Measuring Precipitation from Space - a Satellite View on the Tibetan Plateau
Loading...
Files
Date
relationships.isAuthorOf
Publisher
Philipps-Universität Marburg
Abstract
Precipitation is an essential variable in the global climate system. The processing of reliable high resolution global precipitation data remains an issue, as all available data sets have their own weaknesses. This applies in particular to remote regions with complex terrain such as the Tibetan Plateau (TiP). Satellite based data sets from the NASA and ESA are commonly used for analyses and the retrieval of climate variables. Satellite based data sets that have not yet been scientifically exploited, or only to a limited extent, are Elektro-L2 and Insat-3D. The Global Precipitation Measurement Mission (GPM) provides precipitation from space using a combination of low earth orbiting satellites and enhances the retrieval of precipitation and snowfall using improved instruments. Based on the potential inherent in the data sets, they were used in the following two studies to develop an algorithm to retrieve precipitation for the TiP. Training models on a smaller temporal segmentation made a significant difference in the results of precipitation areadelineation. Undersampling was used for precipitation rates retrieval. Comparing the results of both the classification of the precipitation areas and the retrieval of precipitation rates we found that the new approach outperforms the Infrared (IR) only precipitation product from the Integrated Multi-satellitE Retrievals for GPM (IMERG). The results of the precipitation retrieval agree with the daily rain gauge measurements from the Chinese Ministry of Water Resources.
Snow plays a crucial role on the TiP and snowfall precipitation is not well explored. The third study draws an intercomparison of the variables total precipitation (TP) and snowfall precipitation (SF) of the GPM dual precipitation frequency radar (DPR) Level 2 product together with GPM DPR snowfall flags and six model based data sets: ERA5, ERA5 land, ERA Interim, MERRA 2, JRA 55 and HAR V2. The intercomparison of model based data with the snowfall flags performs poorly for both TP and SF. Since it is known that mismatches between remote sensing data and modeled data exist, we increased the time lag of the reanalysis data and included GPM neighbor pixels to improve the results. The intercomparison with the GPM DPR snowfall flags using the temporal adjustment improved the results significantly, whereas the spatial adjustment did not show strong improvements. The intercomparison of the GPM DPR TP and SF with the modeled data was improved by both temporal and spatial adjustment. Retrieving precipitation and snowfall from space offers great potential. It remains a challenge and needs further research.
Niederschlag ist eine wesentliche Variable im globalen Klimasystem. Die Aufbereitung von zuverlässigen hochauflösenden globalen Niederschlagsdaten sind jedoch nach wie vor ein Problem, da alle verfügbaren Datensätze ihre eigenen Schwächen haben. Dies gilt insbesondere für abgelegene Regionen mit komplexem Gelände wie das Tibetische Plateau (TiP). Satellitengestützte Datensätze der NASA und ESA werden üblicherweise für Analysen und für die Ableitung von Klimavariablen verwendet. Satellitengestützte Datensätze, die noch nicht oder nur in begrenztem Umfang wissenschaftlich genutzt werden, sind Elektro-L2 und Insat-3D. Die Global Precipitation Measurement Mission (GPM) liefert Niederschlagsdaten aus dem Weltraum mit Hilfe einer Kombination aus erdnahen Satelliten und verbessert die Erfassung von Niederschlag und Schneefall durch optimierte Instrumente. Aufgrund des Potentials dieser Datensätze werden sie in den beiden folgenden Studien verwendet, um einen Algorithmus zur Ableitung von Niederschlag für das TiP zu entwickeln. Das Trainieren der Modelle auf einer kleineren zeitlichen Segmentierung führte zu einer deutlichen Verbesserung der Ergebnissen. Für die Ermittlung der Niederschlagsmengen wurde sogenanntes "undersampling" verwendet. Der Vergleich der Ergebnisse sowohl der Klassifizierung
der Niederschlagsflächen als auch der Zuweisung der Niederschlagsraten ergab, dass dieser Ansatz das Niederschlagsprodukt von GPM Integrated Multi-satellitE Retrievals for GPM (IMERG), welches sich ausschließlich auf einen IR Kanal stützt, übertrifft. Die Ergebnisse der Niederschlagsraten stimmen mit den täglichen Niederschlagsmessungen des chinesischen Ministeriums für Wasserressourcen überein.
Schnee spielt eine entscheidende Rolle für den Niederschlag auf dem TiP und fallender Schnee-Niederschlag ist nicht gut erforscht. Die dritte Studie vergleicht die Variablen Gesamtniederschlag (TP) und Schneefall (SF) aus dem GPM Dual Precipitation Frequency Radar (DPR) Level 2 Produkt zusammen mit den GPM DPR Schnee-Flags und sechs bekannten modellbasierten Datensätzen: ERA5, ERA5 land, ERA Interim, MERRA 2, JRA 55 und HAR V2. Der Vergleich von modellbasierten
Daten mit den GPM DPR Schnee-Flags fällt sowohl für TP als auch für SF schlecht aus. Da bekannt ist, dass es Abweichungen zwischen Fernerkundungsdaten und modellierten Daten gibt, haben wir das Zeitfenster der modellbasierten Daten erhöht und GPM-Nachbarpixel einbezogen, um Übereinstimmungen mit GPM DPR zu finden. Der Vergleich mit den GPM-DPR-Schneefall-Flags unter Verwendung der vergrößerten Zeitfensters verbesserte die Ergebnisse erheblich, während die räumliche Erweiterung durch den Einbezug der Nachbarpixel keine starken Verbesserungen
ergab. Der Vergleich von GPM DPR TP und SF mit den Modelldaten wurde sowohl durch die zeitliche als auch durch die räumliche Erweiterung verbessert. Die Ableitung von Schneeniederschlag aus dem Weltraum bietet sehr viel Potential. Sie bleibt eine Herausforderung und muss weiter erforscht werden.