlegten, wobei sie entsprechende Werte von unter 1-2% entsprechend den Ergebnissen von ENVISAT/SCIAMACHY2 forderten. Diese geforderte Reproduzierbarkeit der Einzelmessungen wurde bereits 2005 von Sussmann et al. mit 1,3% erfüllt, wenn auch nur für den Standort Zugspitze. Im Rahmen dieser Arbeit wurde dieser Wert im Jahre 2007 auf 0,5% verbessert. Der Versuch, diesen Standard auf andere FTIR-Stationen zu übertragen, führte zu einer Harmonisierung der Retrievals der beteiligten Stationen, die mögliche systematische Messabweichungen (Bias) zwischen den Stationen

1 Global Monitoring for Environment and Security

2 Scanning Imaging Absorption spectrometer for Atmospheric Chartography, Environmental Satellite


- 4 -

selbst, wie sie beispielsweise durch die Verwendung unterschiedlicher spektroskopischer Datenbanken entstehen können, beseitigte.

AP5000 beinhaltet die Zusammenfassung der Ergebnisse der vorherigen Arbeitspakete und die Entwicklung des Geschäftsmodells. Eine solche Analyse wurde für die Umweltforschungsstation Schneefernerhaus bisher noch nicht gemacht.

5. Zusammenarbeit mit anderen Stellen Wie bereits unter 2. erwähnt, erfolgte die Durchführung des Projektes SatVal-A in enger Zusammenarbeit zwischen dem DLR-DFD, dem KIT-IfU und der UFS GmbH.

Weiterhin wurde im Rahmen der UFS-Science-Teamsitzungen über den Fortgang des Projektes berichtet und enger Kontakt zu den anderen in der UFS engagierten Konsortialpartnern zur Nutzung von Synergiepotentialen gepflegt. Ebenso wurde an ausgewählten Projekttreffen verschiedener EU-Projektkonsortien teilgenommen (MACC3, PASODOBLE4, HYMN5).

Im Rahmen der Arbeitspakete 4000F und 4000K wurde mit folgenden Stellen zusammengearbeitet bzw. Kontakt gepflegt: Applied Physics Laboratory der Johns Hopkins University, Belgian Institute for Space Aeronomy, Institut für Umweltphysik, Institute of Astrophysics and Geophysics, Netherlands Institute for Space Research, National Center for Atmospheric Research, Network for the Detection of Mesopause Change, Universität Augsburg, Universität Bremen, Universität Lüttich, Universität Toronto/Kanada, Universität Wollongong/Australien, Technische Hochschule Chalmers, Göteborg/Schweden

3 Monitoring Atmospheric Composition and Climate 4 Promote air quality services integrating observations development of basic localised information for Europe 5 Hydrogen, Methane and Nitrous Oxide


- 5 -

II. Eingehende Darstellung

1. Verwendung der Zuwendung, erzielte Ergebnisse inklusive Gegenüberstellung der vorgegebenen Ziele

Inhalt des Projekts SatVal-A war die Erarbeitung eines selbst tragenden Konzepts mit dem Ziel der Einrichtung einer nationalen Kontaktstelle für die Koordination von Validierungsaktivitäten bei satellitenbasierten Messungen in der Atmosphäre (das vollständige Konzept findet sich als Anlage zu diesem Bericht). Diese Kontaktstelle soll durch Dienstleistung und Forschung die erforderliche Qualitätssicherungsexpertise zur Verfügung stellen, die benötigt wird, um bei Satellitenmissionen die aus den Messdaten entwickelten Produkte für wissenschaftliche und kommerzielle Zwecke uneingeschränkt verwendungsfähig zu machen.

Satellitenbasierte Daten bieten gegenüber Daten anderer Messplattformen den Vorteil einer globalen Abdeckung bei homogener Qualität. Bereits heute finden satellitenbasierte Atmosphärendaten und –produkte weltweit Einsatz und dies mit zunehmender Tendenz. Die Anwendungsgebiete umfassen ein breites Spektrum beginnend mit Klima-, Atmosphären- und Wettermodellen für wissenschaftliche Studien. Als Beispiel für den Einsatz von wirtschaftlichem Interesse seien die Anforderungen der Energiewirtschaft im industriellen Bereich, insbesondere der Solarindustrie, genannt. Von administrativem Interesse sind die zahlreichen Überwachungs- und die Berichtsverpflichtungen z.B. im Rahmen internationaler Umweltkonventionen (Montreal- und Kyoto-Protokoll) oder Klimarahmenkonventionen (UNFCCC6). In allen Bereichen ist allerdings die möglichst genaue Kenntnis der Präzision satellitenbasierter Messungen in der Atmosphäre von grundlegender und entscheidender Bedeutung. Mit ihr steht und fällt der Nutzen, die Akzeptanz der Daten und der daraus abgeleiteten Informationsprodukte. Andauernde Validierung über die gesamte Lebenszeit eines Satelliten und ein einheitliche Validierungsvorgehen sind hier erforderlich.

Validierungsaktivitäten werden in der Regel durch verschiedenste Organisationen und Einrichtungen (z.B. CEOS7, WMO8, EUMETSAT9, BIRA10, DLR uvm.) übernommen. Dabei ergibt sich die Auftragsvergabe im Allgemeinen aus bestehenden wissenschaftlichen Kooperationen. Die Bündelung dieser Aktivitäten stellt heute international, europäisch und national eine große Herausforderung dar. Es gibt praktisch keine einheitlichen Standards.

Aufgrund ihrer bereits vorhandenen nationalen und internationalen hervorragende Vernetzung und der wissenschaftlichen Interdisziplinarität ihres Betreiberkonsortiums bietet sich die UFS als Sitz für eine solche nationale Kontaktstelle für Validation besonders an.

6 United Framework Convention on Climate Change 7 Committee on Earth Observation Satellites 8 World Meteorological Organization 9 European Organisation for the Exploitation of Meterological Satellites 10 Belgian Institute for Space Aeronomy


- 6 -

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


- 7 -

AP 1000

Satellitenmissionen zur Vermessung der Erdatmosphäre werden bereits seit mehr als 30 Jahren durchgeführt, wobei der Fokus zunächst, angeregt durch Umweltfragen, auf wissenschaftlichen Themen wie Klimawandel, Ozonloch und Schadstofftransport lag. Seither haben sich neben den einzelnen Raumfahrtbehörden, Satellitenbetreibern und Forschungseinrichtungen eine Vielfalt von komplexen Programmen und Initiativen gebildet, die es zum Ziel haben, die einzelnen Aktivitäten auch respektive übergeordneter Ziele zu koordinieren. Entsprechend findet sich, im Internet öffentlich zugänglich, ein breites Spektrum von Informationsplattformen zu aktuellen und geplanten Atmosphärenmissionen. Umfassende Studien zeigen das Umfeld auf, in dem sich potentielle Kunden der Kontaktstelle bewegen (z.B. WMO GOS-2009 Dossier „The space-based global observing system in 2009” mit globalem Fokus, und europäische Studien zu der zukünftigen Weltrauminfrastruktur, insbesondere zur Instrumentierung der Sentinels 4, 5P und 5, siehe Entwurf „The Requirements for the GMES Atmospheric Service and the Implementation Concept: Sentinels-4/ -5 and 5p“). Für das selbst tragende Konzept wurde eine detaillierte Übersicht über alle aktuellen und geplanten Atmosphärenmissionen erstellt.

Weiterhin wurde herausgearbeitet, welche Daten innerhalb großer europäischer Projekte (PROMOTE11, GEMS12, TEMIS13 und ENVISOLAR14) oder im Rahmen von Datenzentren, (WDC-RSAT15, ECMWF16, …) bereitgestellt werden, in welcher Weise sie zur Verfügung stehen und wo sie durch Veredelung in höherwertige Daten- und Informationsprodukte oder im Rahmen von Services Anwendung finden. Die einzelnen Datenprodukte wurden nach Anbietern, Diensten und Services, sowie nach Bedarfsträgern aus Wissenschaft, Verwaltung und Wirtschaft geordnet. Als Quellen dienten hierfür die entsprechenden Internetauftritte und sowohl interne wie auch öffentlich zugängliche Projektberichte.

Einer fundierten Anforderungs- und Bedarfsanalyse liegt die Identifizierung des Standes von Wissenschaft und Technik der Validierung zugrunde. Daher wurde in diesem dritten und letzten Teil der Bestandsaufnahme die Gewährleistung der Qualität des jeweiligen Daten- und Informationsprodukts bzw. der Stand von Wissenschaft und Technik der Validierung untersucht.

Mit einem Überblick über die im europäischen Raum in die Validierung von satellitenbasierten Daten involvierten Organisationen, Arbeitsgruppen und Experten wird im selbst tragenden Konzept das Umfeld aufgezeigt, in das sich die Kontaktstelle einzugliedern hat; es werden Schlüsselrollen identifiziert und damit wichtige ausländische Wettbewerber und ihre Konkurrenztechnologie, sowie politische Markteinflüsse auf die Geschäftsidee

11 Protocol monitoring for the GMES service element: atmosphere 12 Global and regional Earth-System (Atmosphere) Monitoring using Satellite and in-situ data 13 Tropospheric Emission Monitoring Internet Service 14 Environmental Information Services for Solar Energy Industries 15 World Data Center for Remote Sensing of the Atmopshere 16 European Center for Medium Range Weather Forecast


- 8 -

beschrieben. In diesem Rahmen werden das weltweite Komitee GEO-CEOS17 mit seiner Strategie für Datenqualität (Quality for Earth Observation, QA4EO) und seine für Validierung relevanten Einrichtungen vorgestellt. Als Schlüsselstelle sei hier die „Working Group on Calibration and Validation“ (WGCV) von CEOS genannt, zu der wiederum die für SatVal-A interessante Untergruppe „Atmospheric Chemistry SubGroup“ (CEOS WGCV ACSG) gehört. Es wird derzeit die Möglichkeit überprüft, ausgehend vom Projekt SatVal-A in der WGCV eine weitere neue Untergruppe zu „Neuen Validierungsverfahren“ einzurichten. Als weiterer globaler Akteur wird die WMO mit einigen ihrer Einrichtungen (WMO SAG18 und CGMS19) präsentiert. Im europäischen Raum werden GECA20, EUMETSAT O3M SAF21, BIRA und GEOMon22 beschrieben.

Aktuelle Validations- bzw. Qualitätssicherungskonzepte und die sich daraus ableitende Qualität von Daten und Produkten, wurden den Validierungsaktivitäten von dem ESA-finanzierten Projekt PROMOTE und dem EU-finanzierten FP6-Projekt GEMS für die einzelnen angebotenen Datenprodukte (satellitenbasierte Beobachtungen und Modellierung von Treibhausgasen, Ozonschicht und Luftqualität, auf globaler und auf regionaler Ebene) entnommen. Hiermit sind quasi alle europäischen Forschungseinrichtungen erfasst. Für die Beschreibung der Qualitätssicherung der jeweiligen Daten und Informationsprodukte, wurde zusammengestellt, durch welche Schritte die Qualitätssicherung der eingesetzten Modelle, der Assimilations- und Retrievalverfahren, des Validationsvorgehens und der Validationsdaten (z.B. Bodendaten, andere in-situ Daten, Modellergebnisse und andere Satellitendaten) gewährleistet werden soll.

Als wichtiger politischer Markteinfluss ist die Anbindung an GEOSS23 zu nennen. Durch GEOSS werden in absehbarer Zukunft weltweite Standards zur Qualitätssicherung von Satellitendaten vorgegeben werden. Gleichzeitig wird der weltweite Zugriff sowohl auf Validierungsaktivitäten selbst, als auch auf Validierungsinformationen in Metadaten über GEOSS stattfinden. Daher ist es ratsam, frühzeitig zu gewährleisten, dass die hier geplante Kontaktstelle mit ihren Aktivitäten in GEOSS eingebunden ist bzw. GEOSS-konform agiert. Dementsprechend wurden für die im vorliegenden selbst tragenden Konzept untersuchte Validierung von satellitenbasierten Atmosphärendaten Eingliederungsmöglichkeiten in den GEOSS Work Plan erarbeitet. Hier sei beispielhaft die Subtask DA-09-01a (früher DA-06-02), die sogenannte GEOSS Quality Assurance Strategy, geleitet von CEOS und IEEE24, genannt („Develop a GEO data quality assurance strategy, beginning with space-based

17 „Committee on Earth Observation Satellites“, dem sogenannten „Raumfahrt Arm“ der Global Earth

Observation (GEO) Initiative, wobei GEO eine Kampagne für die internationale Zusammenzuführung von Erderkundungsaktivitäten unter der Schirmherrschaft der UN darstellt.

18 World Meteorological Organization , Science Advisory Group 19 Coordination Group for Meteorological Satellites 20 Generic Environment for Cal/Val Analysis, ein Projekt der europäischen Raumfahrtagentur ESA 21 Ozone Monitoring, Satellite Application Facility 22 Global Earth Observation and Monitoring 23 Global Earth Observation System of Systems 24 Institute of Electrical and Electronics Engineers


- 9 -

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


- 10 -

AP2000

In der Anforderungs- und Bedarfsanalyse wurden Anwendungsgebiete für satellitenbasierte Atmosphärendaten und –produkte sowie dezidierte Nutzer und deren Bedarf an qualitätsgesicherten Atmosphärendaten und –produkte untersucht. Ziel dabei war es, Informationen über die benötigte Qualität satellitenbasierter Messungen und Produkte zu erhalten, um im nächsten Schritt Defizite bzgl. der verfügbaren Qualität identifizieren zu können.

Analysiert wurde eine Vielzahl von Anforderungs- und Bedarfsanalysen zu aktuellen und zukünftigen Daten und Informationsprodukten für den operativen Nutzer - mit Schwerpunkt auf GMES und GEOSS. So liegen in der WMO-Online-Datenbank25 für die zeitliche und räumliche Auflösung, für Beobachtungszyklus und Genauigkeit („Accuracy“) die (für AP3000) interessierenden folgenden Angaben vor:

Schwellwert („Threshold“, T/H) (Mindestens geforderte Genauigkeit)

Ziel („Goal“) (Idealerweise vorliegende Genauigkeit)

Durchbruch („Breakthrough, B/T) (Genauigkeit zwischen T/H und Goal, die eine signifikante Verbesserung der angestrebten Anwendung zur Folge hätte)

Für SatVal-A wurde eine Gegenüberstellung von Anwendungsgebieten (z.B. Montreal Protokoll) und benötigten satellitenbasierten Datenprodukten differenziert nach verschiedenen Kategorien (stratosphärischer Ozonabbau, bodennahe UV-Strahlung, Luftqualität) und Themenbereichen (Klimawandel, Treibhausgase und Aerosole) und aufgeschlüsselt für die Bereiche Wissenschaft, Verwaltung und Wirtschaft erstellt. Als Grundlage dienten insbesondere das Dokument „GMES Service Element PROMOTE – U1 Global User Needs Directory“ ebenso wie ausgewählte DLR-Projektbeschreibungen26 und die beiden Dokumente „GAS-Implementation Group Final Report“ von Juli 2008 und der „CAPACITY27 Final Report“ von Oktober 2005. Der Service GAS28 hat die lückenlose internationale Beobachtung und Modellierung der Atmosphäre in den Bereichen Treibhausgase, Ozonschicht und Luftqualität sowohl auf globaler als auch auf regionaler Skala hinsichtlich der verschiedensten Anforderungen von Behörden und Industrie zum Ziel. Bei CAPACITY handelt es sich um eine grundlegende, immer noch aktuelle Studie. Sie wurde von Experten aus unterschiedlichsten Bereichen verfasst, um ein zukünftiges operationelles System zur Beobachtung der Atmosphäre im Rahmen der Raumfahrtkomponente von GMES einzurichten.

25 http://www.wmo.ch/pages/prog/sat/Databases.html#UserRequirements 26 Projekte Atmosphäre auf www.dlr.de/caf/ 27 ESA’s “Operational Atmospheric Chemistry Monitoring Missions” Composition of the Atmosphere: Progress

to Applications in the user CommunITY (“CAPACITY”) 28 GMES Atmospheric Service

http://www.dlr.de/caf/


- 11 -

AP3000

In Arbeitspaket AP 3000 wurden Defizite bei der Verfügbarkeit und Qualität atmosphärischer Satellitendaten durch den Abgleich von Nutzeranforderungen (AP2000) mit aktuell und zukünftig verfügbaren satellitenbasierten Atmosphärendaten und –produkten (AP1000) aufgezeigt. Diese Defizite umfassen ein breites Spektrum. Zum Einen können sie auf zeitlicher oder räumlicher Auflösung oder Abdeckung basieren, zum Anderen kann ungenügende oder unbekannte Messgenauigkeit die Ursache sein. Schließlich mag das Defizit darauf beruhen, dass es das benötigte Produkt gar nicht gibt, oder dass es Defizite bei Datenablage oder Datenzugriff gibt. Die für diese Defizite festgestellten Gründe zeigen potentielle Gebiete mit Handlungsbedarf für die Kontaktstelle auf.

Analysiert wurde eine Vielzahl von Studien, die von den jeweiligen Expertengruppen für verschiedenste Zielrichtungen in den letzten Jahren durchgeführt wurden.

Als Dokument mit weltweitem Fokus sei besonders auf das GOS-2009 Dossier29 der WMO hingewiesen, das mit Band 3 “Gap analysis in the space-based component of GOS“ und Band 5 „Compliance analysis of potential product performances with user requirements“ eine umfassende Studie zu Defiziten auf verschiedenen Ebenen beinhaltet. Dieses Dokument wird dreimal jährlich aktualisiert. Beispielsweise werden hier Bedarf und Produktperformance für das atmosphärische Temperaturprofil in den verschiedenen Höhenschichten für die jeweiligen Anwender und Einsatzgebiete gegenüber gestellt.

Zwei detaillierte europäische Studien, insbesondere zum Raumfahrtprogramm, sind im Rahmen von GAS entstanden:

• “Space observation infrastructure for the GMES Atmosphere Core Service” (Stand: März 2008). Hier wurden Empfehlungen für die GMES-Sentinels, also die benötigte zukünftige Raumfahrt Infrastruktur, erarbeitet.

• GAS Abschlussbericht, insbesondere Anhang 3 mit entsprechenden Übersichten.

Mit Hilfe dieser Studien zu Messplattformen und Zielgrößen lässt sich beispielsweise unmittelbar ablesen, dass durch den missglückten Start des Satelliten OCO30 am 23.02.2009 ein Engpass bei den Satellitenbeobachtungen der CO2-Säule, die auch die bodennahe Grenzschicht beinhaltet, eintreten wird, sobald der Sensor SCIAMACHY auf dem ESA-Satelliten ENVISAT nicht mehr misst.

Weitere umfassende europäische Studien zu Validierungsergebnissen von atmosphärischen Satellitendaten und –produkten, in denen ein Abgleich zwischen Nutzeranforderungen und Validierungsergebnissen vorgenommen wird, liegen im Rahmen der Programme PROMOTE und GEMS vor. Auf dieser Basis und mit Hilfe der Präsentationen der Serviceprovider und -nutzer bei den verschiedenen PROMOTE-Treffen wurde die Erfüllung der Nutzeranforderungen durch die Genauigkeit der Datenprodukte detailliert auf Defizite hin ausgewertet. Für GEMS liegen entsprechende Daten mit detaillierter Qualitätsaussage zu Satellitendaten und –produkten bei gleichzeitigem Abgleich mit dem Nutzerbedarf nicht vor.

29 „The space-based global observing system in 2009”; verfasst für die WMO von B. Bizzarri. 30 Orbiting Carbon Observatory; Satellit der NASA.


- 12 -

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


- 13 -

AP4000

Als Resultat der Arbeitspakete 1000 bis 3000 hat sich eine Übersicht über die Schwachstellen und Lücken im Bereich der verfügbaren Daten- und Informationsprodukte und die mit ihnen verbundenen Validationskonzepte zu deren Qualitätssicherung ergeben. In AP4000 wurden neue Ansätze zur Optimierung der Validationskonzepte entwickelt und ggf. die erforderlichen wissenschaftlichen Grundlagen erarbeitet. Dieses Arbeitspaket wurde von den beiden Teilzeitkräften bearbeitet.

AP4000K (bearbeitet von Dipl. Math. Verena Kopp, betreut vom DLR)

Zusammenfassung der Analysen und Ergebnisse

Satellitenbasierte Messungen liefern einen großen Beitrag zur Beobachtung der Atmosphäre. Die Qualitätssicherung dieser Daten ist wichtig, um Messungen und darauf aufbauende wissenschaftliche Ergebnisse zu interpretieren. Da allgemein Defizite zwischen der zugesicherten Genauigkeit und den Anforderungen der Nutzer bestehen, ist die Entwicklung neuartiger Validationsansätze von großer Bedeutung, um genauere Validationsergebnisse zu erhalten.

Validationskonzepte basieren bisher meist auf einfachen Vergleichsrechnungen zwischen Satellitendaten und sowohl örtlich als auch zeitlich übereinstimmen-den häufig bodengebundenen oder ballongetragenen Messungen. Dynamische Effekte in der Atmosphäre, wie Turbulenz, planetare Wellen und Schwerewellen, führen zu zeitlicher und räumlicher Variabilität der atmosphärischen Parameter (z.B. Temperatur, Ozon). Da Satelliten- und Bodenmessungen aus praktischen Gründen oft nicht exakt in Zeit und Ort übereinstimmen, entstehen schon dadurch Differenzen in den Messwerten, sogenannte Mistime- bzw. Misdistance-Fehler, die zusammengefasst als Mismatch-Fehler bezeichnet werden (siehe Abbildung 1). Hinzu kommen Abweichungen in den Messwerten, die durch die unterschiedliche Messgeometrie der Instrumente bedingt sind (Misintegration-Fehler).

Abbildung 1 Bei der Validierung kommt es meist zu

zeitlichen und räumlichen Unterschieden zwischen satellitenbasierter und bodengebundener Messung. Daneben entstehen Abweichungen in den Messwerten durch unterschiedliche Messgeometrie der Instrumente.


- 14 -

Abbildung 2 zeigt ein Beispiel für den Vergleich von Temperaturprofilen. Dargestellt sind eine ballongetragene Radiosondenmessung (schwarz), die während der SIGMA-1-Kampagne31 gestartet wurde, und eine Messung des satellitenbasierten Instrumentes SABER32 (rot). Da die Radiosonde zum Aufsteigen Zeit braucht, liegt der zeitliche Unterschied zwischen beiden Messungen im überlappenden Höhenbereich zwischen etwa 1,5 und 2,5 Stunden. Die Distanz variiert zwischen 353 und 372 Kilometern. Diese Mistime- bzw. Misdistance-Werte sind für die Validierung von Satellitendaten typisch.

Deutlich zu erkennen ist auch die unterschiedliche Auflösung kleinskaliger Strukturen, die entsteht, weil die Instrumente über unterschiedliche Luftvolumen integrieren. Abweichungen zwischen den Messungen von stellenweise bis zu 5 Kelvin sind daher nicht zwangsläufig auf eine fehlerhafte Satellitenmessung zurückzuführen.

Kenntnis und Bestimmung des Einflusses von natürlicher Variabilität auf die Vergleichsmessungen ist daher notwendig, um genauere Aussagen über die Güte von Satellitendaten zu ermöglichen.

In AP4000K wurden Mistime- und Misdistance-Fehler (mit Fokus auf dem Parameter Temperatur) untersucht und quantifiziert. Auf Basis dieser Untersuchungen wurden Ansätze zur Optimierung von Validationskonzepten entwickelt. Zum Einen kann durch die Quantifizierung des Mismatch-Fehlers der Einfluss natürlicher atmosphärischer Variabilität auf Vergleichsmessungen berücksichtigt werden. Andererseits wurden Regionen in der Atmosphäre identifiziert, die sich aufgrund ihrer schwach ausgeprägten Dynamik besonders für Validationszwecke eignen, sogenannte ‚Ruhige Schichten’.

Um die natürliche atmosphärische Variabilität zu analysieren und quantifizieren wurde ein klimatologischer Ansatz gewählt. Der Mismatch-Fehler wurde als Mittelwert aller (absoluten) Differenzen, die für einen bestimmten Mismatch auftreten, bestimmt. Dieser ist abhängig von Ort, Höhe und Jahreszeit. Aufgrund der damit notwendigen globalen Abdeckung für verschiedene Jahreszeiten wurden ERA-40-Temperaturdaten über einen Zeitraum von 24 Jahren (Reanalyse atmosphärischer Variablen) als Grundlage für die Berechnungen verwendet. Diese decken einen Höhenbereich vom Boden bis ca. 65 km ab und liegen in einem Gitter mit einer räumlichen Auflösung von 2,5° und einer zeitlichen Auflösung von 6 Stunden vor. Ergänzt wurden diese auf ERA-40-Daten basierenden Ergebnisse durch analoge

31 Satellite validation: Impact of Gravity waves in the Middle Atmosphere 32 Sounding of the Atmosphere using Broadband Emission Radiometry

Abbildung 2 Der Vergleich zwischen

Temperaturmessungen durch das satellitengetragene Instrument TIMED/SABER (rot) und einer Radiosonde (schwarz) zeigt deutliche Unterschiede.


- 15 -

Berechnungen mit Satellitenmessungen des Instruments SABER auf dem Satelliten TIMED33 und Radiosondenmessungen während der SIGMA-1-Kampagne.

Abbildung 3 zeigt als Beispiel den Mismatch-Fehler für 12 h Mistime und 278 km Misdistance für die UFS. Deutlich werden die Variationen des Mismatch-Fehlers in Abhängigkeit von Höhe und Jahreszeit. Entsprechend des Auftretens und der Stärke dynamischer Prozesse, z.B. planetarer Wellen und Schwerewellen, ist der Einfluss der natürlichen Variabilität allgemein in der unteren Stratosphäre und in den Sommermonaten geringer und steigt mit größerer Höhe und im Winter an.

Auch räumlich gibt es Variationen in der Höhe des Mismatch-Fehlers. Wiederum entsprechend der Aktivität dynamischer Prozesse ist der Mismatch-Fehler auf der Winterhemisphäre erheblich höher. Abbildung 4 zeigt den Mistime-Fehler für 24 h im Januar gemittelt über 12-65 km. Zu erkennen ist, dass es neben der zu erwartenden Variation in Nord-Süd-Richtung auch entlang eines Breitenkreises Unterschiede in der Höhe des Mismatch-Fehlers gibt. Stationen mit vergleichsweise geringem Mismatch-Fehler könnten also bei Validierungsaktivitäten bevorzugt gewählt werden, um die Störung durch natürliche atmosphärische Variabilität zu minimieren.

33 Thermosphere Ionosphere Mesosphere Energetics and Dynamics

Abbildung 3 Mismatch-Fehler in der Temperatur

im Bereich der UFS (47,4°N, 11,0°E) für 12 h Mistime und 278 km Misdistance basierend auf ERA-40-Daten. Ruhige Schichten sind in etwa 9 und 20 km Höhe zu sehen.

Abbildung 4 Globale Karte des Mistime-Fehlers für

einen Zeitunterschied von 24 h im Januar, gemittelt über 8 bis 65 km Höhe.


- 16 -

In Abhängigkeit eines gewählten Mismatch-Wertes spiegelt der Mismatch-Fehler so die Aktivität bestimmter dynamischer Prozesse wider: Abbildung 5 zeigt dies für den Vergleich des Mistime-Fehlers für 24 h (schwarz) mit der Aktivität der planetaren Welle mit zonaler Wellenzahl 1 (rot) über 24 Jahre. Die Aktivität der planetaren Welle 1 wurde dabei als Kombination aus Monatsmittelwerten von Am-plitude und Phasenverschiebung berechnet. Der betrachtete Zeitunterschied von 24 h liegt im Bereich großskaliger dynamischer Prozesse, daher ist eine Korrelation mit planetaren Wellen zu erwarten. Der Vergleich zeigt, dass schon

allein die planetare Welle 1 den Großteil zum Mistime-Fehler beiträgt und damit hauptsächlich für die Schwankungen von Jahr zu Jahr verantwortlich ist. Umgekehrt kann der relativ einfach zu berechnende Mismatch-Fehler aber auch als Indikator für dynamische Aktivität in der Atmosphäre genutzt werden. So ist ein signifikanter Trend des Mistime-Fehlers für einen Zeitunterschied von 24 h (wie in Abbildung 5) über die betrachteten 24 Jahre auch ein Anzeichen für eine Änderung der globalen Dynamik. Abbildung 6 zeigt den Trend des Mistime-Fehlers in Abhängigkeit von Höhe und geographischer Breite für Januar und Dezember. Deutlich wird, dass ein möglicher Trend in der Aktivität planetarer Wellen

Abbildung 5 Korrelation des Mistime-Fehlers für einen

Zeitunterschied von 24 h (schwarz) mit der Aktivität der planetaren Welle mit zonaler Wellenzahl 1 (rot). Dargestellt sind jeweils Monatsmittelwerte für Januar der Jahre 1979 bis 2002 für 65°N in 38 km Höhe.

Januar (1979-2002) Dezember (1978-2001)

90S 45S 0 45N 90N

Breite

Höh

e[k

m]

90S 45S 0 45N 90N

Breite

Höh

e[k

m]

Abbildung 6 Zonal gemittelter Trend des Mistime-Fehlers (für einen Zeitunterschied von 24 h)

pro Dekade. Die Berechnung basiert auf 24-jährigen Abschnitten der ERA-40-Reanalyse.


- 17 -

auch stark mit der Höhe und von Monat zu Monat variieren kann.

Um die zahlreichen Faktoren, die auf den Mismatch-Fehler Einfluss nehmen, zu berücksichtigen, wurde ein Algorithmus entwickelt, der für jede gewünschte Situation den erwarteten Mismatch-Fehler und seine Schwankungsbreite als Profil ausgibt (Abbildung 7). Dieser Algorithmus basiert bisher auf den ERA-40-Temperaturdaten, lässt sich prinzipiell aber auf jeden ausreichend hochaufgelösten Datensatz anwenden. So könnten z.B. auch für andere atmosphärische Parameter entsprechende Klimatologien des Mismatch-Fehlers erstellt werden.

Um die auf Basis von ERA-40 erhaltenen Ergebnisse zu prüfen und zu erweitern, wurden Vergleiche mit Radiosonden- und satellitenbasierten Messungen durchgeführt. Die drei Datensätze unterscheiden sich grundsätzlich in ihrer Art: Während in der ERA-40-Reanalyse verschiedenste Messungen in ein Modell assimiliert wurden, sind die Radiosonden- und Satellitendaten reine Messungen, die sich aber wiederum gravierend in ihrer Messgeometrie unterscheiden. Die Unabhängigkeit der Datensätze kann damit sowohl durch Übereinstimmung entsprechende Ergebnisse bestätigen als auch kleine Abweichungen erklären.

Abbildung 7 Beispiel für ein auf Basis von

ERA-40 berechnetes Profil des Mismatch-Fehlers und seiner Standardabweichung. Geographische Länge und Breite sowie Uhrzeit der beiden zu vergleichenden Messungen sind oben links zu sehen.

Abbildung 8 Vergleich des zonal gemittelten Misdistance-Fehlers für eine horizontale

Abweichung von etwa 500 km (entsprechend des SABER-Orbits in zonale und meridionale Abweichung aufgeteilt) auf Basis von ERA-40 (links) und SABER (rechts) für Februar 2002.


- 18 -

Abbildung 8 zeigt einen Vergleich des Misdistance-Fehlers berechnet auf Basis von ERA-40 (links) und SABER (rechts) in Abhängigkeit von Höhe und geographischer Breite für Februar 2002. Bereiche mit erhöhter Variabilität werden fast deckungsgleich abgebildet und auch die absoluten Werte für den Misdistance-Fehler differieren nur stellenweise leicht. Ergebnisse aus der Literatur, wonach die Auflösung horizontaler Strukturen, die durch dynamische Prozesse erzeugt werden, in ERA-40 und SABER-Messungen nahezu übereinstimmt, können hierdurch bestätigt werden.

Im Gegensatz dazu zeigt der Vergleich eines Radiosondenprofils mit entsprechender SABER-Messung Unterschiede in der Auflösung kleinskaliger Strukturen (Abbildung 2). Eine Radiosonde misst die Temperatur durch den temperaturabhängigen Widerstand eines dünnen Drahtes. Die Werte können daher als Punktmessung mit einer vertikalen Auflösung von etwa 25 m interpretiert werden. Dagegen hat das Sichtfenster des Satelliten eine vertikale Ausdehnung von etwa 2 km und erstreckt sich horizontal entlang des Sehstrahls über einige zehn bis hundert Kilometer. Kleinskalige Strukturen werden daher vom Satelliteninstrument nicht aufgelöst.

Abbildung 9 verdeutlicht diesen Effekt für den vereinfachten Fall einer harmonischen Schwingung, die durch ein vertikales Sichtfenster von 2 km Ausdehnung gesehen wird. In Abhängigkeit der vorliegenden vertikalen Wellenlänge (x-Achse) detektiert das Instrument die Schwingung mit verringerter Amplitude (y-Achse). Eine Schwerewelle mit vertikaler Wellenlänge von 3-4 km kann so beispielsweise nur mit der Hälfte ihrer wahren Amplitude erkannt werden. Schwingungen mit noch geringeren Wellenlängen werden nahezu komplett herausgefiltert. Ähnlich werden horizontale Wellenstrukturen entlang des Sehstrahls integriert. Da die berechneten Mistime- bzw. Misdistance-Fehler die atmosphärische Variabilität widerspiegeln, hängen diese also entscheidend von der verwendeten Datengrundlage hinsichtlich der Auflösung dynamischer Prozesse ab.

Abbildung 9 Durch ein vertikales Sichtfenster von

2 km detektiert das Satelliteninstrument Schwingungen mit kleinen vertikalen Wellenlängen mit verringerter Amplitude (die ursprüngliche Amplitude war für alle Schwingungen konstant 1).

Abbildung 10 Mistime-Fehler in Abhängigkeit von

steigenden Mistime-Werten berechnet auf Basis von Radiosondenmessungen aus der SIGMA-1-Kampagne im November 2009 (durchgezogene Linie) und auf Basis von ERA-40-Daten für November 1978-2001.


- 19 -

Radiosondenmessungen enthalten im Gegensatz zu Reanalyse- und Satellitendaten auch kleinskalige Temperaturvariabilität und berücksichtigen diese demnach auch in der Berechnung von Mistime und Misdistance-Fehlern. Abbildung 10 bestätigt dies durch einen Vergleich des Mistime-Fehlers basierend auf SIGMA-1-Radiosondenmessungen und ERA-40-Daten. Der aus Radiosondendaten berechnete Mistime-Fehler liegt systematisch etwa 30% höher. Der ansonsten fast parallele Verlauf der Kurven spricht generell für eine treffende Darstellung von atmosphärischer Variabilität in der ERA-40-Reanalyse. Durch einen Korrekturfaktor könnten daher die auf Basis von ERA-40-Daten global berechneten Mistime-Fehler auch kleinskalige Variabilität berücksichtigen. Zu untersuchen ist hier weiterhin, in wie weit dieser Korrekturfaktor von z.B. Ort und Jahreszeit abhängig ist.

Verwendung der Ergebnisse zur Optimierung von Validationsansätzen

Beachtung des zu erwartenden Mismatch-Fehlers bei Validationsmessungen

Zur Vereinfachung wird bei statistischen Validationsansätzen davon ausgegangen, dass sich die Mismatch-Fehler durch eine große Anzahl von Vergleichspaaren herausmitteln und sich deshalb nicht als fälschlich angenommener Bias im Ergebnis bemerkbar machen. Diese Annahme kann allerdings verletzt werden, z.B. weil Satelliten durch ihre vorgegebene Flugbahn zu vorwiegend ähnlichen Mismatch-Werten neigen können (nahezu gleiche Überflugszeiten, bspw. mittags und Stationsmessung immer 6h). Speziell bei eher kurzen Validationskampagnen kann es so zu einem systematischen Mismatch-Fehler kommen, der das Validationsergebnis verfälscht. Von den Differenzen zwischen satellitenbasierter und bodengebundener Messung sollte daher zunächst für jedes Vergleichspaar der erwartete Mismatch-Fehler abgezogen werden.

Des Weiteren wird die Genauigkeit des Satelliteninstruments im Wesentlichen meist als Standardabweichung/Varianz der Differenzen zwischen den Messungen berechnet. Zieht man auch hier vor dem Aufsummieren der Differenzen den zu erwartenden Mismatch-Fehler von den Differenzen ab, kann die tatsächliche Genauigkeit des Satelliteninstruments erheblich besser erkannt werden.

mis

time

[h]

mis

mat

cher

ror[

K]

zonal misdistance [h]

meridional misdistance [h]

Abbildung 11 Mismatch-Fehler bzgl. der

Koordinaten der UFS für verschiedene Kombinationen von Mistime und Misdistance in zonaler (oben) und meridionaler Richtung (unten) für Januar gemittelt über 8 bis 65 km Höhe basierend auf ERA-40.


- 20 -

Festlegung geeigneter Koinzidenzkriterien

Ein anderer Aspekt bei der Validierung ist die Wahl angemessener Koinzidenzkriterien, die die maximal erlaubten Mistime- und Misdistance-Werte zwischen einem Messpaar angeben. Es muss ein Kompromiss zwischen akzeptabler Störung durch natürliche Variabilität und einer statistisch ausreichend großen Anzahl von Paaren gefunden werden. Der allgemein bestimmte Mismatch-Fehler kann hierfür als Entscheidungsgrundlage dienen. Abbildung 11 stellt die Entwicklung des Mismatch-Fehlers über der Umweltforschungsstation Schneefernerhaus abhängig von Mistime (y-Achse) und Misdistance (x-Achse) dar. In diesem Beispiel wird zwischen Misdistance in zonaler Richtung (oben) und meridionaler Richtung (unten) unterschieden.

Eine andere Darstellung dieser Ergebnisse ist in Abbildung 13 zu sehen. Die Karte zeigt den Misdistance-Fehler bzgl. der UFS als Referenzpunkt. Deutlich hervorgehoben ist der Effekt des variierenden Misdistance-Fehlers in unterschiedlicher horizontaler Richtung. Mit Hilfe dieser Informationen ist der allgemein resultierende Mismatch-Fehler für festgelegte Koinzidenzkriterien im Vorhinein bekannt. Zudem wird die Wahl des geeigneten Verhältnisses zwischen Mistime und Misdistance in zonaler und meridionaler Richtung erleichtert.

Validierung in Ruhigen Schichten

In Abbildung 3 war bereits zu sehen, dass sich bestimmte Höhen (ca. 9 und 20 km) durch eine vergleichsweise geringe natürliche Variabilität auszeichnen. In diesen

Abbildung 12 Misdistance-Fehler bzgl. der Koordinaten der

UFS für Januar gemittelt über 8 bis 65 km Höhe basierend auf ERA-40.

Δlon

Δlat

Δtime

ΔtimeM

ism

atch

-Feh

ler [

K]Δlon

Δlat

Δtime

ΔtimeM

ism

atch

-Feh

ler [

K]ΔlonΔlon

ΔlatΔlat

ΔtimeΔtime

ΔtimeM

ism

atch

-Feh

ler [

K]

16km

Abbildung 13 Wie Abbildung 11, allerdings in

der ruhigen Schicht (ca. 16 km Höhe).


- 21 -

sogenannten ‚ruhigen Schichten‘ wird der Vergleich von Messungen erheblich weniger durch dynamische Einflüsse gestört, und Abweichungen zwischen Satelliten- und bodengebundener Messung sind eher auf Fehler der Instrumente oder der Auswertealgorithmen zurückzu-führen. Daher bieten ruhige Schichten die Möglichkeit genauerer Validationsergebnisse und sind für die Validierung besonders interessant. Im Vergleich zu Abbildung 11, in der die Werte über Höhen von 8 bis 65 gemittelt wurden, zeigt Abbildung 14 den Mismatch-Fehler für 16 km Höhe in der ruhigen Schicht. Bei gleichen Koinzidenzkriterien hat man damit in der ruhigen Schicht einen etwa 50% geringeren Mismatch-Fehler zu erwarten. Daher können hier genauere Ergebnisse in Bezug auf Abweichung und Genauigkeit der Instrumente erzielt werden. Umgekehrt können hier aber auch die Koinzidenzkriterien ausgeweitet werden, um eine größere Anzahl von Vergleichspaaren zu erhalten, ohne dabei eine starke Unsicherheit durch die atmosphärische Variabilität beim statistischen Vergleich zu riskieren.

Internettool

Im Rahmen von SatVal-A wurde die Möglichkeit geschaffen, auf einige der wesentlichen Ergebnisse aus AP4000K im Internet zuzugreifen. Ziel des Internetauftrittes ist es, den wissenschaftlichen Nutzern ein hilfreiches Tool zur Validierung zur Verfügung zu stellen, wie es im Rahmen von Konferenzen z.B. mehrmals nachgefragt wurde.

Das sogenannte Validationstool quantifiziert dabei den mismatch-Fehler für die Temperatur beim Vergleich verschiedener Messungen (z.B. UFS-Stationsdaten mit Satellitendaten) basierend auf den eben vorgestellten Algorithmen und Ergebnissen.

Um eine möglichst große Nutzerfreundlichkeit zu gewährleisten, wurde das Validationstool in das UFS-DAZ34 integriert (http://wdc.dlr.de/ufsdaz/mismatch-tool.php ).

Der Nutzer muss zunächst spezifische Daten wie Ort und Zeit der beiden Messungen eintragen, die er vergleichen möchte, und danach die Berechnung aktivieren (siehe Abbildung 15). Der zugrunde liegende Algorithmus berechnet die Misstime und die Missdistance und basierend auf den ERA40-Daten die zu erwartende Temperaturdifferenz. Nachdem die ERA40-Daten auf einem Gitter von 2,5° x 2,5° vorliegen, wird für davon abweichende Mistime- und Misdistance-Werte der Mismatch-Fehler linear interpoliert. Ergebnis ist eine Darstellung vergleichbar mit Abbildung 7. Das Validationstool ist im Internet entsprechend dokumentiert (http://wdc.dlr.de/ufsdaz/mismatch-tool_info.php).

34 Datenanalysezentrum

Das UFS-DAZ ermöglicht den Zugang zu den gesamten UFS-Stationsmessungen und bietet den Wissenschaftlern der UFS zusätzlich Informationen in naher Echtzeit üben den aktuellen globalen, kontinentalen und regionalen Zustand der Atmosphäre. Darüber hinaus wird die weiterführende wissenschaftliche Analyse der UFS-Daten durch spezifische Services ermöglicht.

http://wdc.dlr.de/ufsdaz/mismatch-tool.php

http://wdc.dlr.de/ufsdaz/mismatch-tool_info.php


- 22 -

Abbildung 14 Eingabemaske des Validationstools: Neben Längen- und Breitengrad müssen für die zu vergleichenden Messungen auch

Datum und Zeit angegeben werden.


- 23 -

AP4000F (bearbeitet von Dipl. Phys. Frank Forster, betreut vom KIT)

Die Zunahme der Treibhausgaskonzentrationen in der Atmosphäre, welche die hauptsächliche Ursache der globalen Erwärmung ist, ist überwiegend auf menschliche Aktivitäten zurückzuführen, insbesondere auf das Verbrennen fossiler Brennstoffe, Viehhaltung und die Rodung von Wäldern. Das am 16. Februar 2005 in Kraft getretene Kyoto-Protokoll legt erstmals völkerrechtlich verbindliche Zielwerte für den Ausstoß von Treibhausgasen in den Industrieländern fest.

Eine sich daraus ergebende Aufgabe für die Umweltwissenschaften ist das sogenannte Monitoring, also die Kontrolle und Beobachtung von qualitativen und quantitativen Veränderungen der verschiedenen Umweltkomponenten durch natürliche und anthropogene Einflüsse, wie etwa eine Quantifizierung von Quellen und Senken der verschiedenen Treibhausgase. In Anbetracht der großen Mengen von CO2, CH4 und N2O in der Atmosphäre bewirken Quellen und Senken dieser Gase nur sehr geringfügige Änderungen gegenüber dem bereits vorhandenen Hintergrund, so dass Messungen mit sehr hoher Präzision nötig sind, um diese zu erfassen. Zur Erfassung von lokal begrenzten Quellen und Senken ist zudem eine möglichst große räumliche Abdeckung nötig, wie sie vor allem durch Satelliten möglich ist. Doch um Satellitendaten nutzen zu können, ist es wichtig, dass deren Qualität ständig validiert und verbessert wird. Eine gute Möglichkeit dafür bietet ein Vergleich der Satellitendaten mit bodengebundenen Messungen, die eine höhere Genauigkeit erzielen können, aber eben lokal eingeschränkt sind, wie beispielsweise die solare Fourier-Transform-Infrarot-Spektrometrie (FTIR).

AP4000F behandelt die Validierung von säulengemitteltem Methan aus ENVISAT/SCIAMACHY-Daten für die Jahre 2003 und 2004 mithilfe eines Netzwerks aus zwölf bodengebundenen FTIR-Stationen (siehe Tabelle 2).35 Zum Vergleich mit den Datensätzen aus bodengebundenen FTIR-Messungen standen zwei unterschiedliche Datenprodukte von SCIAMACHY-Daten zur Verfügung. Zum einen das WFM-DOAS v1.0, das von der Universität Bremen erstellt wurde, zum anderen das IMAP-DOAS v49 vom Netherland Institute for Space Research (SRON).

Tabelle 2 Die zwölf an der Validierungsstudie beteiligten FTIR-Stationen

Station Breitengrad Längengrad Stationshöhe Anzahl der Einzelmessungen

Mittlere Tropopausenhöhe

Spitzbergen

Thule

Kiruna

78,92 °N

76,53 °N

67,84 °N

11,92 °E

68,74 °W

20,41 °E

20 m

225 m

419 m

113

177

338

8,95 km

8,51 km

9,62 km

35 Dabei werden Messungen aus dem mittleren Infrarotbereich (2613-2922 cm-1) im Rahmen des NDACC-

Netzwerkes (Network for the Detection of Atmospheric Composition Change) verwendet, obwohl SCIAMACHY im nahen Infrarotbereich (5714-41667 cm-1) misst. Jedoch sind von den bodengebundenen Stationen im Rahmen des TCCON-Netzwerkes (Total Carbon Column Observing Network) erst seit 2007 flächendeckende Messungen im nahen Infrarotbereich verfügbar.


- 24 -

Harestua

Bremen

Zugspitze

Garmisch

Jungfraujoch

Toronto

Izaña

St. Denis

Wollongong

60,22 °N

53,11 °N

47,42 °N

47,48 °N

46,55 °N

43,66 °N

28,30 °N

20,90 °S

34,41 °S

10,75 °E

8,85 °E

10,98 °E

11,06 °E

7,99 °E

79,40 °W

16,48 °W

55,48 °E

150,88 °E

596 m

29 m

2964 m

745 m

3580 m

174 m

2367 m

50 m

40 m

1234

179

999

498

702

185

207

141

633

10,20 km

10,74 km

11,25 km

11,25 km

11,38 km

13,25 km

14,44 km

15,66 km

12,53 km

FTIR-Funktionsweise und Retrieval

Bei einem FTIR-Spektrometer wird das einfallende Sonnenlicht in zwei Teilstrahlen aufgespalten, welche im Interferometer unterschiedliche Wegstrecken zurücklegen. Dies wird durch einen fest montierten und einen beweglichen Spiegel ermöglicht. Die an den Spiegeln reflektierten Strahlen werden anschließend wieder überlagert und interferieren dabei aufgrund der unterschiedlichen Wegstrecken, die sie zurückgelegt haben. Am Detektor wird die Intensität des interferierenden Strahlbündels als eine Funktion des Wegunterschieds erfasst. Die resultierenden Helligkeitsschwankungen ergeben das sogenannte Interferogramm. Durch eine Fouriertransformation kann dieses in ein Spektrum des Sonnenlichts überführt werden. Aus diesem können mithilfe der Inversionsrechnung die vertikalen Profile der vorhandenen Spurengase ermittelt werden. Allerdings wird dazu nicht das ganze Spektrum verwendet, sondern kleine spektrale Teilbereiche (Microwindows), in denen Signaturen des zu beobachtenden Gases (Targetgas) zu finden sind. Die Auswertung (Retrieval) beginnt mit einer Vorwärtsrechnung, bei der die in verschiedene Höhenschichten (Layer) aufgeteilten vertikalen Profile der Gase als bekannt vorausgesetzt werden (a-priori Profile). Durch eine iterative Anpassung der Mischungsverhältnisse der Gase wird das aus der Vorwärtsrechnung erhaltene synthetische Spektrum dem gemessenen Spektrum angenähert (Fit). Mathematisch gesehen handelt es sich dabei um ein inverses Problem, da man von einer beobachteten Wirkung (gemessenes Spektrum) auf die dieser Wirkung zugrunde liegende Ursachen (Zustand der Atmosphäre) zurückschließen möchte. Die Differenz der beiden Spektren wird dabei immer geringer, jedoch bleibt aufgrund der Unterbestimmtheit der Problemstellung immer ein Restdifferent (Residuum). Bei der Anpassung des synthetischen Spektrums können entweder die Mischungsverhältnisse eines Gases in den einzelnen Layern variiert werden, so dass es zu einer Formänderung im jeweiligen vertikalen Profil kommen kann (Profilretrieval), oder es werden alle Layer eines Profils mit einem konstanten Skalierfaktor variiert (Skalierretrieval). Als Ergebnis einer Auswertung erhält man die Gesamtsäule des Targetgases, d.h. die Anzahl Moleküle des Targetgases pro Flächeneinheit, die üblicherweise 1 cm2 beträgt.

Das Retrieval stellt folglich eine zentrale Komponente in der Ableitung von säulengemitteltem Methan dar und variiert u.U. von Station zu Station. In AP4000F wurde


- 25 -

eine Harmonisierung des Retrievals der beteiligten Stationen erarbeitet, die mögliche systematische Messabweichungen (Bias) zwischen den Stationen selbst, wie sie beispielsweise durch die Verwendung unterschiedlicher spektroskopischer Datenbanken entstehen können, beseitigte. Ziel war das Erreichen einer höheren Reproduzierbarkeit (Precision).

Harmonisierung des Retrievals

Microwindows

Zu Beginn der Harmonisierung der Retrievals aller FTIR-Stationen musste sichergestellt werden, dass alle Stationen zur Auswertung von Methan dieselben Spektralbereiche (Microwindows) verwenden. Bereits im Jahre 2005 wurden im Rahmen des EU-Projekts UFTIR36 fünf als optimal erachtete Microwindows (2613,70-2615,40 cm-1, 2650,60-2651,30 cm-1, 2835,50-2835,80 cm-1, 2903,60-2904,03 cm-1, 2921,00-2921,60 cm-1) bestimmt, die auch von allen teilnehmenden Gruppen verwendet wurden.

In den meisten Microwindows sind neben den spektralen Signaturen des zu beobachtenden Gases (Targetgas) auch solche von anderen Gasen (Interferenzgase) zu finden. Diese können unter Umständen einen großen Einfluss auf das Retrieval des Targetgases haben, weshalb eine vereinheitlichte Handhabung der Interferenzgase unabdingbar ist. Dazu musste zunächst geklärt werden, welche Interferenzgase in den einzelnen Microwindows vorkommen und welche Stärke ihre Signaturen haben.

Wie in Abbildung 15 zu erkennen ist, sind die Signaturen der Interferenzgase nur schwach. Umfangreiche Studien haben ergeben, dass es möglich ist, die Interferenzgase HDO, H2O, CO2 und N2O deshalb durch einfache Skalierretrieval auszuwerten.

Spektroskopische Daten

Zur Vorwärtsrechnung der synthetischen Spektren werden spektroskopische Daten benötigt, wie etwa Parameter, die bestimmen, wie sich spektroskopische Linien unter bestimmten Druckverhältnissen in ihrer Form ändern können. Die von den verschiedenen an der Validierungsstudie beteiligten Gruppen verwendete Datenbank ist HITRAN37. Jedoch waren hierbei verschiedene Versionen im Umlauf, was eine der Hauptursachen dafür war, dass es bereits zwischen den einzelnen bodengebundenen FTIR-Stationen systematische Unterschiede gab, die eine Vergleichbarkeit der Resultate erschwerte. Durch vergleichende Studien für den Standort Zugspitze hat sich gezeigt, dass die Datenbank HITRAN 2004, erweitert um ein Update, das am KIT in Kollaboration mit der Universität Bremen erstellt wurde, kleinere spektrale Residuen ergeben. Es wurden daraufhin direkt für die Auswertung nutzbare Eingabefiles mit den spektroskopischen Daten erstellt und an die beteiligten Gruppen verteilt.

36 Time Series of Upper Free Troposphere observations from an European ground-based FTIR network 37 high-resolution transmission molecular absorption database


- 26 -

Druck- und Temperaturdaten

Ein weiterer wichtiger Faktor, der in der Vorwärtssimulation eingeht, sind Druck- und Temperaturdaten, da diese die Form einer Linie in Breite und Tiefe beeinflussen. Unter den beteiligten Gruppen waren Druck- und Temperaturprofile verbreitet wie sie von verschiedenen Diensten, wie dem Deutschen Wetterdienst (DWD), dem European Centre for Medium-Range Weather Forecasts (ECMWF) oder den amerikanischen National Centers for Enviromental Prediction (NCEP) bereitgestellt werden, wobei die meisten Gruppen sich bereits auf NCEP festgelegt hatten. Durch Untersuchungen wurde zudem herausgefunden, dass die Druck- und Temperaturprofile von NCEP, deren Profile sich durch Interpolation verschiedener Radiosondenaufstiege für jeden Standort ermitteln lassen, geringfügig kleinere Residuen liefern.

A-priori Profile

Den a-priori Profilen der Gase kommt eine wichtige Bedeutung zu, da sie den Ausgangspunkt für die Berechnung des synthetischen Spektrums bilden. Ein Vergleich dieser Profile, wie sie von den beteiligten Gruppen vor der Harmonisierung verwendet worden waren (Abbildung 16), zeigt, dass diese recht uneinheitlich waren. Die Aufstreuung im Fußpunkt, wo der Methangehalt in der Atmosphäre am größten ist, und die Unterschiede der Tropopausenhöhe sind sehr groß.

Untersuchungen für den Standort Zugspitze haben ergeben, dass sich die besten Resultate mit dem a-priori Profil, das Geoff Toon durch Ballon-FTIR-Messungen für mittlere Breiten erhielt, erzielt werden konnten. Die Tropopausenhöhe ist dabei eine wichtige Komponente, da sich der Großteil des atmosphärischen Methans unterhalb dieser befindet. Sie ist abhängig vom Breitengrad, so dass für alle an der Studie beteiligten Stationen eine Anpassung des a-priori Profils an die aus NCEP-Daten gewonnene, mittlere Tropopausenhöhe vorgenommen

2614.0 2614.5 2615.0 2615.5

0.7

0.8

0.9

1.0

1.1

norm

aliz

ed in

tens

ity

Wavenumber [cm-1]

Total CH4 CO2 Solar HDO H2O

2650.6 2650.8 2651.0 2651.2

0.8

0.9

1.0

norm

aliz

ed in

tens

ity

Wavenumber [cm-1]

CH4 Total HDO CO2 CO22 Solar

Abbildung 15 Microwindows und Interferenzgase


- 27 -

werden musste (Abbildung 17). Dies geschah über eine lineare Transformation nach Meier [1997].

Regularisierung

Wie bereits erwähnt, stellt die iterative Anpassung des synthetischen Spektrums an das gemessene ein inverses Problem dar, das zudem noch schlecht gestellt ist, da es keine eindeutig bestimmte Lösung hat, d.h. viele atmosphärische Zustände können das gemessene Spektrum ähnlich gut erklären. Es ist daher nötig, durch das Stellen von zusätzlichen Bedingungen, unrealistische Ergebnisse zu unterdrücken (Regularisierung). Durch FTIR erhaltene Profile spiegeln den wahren Zustand der Atmosphäre nur eingeschränkt wider; sie über- oder unterschätzen diesen in unterschiedlichen Höhen, wobei es abhängig von der Regularisierung ist, wie stark sie dies tun. Deshalb ist es im Rahmen einer Harmonisierung der FTIR-Stationen wichtig, dass diese dieselbe Regularisierungsart verwenden, zugleich aber auch die Möglichkeit haben, die Stärke dieser Regularisierung der Qualität und dem Informationsgehalt der gemessenen Spektren anzupassen. Dabei spielt auch die Dicke der für das Profil gewählten Layer eine Rolle, da diese unmittelbar die Höhenabhängigkeit der Regularisierung beeinflussen.

Für die Regularisierung gibt es zwei unterschiedliche Ansätze. Zum einen lassen sich klimatologische Nebenbedingungen aufstellen, die durch unabhängige Messungen oder durch Modellrechnungen gewonnen werden. Jedoch ist diese Methode für eine Vielzahl von Gasen schwer zu realisieren, da die entsprechenden Daten – insbesondere in den höheren Schichten – nicht verfügbar oder unzuverlässig sind. Die andere Methode besteht darin, glättende Nebenbedingungen an das Profil zu stellen, die dessen Form, nicht aber dessen absolute Werte beeinflussen. So lässt die in dieser Studie genutzte Tikhonov-L1-Regularisierung nur Änderungen in der ersten Ableitung des a-priori Profils zu. Die Regularisierungsstärke ist dabei so zu wählen, dass unrealistische Details im abgeleiteten Profil unterdrückt werden, ohne dabei den Fit unnötig zu verschlechtern.

Durch eine Studie wurde die optimale Regularisierungsstärke auf einem Atmosphärenmodell mit äquidistanten Höhenschichten für den Standort Zugspitze bestimmt. Entsprechend wurden die für die Auswertung notwendigen Regularisierungsmatrizen und Atmosphärenmodelle an die teilnehmenden Gruppen versandt, wobei jeder Station mehrere Regularisierungsmatrizen unterschiedlicher Regularisierungsstärke zukamen, aus denen eine ausgewählt werden konnte, um wie erwähnt der Qualität und dem Informationsgehalt der gemessenen Spektren Rechnung tragen zu können.


- 28 -

HYMN-CH4-a prioris

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

80.00

90.00

100.00

0.00E+00 2.00E-07 4.00E-07 6.00E-07 8.00E-07 1.00E-06 1.20E-06 1.40E-06 1.60E-06 1.80E-06 2.00E-06

Kiruna

Izana

Zugspitze

Reunion

ISSJ

Harestua

Bremen

Spitsbergen

Paramaribo

Profile from G.C. Toon, (Balloon-FTIR data) *1.0465HALOE (5yr mean 2000-2005) for [-10,-30] lat. & [40,70] lon.

Satellite data (15698 - 53985m) + CH4 HALOE 60.0N January

One profile based on HALOE occultation measurements near 46ºN (1995 annual mean)

Abbildung 16 Die vor der Harmonisierung von den verschiedenen Stationen verwendeten a priori Profile.

0

10

20

30

40

50

0 500 1000 1500 2000XCH4 [ppb]

Altit

ude

[km

]

Zugspitze Garmisch Jungfraujcoh Harestua Toronto Bremen Wollongong Izana Kiruna Thule St.Denis Spitsbergen

Abbildung 17 Harmonisiertes Set von Methan-a-priori-Profilen für die verschiedenen FTIR-Stationen.


- 29 -

Vergleich der verschiedenen FTIR-Messungen

Die vorgestellte harmonisierte Strategie zum Methanretrieval wurde von allen teilnehmenden Gruppen erfolgreich umgesetzt. Zur weiteren Verwendung wurden die aus den Auswertungen erhaltenen Methan-Gesamtsäulen in säulengemitteltes Methan XCH4 umgerechnet. Dazu wurde die Methan-Gesamtsäule durch die trockene Luftsäule, also die Gesamtanzahl von Teilchen in derselben Säule ohne die Anzahl der Wassermoleküle, dividiert. Die trockene Luftsäule wird verwendet, um eine bessere Vergleichbarkeit zwischen den Stationen zu ermöglichen, da ansonsten der stark variable Wassergehalt in der Atmosphäre einen nicht zu vernachlässigenden Effekt auf das Ergebnis ergeben kann (Abbildung 19).

Zur Berechnung der Luftsäulen und des Wassergehalts der Luftsäulen wurden Daten von NCEP herangezogen, die für jeden Standort verfügbar sind. Ein Vergleich mit einer Bestimmung von atmosphärischem Wasserdampf mittels FTIR für den Standort Zugspitze zeigt eine gute Übereinstimmung (Abbildung 21).

Bei der Auswertung eines FTIR-Spektrums versucht man, wie bereits erwähnt, ein Vorwärtsmodell iterativ dem gemessenen Spektrum anzunähern. Die Unterschiede zwischen diesem berechneten und dem gemessenen Spektrum bezeichnet man als Fitresiduum. Aus dessen mittlerer quadratischer Abweichung ergibt sich der sogenannte rms-Wert (root mean square). In bisherigen Untersuchungen wurden nur Spektren berücksichtigt, die eine entsprechend gute Übereinstimmung zwischen dem gemessenen und dem für die Auswertung berechneten (und iterativ angenähertem) Spektrum erzielten, also einen gewissen rms-Schwellwert nicht überschritten. Bei einem Vergleich mit verschiedenen FTIR-Stationen an verschiedenen Standorten kann dies problematisch werden, da die Qualität von Spektren – und damit auch die Qualität des Fits – sehr wohl vom Standort abhängig sein kann. Eine Lösung wäre, für jeden Standort einen individuellen rms-Schwellwert empirisch zu ermitteln, doch das würde nicht dem Gedanken einer Harmonisierung entsprechen.

J F M A M J J A S O N D1550

1600

1650

1700

1750

XCH4

[ppb

v]

FTIR wet XCH4 FTIR dry XCH4 (minus NCEP water)

Abbildung 18 Der Einfluss von Wasser kann an feuchten Standorten wie

Wollongong/Australien einen nicht zu vernachlässigenden Effekt auf das säulengemittelte Methan haben.


- 30 -

2650.6 2650.7 2650.8 2650.9 2651.0 2651.1 2651.2 2651.30.80

0.85

0.90

0.95

1.00

1.05 2650.6 2650.7 2650.8 2650.9 2651.0 2651.1 2651.2 2651.3

-0.005

0.000

0.005

norm

alize

d in

tens

ity

Wavenumber [cm-1]

measured calculated

resid

ual

Abbildung 19 Zur Qualitätskontrolle werden nicht mehr die rms-Werte der einzelnen Messungen

betrachtet, sondern die jeweiligen Verhältnisse der Linientiefe einer ausgewählten Absorptionslinie von Methan zum rms-Wert im Spektrum.

J F M A M J J A S O N D J F M A M J J A S O N D

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

4,5

Wat

er C

olum

n [1

022 c

m-2]

Water retrieved NCEP

Abbildung 20 Ein Vergleich des Wasserdampfgehalts der Atmosphäre am Standort

Zugspitze für die Jahre 2003 und 2004 mittels FTIR (schwarz) und NCEP-Daten (rot) zeigt eine gute Übereinstimmung. Da die Gewinnung von NCEP-Daten im Gegensatz zum Einsatz von FTIR nicht von den Wetterbedingungen abhängig ist, sind entsprechend mehr Daten vorhanden.


- 31 -

In einem neuen Ansatz werden daher nicht mehr die rms-Werte der einzelnen Messungen betrachtet, sondern die jeweiligen Verhältnisse der Linientiefe einer ausgewählten Absorptionslinie von Methan zum rms-Wert im Spektrum (Abbildung 20).

Auf diese Weise werden Gegebenheiten wie Stationshöhe, Breitengrad, Wolkenbedeckung, etc., die die Qualität von Spektren und die Linientiefe beeinflussen können, in diese neue Kennzahl übertragen. Der Vorteil dieser Methode liegt darin, dass sich dadurch ein einheitliches Kriterium für alle Stationen anwenden lässt.

Ein Vergleich der FTIR-Datensätze der Standorte Zugspitze und Jungfraujoch für das Jahr 2003 (Abbildung 22) zeigt, dass stationsabhängige Biase eliminiert werden konnten. Die beiden Standorte liegen beinahe auf derselben geographischen Breite und sind nur etwa 250 km voneinander entfernt. Dabei gilt es zu beachten, dass die beiden Stationen zur Berechnung des für die Auswertung benötigten Lichtwegs der Sonnenstrahlung durch die Atmosphäre (ray-tracing) unterschiedliche Algorithmen verwenden.

Vergleich FTIR – Satellit

Korrektur des misdistance-Fehlers

Um eine Vergleichbarkeit in der Statistik zu erreichen, werden SCIAMACHY-Pixel innerhalb gewisser Auswahlradien (200, 500 und 1000 km) um jede Bodenstation zum Vergleich Boden-Satellit herangezogen, da eine exakte örtliche Übereinstimmung nur in sehr seltenen Fällen auftritt. Innerhalb dieser Auswahlradien stimmen die Satelliten- und Bodenmessung nicht exakt im Ort überein, so dass die durchschnittliche Bodenhöhe aller Pixel im Auswahlbereich von der jeweiligen Stationshöhe abweichen kann. Zudem hat der Footprint


1650

1700

1750

1800

XCH4

[ppb

]

Zugspitze Jungfraujoch

Abbildung 21 Die Jahresgänge der FTIR-Datensätze an den Standorten Zugspitze und Jungfraujoch, die

ungefähr auf demselben Breitengrad liegen, zeigen eine sehr gute Übereinstimmung.


- 32 -

(Fläche der betrachteten Zone auf dem Erdboden) von SCIAMACHY die Maße 30x60km, wodurch insbesondere orographische Gegebenheiten (Beispiel: Bergstationen) weggemittelt werden.

Durch diesen Unterschied in der Bodenhöhe unterscheiden sich entsprechend auch die darüberliegenden Methansäulen. In einer der Vorläuferstudien [Dils et al., 2006] wurde das Verhältnis der Methanwerte am Boden und auf Stationshöhe aus einem Chemie-Transport-Modell (TM4) genommen, um einen Korrekturfaktor zu erhalten. Der Nachteil dieser Methode besteht darin, dass die räumliche Auflösung dieses Modells von 2°x3° nicht mit dem Footprint der SCIAMACHY-Pixel übereinstimmt. Zusätzlich besteht die Gefahr, dass durch das Modell eine weitere Fehlerquelle eingeführt wird. In einem neuartigen Ansatz wurde für diese Studie die Höhenabhängigkeit des SCIAMACHY-Instruments selbst genutzt. Dabei wurde die Höhenverteilung der SCIAMACHY-Methanmessungen betrachtet (Abbildung 22) und ein linearer Fit eingefügt. Das Ergebnis wurde exemplarisch überprüft: der Unterschied zwischen säulengemitteltem Methan bei 745 m (Garmisch) und bei 2964 m (Zugspitze) ergibt sich zu 0,52% (siehe Abbildung 22). Dies ist in guter Übereinstimmung mit Messungen bodengebundener FTIR-Geräte auf der Zugspitze und in Garmisch, die einen Unterschied von 0,30% ergeben. Es kann davon ausgegangen werden, dass sich die Höhenabhängigkeit von SCIAMACHY auch auf die FTIR-Messungen der Höhenstationen Izana (2367 m) und

0 1000 2000 30001550

1600

1650

1700

1750

1800

1850

1900

1950SCIAMACHY pixels 1000 km around Zugspitze

XCH4

[ppb

]

Pixel Surface Elevation [m] Abbildung 22 Für jedes SCIAMACHY-Pixel innerhalb eines 1000 km-Radius um den Standort

Zugspitze sind die zugehörige XCH4-Werte gegen die Bodenhöhe des Pixels dargestellt. Die Höhenabhängigkeit von SCIAMACHY wird mittels eines linearen Fits ermittelt. Der Unterschied der Fit-Werte bei 745 m (Garmisch) und 2964 m (Zugspitze) beträgt 0,52% und ist in guter Übereinstimmung mit dem von FTIR gemessenen Bias zwischen Garmisch und Zugspitze von 0,30%.


- 33 -

Jungfraujoch (3580 m) übertragen lässt. Dazu werden die FTIR-Messungen der Bergstationen von ihrer Stationshöhe auf die mittlere Höhe der SCIAMACHY-Pixel in ihrem Umkreis am jeweiligen Tag umgerechnet.

Vergleich mit verschiedenen SCIAMACHY-Datenversionen

Zum Vergleich mit den Datensätzen aus bodengebundenen FTIR-Messungen standen zwei unterschiedliche Datenprodukte für die Jahre 2003 und 2004 von SCIAMACHY-Daten zur Verfügung. Zum einen das WFM-DOAS v1.0, das von der Universität Bremen erstellt wurde, zum anderen das IMAP-DOAS v49 vom Netherland Institute for Space Research (SRON).

Zu jeder der zwölf FTIR-Bodenstationen ließen sich für jedes Jahr drei zugehörige SCIAMACHY-Datensätze entsprechend der drei Auswahlradien (200km, 500km und 1000km) zuordnen. Dies geschah für die beiden Datenprodukte WFM-DOAS und IMAP-DOAD separat, so dass (abhängig von der Verfügbarkeit der FTIR-Daten) 132 Vergleichsdatensätze entstanden, die sich letztlich zu 44 sogenannten Validierungsplots (Abbildung 23) gruppieren ließen.

Eine statistische Auswertung der den Validierungsplots zugrundeliegenden Daten ergab, dass die Anzahl der Datenpunkte von SCIAMACHY innerhalb eines Auswahlradius bei IMAP-DOAS signifikant höher ist als bei WFM-DOAS, was auf eine strengere Datenselektion bei letzterem Produkt zurückzuführen ist. Die Bandbreite schwankt dabei von Faktor 2-8 für die Station Zugspitze bis 1-2 Größenordnungen für die Polarregionen.

Die Reproduzierbarkeit der Einzelmessungen der FTIR-Stationen liegt typischerweise bei ungefähr 0,5%. Ein Vergleich dieses Wertes für die Station Zugspitze im Jahre 2003 (0,56%) mit dem Wert von 1,3% der Vorgängerstudie [Sussmann et al., 2005] zeigt die Verbesserung, die durch die beschriebene Retrievalstrategie erreicht wurde.

Die Reproduzierbarkeit der Tagesmittelwerte der FTIR-Stationen liegt typischerweise im Bereich 0,15-0,5%, abhängig von der Reproduzierbarkeit der Einzelmessungen und der Anzahl der Einzelmessungen auch mit Werten bis 1%. Die Reproduzierbarkeit der Tagesmittelwerte für IMAP-DOAS liegt für den 200 km-Auswahlradius unter 0,5%, für die größeren Radien – aufgrund der höheren Anzahl an Einzelmessungen – noch darunter.

Bereinigt man die einzelnen Zeitserien um ihren Jahresgang, so erhält man die Tag-zu-Tag-Schwankung von Methan, die über den FTIR-Stationen 0,7-1,5% beträgt. Aufgrund der Reproduzierbarkeit der Tagesmittelwerte von 0,5% für IMAP-DOAS, ist dieses in der Lage die wahre Tag-zu-Tag-Schwankung zu erfassen. Tatsächlich zeigen die Werte für die Tag-zu-Tag-Schwankung, die von IMAP-DOAS im 500 km-Radius erhalten werden, eine gute Übereinstimmung mit den Werten über den FTIR-Stationen. Die geringe Reproduzierbarkeit der Tagesmittelwerte innerhalb des 200 km-Radius führt zu leicht höheren Werten für die Tag-zu-Tag-Schwankung, die leicht höhere Reproduzierbarkeit innerhalb des 1000 km-Radius zu leicht geringeren Werten.

Aufgrund der geringeren Datenpunktanzahl bei WFM-DOAS ist die Reproduzierbarkeit der Tagesmittelwerte etwas schlechter als für IMAP-DOAS. Die wahre Tag-zu-Tag-Schwankung kann daher nur ungefähr widergespiegelt werden und neigt zu leicht überhöhten Werten.


- 34 -

In bisherigen Studien war es üblich ad hoc einen Auswahlradius um eine Bodenstation als räumliches Koinzidenzkriterium zu wählen, diese Studie wurde dagegen für verschiedene Auswahlradien durchgeführt. Dabei zeigten sich keine signifikanten Unterschiede für Radien von 200 km bis 1000 km, was bedeutet, dass räumliche Koinzidenzkriterien innerhalb dieser Grenzen gleichermaßen gut sind.

Die Methanverteilung auf der Erde folgt einem Nord-Süd-Gradienten, d.h. auf der Nordhalbkugel sind die Methansäulen größer als auf der Südhalbkugel. Dies ist darin begründet, dass die bekannten Quellen für Methan (Feuchtgebiete, Reisanbau, …) landgebunden sind, und die Landmassen der Erde vermehrt auf die Nordhalbkugel verteilt sind. Eine weitere (zusätzliche) Erklärung könnte sein, dass der Methanabbau auf der Südhalbkugel schneller vonstattengeht.

In Abbildung 24 sind die Differenzen der Methanmonatsmittelwerte von SCIAMACHY und den FTIR-Stationen gegen deren latitudinale Lage dargestellt. Es ist keine signifikante


1650

1700

1750

1800

1850

1900

Harestua 2003 IMAP-DOAS v49 1000 km 500 km 200 km FTIR

XCH4

[ppb

]

J F M A M J J A S O N D

Harestua 2004 IMAP-DOAS v49 1000 km 500 km 200 km FTIR


1650

1700

1750

1800

1850

1900

Zugspitze 2003 IMAP-DOAS v49 1000 km 500 km 200 km FTIR

XCH4

[ppb

]

J F M A M J J A S O N D

Zugspitze 2003 WFM-DOAS v1.0 1000 km 500 km 200 km FTIR

Abbildung 23 Die Tagesmittelwerte einer Auswahl von FTIR-Stationen im Vergleich zu den

Tagesmittelwerten der SCIAMACHY-Pixel innerhalb der verschiedenen Auswahlradien um die betreffende Station.


- 35 -

Abhängigkeit vom Breitengrad zu erkennen, denn der Unterschied zwischen SCIAMACHY und den bodengebundenen Messungen liegt für alle Stationen im Wesentlichen zwischen 0 und 60 ppb. Dies bedeutet, dass SCIAMACHY den breitengradabhängigen Gradienten von Methan erfassen kann. Außerdem zeigt sich, dass die Streuung der monatlichen Biase für alle Stationen vergleichbar ist.

-45

-30

-15

0

15

30

45

60

75

90

-100 -50 0 50 100 150 200

IMAP-DOAS v49 2003

SCIA-FTIR [ppbv]

Latit

ude

[°]

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

Abbildung 24 Dargestellt sind die ermittelten monatlichen Biase

zwischen jeder bodengebundenen FTIR-Station und SCIAMACHY (IMAP-DOAS v49 des Netherlands Institutes for Space Research) im 500km-Radius in Abhängigkeit vom Breitengrad der Station.


- 36 -

AP5000

In Arbeitspaket AP5000 „Entwurf eines Geschäftsmodells“ wurden nachhaltige und vielfältige Aufgaben für die nationale Kontaktstelle zur Koordination von Validierungsaktivitäten für satellitenbasierte Atmosphärenmessungen, angesiedelt in der UFS, aufgezeigt. Potentielle, z. T. auch weiterführende Geschäftsfelder sind:

Validierungsunterstützung für satellitenbasierte Messungen z.B. unter Anwendung der neuen Validierungsverfahren, die in diesem Projekt erarbeitet wurden: aufgrund ihrer breiten fachlichen Ausrichtung und ihrer einzigartigen Vernetzung von Fachexpertise und Anwendung eignet sich die UFS als Kontaktstelle für die Koordination dieser Aktivitäten (siehe thematische Säulen38 und Auflistung der Konsortialpartner39). Eine effiziente Nutzung satellitenbasierter Informationen und Daten z.B. für den Freistaat Bayern würde durch entsprechende Projekte ermöglicht.

Validierungsunterstützung könnte im Speziellen durch den Ausbau und das (ggf. kostenpflichtige) Angebot des so genannten Validationstools erfolgen (siehe AP 4000K). Wie bereits erwähnt liefert das Validationstool eine Aussage über den Unterschied, der aufgrund unterschiedlicher Messzeiten- und orte (mistime und misdistance) zwischen zwei Temperaturmessungen zu erwarten ist. Der Nutzer erhält damit Informationen über dynamisch bedingte Unterschiede zwischen Messungen. Ferner könnte ihm auch die Möglichkeit geboten werden, dieses Werkzeug zur Planung von Validierungskampagnen zu verwenden. Wie oben bereits erwähnt, eignen sich hierfür z.B. die so genannten ruhigen Schichten besonders. Diese können anhand der Ausgabe bestimmt werden.

Um das bisher angebotene Werkzeug möglichst effizient für die Planung von Validationskampagnen nutzen zu können, sind entsprechende Erweiterungen nötig:

• Die natürliche Variabilität in der Atmosphäre schwankt mit Höhe und Jahreszeit. Für die Planung des Starts von Radiosonden an bestimmten Observatorien im Rahmen einer Validationskampagne ist es z.B. wünschenswert, nach Angabe / Berechnung der Flugbahn des Satelliten die optimalen Startzeiten und -orte entsprechend einer möglichst geringen Variabilität ausgegeben zu bekommen.

• Andererseits sollte es möglich sein, nach Angabe entsprechender Koinzidenzkriterien Aussagen über die maximal mögliche mistime und misdistance für ausgewählte Orte zu bekommen.

• Eine weitere nötige fachliche Arbeit in diesem Rahmen stellt die gesonderte Analyse von Monaten mit Stratosphärenerwärmungen in den 24 Jahre umfassenden ERA40-Daten dar, auf denen das Validationstool beruht. Fand in

38„Regionales Klima und Zustand der Atmosphäre“, „Satellitenbeobachtung und Früherkennung“, „Global

Atmosphere Watch (GAW)“, „Kosmische Strahlung und Radioaktivität“, „Umwelt- und Höhenmedizin, Gesundheitswetter“, „Biosphäre und Geosphäre“, „Hydrologie und Ansprechpartner Universitäten“, „Wolkendynamik“

39 Freistaat Bayern, Deutsches Zentrum für Luft- und Raumfahrt (DLR), Karlsruhe Institute of Technology (KIT), HelmholtzZentrum München (HZM), die Bundesrepublik Deutschland durch die Bundesbehörden Deutscher Wetterdienst (DWD) und Umweltbundesamt (UBA), und die Universitäten TU München, LMU München und Universität Augsburg, sowie die Max-Planck-Gesellschaft (MPG).


- 37 -

einem Monat eine Stratosphärenerwärmung statt, so erhöht dies den über 24 Jahre pro Monat gemittelten Mistime- und Misdistance-Fehler. Da Stratosphärenerwärmungen aber nicht in allen betrachteten Jahre zur gleichen Zeit stattfinden, impliziert dies höhere Schwankungen und damit größere Ungenauigkeit im Mistime- und Misdistance-Fehler als zu anderen Jahreszeiten. Sinnvoll wäre also speziell in den Wintermonaten eine Gewichtung des durchschnittlichen Mistime- und Misdistance-Fehlers entsprechend der aktuellen Ausprägung der großräumigen Dynamik. Auf diese kann im Rahmen des ICSU WMO WDC-RSAT zugegriffen werden (Dynamischer Aktivitätsindex, DAI).

Kooperationen mit dem vom DWD für Validierungszwecke geplanten Ozon-Radiosondennetz GRUAN40 und dem NDMC41-Netzwerk (Zugang zu Mesopausentemperaturen)

Erstellen von maßgeschneiderten satellitenbasierten Produkten (z.B. für UBA oder Klimabüros in Deutschland; Lieferant von Satellitendaten für Validierungszwecke von Ozonsondierungen für den DWD)

Erstellen von Informationsmaterial zu Validierung, zu Satellitenmissionen der Atmosphäre, eventuell zu speziellen Satellitendatenprodukten bei Vulkanausbrüchen usw.

Vernetzung mit anderen Observatorien, wie bereits mit ALOMAR42 geschehen und mit dem österreichischen Sonnblick sowie dem schweizer Jungfraujoch beschlossen. Sollten weitere Observatorien an das UFS-Datenanalysezentrum angeschlossen werden, würde das für die Kontaktstelle für Validierungsaktivitäten in der UFS einen nützlichen und deutlich erweiterten Datenzugriff zur Folge haben. Gleichzeitig bestünde die Möglichkeit, durch gemeinsame Aktivitäten der Observatorien enger in die GEOSS-Struktur eingebunden zu werden. Dies ist ein wichtiger Aspekt bei der Gewährleistung der Langfristigkeit der avisierten Kontaktstelle in der UFS.

Angebot und Ausarbeitung von Trainings- & Ausbildungsmöglichkeiten (z.B. Trainingsmaßnahme an den UFS-DAZ-Tools; Ausbildung des wissenschaftlichen Nachwuchses in Zusammenarbeit mit der ESA, z.B. durch die Durchführung von Sommerschulen)

Als weiterer wichtiger Baustein des Geschäftsmodells für den zukünftigen Betrieb einer nationalen Kontaktstelle wurden in diesem Arbeitspaket europäische Finanzierungsmöglichkeiten untersucht. Bei den Europäischen F&E-Programmen der näheren Zukunft wurde detailliert in folgenden Programmen und Bereichen recherchiert:

40 GCOS Reference Upper Air Network (GCOSS = Global Climate Observing System)

41 Network for the Detection of Mesopause Change

42 Arctic Lidar Observatory for Middle Atmosphere Research


- 38 -

Siebtes Forschungsrahmenprogramm der EU (FP7) (für die voroperationellen Phasen der GMES Services (2008-2011 und 2011-13), Programm „Zusammenarbeit“ von 2007 bis 2013 mit den EC-Themen „Weltraum“, „Sicherheit“ und „Umwelt“).

EU-Finanzierung neben dem FP7-Programm,

Weitere Verbünde für Europäische Forschungsangebote vertreten durch COST43 (zur Unterstützung der Kooperationen zwischen Wissenschaftlern in Europa) und ESF44 (Förderung der Zusammenarbeit innerhalb der europäischen Wissenschaftsgemeinschaft und den Mitgliedsorganisationen).

Über die finanziellen Beitragsleistungen der jeweiligen Mitgliedsländer stehen Projektgelder zur Verfügung im Rahmen von

o obligatorischen ESA-Programmen („Programm für allgemeine Studien“, „Programm für Technologische Grundlagenforschung“, „Technologietransferprogramm (TTP)“, sowie das sogenannte „Wissenschaftliche Programm“)

und optionalen Programmen (für die Beobachtung der Erdatmosphäre und GMES sind hier relevant die „EOEP45 – Erdbeobachtungsmissionen; Portal EMITS)

o EUMETSAT-Programmen (aktuell keine für SatVal-A interessanten Ausschreibungen; Portal EUMITS)

o EEA-Programmen (siehe z. B. aktuell „Air pollution and climate change mitigation” und „Climate change impacts, vulnerability and adaptation”).

Weitere Details zu den Arbeitspaketen 1000 bis 3000 sowie 5000 finden sich im angehängten Konzept.

Realisierung einer Kontaktstelle für Validation in der UFS:

Die im Laufe des Projektes gesammelten Informationen und erarbeiteten neuen Konzepte zur Validation bilden die Grundlage für die Einrichtung einer Kontaktstelle für Validation in der UFS.

Die UFS bietet sich hier an, da sie sich durch die oben bereits erwähnte Fülle an dort arbeitenden Institutionen auszeichnet. Dies gewährleistet, dass prinzipiell Zugang zur Erfahrung auf verschiedenen Gebieten der Messungen atmosphärischer Variablen und ebenso zu deren Validierung vorhanden ist. Vor dem Hintergrund der bereits stark diversifizierten

43 European Cooperation in Science and Technology; http://www.cost.esf.org/ 44 European Science Foundation; www.esf.org, 45 Earth Observation Envelope Programme

http://www.esf.org/


- 39 -

Validationsaktivitäten – national sowie international – ist dies ein hervorragender Ausgangspunkt, um Validationsaktivitäten national stärker zu bündeln.

In der Bündelung von Validationsaktivitäten liegt allerdings auch die Herausforderung: die Bedeutung der Validation ist bekannt, die Umsetzung in gemeinschaftlicher Form langwierig.

Um eine nationale Kontaktstelle für Validation zu entwickeln, ist es also notwendig, andere Institutionen zu integrieren bzw. sich dort bekannt zu machen. Dies ist möglich, z.B. durch die Übernahme von Validationsaktivitäten (auch für diese Institutionen) in größeren bevorzugt nationalen Projekten und / oder die Demonstration von Kompetenz und neuen Ideen. Letzteres muss in jedem Fall publik gemacht werden und zwar nicht nur in Form wissenschaftlicher Publikationen, sondern auch durch (zumindest anfangs) frei verfügbare nutzerfreundliche Services (z.B. Validationstool), die durch andere Institutionen gerne verwendet werden.

Dies impliziert aber bereits, dass entsprechende Ausschreibungen / Programme vorhanden sein müssen. Das im Rahmen von SatVal-A erarbeitete Konzept ist damit prinzipiell auch an einer anderen Institution umsetzbar, solange sie die oben erwähnten Voraussetzungen wie gute Vernetzung und innovative Ideen, also praktische Demonstration von Kompetenz erfüllt.

In der UFS wird momentan folgendermaßen an der weiteren Umsetzung gearbeitet:

• Kooperationen mit weiteren Observatorien bieten nicht nur den Vorteil, dass Zugang zu weiteren Daten besteht, sondern auch, dass das Validationstool weiter bekannt gemacht werden kann. Dieses ist in das UFS-DAZ integriert; geplant ist eine entsprechenden infrastrukturelle Anbindung verschiedener Bergobservatorien in Europa im Rahmen folgender Kooperationen:

o Norwegisch-Bayerische Kooperation zwischen ALOMAR und der UFS

o Virtuelles Alpenobservatorium (VAO): beteiligt sind momentan neben der UFS, das Jungfraujoch (Schweiz), der Sonnblick (Österreich) und der Ritten (Italien); die Erweiterung um das Observatorium Haute-Provence (Frankreich) ist geplant.

• Im Rahmen des VAO wird für die kommende Finanzierungsrunde ein Proposal eingereicht werden, in dem es u.a. um die Weiterentwicklung des Miss-distance Ansatzes geht. Die Kooperation erfolgt hier mit dem Sonnblick und / oder dem Jungfraujoch.

• Im Rahmen der Kooperation mit ALOMAR wird momentan ein Projekt bearbeitet, dass sich mit der Untersuchung des Miss-integration Fehlers beschäftigt. Der Fokus liegt hierbei speziell auf Schwerewellen, die oftmals an Gebirgen angeregt werden.

Konkrete Aussagen über den Zeithorizont, wann mit der Einrichtung einer nationalen Kontaktstelle in der UFS zu rechnen ist, können nicht getroffen werden, da sie stark von der finanziellen und auch wissenschaftspolitischen Situation sowie von der Entwicklung und Zielsetzung anderer Validation betreibender Institutionen abhängen.


- 40 -

Anhang

1. Zeitplan

Tabelle 1


- 41 -

2. Referenzen und verwendete Literatur

Bergamaschi, P., Frankenberg, C., Meirink, J.F., Krol, M., Villani, M.G., Houweling, S., Dentener, F., Dlugokencky, E.J., Miller, J.B., Gatti, L.V., Engel, A. und Levin, I., Inverse modeling of global and regional CH4 emissions using SCIAMACHY satellite retrievals, J. Geophys. Res., 114, D22301, doi:10.1029/2009JD012287, 2009

Bergamaschi, P., Frankenberg, C., Meirink, J.F., Krol, M., Dentener, F., Wagner, T., Platt, U., Kaplan, J.O., Körner, S., Heimann, M., Dlugokencky, E.J. und Goede, A., Satellite chartography of atmospheric methane from SCIAMACHY on board ENVISAT: 2. Evaluation based on inverse model simulations, J. Geophys. Res., 112, D02304, doi:10.1029/2006JD007268, 2007

Bittner, M., Offermann, D., Bugaeva, I. V., Kokin, G. A., Koshelkov, J. P., Krivolutsky, A., Tarasenko, D. A., Gil-Ojeda, M., Hauchecorne, A., Lübken, F.-J., de la Morena, B. A., Mourier, A., Nakane, H., Oyama, K. I., Schmidlin, F. J., Soule, I., Thomas, L., und Tsuda, T., Long period / large scale oscillations of temperature during the DYANA campaign. Journal of Atmospheric and Terrestrial Physics, 56, 1675 – 1700, 1994

Chrastansky, A., Quantifizierung des natürlichen atmosphärischen Rauschens am Beispiel des stratosphärischen Ozons und der Temperatur. Diplomarbeit, Universität Eichstätt, 2004

Dils, B., De Maziere, M., Müller, J.F., Blumenstock, T., Buchwitz, M., de Beek, R., Demoulin, P., Duchatelet, P., Fast, H., Frankenberg, C., Gloudemans, A., Griffith, D., Jones, N., Kerzenmacher, T., Kramer, I., Mahieu, E., Mellqvist, J., Mittermeier, R.L., Notholt, J., Rinsland, C.P., Schrijver, H., Smale, D., Strandberg, A., Straume, A.G., Stremme, W., Strong, K., Sussmann, R., Taylor, J., van den Broek, M., Velazco, V., Wagner, T., Warneke, T., Wiacek, A. und Wood, S.: Comparisons between SCIAMACHY and ground-based FTIR data for total columns of CO, CH4, CO2, and N2O, Atmos. Chem. Phys., 6, 1953-1976, 2006

Frankenberg, C., Meiring, J.F., van Weele, M., Platt, U. und Wagner, T., Assessing methane from global space-borne observations, Science, 308(5724), 1010-1014, doi:10.1126/science.1106644

Frankenberg, C., Bergamaschi, P., Butz, A., Houweling, S., Meirink, J.F., Notholt, J., Petersen, A.K., Schrijver, H., Warneke, T. und Aben, I., Tropical methane emissions: A revised view from SCIAMACHY onboard ENVISAT, Geophys. Res. Lett, 35, L15811, doi:10.1029/2008GL034300, 2008

Frankenberg, C., Warnecke, T., Butz, A., Aben, I., Hase, F., Spietz, P. und Brown, L.R., Pressure broadening in the 2υ3 band of methane and ist implication on atmospheric retrievals, Atmos. Chem. Phys., 8, 5061-5075, 2008

Klyft, J., Mellqvist J., Hase, F., Blumenstock, T., Borsdorff, T., Duchatelet, P., Forster, F., Mahieu, E., Schneider, M. und Sussmann, R., A new method to detect long term trends


- 42 -

from methane (CH4) and nitrous oxide (N2O) total columns measured within the NDACC ground-based high resolution solar FTIR network, 2010, in preparation

Meier, A., Determination of atmospheric trace gas amounts and corresponding natural isotopic ratios by means of gound-based FTIR spectroscopy in the high Arctic, reports on Polar Research, 236, Alfred Wegener Institute for Polar and Marine Research, Bremerhaven, Germany, 1997, p. 88.

Rodgers, C.D., Retrieval of Atmospheric Temperature and Composition from Remote Measurements of Thermal Radiation, Rev. Geophys. Space Phys., 14, 609-624, 1976

Rodgers, C.D., Characterization and Error Analysis of Profiles Retrieved From Remote Sounding Measurements, J. Geophys. Res., 95, 5587-5595, 1990

Rodgers, C.D. und Connor, B.J., Intercomparison of Remote Sounding Instruments, J. Geophys. Res., 2003

Schneising, O. Buchwitz, M., Burrows, J.P., Bovensmann, H., Bergamaschi, P. und Peters, W., Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite – Part 2: Methane, Atmos. Chem. Phys., 9, 443-465, 2009

Sussmann, R., Stremme, W., Buchwitz, M. und de Beek, R., Validation of ENVISAT/SCIAMACHY columnar methane by solar FTIR spectrometry at the Ground-Truthing Station Zugspitze, Atmos. Chem. Phys., 5, 2419-2429, 2005

Sussmann, R., Borsdorff, T., Technical Note: Interference errors in infrared remote sounding oft he atmosphere, Atmos. Chem. Phys., 7, 3537-3557, 2007

Warnecke, T., de Beek, R., Buchwitz, M., Notholt, J., Schulz, A., Velazco, V. und Schrems, O., Schipborne solar absorption measurements of CO2, CH4, N2O and CO and comparison with SCIAMACHY WFM-DOAS retrievals, Atmos. Chem. Phys., 5, 2029-2034, 2005

Warnecke, T., Meirink, J.F., Bergamaschi, P., Grooß, J.-U., Notholt, J., Toon, G.C., Velazco, V., Goede, A.P.H. und Schrems, O., Seasonal and laditudinal variation of atmospheric methane: A ground-based and ship-borne solar IR spectroscopic study, Geophys. Res. Lett., 33, L14812, doi:10.1029/2006GL025874, 2006

Wüst, S. Wechselwirkungen zwischen atmosphärischen Schwerewellen, planetaren Wellen und dem Grundstrom während der DYANA-Kampagne. Doktorarbeit, Universität Augsburg, 2009

Zimmermann, A., Untersuchung von Ozonfluktuationen und ihre Bedeutung für Validierungsmessungen. Diplomarbeit, Technische Universität Dresden, 2003

satval-a - schneefernerhaus.de · zusammenarbeit zwischen dem dlr-dfd, dem kit-ifu und der ufs...

Documents