validierung eines verfahrens zur bestimmung der höhe von...
TRANSCRIPT
Validierung eines Verfahrens zur Bestimmung der Höhe von
Mehrschichtbewölkung mit MERIS und AATSR
Philipp Köhler
Abgabe am: 16.09.2010
Bachelorarbeit im Fach Meteorologie
Fachbereich Geowissenschaften
Freie Universität Berlin
Betreuer: Dr. Rasmus Lindstrot
Gutachter: Prof. Jürgen Fischer
Inhaltsverzeichnis
1 Einleitung 4
2 Instrumente 5
2.1 Environmental Satellite (Envisat) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Medium Resolution Imaging Spectrometer (MERIS) . . . . . . . . . . . . . . . . . . . . . 5
2.3 Advanced Along Track Sacanning Radiometer (AATSR) . . . . . . . . . . . . . . . . . . . 5
3 Methoden 6
3.1 Sauersto� Absorptionsbanden Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 MOMO (Matrix Operator Modell) Simulationen . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 11 μm Helligkeitstemperatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.4 Split Window-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.5 RTTOV Simulationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4 Sensitivitätsstudie von Lindstrot et al., 2010 [7] 9
5 Beschreibung des Algorithmus 11
5.1 BEAM (Basic ENVISAT AATSR and MERIS Toolbox) . . . . . . . . . . . . . . . . . . . 11
5.2 Erkennung von Doppelschichtbewölkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.3 Bestimmung der Wolkenhöhen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.3.1 Optimal Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.3.2 Neural network forward operator . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.4 Ausgabe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6 Validierung 13
6.1 Instrumente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.1.1 Wolkenradar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.1.2 Weitere Instrumente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.2 Suche nach geeigneten Fallbeispielen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.3 Fallbeispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
6.3.1 Southern Great Plains (Oklahoma, USA), 24.05.2007 . . . . . . . . . . . . . . . . . 15
6.3.2 Chilbolton (England), 14.06.2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
6.3.3 Chilbolton (England), 20.07.2009 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.3.4 Lindenberg (Deutschland), 03.07.2004 . . . . . . . . . . . . . . . . . . . . . . . . . 21
6.3.5 Lindenberg (Deutschland), 28.06.2006 . . . . . . . . . . . . . . . . . . . . . . . . . 23
6.3.6 Lindenberg (Deutschland), 01.06.2009 . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.4 Mögliche Fehlerquellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6.5 Zusammenfassung der Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7 Ausblick 26
2
Zusammenfassung
Es existieren verschiedene Methoden zur Ableitung des Wolkenoberkantendrucks, dem CTP (cloud-top
pressure), aus fernerkundeten Daten. Der Groÿteil der Methoden beruht auf der Annahme von Einschicht-
bewölkung, was eine unzulässige Vereinfachung der Realität darstellt. In dieser Bachelorarbeit wird eine
neue Technik untersucht, mit der eine groÿräumige Bestimmung des CTP von Mehrschichtbewölkung
ermöglicht werden soll. Speziell handelt es sich dabei um die Fälle, bei denen eine optisch dünne Cir-
ruswolke (0.5 ≤ τCirrus ≤ 4) über einer optisch dicken Wasserwolke (τWasserwolke > 5) liegt. Entwickelt
wurde das Verfahren von Lindstrot et al., 2010 [7]. Die Ableitung des CTP wird mit Messungen vom
Medium Resolution Imaging Spectrometer (MERIS) und Advanced Along Track Scanning Radiometer
(AATSR), beide auf dem Satelliten Envisat, realisiert. Dabei wird die Sauersto� Absorptionsbanden Me-
thode genutzt, um mit einer Messung von MERIS die Höhe der tiefen Wolke zu bestimmen. Die 11 μm
Helligkeitstemperatur wird mit AATSR gemessen und zur Bestimmung der Cirruswolkenhöhe verwen-
det. Mit welcher Güte der Algorithmus den CTP ableitet, wird anhand von 5 Fallbeispielen gezeigt. Aus
Daten von bodengestützten Messungen wurden Atmosphärenpro�le erstellt und mit den Ergebnissen des
Algorithmus verglichen. Es stellt sich heraus, dass der Oberkantendruck der tiefen Wolkenschicht deutlich
zu niedrig abgeleitet wird. Die Ergebnisse des CTP der hohen Wolke sind besser, aber in drei von fünf
Fällen zu hoch, d.h. die Höhe der Cirruswolke wird unterschätzt. Nimmt man eine optische Dicke der
Cirruswolke von τCirrus = 4 an und benutzt ein passendes klimatologisches Temperaturpro�l werden die
Ergebnisse des Algorithmus optimiert.
Abstract
There are di�erent methods for the retrieval of cloud-top pressure (CTP) from remotely sensed data.
The majority of these methods rely on the assumption of single-layered clouds, which is an incorrect
simpli�cation of reality. In this bachelor thesis a new algorithm for the large-scale retrieval of multilayer
CTP will be analyzed. The algorithm is especially designed for cases of optically thin cirrus clouds
(0.5 ≤ τCirrus ≤ 4) lying above optically thick water clouds (τliquid > 5). This novel technique was
developed by Lindstrot et al., 2010 [7]. The retrieval of the CTP is based on measurements of the
Medium Resolution Imaging Spectrometer (MERIS) and the Advanced Along Track Scanning Radiometer
(AATSR), both mounted on the Environmental Satellite (Envisat). In order for MERIS to determine the
height of the lower clouds, the oxygen absorption-band method will be used. The 11 μm brightness
temperature will be measured using AATSR and utilized to deviate the height of the cirrus clouds. Five
case studies will be presented in order to show the performance of the algorithm. Atmospheric pro�les
were extracted using the data from ground-based measurements and then compared to the results of the
algorithm. It turns out that the retrieved CTP of the lower cloud is clearly too low. The CTP retrieval of
the upper clouds has better results, but in three of the �ve case studies the result was too high, i.e. the
height of the cirrus clouds is underestimated. With the assumption τCirrus = 4 of the optical thickness
of the cirrus cloud and an applicable climatological temperature pro�le, the results of the algorithm are
optimized.
3
1 Einleitung
Wolken haben einen groÿen Ein�uss auf unser alltägliches Wettergeschehen und das Klima. Besonders
um Parameter wie Niederschlag und Temperatur möglichst genau vorhersagen zu können, ist eine reali-
tätsnahe Darstellung von Wolken in numerischen Wettervorhersagemodellen wichtig. Da komplexe mikro-
physikalische Vorgänge an der Wolkenbildung beteiligt sind, müssen Wolken in Modellen parametrisiert
werden. Wie gut diese Parametrisierungen funktionieren, muss zweifellos überprüft werden. Zum Vali-
dieren der Wolkenparametrisierungen bieten sich insbesondere Satellitendaten an. Es gibt keine bessere
Alternative zu deren ständiger und �ächendeckender Verfügbarkeit.
Besonders die vertikale Verteilung von Wolken ist von entscheidender Bedeutung für die Strahlungs-
bilanz. Die einfallende solare Strahlung wird durch Wolken gestreut und absorbiert. Je nach Zusammen-
setzung und Verteilung der Wolken ist der E�ekt auf die Atmosphäre unterschiedlich. Optisch dünne
Eiswolken tragen so zu einer Erwärmung bei, da sie für die einfallende Strahlung transparent sind, aber
die langwellige Ausstrahlung abschwächen. Optisch dicke Wolken sorgen hingegen durch eine hohe Re�e-
xionsfähigkeit für eine Abkühlung der Atmosphäre.
In Abhängigkeit von Temperatur und Emissionsvermögen emittieren Wolken thermische Strahlung.
Will man die Wolkenhöhe aus Satellitendaten ableiten, nutzt man Strahlungsmessungen.
Wenn von Wolkenhöhe die Rede ist, so ist hier immer der Wolkenoberkantendruck, engl. cloud top
pressure (CTP), gemeint.
Bisher beruhen die meisten Algorithmen zur Bestimmung von Wolkenhöhen auf der Annahme, dass
nur eine Einschichtbewölkung vorliegt. In der Regel ist das eine unzulässige Vereinfachung der Realität.
So haben mehrere Studien1 gezeigt, dass in ca. 5o% der Fälle von Cirrusbewölkung auch tiefe Wolken auf-
treten. Wenn ein �herkömmlicher� Algorithmus auf Mehrschichtbewölkung angewendet wird, entspricht
das Ergebnis einer geometrischen Höhe, die nicht mit der realen Höhe einer der Schichten übereinstim-
men muss. Bei mehreren Bewölkungsschichten überlagern sich die Strahlungsemissionen der einzelnen
Schichten und ein Satellit kann nur Mischsignale detektieren. Es wird dann nur die Emissivitätshöhe des
Wolkensystems bestimmt.
Um diesen Mangel abzustellen, ist es erforderlich Methoden zu entwickeln, mit denen sich die einzel-
nen Höhen der Mehrschichtbewölkung ableiten lassen. Eine Möglichkeit ein hochaufgelöstes Vertikalpro�l
von Bewölkung zu erhalten stellt in erster Linie die Verwendung von aktiven Messverfahren dar. Dazu
gehören Lidar2- und Radar3-Messungen, wie z.B. mit CALIOP4 (einem Instrument auf dem CALIPSO5-
Satelliten). Ein aktives Messsystem hat kleine horizontale Au�ösungen, was im Allgemeinen wünschens-
wert ist. Bei CALIOP beträgt sie 333 m. Der Nachteil an der Nutzung von aktiven Messverfahren liegt
darin, dass die Flächenabdeckung nicht sonderlich groÿ ist.
Um eine gröÿere horizontale Abdeckung zu erreichen, lassen sich aber auch passive Messungen nutzen.
Ein neuer Algorithmus zur Bestimmung der Höhe von Mehrschichtbewölkung wurde von Lindstrot et al.,
2010 [7] entwickelt. Speziell gilt der Algorithmus für den Fall von optisch dünnen Cirruswolken über
tiefen, optisch dicken Wasserwolken.
In meiner Bachelorarbeit werde ich die notwendigen Instrumente und Methoden vorstellen, den Al-
gorithmus erklären und die Gültigkeit anhand von Fallbeispielen überprüfen.
1Fye, 1978 [5]; Hahn et al., 1984 [6]; Mace et al., 1997 [9]2LIght Detection And Ranging3RAdiowave Detection And Ranging4Cloud-Aerosol Lidar with Orthogonal Polarization5Cloud-Aerosol Lidar and Infrared Path�nder Satellite Observations
4
2 Instrumente
2.1 Environmental Satellite (Envisat)
Envisat ist das Prestigeprojekt der Europäischen Weltraumorganisation (ESA). Seit März 2002 be�ndet
sich Envisat im Einsatz. Mit 2,3 Mrd. ¿ ist er der bisher teuerste Satellit der ESA. Der 8 t schwere
Satellit beherbergt 10 hochentwickelte Instrumente. Envisat �iegt auf einer sonnsynchronen Umlaufbahn
in 800 km Höhe. Die lokale Äquatorüber�ugzeit ist 10:00 Uhr. Die Aufgabe des Satelliten ist die Über-
wachung des Ökosystems der Erde. Im Folgenden werden 2 der 10 Instrumente genauer beschrieben. Sie
liefern die Datengrundlage für die Ableitung des Wolkenoberkantendrucks.
2.2 Medium Resolution Imaging Spectrometer (MERIS)
MERIS wurde hauptsächlich für die Fernerkundung der Ozeane konzipiert. So lassen sich beispielsweise
aus einer Spektroskopie die Chlorophyllkonzentration und Eigenschaften von Sedimentschichten ableiten.
Zusätzlich ermöglichen MERIS-Messungen die Bestimmung einer Reihe von atmosphärischen Parametern.
Eine davon ist die Ableitung der Wolkenhöhe.
MERIS besitzt 5 identische Spektrometer, die nebeneinander angeordnet sind. So wird ein Bereich von
1150 km abgedeckt. Die Spektrometer arbeiten mit der �push-broom� Methode. D.h. sie nehmen Zeile für
Zeile auf, wobei die Bewegung des Satelliten dafür sorgt, dass ein Bild entsteht. Die Spektrometer arbeiten
mit CCD-Sensoren und erreichen eine Au�ösung von 260 m x 360 m. Alle 3 Tage wird ein komplettes Bild
der Erde erstellt. 15 Kanäle im Bereich von 390 bis 1040 nm sind vom Boden aus programmierbar. Das
Spektrum entspricht dem sichtbaren Bereich (VIS) und Teilen des nahen Infrarotbereichs (NIR). Ferner
ist auch die Kanalbreite vom Boden aus zwischen 2,5 und 30 nm justierbar. Die Einstellungen bleiben
aus Konsistenzgründen im operationellen Betrieb erhalten.
2.3 Advanced Along Track Sacanning Radiometer (AATSR)
Abbildung 1: Blickwinkel AATSR, entnommen ausTait et al., 2001 [15]
AATSR ist ein Instrument, welches primär zur Er-
fassung der Meeresober�ächentemperatur konstru-
iert wurde. Dies funktioniert mit einer Genauigkeit
von 0,3 K. Messungen aus 7 Kanälen im Bereich
von 0,55 bis 12 μm stehen zur Verfügung. Das In-
strument besitzt eine Au�ösung von 1 km x 1 km
und erfasst einen Bereich von 500 km Breite. Die
Besonderheit von AATSR ist die Messung aus zwei
Perspektiven (siehe Abblidung 1). In einemWinkel
von 55° zum Nadir wird zusäzlich mit verringerter
Au�ösung derselbe Ausschnitt betrachtet wie mit
der Nadirmessung. Aus den Messungen der bei-
den Blickrichtungen lässt sich der Atmosphären-
ein�uss auf die Messung minimieren. Über Land
kann aus den Messungen die Vegetation klassi�-
ziert werden. Auÿerdem sind mit den Messungen
Wolkeneigenschaften ableitbar. So wird das Instrument in dem Algorithmus zur Bestimmung der Höhe
von Mehrschichtbewölkung für die Ableitung der Cirrushöhe benutzt.
5
3 Methoden
3.1 Sauersto� Absorptionsbanden Methode
Absorptionsbanden sind Wellenlängenintervalle in denen elektromagnetische Wellen absorbiert werden.
Die Atmosphäre hat viele solcher Banden, wie die Abbildung 2 erkennen lässt.
Abbildung 2: Absorption in der Atmosphäre, entnommen aus Petty, 2006 [12]. Dargestellt ist eine typischeSommersituation in den mittleren Breiten. Die Atmosphäre ist wolkenlos und aerosolfrei. Dabei ist dieAbsorption der einzelnen Bestandteile der Atmosphäre in den oberen Feldern dargestellt. Im unteren Feldist die gesamte Absorption abgebildet. Die Transmission gibt den Anteil der Strahlung an, die durch dieAtmosphäre hindurchgelassen wird.
Sauersto� hat bei 760 nm einen Bereich in dem Strahlung absorbiert wird. Dieser heiÿt O2 A Bande.
Durch eine Vermessung der Bande kann die mittlere Weglänge der Photonen bestimmt werden, welche
wiederum ein Maÿ für die Höhe einer Wolke ist. Das ist möglich, da Sauersto� eine bekannte Konzentration
besitzt und vertikal gut durchmischt ist.
Die Vermessung erfolgt z.B. mit MERIS. Es werden 2 Kanäle benutzt: ein Fensterkanal, Kanal 10 bei
753 nm, und ein Absorptionskanal, Kanal 11 bei 761 nm. Der Fensterkanal liegt unmittelbar neben der
Absorptionsbande und ist ein Referenzwert, damit man das Verhältnis von Absorption zu Transmission
nutzen kann, um die Transmission zu approximieren. Damit erhält man auch die Stärke der Absorption,
die proportional zum zurückgelegten Weg in der Atmosphäre ist. Das Strahldichteverhältnis R zwischen
Absorptions- und Fensterkanal ergibt also die mittlere Weglänge der Photonen in der Atmosphäre. Für
hohe Wolken ergeben sich kurze Photonenwege, da Photonen an der Wolkenoberkante re�ektiert werden.
So legen die Photonen einen kürzeren Weg zurück, als bei einer tieferen Wolke oder einer wolkenfreien
Atmosphäre.
6
Abbildung 3: Schema Streuprozesse, entnommen aus Preusker, 2001 [13]. Neben den direkt re�ektiertenSonnenstrahlen werden Photonen auch innerhalb der Wolke mehrfach gestreut, durchdringen zum Teildie Wolke, erreichen den Erdboden, werden wiederum re�ektiert und erreichen den Satelliten erst nachMehrfachstreuung.
Neben der reinen Re�exion der Photonen an der Wolkenoberkante treten allerdings auch Streuprozesse
auf, wie in Abbildung 3 dargestellt ist.
Die Ein�ussfaktoren auf die mittlere Weglänge der Photonen sind vielfältig. Dazu gehören:
� optische Dicke der Wolke
� geometrische Dicke der Wolke
� Tröpfchengröÿenverteilung
� vertikale Verteilung des Flüssigwassers
� Albedo der Erdober�äche
� Temperaturpro�l der Atmosphäre
� optische Dicke der Aerosole
Eine Messung liefert nur die mittlere Weglänge der Photonen, nicht aber die Verteilung der Wege. Auf-
grund der zahlreichen Ein�üsse sind für eine Messung mehrere Wolkenhöhen möglich. Das Problem ist
also, dass verschiedene Kombinationen von Parametern (wie z.B. optischer Dicke, Albedo der Erdoberfä-
che) zu der gleichen mittleren Weglänge der Photonen führt und keine eindeutige Wolkenhöhe bestimmt
werden kann. Die Problematik, dass man versucht von einer Wirkung auf deren Ursache zu schlieÿen,
wird als inverses Problem bezeichnet.
Umgekehrt kann aber durch die Strahlungstransportgleichung berechnet werden, was ein Satellit bei
bestimmten Parametern messen würde. Also bedient man sich verschiedener Strahlungstransportsimula-
tionen, um eine Höhe ableiten zu können.
3.2 MOMO (Matrix Operator Modell) Simulationen
MOMO ist ein Strahlungstransportmodell, das für Simulationen im solaren Spektralbereich entwickelt
wurde. Es ist ein eindimensionales, gekoppeltes Ozean-Atmosphäre-Modell. Die Atmosphäre wird vertikal
in mehrere homogene Schichten unterteilt, die verschiedene optische Eigenschaften haben können. Die
sogenannte �Matrix Operator Methode� (MOM) ermöglicht eine Berechnung der Strahldichten an den
Schichtgrenzen.
Eine Vielzahl von physikalisch sinnvollen Kombinationen der beteiligten Parameter wurde für eine Si-
mulation von MERIS Messungen mit MOMO gerechnet. Es gibt zu viele Kombinationen der Parameter,
7
um alle simulieren zu können. So ist die e�ektive Partikelgröÿe der Wasserwolke mit 15 μm und die der
Eiswolke mit 35, 55 und 78 μm festgelegt. Andere Parameter wurden innerhalb festgelegter Grenzen zu-
fällig ausgewählt. Die Ausgabe der Simulation umfasst alle auftretenden Kombinationen aus Sonnenzenit,
Blickwinkel und Azimutwinkel.
Die Ergebnisse der Simulationen bilden einen Datensatz, auf den der Algorithmus zurückgreift, um
die Höhe der tiefen Wolke zu bestimmen.
Bei der Bestimmung der Höhe einer Einschichtbewölkung werden die Ergebnisse als Trainingsdaten-
satz für ein künstliches neuronales Netz benutzt. Dieses ist dann in der Lage, aus einer Messung von
MERIS die Wolkenhöhe zu bestimmen. Aus der Eingabe des Kanalverhältnisses R (Verhältnis zwischen
Absorptions- und Fensterkanal), der Intensität des absorptionsfreien Kanals und einer tabellierten Ober-
�ächenalbedo über Land bestimmt das künstliche neuronale Netz die Höhe der Wolke. Lindstrot et al.,
2006 [8] haben so bei tiefen, optisch dicken Wolken eine Genauigkeit von 25 hPa erreicht. Je höher und
dünner eine Wolke ist, desto gröÿer wird der Fehler mit dieser Methode.
3.3 11 mm Helligkeitstemperatur
Bei der Fernerkundung von Temperaturen misst man Strahlungsintensitäten. Man nutzt dabei aus, dass
Körper elektromagnetische Wellen in Abhängigkeit ihrer Temperatur emittieren. So kann man mit Hil-
fe des Planck`schen Strahlungsgesetzes von der Strahlungsintensität auf die Temperatur schlieÿen. Da
die Atmosphäre abgesehen von einer schwachen Absorption von H2O bei 11 μm transparent für elek-
tromagnetische Wellen ist (siehe Abbildung 2), eignet sich dieser Spektralbereich, um die Höhe einer
Wolke abzuleiten. In diesem Fall wird die Strahlungsintensität im 11 μm Kanal von AATSR benutzt.
Die Messung erfolgt also im thermisch infraroten Bereich des elektromagnetischen Spektrums. Mit einem
Temperaturpro�l der Atmosphäre ergibt sich sofort die Höhe der Wolke. Bei einer optischen Dicke τ > 1
ist diese Methode eine gute Näherung. Tiefe Wolken liefern schlechtere Ergebnisse, da die Temperatur-
di�erenz zwischen Erdober�äche und Wolke klein ist. Da sich die Temperatur in der Nähe des Erdbodens
oft nur geringfügig verändert, ist der Fehler bei der Ableitung der Höhe gröÿer. Bei Inversionswetterlagen
sind sogar mehrere Lösungen möglich.
3.4 Split Window-Methode
Für die Ableitung der Höhe einer Doppelschichtbewölkung ist es zunächst einmal erforderlich, dass man
die Fälle erkennt, in denen zwei Wolken übereinander liegen. Dazu bedient man sich der Split Window-
Methode. Diese Methode ist eine anerkannte Technik zur generellen Wolkenklassi�zierung. Speziell, um
den Fall einer optisch dünnen bis moderaten Cirruswolke über einer optisch dicken Wasserwolke zu
erkennen, eignet sich die Methode gut.
Dazu werden Messungen mit AATSR bei 3 verschiedenen Wellenlängen benötigt: bei 11, 12 und
0,66 μm. Da Eis und Wasser unterschiedliche Absorptionseigenschaften haben, gibt es eine Di�erenz zwi-
schen den Helligkeitstemperaturen des 11 und 12 μm Kanals. Die Di�erenz BT11 − BT126 wird Split
Window-Di�erenz genannt. Man nutzt dabei aus, dass die vertikale Trennung der Wolkenschichten nur
kleinste Auswirkungen auf das Re�exionsvermögen haben, aber groÿe E�ekte auf die Split Window-
Di�erenz. Das Re�exionsvermögen, welches aus der Messung des 0,66 μm Kanals gewonnen wird, hängt
nur von der totalen optischen Dicke des Wolkensystems ab. Dieser Kanal liegt im sichtbaren Spektralbe-
reich und kann durch Messung der re�ektierten solaren Einstrahlung das Re�exionsvermögen des Wol-
kensystems bestimmen. Je optisch dicker ein Wolkensystem ist, desto gröÿer ist das Re�exionsvermögen.
Je nach optischen Eigenschaften ist die Cirruswolke mehr oder weniger transparent für das Signal der
Wasserwolke. Ist die Cirruswolke zu mächtig, stammt das Signal beider Kanäle eher aus der Cirruswolke,
6BT : Brightnesstemperature - Helligkeitstemperatur
8
die Split Window-Di�erenz wird klein. Genauso verhält sich die Di�erenz, wenn keine Cirruswolke vor-
handen ist. Dann stammt das Signal beider Kanäle aus der tiefen Wolke und die Split Window-Di�erenz
wird ebenfalls klein. Bei optisch dünnen Cirruswolken wird die Split Window-Di�erenz positiv, da eine
genügend dünne Cirruswolke bei 11 μm transparent für das Signal der Wasserwolke ist. Es gibt folglich
ein Maximum in der Split Window-Di�erenz, wenn die optische Dicke der Cirruswolke variiert wird (sie-
he Abbildung 4). Das Maximum ist abhängig von dem vertikalen Abstand zwischen den Wolken. Dieser
Umstand hat zur Konsequenz, dass man aus der Split Window-Di�erenz keine Eigenschaft bezüglich der
optischen Dicke der Cirruswolke ableiten kann.
Die Split Window-Di�erenz ist also in den Fällen groÿ, wo optisch dünne Eiswolken über optisch
dicken Wasserwolken liegen.
Abbildung 4: Split Window-Di�erenz in Abhängigkeit des Re�exionsvermögens bei 0,66 μm, entnommenaus Lindstrot et al., 2010 [7]. Mit Quadraten sind 4 Fälle von Doppelschichtbewölkungen dargestellt,wobei die optische Dicke der Wasserwolke fest ist (5,10,20,40) und die optische Dicke der Eiswolke von0.1 bis 10 variiert wird. Die Rauten und Dreiecke stellen die Fälle einer Einschichtbewölkung (Eis/Wasser)mit der optischen Dicke (5.1,...,15), (10.1,...,20), (20.1,...,30) bzw. (40.1,...,50) dar.
3.5 RTTOV Simulationen
RTTOV ist ebenfalls ein Strahlungstransportmodell. Es dient dazu, die Strahlung am Oberrand der At-
mosphäre im Bereich von 3 bis 20 μm zu berechnen. Im elektromagnetischen Spektrum entspricht das
Intervall dem thermisch infraroten Wellenbereich (TIR). Infrarotradiometer auf Satelliten sind sensitiv
für diesen Bereich. RTTOV wird benutzt um Messungen von Satelliten in diesen Spektralbereichen zu
simulieren. Mit einem Temperaturpro�l der Atmosphäre, variablen Konzentrationen der atmosphärischen
Gase, Erdober�ächenbescha�enheit und Wolkeneigenschaften berechnet RTTOV die Strahlung und Hel-
ligkeitstemperatur am Oberrand der Atmosphäre. RTTOV wird benutzt, um die Messung von AATSR
zu simulieren. Eine genauere Beschreibung dieses Strahlungstransportmodells �ndet man in Saunders et
al., 2008 [14].
4 Sensitivitätsstudie von Lindstrot et al., 2010 [7]
Aus den vorgestellten Methoden ergibt sich eine Voraussetzung für die Bestimmung des CTP bei Dop-
pelschichtbewölkung: Eine optisch dünne Eiswolke liegt über einer optisch dicken Wasserwolke.
Lindstrot et al., 2010 [7] haben eine Sensitivitätsstudie durchgeführt, um die Voraussetzung zu quanti-
�zieren und den Ein�uss der Wolkenschichten auf die Messung im TIR (thermisches Infrarot) und mit der
O2 A Banden Methode zu bestimmen. Dazu wurden Messungen von MERIS und AATSR simuliert. Für
die MERIS Messungen im solaren Spektrum wurde MOMO genutzt. RTTOV9.1 fand für die Simulation
der AATSR Messungen im thermischen Infrarot Verwendung. Die Kon�guration beider Strahlungstrans-
9
portmodelle wurde dabei konsistent gestaltet. Für die e�ektive Partikelgröÿe der Wasserwolke wurden
15 μm und bei der Eiswolke 35, 55 und 78 μm angenommen. Die Streueigenschaften der Wasserwolke wer-
den durch einen Mie-Code berechnet. Dabei ist die Annahme, dass die Wolkentröpfchen kugelförmig sind
und so die Mie-Streutheorie angewendet werden kann. Eiskristalle weisen eine Vielzahl von Formen und
Gröÿen auf. Die Betrachtung der Streueigenschaften nichtsphärischer Teilchen ist sehr komplex. Um die
Streuung trotzdem möglichst realitätsgetreu zu behandeln wurde ein bulk scattering Modell von Baum
et al., 2005 [3] benutzt.
Abbildung 5: Sensitivität der Messung von MERIS und AATSR bei Doppelschichtbewölkung, entnommenaus Lindstrot et al., 2010 [7]. Das Wolkensystem hat eine Cirrushöhe von 290 hPa und eine Höhe von700 hPa der tiefen Wolke mit einer gesamten optischen Dicke von 50. Die abgeleiteten Höhen von MERIS(gestrichelte Linien) und die von AATSR (durchgezogene Linien) sind in Abhängigkeit der optischeDicke der Cirruswolke dargestellt. Die Wolkenschichten sind vertikal homogen, die Cirruswolke bestehtaus Eisteilchen (3 verschiede e�ektive Partikelgröÿen wurden angenommen) und die tiefe Wolke bestehtaus Wassertröpfchen (e�ektive Partikelgröÿe: 15 μm). Die Ableitung der Höhe der tiefen Wolke durchMERIS ist zusätzlich für verschiedene Zenitwinkel der Sonne dargestellt (obere graue Linie: θSonne = 60°,untere graue Linie: θSonne = 15°, schwarze Linie: 15° ≤ θSonne ≤ 60°), dabei ist die schwarze gestrichelteLinie ein Mittel aller auftretenden Zenitwinkel der Sonne.
Aus Abbildung 5 sind folgende Schlussfolgerungen bezüglich der Sensitivität möglich:
1. Die Ableitung der Höhe der Cirruswolke mit AATSR ist schon für optisch dünne Eiswolken mit
τCirrus & 1 in einem akzeptablen Bereich.
2. Eine Veränderung der e�ektiven Partikelgröÿe der Eisteilchen in der Cirruswolke bewirkt nur kleine
Unterschiede bei der Ableitung der Höhe mit AATSR. Die Ableitung der Höhe der tiefen Wolke
mit MERIS bleibt von einer solchen Veränderung nahezu unbeein�usst.
3. Bei optisch sehr dünnen Eiswolken (τCirrus < 1 ) liegt die abgeleitete Höhe mit AATSR zwischen
den beiden Schichten. Wenn die optische Dicke der Eiswolke gröÿer als 5 ist, reagiert die Ableitung
der Höhe mit MERIS emp�ndlich auf die unbekannte optische Dicke der Cirruswolke. In diesen
Fällen ist eine Ableitung der Höhe nicht erfolgversprechend.
4. In dem Bereich 1 ≤ τCirrus ≤ 5 stimmt die Ableitung der Höhe mit AATSR nahezu mit der
tatsächlichen Cirrushöhe überein. Bei der Höhenbestimmung mit MERIS überwiegt das Signal der
tiefen Wolke. Es wird geringfügig von der optischen Dicke der Cirruswolke beein�usst.
5. Wenn τCirrus ≤ 5 ist die Ableitung der Höhe der tiefen Wolke mit MERIS nicht maÿgeblich vom
exakten Wert der optischen Dicke der Eiswolke abhängig. Eine begründete Annahme über τCirrus
würde ausreichend genaue Ergebnisse liefern.
10
6. Der Ein�uss des Zenitwinkels der Sonne auf die O2 A Banden Methode zur Ableitung der unteren
Wolke ist beachtlich. Eine Korrektur muss erfolgen, sonst ist das Ergebnis mangelhaft.
Zusammenfassend kann man feststellen:
Die Ableitung der Höhe von Doppelschichtbewölkung durch Messungen mit MERIS und AATSR ist
möglich, wenn optisch dünne Eiswolken (1 ≤ τCirrus ≤ 5) über optisch dickenWasserwolken (τWasserwolke >
5) liegen (grüner Bereich in Abbildung 5).
Im Hinblick auf die Realität treten solche Fälle häu�g auf. Chang und Li, 2005 [4] analysierten die
globale Verteilung von Einschicht- und Mehrschichtbewölkung. Laut den Ergebnissen überlagern 29%
der optisch dünnen Cirruswolken über Land darunterliegende Wasserwolken. Über See sind es 27%. Die
mittlere optische Dicke der Cirruswolken beträgt bei Einschicht- sowie Mehrschichtbewölkung ≈1.5. Diemittleren optischen Dicken der Wasserwolken bewegen sich dabei abhängig vom Breitengrad zwischen 8
und 30.
Die Zahl der Fälle, in denen man mit Messungen von MERIS und AATSR theoretisch die Wolkenhöhe
bestimmen könnte, ist demnach signi�kant.
5 Beschreibung des Algorithmus
Damit aus den Messungen von MERIS und AATSR die Wolkenhöhen ableitbar sind, ist eine Vorbehand-
lung der Daten notwendig.
5.1 BEAM (Basic ENVISAT AATSR and MERIS Toolbox)
Die Sattelitenbilder von MERIS und AATSR werden mit einer speziellen Software übereinandergelegt. Die
Open-Source Toolbox BEAM ist frei verfügbar und dient zum Visualisieren, Analysieren und Bearbeiten
von Rasterdaten der Fernerkundung. Ursprünglich wurde die Software entwickelt, um die Verwendung
der Daten der optischen Instrumente auf Envisat zu erleichtern. Mittlerweile werden immer mehr Formate
von Rasterdaten unterstützt.
Mit der �Nearest Neighbor� Methode werden die gewünschten Bildausschnitte der Sattelitenbilder
miteinander vereint und im dimap-Format gespeichert.
5.2 Erkennung von Doppelschichtbewölkung
Im ersten Schritt wird die Wahrscheinlichkeit berechnet, mit der ein Pixel bewölkt ist. Dies geschieht mit
Hilfe des �MERIS cloud probability ANN7�.
Die Split Window-Methode identi�ziert im nächsten Schritt die Fälle, in denen eine Cirruswolke über
einer tiefen Wolke liegt. Die Grenzwerte für die Split Window-Di�erenz in Abhängigkeit der Re�ektivität
bei 0,66 μm wurden von Pavolonis und Heidinger, 2004 [11] erstellt.
Ürsprünglich wurden die Grenzwerte für AVHRR8 Sensoren auf den NOAA9-Satelliten entwickelt. Um
die Grenzwerte auch auf Messungen mit AATSR anzuwenden, wurden Strahlungstransportsimulationen
durchgeführt. Dies sollte den Zusammenhang der Messungen in den verschiedenen Kanälen zwischen
den Geräten klären, da diese nicht identisch sind. Der Unterschied ist allerdings nicht signi�kant. Die
Unterschiede in der ermittelten Split Window-Di�erenz sind nicht gröÿer als 0.08 K. Damit wurden die
Grenzwerte von AVHRR auch für AATSR als gültig angenommen.
7Arti�cial Neural Network - künstliches neuronales Netzwerk8Advanced Very High Resolution Radiometer9National Oceanic and Atmospheric Administration
11
5.3 Bestimmung der Wolkenhöhen
Für die durch die Split Window-Methode als zweischichtig bewölkt eingestuften Pixel können nun die
Höhen der Wolkenschichten abgeleitet werden.
Benötigt wird dazu noch ein Temperaturpro�l. Es kann aus der Klimatologie (tropisch, mittlere Brei-
ten Sommer/Winter, subarktischer Sommer/Winter, US Standard) stammen oder es wird ein beliebiges
Temperaturpro�l (z.B. aus einem Radiosondenaufstieg) verwendet.
Die AATSR 11 μm Helligkeitstemperatur wird bestimmt und zusammen mit dem Temperaturpro�l
ergibt sich die Höhe der Cirruswolke.
Die O2 A Banden Methode leitet die Höhe der tiefen Wolke ab, muss dabei aber einen zeitintensiven
Schritt über die Optimal Estimation Technik gehen.
5.3.1 Optimal Estimation
Wie in Abschnitt 3.1 dargestellt ist, lässt sich aus der O2 A Banden Methode nicht direkt auf die Höhe
schlieÿen. Es handelt sich um ein inverses Problem. Um dieses zu lösen, wurde ein Algorithmus entwickelt,
der die Optimal Estimation Technik verwendet.
Er ist auf die Fälle abgestimmt, in denen optisch dünne Cirruswolken (0.5 ≤ τCirrus ≤ 4) über
optisch dicken Wasserwolken (5 ≤ τWasserwolke ≤ 200) liegen. Im Prinzip bestimmt der Algorithmus
einen Zustandsvektor mit 4 Elementen, explizit sind die Elemente die optische Dicke und die Höhe der
beiden Wolkenschichten. Als bekannt werden zu diesem Zeitpunkt nur die optische Dicke und Höhe der
Cirruswolke angenommen. Dabei wird eine Annahme über die optische Dicke zwischen 1 ≤ τCirrus ≤ 4
getro�en und das Ergebnis der AATSR-Ableitung als wahre Cirrushöhe betrachtet.
Als nächstes werden die Werte für die tiefe Wolke abgeschätzt. Aus den geschätzten Werten wird
die Messung von MERIS simuliert. Die simulierte Messung wird dann mit der tatsächlichen Messung
verglichen. Liegt die Abweichung der simulierten von der wahren Messung oberhalb eines de�nierten
Grenzwertes, wird anhand der partiellen Ableitungen der Messung bezüglich der einzelnen abzuleitenden
Parameter der Zustandsvektor iterativ optimiert. Dieser Prozess verläuft iterativ, da sich die Ergebnisse
nur in einem kleinen Bereich linear verhalten.
Der Vorgang wird also so lange wiederholt, bis die Werte aus Messung und Simulation übereinstimmen.
Um die MERIS Messung wiederholt zu simulieren kann aus Zeitgründen kein Strahlungstransportmo-
dell verwendet werden. Abhilfe scha�t der �neural network forward operator�.
5.3.2 Neural network forward operator
Der �neural network forward operator� soll in der Lage sein, eine Simulation der MERIS Messung mög-
lichst schnell und korrekt auszuführen. Im Normalfall wird dazu ein Strahlungstransportmodell benötigt.
Ein Ansatz, diesen Aufwand zu umgehen, ist die Verwendung künstlicher neuronaler Netze. Sie �nden
in der Fernerkundung vielfach Anwendung. Künstliche neuronale Netzwerke bestehen aus vielen mitein-
ander verbundenen Neuronen, die lokal Informationen verarbeiten. Solche Netzwerke sind imstande, aus
Trainingsdatensätzen zu lernen und so komplexe Zusammenhänge zu vereinfachen. So kann das künstli-
che neuronale Netzwerk mit einem passenden Trainingsdatensatz den Zusammenhang zwischen Messung
und Wolkeneigenschaften �erlernen�.
Um einen Trainingsdatensatz zu generieren, wurden die Ergebnisse zahlreicher MOMO-Simulationen
verwendet. Als Temperaturpro�l wurde bei den Simulationen stets das der U.S. Standardatmosphäre
verwendet. Die Streueigenschaften der beiden Wolkenschichten wurden analog zur Sensitivitätsstudie
gestaltet. Die Wassertröpfchen haben dabei eine e�ektive Partikelgröÿe von 15 μm, die der Eisteilchen
55 μm. Beide Wolkenschichten sind im Modell vertikal homogen. In der Realität besitzen die Wolkenei-
genschaften natürlich sehr viel mehr Variabilität. Trotzdem bleiben noch genug Parameter, die variiert
werden können, um einen groÿen Trainingsdatensatz zu erzeugen.
12
Das künstliche neuronale Netzwerk bekommt als Input den Vektor mit den optischen Dicken und der
Höhe beider Schichten, sowie die Blickgeometrie und die zentrale Wellenlänge vom MERIS Kanal 11. Die
Ausgabe ist die Strahlung am Oberrand der Atmosphäre, die MERIS im Kanal 10 und 11 messen würde.
5.4 Ausgabe
Die Ausgabe umfasst die Maske mit der Mehrschichtbewölkung, den CTP und die optische Dicke der
beiden Schichten. Je gröÿer die Szene ist, umso länger dauert das Durchlaufen des Algorithmus. Dabei
wird die meiste Zeit von dem Optimal Estimation Teil in Anspruch genommen.
6 Validierung
Ausgehend von der theoretischen Grundlage zur Bestimmung des Wolkenoberkantendrucks mit MERIS
und AATSR stellt sich die Frage nach der Gültigkeit. So werden bei der Ableitung der Wolkenhöhen
Annahmen und Vereinfachungen getro�en, die das Ergebnis beein�ussen. Ziel dieser Arbeit ist, zu klären
inwieweit die abgeleiteten Ergebnisse mit der Realität übereinstimmen.
Um zu prüfen, mit welcher Güte der Algorithmus anwendbar ist, gibt es mehrere Möglichkeiten.
Allgemein muss aber auf aktive Messungen zurückgri�en werden, da dies bisher die einzige Möglichkeit
ist, ein vertikales Pro�l der Atmosphäre zu sondieren.
Wie anfangs erwähnt, gibt es Satelliten, die ein vertikales Atmosphärenpro�l erstellen können. Dazu
gehört z.B. CloudSat. Neben der Tatsache, dass die Pro�le nur Punktmessungen sind, gibt es ein wei-
teres Problem. Envisat und CloudSat über�iegen die Erde nicht synchron. Da Wolken aber eine hohe
Variabilität aufweisen, müssen die Messungen idealerweise gleichzeitig verlaufen. So verändern Wolken
ständig ihre Form, Zusammensetzung und Position. Wenn ein zu groÿer zeitlicher Versatz zwischen den
Messungen liegt, ist eine Vergleichbarkeit nicht mehr gegeben.
Die Umlaufbahnen von Envisat und Cloudsat tre�en sich bei möglichst kleinen zeitlichen Di�erenzen
nur in hohen Breiten. Dieser Umstand stellt wiederum ein Problem dar, weil der Zenitwinkel der Sonne
in diesem Bereich sehr groÿ ist. Das beeinträchtigt und verfälscht die Ergebnisse.
Auch am Boden gibt es Instrumente, die vertikale Atmosphärenpro�le erstellen. Anhand solcher bo-
dengestützten Messungen wird in dieser Arbeit die Qualität der Ergebnisse überprüft. Der groÿe Nachteil
bei dieser Methode ist jedoch, dass jeweils nur ein Pixel des Satellitenbildes getestet werden kann. Be-
sonders die Suche nach Fallbeispielen war ein nicht zu unterschätzender Aufwand.
6.1 Instrumente
Um ein vertikales Pro�l der Atmosphäre mit bodengestützten Instrumenten zu erzeugen, werden ver-
schiedene Radarsysteme verwendet. Je nach Messstandort und Messkampagne werden unterschiedliche
Geräte benutzt. Meist ist ein Wolkenradar im Millimeter-Wellenlängenbereich bei der Erstellung eines
Vertikalpro�ls beteiligt.
6.1.1 Wolkenradar
Millimeter-Wolkenradare arbeiten in einem Wellenlängenbereich von 3,1 mm (W-Band) bis 8,7 mm (Ka-
Band), dies entspricht einer Frequenz von 95 bis 35 GHz. Man nutzt dabei aus, dass die Atmosphäre
Mikrowellenstrahlung in Abhängigkeit ihrer Zusammensetzung re�ektiert. Je mehr Wassertropfen oder
Eisteilchen die Atmosphäre enthält, umso höher ist der re�ektierte Anteil der Radarstrahlen.
Wolkenradare senden gepulste, kohärente Wellen in zwei Polarisationsebenen aus. Aus den Echos
werden Vertikalpro�le der Re�ektivität, der Dopplergeschwindigkeit und der Geschwindigkeitsvarianz
13
abgeleitet. Die Reichweite geht dabei bis zu einer Höhe von 10-30 km. Die vertikale Au�ösung ist Geräte-
abhängig, beträgt in der Regel aber ca. 50 m. Aus den Messgröÿen können Wolkenunter- und Obergrenze
direkt bestimmt werden.
Ein Nachteil an Wolkenradaren ist die hohe Emp�ndlichkeit bei Regen. So wird die die Reichweite
extrem verringert und die Ergebnisse sind schon ab leichtem Regen nicht mehr zuverlässig.
6.1.2 Weitere Instrumente
Neben Wolkenradaren werden weitere Instrumente als Informationsquelle genutzt, um ein Vertikalpro�l
der Atmosphäre zu bestimmen. So kommen z.B. Mikrowellen-Pro�ler zum Einsatz, um ein Temperatur-
und Wasserdampfpro�l, sowie die vertikale Struktur des Flüssigwassergehalts zu bestimmen.
Desweiteren werden LIDAR-Systeme genutzt, die aus einer Laufzeitmessung von Laserpulsen eine
Vielzahl von Atmosphäreneigenschaften ableiten können.
Eine Kombination der Informationen mehrerer Instrumente erlaubt es, ein genaues Vertikalpro�l der
Atmosphäre zu erstellen, wobei sogar die Bestandteile näher klassi�ziert werden können. Solch ein Pro-
dukt mit Klassi�zierungen wurde bei fast allen Fallbeispielen genutzt. Es stammt von Cloudnet und
beinhaltet vereinfachte Parameter der Atmosphärenzusammensetzung wie z.B. Aerosole, Wassertröpf-
chen, Eisteilchen und klare Atmosphäre.
6.2 Suche nach geeigneten Fallbeispielen
Durch einen Zugang zu Daten von ARM10 [1] und Cloudnet [2] wurden zahlreiche Quicklooks11 nach
geeigneten Fällen durchforstet. Sie ergeben sich als solche, wenn zu der Zeit eines möglichen Satelli-
tenüber�ugs eine hohe Wolke getrennt von einer tiefen Wolke erkennbar ist. Somit ist die Anzahl an
potenziellen Fällen erheblich.
Im nächsten Schritt wurden die Tage herausge�ltert, an denen tatsächlich ein Satellitenüber�ug statt-
gefunden hat. Zu diesem Zweck gibt es das Internetportal �eoPortal Catalogue Client�. Es ermöglicht die
Suche nach Satellitenprodukten verschiedener Organisationen12 in Abhängigkeit von Ort und Datum.
Wie in der Beschreibung von MERIS erläutert, bildet das Instrument alle 3 Tage die gesamte Erde
ab. So fand nicht bei allen potenziellen Fällen ein Über�ug statt. Da der erfasste Bereich von AATSR
(500 km) in dem Bereich von MERIS (1150 km) liegt, verringert sich die Zahl der potenziellen Fallbeispiele
mit Über�ug von MERIS und AATSR nochmals.
Nach der Feststellung, ob ein Über�ug stattgefunden hat, waren nur noch etwa 20% der ursprünglichen
Fälle relevant.
Bei den verbleibenden Fällen wurde das tatsächliche Vorliegen einer Doppelschichtbewölkung geprüft.
Dazu wurden die Minutendaten benutzt, indem die Daten für die Über�ugszeit geplottet wurden.
Im Ergebnis ent�elen weitere Fallbeispiele, da gerade beim Über�ug nicht das geforderte Bewölkungs-
bild zu erkennen war. Damit wurde die Zahl der möglichen Fallbeispiele deutlich dezimiert.
Letztendlich sind auch fehlende und fehlerhafte Satellitendaten dafür verantwortlich, dass weitere
potenzielle Fallbeispiele nicht ausgewertet werden konnten.
Am Ende hatten noch 5 geeignete Fallbeispiele Bestand, auf die der Algorithmus angewendet wer-
den konnte. Ein zusätzlicher Fall mit einem zu dünnen Cirrusschirm ist beigefügt, um die Grenzen des
Algorithmus aufzuzeigen.
10Atmospheric Radiation Measurement11Bilder, die einen Überblick über Daten ermöglichen12ESA, DLR, NASA ECHO
14
6.3 Fallbeispiele
Im folgenden werden die 5 Fallbeispiele vorgestellt und diskutiert.
Für die Interpretation der Ergebnisse des abgeleiteten Wolkenoberkantendrucks ist eine Erklärung
notwendig. Es ist eine Abweichung hinter dem abgeleiteten CTP angegeben. Diese Abweichung ist nicht
als Fehlerbereich zu interpretieren, sondern als Maÿ für die Variabilität des Wolkenoberkantendrucks in
der Nähe des Messortes am Boden. Dazu wurde die Standardabweichung der umliegenden Pixel vom
Messort gebildet. Eine hohe Variabilität wäre ein Indiz dafür, dass das Ergebnis unsicher ist. Da ein Pixel
des Satellitenbildes gröÿer ist als der erfasste Bereich der Bodenmessung, würde eine Ableitung des CTP
bei hoher Variabilität nur ein Mittelwert des tatsächlichen CTP sein.
Desweiteren wurde die Annahme über die optische Dicke der Cirruswolke variiert und ein Tempera-
turpro�l aus der Umgebung verwendet, um den Ein�uss auf den abgeleiteten CTP zu erfassen.
Um die Rechenzeit des Algorithmus zu verringern, wurden nur Ausschnitte des Satellitenbildes in der
Umgebung des Messortes am Boden ausgewählt und ausschlieÿlich für diese kleineren Ausschnitte wurde
der Wolkenoberkantendruck abgeleitet.
6.3.1 Southern Great Plains (Oklahoma, USA), 24.05.2007
Abbildung 6: Re�ektivität in dB für den Zeitraum des Satellitenüber�ugs, Southern Great Plains,24.05.2007
15
(a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbewöl-kung, dunkelrot: Doppelschichtbewölkung
Abbildung 7: RGB Satellitenbild und Split Window Maske, Southern Great Plains, 24.05.2007. Das Kreuzmarkiert den Gerätestandort der bodengestützten Messung.
(a) tiefe Wolkenschicht (b) hohe Wolkenschicht
Abbildung 8: Abgeleiteter CTP der beiden Wolkenschichten, Southern Great Plains, 24.05.2007. DasKreuz markiert den Gerätestandort der bodengestützten Messung.
Die Daten der bodengestützen Messung stammen vom W-Band (95 GHz) ARM-Wolkenradar in den
Southern Great Plains, Oklahoma. Man erkennt deutlich eine Doppelschichtbewölkung an der re�ektierten
Radarstrahlung. Die hohe Cirruswolke liegt ungefähr bei einer Höhe von 250 hPa, die tiefe Wolke bei
850 hPa. Au�allend sind die Strukturen der Wolken. Die tiefe Wolke ist weitgehend homogen, wohingegen
die Cirruswolke einen Streifen hoher Re�ektivität am unteren Rand besitzt und nach oben hin immer
transparenter wird.
Auch im Satellitenbild kann man erkennen, dass ein Cirrusschirm über einer tiefen Wolke liegt. Eine
Anwendung des Algorithmus zur Ableitung des Wolkenoberkantendrucks ergibt:
16
Tiefe Wolke Hohe Wolke
Wolkenradar 850 hPa 250 hPa
τCirrus = 2 / U.S. Standard Temperaturpro�l 557 ± 19 hPa 322 ± 12 hPa
τCirrus = 4 / U.S. Standard Temperaturpro�l 577 ± 22 hPa 322 ± 12 hPa
τCirrus = 4 / Originaltemperaturpro�l 553 ± 16 hPa 295 ± 5 hPa
Das Originaltemperaturpro�l stammt aus einem Radiosondenaufstieg vom 24.05.2007 um 12 Uhr UTC
an der Station Norman, Oklahoma (72357), die ca. 200 km vom eigentlichen Messort entfernt ist.
Die Ergebnisse der Ableitung des CTP mit MERIS und AATSR zeigen eine deutliche Überschätzung
der Höhe der tiefen Wolke. Dieser Umstand lässt darauf schlieÿen, dass die Cirruswolke eine gröÿere
optische Dicke besitzt, als vom Algorithmus ausgewertet werden kann. Die Mächtigkeit der Cirruswolke
beträgt rund 100 hPa, was im Verhältnis zu den anderen Fallbeispielen eher wenig ist. Die Zusammen-
setzung der Wolke kann aus der Re�ektivität aber nicht entnommen werden und es ist möglich, dass die
optischen Eigenschaften der Wolken eine Ableitung des CTP verfälschen. Bei dem Ergebnis des CTP
der Cirruswolke fällt auf, dass das Ergebnis im Bereich hoher Re�ektivität der Cirruswolke liegt. Da die
Wolke inhomogen und nach oben hin sehr dünn ist, verwundert dieses Ergebnis nicht. Die Annahme zur
Bestimmung des CTP setzt explizit eine homogene Wolke voraus. Das ist zwar selten gegeben, aber dieser
Fall stellt eine unverkennbare Abweichung der Idealbedingung einer homogenen Wolke dar. Der Satellit
detektiert hier nur die Emissivitätshöhe der Wolke.
6.3.2 Chilbolton (England), 14.06.2007
Abbildung 9: Vertikalpro�l der Atmosphäre, Chilbolton, 14.06.2007
17
(a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbewöl-kung, dunkelrot: Doppelschichtbewölkung
Abbildung 10: RGB Satellitenbild und Split Window-Maske, Chilbolton, 14.06.2007. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
(a) tiefe Wolkenschicht (b) hohe Wolkenschicht
Abbildung 11: Abgeleiteter CTP der beiden Wolkenschichten, Chilbolton, 14.06.2007. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
In dem zweiten Fallbeispiel stammt die bodengestützte Messung aus Chilbolton. Der Über�ug von Envisat
war zwischen 10:56 und 10:58 Uhr UTC. Man erkennt zu diesem Zeitpunkt eine ca. 100 hPa mächtige
Cirrusbewölkung über einem tiefen Wolkensystem. Wolkensystem deshalb, weil die Klassi�zierung eine
dünne Schicht schmelzender Eispartikel über einer Schicht mit Aerosolen und Insekten erkennt, worunter
eindeutig eine Wasserwolke liegt. Da die Split Window-Methode eine Doppelschichtbewölkung erkennt,
wird die wahre Höhe der tiefen Wolke bei 850 hPa angenommen. Die Ergebnisse der CTP-Ableitung sind
folgende:
Tiefe Wolke Hohe Wolke
Vertikalpro�l von Cloudnet 850 hPa 300 hPa
τCirrus = 2 / mittlere Breiten (Sommer) Temperaturpro�l 695 ± 228 hPa 392 ± 43 hPa
τCirrus = 4 / mittlere Breiten (Sommer) Temperaturpro�l 773 ± 263 hPa 393 ± 42 hPa
τCirrus = 2 / Originaltemperaturpro�l 684 ± 224 hPa 473 ± 47 hPa
τCirrus = 4 / Originaltemperaturpro�l 726 ± 244 hPa 473 ± 46 hPa
18
Da die Cirrusbewölkung deutlich zu tief abgeleitet wird, ist davon auszugehen, dass die optische
Dicke der Cirruswolke sehr klein ist (τCirrus < 1). Das beste Ergebnis wird allerdings erzielt, wenn man
die optische Dicke mit 4 annimmt. Die Variabilität des CTP in der Umgebung des Messortes ist sehr
hoch, worunter die Qualität der Ableitung sicherlich leidet. Erwähnenswert ist, dass die Ergebnisse bei
Verwendung des realen Temperaturpro�ls (Camborne, 12 Uhr UTC), insbesondere bei der Höhe der
Cirruswolke, signi�kant schlechter sind.
6.3.3 Chilbolton (England), 20.07.2009
Abbildung 12: Vertikalpro�l der Atmosphäre, Chilbolton, 20.07.2009
(a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbe-wölkung, dunkelrot: Doppelschichtbewölkung
Abbildung 13: RGB Satellitenbild und Split Window-Maske, Chilbolton, 20.07.2009. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
19
(a) tiefe Wolkenschicht (b) hohe Wolkenschicht
Abbildung 14: Abgeleiteter CTP der beiden Wolkenschichten, Chilbolton, 20.07.2009. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
Im dritten Fallbeispiel ist die Cirruswolke 200 hPa mächtig und darunter liegt eine ca. 150 hPa dicke
Wasserwolke. Die Ableitung des CTP liefert folgende Werte:
Tiefe Wolke Hohe Wolke
Vertikalpro�l von Cloudnet 800 hPa 250 hPa
τCirrus = 2 / mittlere Breiten (Sommer) Temperaturpro�l 652 ± 196 hPa 365 ± 24 hPa
τCirrus = 4 / mittlere Breiten (Sommer) Temperaturpro�l 714 ± 213 hPa 366 ± 24 hPa
τCirrus = 4 / Originaltemperaturpro�l 687 ± 207 hPa 413 ± 28 hPa
Die Ableitung des CTP der Cirrusbewölkung ist um mindestens 100 hPa gröÿer als im Vertikalpro�l
von Cloudnet. Dies entspricht einer Unterschätzung der Höhe der Cirruswolke von mindestens 2000 m.
Auch in diesem Fall wird nicht die geometrische Wolkenhöhe bestimmt, sondern nur die Emissivitätshöhe.
Die Wolke ist in der Höhe vermutlich so dünn, dass sie für die Messung mit AATSR transparent ist. Die
Ableitung der tiefen Wolke verbessert sich mit der Annahme einer optischen Dicke des Cirrus von 4. In der
Umgebung der bodengestützen Messung ist die Variabilität des CTP der tiefen Wolkenschicht abermals
hoch. Durch die Nutzung eines realen Temperaturpro�ls (Camborne, 12 Uhr UTC) verschlechtert sich
die Ableitung des CTP hauptsächlich bei der Cirruswolke.
20
6.3.4 Lindenberg (Deutschland), 03.07.2004
Abbildung 15: Vertikalpro�l der Atmosphäre, Lindenberg, 03.07.2004
(a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbe-wölkung, dunkelrot: Doppelschichtbewölkung
Abbildung 16: RGB Satellitenbild und Split Window-Maske, Lindenberg, 03.07.2004. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
21
(a) tiefe Wolkenschicht (b) hohe Wolkenschicht
Abbildung 17: Abgeleiteter CTP der beidenWolkenschichten, Lindenberg, 03.07.2004. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
Die Cirruswolke im vierten Fallbeispiel ist wieder ca. 200 hPa mächtig, die Wasserwolke hat eine ver-
tikale Erstreckung von ungefähr 270 hPa. Die Split Window-Methode erkennt in diesem Fall zwar nur
einen Cirrusschirm, der Algorithmus wurde trotzdem darauf angewendet. Da nur knapp ein Bereich mit
Doppelschichtbewölkung verfehlt wurde und das Vertikalpro�l eindeutig einen geeigneten Fall zeigt, ist
die Ableitung des CTP einen Versuch wert.
Tiefe Wolke Hohe Wolke
Vertikalpro�l von Cloudnet 680 hPa 320 hPa
τCirrus = 2 / mittlere Breiten (Sommer) Temperaturpro�l 559 ± 56 hPa 299 ± 30 hPa
τCirrus = 4 / mittlere Breiten (Sommer) Temperaturpro�l 600 ± 70 hPa 299 ± 30 hPa
τCirrus = 4 / Originaltemperaturpro�l 594 ± 65 hPa 324 ± 44 hPa
In diesem Fall liegt der Verdacht einer zu groÿen optischen Dicke der Cirruswolke nahe. Die Ergeb-
nisse der Ableitung sind dennoch die besten unter allen Fallbeispielen. Die Höhe der Cirruswolke wird
nahezu der Realität entsprechend abgebildet. Erwartungsgemäÿ wird die tiefe Wolkenschicht höhenmäÿig
überschätzt. Die Verwendung eines realen Temperaturpro�ls (Lindenberg, 12 Uhr UTC) lohnt sich im
Hinblick auf das Ergebnis in diesem Fall.
22
6.3.5 Lindenberg (Deutschland), 28.06.2006
Abbildung 18: Vertikalpro�l der Atmosphäre, Lindenberg, 28.06.2006
(a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbe-wölkung, dunkelrot: Doppelschichtbewölkung
Abbildung 19: RGB Satellitenbild und Split Window-Maske, Lindenberg, 28.06.2006. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
23
(a) tiefe Wolkenschicht (b) hohe Wolkenschicht
Abbildung 20: Abgeleiteter CTP der beidenWolkenschichten, Lindenberg, 28.06.2006. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
Zum Zeitpunkt des Satellitenüber�ugs zwischen 9:46 Uhr und 9:49 Uhr UTC ist im letzten Fallbeispiel eine
ca. 150 hPa mächtige Cirrusbewölkung zu erkennen, die durchziehende Cumuluswolken überdeckt. Das
Vertikalpro�l erweckt allerdings den Eindruck, dass die optische Dicke der tiefen Wolke für die Ableitung
nicht ausreichend groÿ sein könnte. Da die Split Window-Methode einen geeigneten Fall erkennt, wurde
der Algorithmus dennoch angewendet.
Tiefe Wolke Hohe Wolke
Vertikalpro�l von Cloudnet 810 hPa 350 hPa
τCirrus = 2 / mittlere Breiten (Sommer) Temperaturpro�l 441 ± 19 hPa 334 ± 8 hPa
τCirrus = 4 / mittlere Breiten (Sommer) Temperaturpro�l 452 ± 22 hPa 334 ± 8 hPa
τCirrus = 4 / Originaltemperaturpro�l 450 ± 20 hPa 372 ± 7 hPa
Die Höhe der Cirruswolke wird annähernd richtig abgeleitet. Bei der Ableitung der tiefen Wolke sind
die Ergebnisse für alle variierten Parameter unterdurchschnittlich. Mehr als 350 hPa beträgt die Di�erenz
zum Vertikalpro�l von Cloudnet. Vermutlich ist die tiefe Wolkenschicht in der Tat nicht ausreichend dick
und es kommt kein ausreichend starkes Signal am MERIS Instrument an.
24
6.3.6 Lindenberg (Deutschland), 01.06.2009
Abbildung 21: Vertikalpro�l der Atmosphäre, Lindenberg, 01.06.2009
(a) Satellitenbild (b) blau: keine oder zu tiefe Wolke, grün: Einschichtbe-wölkung, dunkelrot: Doppelschichtbewölkung
Abbildung 22: RGB Satellitenbild und Split Window-Maske, Lindenberg, 01.06.2009. Das Kreuz markiertden Gerätestandort der bodengestützten Messung.
Das Negativ-Fallbeispiel vom 01.06.2009 soll illustrieren, dass die Split Methode Grenzen bei der Erken-
nung von Cirruswolken hat. Im Vertikalpro�l erkennt man einen dünnen Cirrusschirm mit einer vertikalen
Mächtigkeit von ungefähr 50 hPa. Auch im Satellitenbild kann man einen Schleier über den tie�iegenden
Wolken erkennen. Die optische Dicke des Cirrusschirms ist aber o�ensichtlich für die Split Window-
Methode zu klein, sie erkennt keine zweischichtige Bewölkung.
25
6.4 Mögliche Fehlerquellen
Bei der Ableitung des CTP sind Vereinfachungen unumgänglich. Die Rechnung der Strahlungstransport-
modelle wäre schlicht zu aufwendig, wenn die Wolken im Modell nicht als vertikal homogen betrachtet
würden. In der Realität sind Wolken in der Regel inhomogen. So wird mit der 11 μm Helligkeitstemperatur
die Wolkenobergrenze bestimmt, ohne zu beachten, dass insbesondere Cirruswolken an der Oberkante oft
inhomogen sind. Auch die Mikrophysik der Wolken kann im Modell nicht exakt wiedergegeben werden. So
müssen z.B. e�ektive Tröpfchen-/Partikelgröÿen und Formen angenommen werden, obwohl in der Natur
eine Vielzahl von diesen vorhanden sind.
Dass die optische Dicke festgelegt werden muss, ohne diese zu kennen, ist eine weitere Fehlerquelle.
Auch die realen Temperaturpro�le unterscheiden sich oft signi�kant von den klimatologischen Tempera-
turpro�len, die für die Ableitung des CTP im Regelfall benutzt werden.
Die Split Window-Methode liefert in Anbetracht der Fallbeispiele manchmal fragliche Ergebnisse.
Zum Beispiel wurde nur eine Cirrusbewölkung erkannt, obwohl laut Vertikalpro�l eindeutig eine Doppel-
schichtbewölkung erkannt werden sollte (Fallbeispiel 4).
Eine nicht zu unterschätzende Fehlerquelle liegt bei AATSR. Das geographische Gitternetz von AATSR
ist anscheinend nicht exakt. So wurden die Küstenlinien bei Verwendung des Gitternetzes von AATSR
nicht in Übereinstimmung mit einer Land-See-Maske abgebildet. Mit dem Gitternetz von MERIS tritt das
Problem nicht auf. Da die Bilder von MERIS und AATSR jedoch mit der �Nearest Neighbor� Methode
übereinandergelegt werden, kann es zu Verschiebungen kommen. Die abgeleiteten Höhen korrespondieren
dann räumlich nicht miteinander.
6.5 Zusammenfassung der Ergebnisse
Anhand der Fallbeispiele lassen sich Hinweise für die Anwendbarkeit des Algorithmus ausmachen.
1. Grundsätzlich wurden die tiefen Wolkenschichten zu hoch abgeleitet, d.h. der bestimmte Wolkeno-
berkantendruck ist zu niedrig. Der kleinste Abstand zum Atmosphärenpro�l betrug dabei 77 hPa,
der gröÿte rund 370 hPa.
2. Die tre�endsten Ergebnisse wurden mit der Annahme einer optischen Dicke der Cirruswolke von
τCirrus = 4 erreicht, wobei ein klimatologisches Temperaturpro�l genutzt wurde. Dabei war es
unbedeutend, welche optische Dicke tatsächlich bei der Cirruswolke vermutet wurde. D.h. wenn
man eine geringere optische Dicke annehmen würde, ist das Ergebnis mit der Annahme τCirrus = 4
trotzdem am besten.
3. Nur in einem der fünf Fälle wurde das Ergebnis der Ableitung beider Wolkenschichten durch den
Einsatz eines realen Temperaturpro�ls verbessert.
4. Die Ableitung des CTP der Cirruswolken ist in drei von fünf Fallbeispielen zu hoch gewesen, d.h.
die Höhe der Wolke wurde unterschätzt. In diesen Fällen war der obere Teil Wolke zu transparent
für die Messung mit AATSR. In den anderen beiden Fallbeispielen war der abgeleitete Wolkenober-
kantendruck realitätsnah.
7 Ausblick
In der derzeitigen Version liefert der Algorithmus zur Bestimmung des CTP bei Mehrschichtbewölkung
keine zuverlässigen Ergebnisse. Insbesondere die Ableitung des CTP der tiefen Wolkenschicht ist unzu-
tre�end.
26
Das Verfahren wird zur Zeit erweitert, indem auch die Split Window-Di�erenz und die zwei unter-
schiedlichen Blickwinkel von AATSR in die Optimierung ein�ieÿen. Dies wird vorwiegend die Qualität
der Bestimmung der Höhe und Dicke der oberen Wolkenschicht verbessern.
Das MERIS-Nachfolge-Instrument OLCI13 wird zusätzliche Kanäle in der O2 A Bande besitzen, die
mehr Informationen zur Stärke der Absorption liefern. OLCI wird ab 2012 auf dem GMES14 Sentinel-
3 Satelliten eingesetzt. Als Nachfolge-Instrument von AATSR ist mit SLSTR15, das ebenfalls auf dem
GMES Sentinel-3 Satelliten angebracht sein wird, eine Fortsetzung der Ableitung des CTP mit dem
Algorithmus von Lindstrot et al, 2010 [7] möglich.
13Ocean and Land Colour Instrument14Global Monitoring for Environment and Security15Sea and Land Surface Temperature Radiometer
27
Abbildungsverzeichnis
1 Blickwinkel AATSR, entnommen aus Tait et al., 2001 [15] . . . . . . . . . . . . . . . . . . 5
2 Absorption in der Atmosphäre, entnommen aus Petty, 2006 [12] . . . . . . . . . . . . . . . 6
3 Schema Streuprozesse, entnommen aus Preusker, 2001 [13] . . . . . . . . . . . . . . . . . . 7
4 Split Window-Di�erenz in Abhängigkeit des Re�exionsvermögens bei 0,66 μm, entnommen
aus Lindstrot et al., 2010 [7] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5 Sensitivität der Messung von MERIS und AATSR bei Doppelschichtbewölkung, entnom-
men aus Lindstrot et al., 2010 [7] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6 Re�ektivität in dB, Southern Great Plains, 24.05.2007 . . . . . . . . . . . . . . . . . . . . 15
7 RGB Satellitenbild und Split Window-Maske, Southern Great Plains, 24.05.2007 . . . . . 16
8 Abgeleiteter CTP der beiden Wolkenschichten, Southern Great Plains, 24.05.2007 . . . . . 16
9 Vertikalpro�l der Atmosphäre, Chilbolton, 14.06.2007 . . . . . . . . . . . . . . . . . . . . 17
10 RGB Satellitenbild und Split Window-Maske, Chilbolton, 14.06.2007 . . . . . . . . . . . . 18
11 Abgeleiteter CTP der beiden Wolkenschichten, Chilbolton, 14.06.2007 . . . . . . . . . . . 18
12 Vertikalpro�l der Atmosphäre, Chilbolton, 20.07.2009 . . . . . . . . . . . . . . . . . . . . 19
13 RGB Satellitenbild und Split Window-Maske, Chilbolton, 20.07.2009 . . . . . . . . . . . . 19
14 Abgeleiteter CTP der beiden Wolkenschichten, Chilbolton, 20.07.2009 . . . . . . . . . . . 20
15 Vertikalpro�l der Atmosphäre, Lindenberg, 03.07.2004 . . . . . . . . . . . . . . . . . . . . 21
16 RGB Satellitenbild und Split Window-Maske, Lindenberg, 03.07.2004 . . . . . . . . . . . . 21
17 Abgeleiteter CTP der beiden Wolkenschichten, Lindenberg, 03.07.2004. Das Kreuz mar-
kiert den Gerätestandort der bodengestützten Messung. . . . . . . . . . . . . . . . . . . . 22
18 Vertikalpro�l der Atmosphäre, Lindenberg, 28.06.2006 . . . . . . . . . . . . . . . . . . . . 23
19 RGB Satellitenbild und Split Window-Maske, Lindenberg, 28.06.2006 . . . . . . . . . . . . 23
20 Abgeleiteter CTP der beiden Wolkenschichten, Lindenberg, 28.06.2006 . . . . . . . . . . . 24
21 Vertikalpro�l der Atmosphäre, Lindenberg, 01.06.2009 . . . . . . . . . . . . . . . . . . . . 25
22 RGB Satellitenbild und Split Window-Maske, Lindenberg, 01.06.2009 . . . . . . . . . . . . 25
28
Literatur
[1] Atmospheric Radiation Measurement (ARM), Climate Research Facility U.S. www.arm.gov.
[2] Cloudnet (Development of an European pilot network of stations for observing cloud pro�les).
www.cloud-net.org.
[3] B.A. Baum, A.J. Heyms�eld, P. Yang, and S.T. Bedka. Bulk Scattering Properties for the Remote
Sensing of Ice Clouds. Part I: Microphysical Data and Models. J. Appl. Meteor., 44:1885 � 1895,
2005.
[4] F.-L. Chang and Z. Li. A Near-Global Climatology of Single-Layer and Overlapped Clouds and
Their Optical Properties Retrieved from Terra/MODIS Data Using a New Algorithm. J. Climate,
18:4752�4771, 2005.
[5] F. K. Fye. The AFGWC Automated Cloud Analysis Model. Tech. Memo. 78-002, 1978. Available
from Air Force Global Weather Central, O�utt Air Force Base, NE, (ADA057176).
[6] C. J. Hahn, S. G. Warren, J. London, R. Chervin, M., and R. Jenne. Atlas of simultaneous occurrence
of di�erent cloud types over land. Tech. Note TN-241+STR, NCAR, 1984. Available from National
Center for Atmospheric Research, Boulder, CO 80307.
[7] R. Lindstrot, R. Preusker, and J. Fischer. Remote Sensing of Multilayer Cloud-Top Pressure Using
Combined Measurements of MERIS and AATSR Onboard ENVISAT. J. Appl. Meteor. Climat.,
49(6):1191�1204, 2010.
[8] R. Lindstrot, R. Preusker, Th. Ruhtz, B. Heese, M. Wiegner, C. Lindemann, and J. Fischer. Vali-
dation of MERIS cloud top pressure using airborne lidar measurements. J. Appl. Meteor. Climat.,
45(12):1612 � 1621, 2006.
[9] G. G. Mace, T. P. Ackerman, and E. E. Clothiaux. A study of composite cirrus morphology using
data from a 94-GHz radar and correlation with temperature and large-scale vertical motion. J.
Geophys. Res., 102:13581�13593, 1997.
[10] Insa Meinke. Zur Validierung der Wolkenparametrisierung des Regionalmodells HRM mit Satelli-
tendaten des ISCCP -Entwicklung und Anwendung einer Methode. Dissertation, Fachbereich Geo-
wissenschaften, Universität Hamburg, 2002.
[11] M. J. Pavolonis and A. K. Heidinger. Daytime cloud overlap detection from AVHRR and VIIRS. J.
Appl. Meteor., 43(5):762�778, 2004.
[12] G. W. Petty. A First Course in Atmospheric Radiation. Sundog Publishing, 2006.
[13] R. Preusker. Fernerkundung des Luftdrucks am Oberrand von Wolken mit Messungen in der O2A-
Bande. Strahlung in Atmosphäre und Ozean, Beiträge zur Fernerkundung 19, Institut für Welt-
raumwissenschaften, Freie Universität Berlin, 2001. ISBN 3-931545-19-9.
[14] R. Saunders, M. Matricardi, and A. Geer. RTTOV9.1 users guide. NWP SAF report, Met. O�ce,
2008.
[15] H. Tait, M.C. Edwards, C.T. Mutlow, A.R. Birks, I.J. Barton, and D. Llewellyn-Jones. AATSR:
Global-Change and Surface- Temperature Measurements from Envisat. ESA Bulletin, 105:10�21,
2001.
29
Eigenständigkeitserklärung
Hiermit versichere ich, dass ich die vorliegende Arbeit selbständig verfasst und keine anderen als die
angegebenen Quellen und Hilfsmittel verwendet habe.
30