Das Rain Area Delineation Scheme RADS Ein neues Verfahren zur satellitengestützten Erfassung der Nieder­ schlagsfläche über Mitteleuropa Dissertation zur Erlangung des Doktorgrades der Naturwissenschaften (Dr. rer. nat) dem Fachbereich Geographie der Philipps-Universität Marburg vorgelegt von Thomas Nauss aus Stuttgart Marburg/Lahn 2005 Teile der Arbeit sind u.a. veröffentlicht in: – Kokhanovsky, A. A. and T. Nauss 2005: Satellite-based retrieval of ice cloud properties using a semi-analytical algorithm. Journal of Geophysical Research - Atmospheres, 110/D19, D19206, 10.1029/2004JD005744 – Nauss, T., A. A. Kokhanovsky, J. Cermak, C. Reudenbach und J. Bendix 2005: Satellite based retrieval of cloud properties and their use in rainfall retrievals and fog detection. Photogrammetrie - Fer­ nerkundung – Geoinformation 3/2005, 209-218. – Nauss, T., A. A. Kokhanovsky, T. Y. Nakajima, C. Reudenbach and J. Bendix 2005: The intercomparison of selected cloud retrieval al­ gorithms. Atmospheric Research 78, 46-78. – Nauss, T. and J. Bendix 2005: An operational MODIS processing scheme for PC dedicated to direct broadcasting applications in me­ teorology and earth sciences. Computers and Geosciences 31/6, 804-808. – Kokhanovsky, A. A., V. V. Rozanov, T. Nauss, C. Reudenbach, J. S. Daniel, H. L. Miller J. P. Burrows 2005: The semi-analytical cloud retrieval algorithm for SCIAMACHY. I. The validation. At­ mospheric Chemistry and Physics Discussions 5/2, 1995-2015. Eine gedruckte Ausgabe der Dissertation wird in der Reihe der Marburger Geographischen Schriften (Nr. 143) erscheinen. Vom Fachbereich Geographie der Philipps-Universität Marburg als Disser­ tation angenommen am 25.05.2005 Erstgutachter: Prof. Dr. Jörg Bendix (Marburg) Zweitgutachter: Prof. Dr. Georg Miehe (Marburg) Drittgutachter: Prof. Dr. Christoph Schneider (Aachen) Tag der mündlichen Prüfung: 06.07.2005 II Vorwort Die Arbeit entstand im Rahmen des GLOWA-Danube-Projekts des Bundes­ ministeriums für Bildung und Forschung (BMBF). Ich möchte mich daher bei allen Kolleginnen und Kollegen aus den einzelnen Projektgruppen für die gute und erfolgreiche Zusammenarbeit in den vergangenen Jahren be­ danken, insbesondere bei den Herren Dipl.-Meteorol. Andreas Pfeiffer und Hans Schipper (Universität München), bei Frau Dr. Barbara Früh (Universi­ tät Mainz) sowie dem Projektleiter von GLOWA-Danube, Herrn Prof. Dr. Wolfram Mauser (Universität München). Desweiteren danke ich der Erich-Becker-Stiftung (vormals Flughafen Frank­ furt Main Stiftung) für die großzügige Förderung meiner Forschung. Alle Personen aufzuführen, die auf unterschiedliche Art und Weise größere oder auch kleinere Teile der vorliegenden Arbeit beeinflusst haben, und de­ nen ich herzlichen Dank schulde, erscheint mir nicht möglich. Ich beschrän­ ke mich daher im Folgenden auf die wichtigsten: Zunächst sind hier die Mitarbeiterinnen und Mitarbeiter des Laboratory for Climatology and Remote Sensing (LCRS) des Fachbereichs Geographie der Philipps-Universität Marburg zu nennen. Vor allem Herr MA Jan Cermak, Herr Dipl.-Inf. (FH) Maik Dobbermann und Herr Dipl.-Geogr. Boris Thies standen mir oft mit Rat und Tat zur Seite. Für wertvolle Vorstudien im Rah­ men ihrer Examensarbeiten danke ich darüber hinaus Frau Dipl.-Geogr. Christine Träger und Herrn Dipl.-Geogr. Mirko Wagner. Für konstruktive Diskussionen bin ich im Besonderen den Mitgliedern der International Precipitation Working Group (IPWG) sowie Herrn Dr. Takashi Y. Nakajima (JAXA) zu Dank verpflichtet. Für die Bereitstellung des Quell­ codes des ATSK3-Retrievals geht mein Dank an Herrn Prof. Dr. Teruyuki Nakajima (Universität Tokio), für die Bereitstellung von SCIATRAN an Herrn Dr. Alexej Rozanov und Herrn Dr. Vladimir Rozanov (beide Univer­ sität Bremen) und für die Bereitstellung der PC-Radarprodukte an Herrn Dr. Bruno Rudolf (Weltzentrum für Niederschlag, DWD) sowie Herrn Walter Ott (DWD). Herrn Dr. Alexander Kokhanovksy (Universität Bremen) möchte ich für die sehr gute Zusammenarbeit, die kritischen Diskussionen und die jederzeitige Unterstützung im Zusammenhang mit der Ableitung von Wolkenparametern aus Satellitendaten danken. Herrn Dr. Christoph Reudenbach (Universität Marburg) danke ich nach­ drücklich dafür, dass er nie müde wurde, mich in endlose Diskussionen zu verstricken und dadurch viele wichtige und entscheidende Impulse für die vorliegende Arbeit gegeben hat. Mein größter Dank gilt abschließend meinem Doktorvater Herrn Prof. Dr. Jörg Bendix (Universität Marburg). Würde ich versuchen, den Dank an ihn näher zu beschreiben und somit auf einzelne Aspekte einzugrenzen, so könnte ich seiner zu jeder Zeit und in jeglicher Hinsicht gewährten Unter­ stützung nicht gerecht werden. III Für die Aufnahme der Arbeit in ihre Schriftenreihe bin ich dem Herausge­ bergremium der „Marburger Geographischen Schriften“ zu Dank verpflich­ tet. Saarbrücken und Marburg/Lahn im November 2005 Thomas Nauss IV Inhaltsverzeichnis Vorwort.......................................................................................................... II Abbildungsverzeichnis................................................................................VII Tabellenverzeichnis.......................................................................................X Verzeichnis häufig verwendeter Abkürzungen............................................XI Verzeichnis häufig verwendeter Symbole.................................................XIV 1 Problemstellung und Zielsetzung................................................................. 1 1.1 Einleitung............................................................................................... 1 1.2 Problematik flächendeckender Niederschlagserfassung am Beispiel von GLOWA-Danube............................................................................ 2 1.3 Zielsetzung der Arbeit............................................................................5 1.4 Übersicht über die zu entwickelnden Verfahren....................................8 1.5 Aufbau der Arbeit...................................................................................9 2 Konzeption eines Verfahrens zur operationellen Ableitung der Nieder­ schlagsfläche aus optischen Satellitendaten über Mitteleuropa.................12 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsablei­ tung.......................................................................................................12 2.1.1 Niederschlagsretrieval unter Verwendung optischer Sensoren.. 13 2.1.1.1 Wolkenindex-Verfahren................................................. 13 2.1.1.2 Bispektrale Verfahren.....................................................14 2.1.1.3 Lebenszyklus-Verfahren ................................................ 15 2.1.1.4 Wolkenmodell-Verfahren............................................... 15 2.1.2 Passive Mikrowellenverfahren....................................................16 2.1.3 Hybride Methoden...................................................................... 18 2.2 Notwendigkeit der Entwicklung eines satellitenbasierten Verfahrens zur Erfassung der Niederschlagsfläche in den Mittelbreiten...............19 2.3 Dominierende Niederschlagsprozesse in den Mittelbreiten im Hinblick auf die zugrunde liegenden wolkenphysikalischen Prozesse...............21 2.4 Konzeptmodell zur fernerkundlichen Erfassung der Niederschlagsflä­ che über Mitteleuropa.......................................................................... 25 3 Verwendete Daten und Modelle.................................................................28 3.1 Terra-/Aqua-MODIS-Daten................................................................. 28 3.1.1 Eigenschaften des Satellitensystems...........................................28 3.1.2 Operationelle Verarbeitung der MODIS-Daten und -Produkte.. 30 3.1.2.1 MOPSPreprocess............................................................ 30 V 3.1.2.2 MOPSProducts................................................................32 3.1.2.3 MOPSPostprocess...........................................................34 3.1.2.4 MOPSTools.................................................................... 34 3.2 Synoptische Daten................................................................................36 3.2.1 DWD-Radardaten........................................................................36 3.2.2 Radiosondendaten....................................................................... 38 3.2.3 Strahlungstransfermodelle.......................................................... 38 3.3 Geländemodell GTopo30..................................................................... 40 4 Entwicklung eines Methodenverbundes zur Ableitung der Niederschlags­ fläche über Mitteleuropa............................................................................ 41 4.1 Ableitung optischer und mikrophysikalischer Parameter aus Satelliten­ daten..................................................................................................... 42 4.1.1 Optische Eigenschaften von Wolken.......................................... 42 4.1.1.1 Tropfenspektrum und Tropfenkonzentration..................43 4.1.1.2 Streuungs- und Absorptionseigenschaften von Wolken­ tropfen..............................................................................45 4.1.1.3 Abhängigkeit der Streuungsprozesse von der Beobach­ tungsgeometrie.................................................................49 4.1.1.4 Reflexionsfunktion von Wolken.....................................51 4.1.2 Ableitung von Wolkenparametern aus Satellitendaten...............56 4.1.3 Das LUT-basierte Wolkenparameterretrieval ATSK3............... 58 4.1.4 Das semi-analytische Wolkenretrieval SACURA...................... 62 4.1.5 Vergleichsstudie zwischen SACURA und ATSK3.................... 69 4.1.5.1 Szene über dem Pazifischen Ozean................................ 71 4.1.5.2 Szene über Mitteleuropa................................................. 78 4.1.5.3 Sensitivität der Retrievals bezüglich der Zusatzdaten....85 4.1.5.4 Zusammenfassung der Evaluierungsstudie.....................89 4.2 Ableitung der Niederschlagsfläche aus Satellitendaten.......................90 4.2.1 Erfassung der Niederschlagsfläche auf Basis optischer und mi­ krophysikalischer Wolkenparameter.......................................... 90 4.2.1.1 Die europäische Hochwasserperiode im August 2002... 91 4.2.1.2 Autoadaptive Bestimmung des Schwellwerts für den ef­ fektiven Wolkentropfenradius in Abhängigkeit der op­ tischen Dicke zur Abgrenzung der Niederschlagsfläche.92 4.2.1.3 Abgrenzung konvektiver und stratiformer Niederschlags­ prozesse .......................................................................... 94 VI 4.3 Zusammenfassende Übersicht über das Rain Area Delineation Scheme RADS zur Erfassung der Niederschlagsfläche in den Mittelbreiten... 96 5 Validierung des Rain Area Delineation Scheme RADS............................ 99 5.1 Strategie zur Validierung dichotomer Niederschlagsinformationen und verwendete statistische Testverfahren................................................. 99 5.1.1 Datengrundlage für die Validierung dichotomer Niederschlagsin­ formationen............................................................................... 100 5.1.2 Datenaufbereitung für die Validierung der MODIS-Produkte. 101 5.1.3 Verwendete statistische Testwerte............................................102 5.2 Ergebnisse der Validierungsstudie.....................................................106 5.2.1 Ergebnisse ausgewählter MODIS-Szenen................................ 106 5.2.1.1 Die MODIS-Szene vom 07.04.2004............................. 106 5.2.1.2 Die MODIS-Szene vom 21.03.2004............................. 109 5.2.1.3 Die MODIS-Szene vom 30.08.2004............................. 112 5.2.2 Ergebnisse auf der Grundlage von 221 MODIS-Szenen.......... 114 5.2.2.1 Anteil der Niederschlagsflächen in Satelliten- und Refe­ renzdaten........................................................................114 5.2.2.2 Accuracy und Bias........................................................ 116 5.2.2.3 POD, FAR und POFD...................................................118 5.2.2.4 CSI, HKD, HSS und ETS............................................. 121 5.2.3 Zusammenfassung der Ergebnisse der Validierungsstudie von RADS........................................................................................ 123 6 Zusammenfassung und Ausblick..............................................................125 Summary.....................................................................................................131 Literaturverzeichnis....................................................................................133 VII Abbildungsverzeichnis Abbildung 1: Modellarchitektur von DANUBIA in UML-ähnlicher Notation........................................................................................................... 3 Abbildung 2: Konzeptmodell zur Erfassung der Niederschlagsfläche auf Basis der Wolkendicke und Tropfengröße......................................................6 Abbildung 3: Übersicht über die zur Ableitung der Niederschlagsfläche benötigten Arbeitsschritte............................................................................... 8 Abbildung 4: Übersicht über den Aufbau der Arbeit....................................10 Abbildung 5: Konzeptmodell für die Entstehung von Nimbostratus in Vergesellschaftung mit Cumulonimbus-Wolken.......................................... 22 Abbildung 6: Idealisierte Niederschlagsmuster in Verbindung mit außertropischen Zyklonen............................................................................. 23 Abbildung 7: Vertikalschnitt durch ein warmfrontales Band erhöhter stratiformer Niederschläge aufgrund eingebetter Konvektion......................24 Abbildung 8: Vertikalschnitt durch eine außertropische Zyklone................ 25 Abbildung 9: Konzeptmodell zur Erfassung stratiformer Niederschläge auf Basis optischer und mikrophysikalischer Wolkeneigenschaften.................. 26 Abbildung 10: Übersicht über die Architektur der operationellen MODIS- Prozesskette MOPS ...................................................................................... 31 Abbildung 11: Komponenten der am Sensor empfangenen Strahlung......... 33 Abbildung 12: Terra-MODIS-Szene vom 29.07.2002, 10:59 UTC..............35 Abbildung 13: Räumliche Verteilung der für das DWD-PC-Produkt verwendeten Radarstationen......................................................................... 37 Abbildung 14: Response Funktion des 0,65 µm (a) und 3,7 µm (b) MODIS- Kanals............................................................................................................ 39 Abbildung 15: Realer (a) und imaginärer (b) Term des komplexen Refraktionsindex für Wasser und Eis............................................................46 Abbildung 16: Abhängigkeit der Phasenfunktion von der Tropfengröße bei 0,65 µm (a) bzw. von der Wellenlänge für effektive Tropfenradien von 6 µm (b).................................................................................................................. 50 Abbildung 17: Reflexionsfunktion einer homogenen Wolkenschicht bei 0.65 µm..................................................................................................................52 Abbildung 18: Reflexionsfunktion einer homogenen Wolkenschicht bei 1.6 µm..................................................................................................................53 Abbildung 19: Reflexionsfunktion einer homogenen Wolkenschicht im VIS und NIR als Funktion der optischen Dicke und des effektiven Radius........ 54 Abbildung 20: Prozentuale Eindringtiefe von Strahlung in eine Wolke in Abhängigkeit der Wellenlänge......................................................................55 VIII Abbildung 21: Abweichung zwischen genäherter (Gl. 48) und exakt (Mishchenko et al. 1999) berechneter Reflexionsfunktion...........................64 Abbildung 22: Abweichung der mittels SACURA berechneten Reflexion bei 1,6 µm von exakten Strahlungstransfermodellierungen................................68 Abbildung 23: Abweichung der mittels SACURA berechneten Reflexion bei 0,86 µm von exakten Strahlungstransfermodellierungen..............................69 Abbildung 24: Räumliche Verteilung der optischen Dicke für die Terra- MODIS-Szene vom 18.07.2001, 15:30 UTC................................................ 72 Abbildung 25: Vergleich der mit ATSK3 (linke Spalte) und SACURA (rechte Spalte) abgeleiteten optischen Dicken mit den Ergebnissen des MOD06-Produkts für die Terra-MODIS-Szene vom 18.07.2001, 15:30 UTC. ....................................................................................................................... 74 Abbildung 26: Räumliche Verteilung der prozentualen Abweichung der optischen Dicke zwischen ATSK3 (a) bzw. SACURA (b) und dem MOD06- Produkt für die Terra-MODIS-Szene vom 18.07.2001, 15:30 UTC.............75 Abbildung 27: Räumliche Verteilung der effektiven Radien aus MOD-37 (a), MOD-16 (b), ATSK3 (c) und SACURA (d) für die Terra-MODIS-Szene vom 18.07.2001, 15:30 UTC.........................................................................75 Abbildung 28: Vergleich der mit ATSK3 (linke Spalte) und SACURA (rechte Spalte) abgeleiteten effektiven Radien mit den Ergebnissen des MOD06-Produkts für die Terra-MODIS-Szene vom 18.07.2001, 15:30 UTC. ....................................................................................................................... 76 Abbildung 29: Räumliche Verteilung der prozentualen Abweichung der effektiven Radien zwischen ATSK3 und MOD-37 (a) bzw. SACURA und MOD-16 (b) für die Terra-MODIS-Szene vom 18.07.2001, 15:30 UTC..... 77 Abbildung 30: Räumliche Verteilung der optischen Dicke für die Terra- MODIS-Szene vom 10.08.2002, 09:45 UTC............................................... 79 Abbildung 31: Vergleich der mit ATSK3 (linke Spalte) und SACURA (rechte Spalte) abgeleiteten optischen Dicken mit den Ergebnissen des MOD06-Produkts für die Terra-MODIS-Szene vom 10.08.2002, 09:45 UTC. ....................................................................................................................... 81 Abbildung 32: Räumliche Verteilung der prozentualen Abweichung der optischen Dicke zwischen ATSK3 (a) bzw. SACURA (b) und dem MOD06- Produkt für die Terra-MODIS-Szene vom 10.08.2002, 09:45 UTC.............82 Abbildung 33: Räumliche Verteilung der effektiven Radien aus MOD-37 (a), MOD-16 (b), ATSK3 (c) und SACURA (d) für die Terra-MODIS-Szene vom 10.08.2002, 09:45 UTC.........................................................................83 Abbildung 34: Vergleich der mit ATSK3 (linke Spalte) und SACURA (rechte Spalte) abgeleiteten effektiven Radien mit den Ergebnissen des MOD06-Produkts für die Terra-MODIS-Szene vom 10.08.2002, 09:45 UTC. ....................................................................................................................... 84 IX Abbildung 35: Räumliche Verteilung der prozentualen Abweichung der effektiven Radien zwischen ATSK3 und MOD-37 (a) bzw. SACURA und MOD-16 (b) für die Terra-MODIS-Szene vom 10.08.2002, 09:45 UTC..... 85 Abbildung 36: Einfluss der Untergrundalbedo bei 0,65 µm und 3,7 µm auf die mittels ATSK3 abgeleiteten Wolkenparameter.......................................86 Abbildung 37: Einfluss des atmosphärischen Feuchteprofils und der Temperatur der Erdoberfläche unter der Wolke auf die mittels ATSK3 abgeleiteten Werte der Wolkenparameter.....................................................87 Abbildung 38: Einfluss der Untergrundalbedo bei 0,86 µm und 1,6 µm auf die mittels SACURA abgeleiteten Werte der Wolkenparameter..................88 Abbildung 39: Wertekombinationen der Wolkenparameter, die zu einem Bias von 1,0 +/-5% gegenüber den radarbasierten Niederschlagsfeldern der verwendeten MODIS-Szenen zwischen 1. und 13. August 2002 führen......93 Abbildung 40: Übersicht über das CI-RADS-Schema..................................95 Abbildung 41: Überblick über die neu entwickelte Methodenkombination aus SACURA und RADS.............................................................................. 97 Abbildung 42: Vergleich der satelliten- und radarbasierten Niederschlagsflächen für die Terra-MODIS-Szene vom 05.08.2002, 11:05 UTC. ............................................................................................................. 98 Abbildung 43: Vergleich der satelliten- und radarbasierten Niederschlagsflächen für die Terra-MODIS-Szene vom 07.04.2004, 09:56 UTC............................................................................................................. 107 Abbildung 44: Vergleich der satelliten- und radarbasierten Niederschlagsflächen für die Terra-MODIS-Szene vom 21.03.2004, 10:51 UTC............................................................................................................. 110 Abbildung 45: Vergleich der satelliten- und radarbasierten Niederschlagsflächen für die Terra-MODIS-Szene vom 30.08.2004, 10:38 UTC............................................................................................................. 113 Abbildung 46: Anteil der Niederschlagsfläche im RADS- und DWD-PC- Produkt für die in die Validierung mit einbezogenen 221 Terra-MODIS- Aufnahmen zwischen Januar und August 2004. ........................................ 116 Abbildung 47: Bias und Accuracy der 221 nach zunehmendem Anteil der Niederschlagsfläche sortierten Terra-MODIS-Szenen zwischen Januar und August 2004.................................................................................................117 Abbildung 48: POD, FAR und POFD der 221 nach zunehmendem Anteil der Niederschlagsfläche sortierten Terra-MODIS-Szenen zwischen Januar und August 2004.................................................................................................119 Abbildung 49: CSI, ETS, HSS und HKD der 221 nach zunehmendem Anteil der Niederschlagsfläche sortierten Terra-MODIS-Szenen zwischen Januar und August 2004..........................................................................................122 Abbildung 50: Relative Anzahl der Niederschlagsereignisse auf Basis von 221 Terra-MODIS-Szenen zwischen Januar und August 2004.................. 129 X Tabellenverzeichnis Tabelle 1: Übersicht über die korrespondierenden Kanäle von Meteosat-8- SEVIRI (in µm) und Terra-/Aqua-MODIS (Kanalnummer).........................29 Tabelle 2: Niederschlagsrate und korrespondierende Radarreflektivität (dBZ) bzw. Reflektivitätsklassen des PC-Produkts nach Angaben des DWD. ....................................................................................................................... 38 Tabelle 3: Mittlerer Extinktionsquerschnitt (µm2) verschiedener Wolkentypen bei 0,5 µm nach Liou (1992).................................................. 47 Tabelle 4: Übersicht über die für die Berechnung der ATSK3-look-up- Tabellen verwendeten Parameterkombinationen.......................................... 60 Tabelle 5: Kombination aus Wolkentyp und Flüssigwassergehalt (g/m3) im ATSK3-Retrieval...........................................................................................61 Tabelle 6: Statistische Kenngrößen für den Vergleich der Terra-MODIS- Szene vom 18.07.2001, 15:30 UTC.............................................................. 73 Tabelle 7: Statistische Kenngrößen für den Vergleich der Terra-MODIS- Szene vom 10.08.2002, 09:45 UTC.............................................................. 80 Tabelle 8: Übersicht über die Felderkombinationen der verwendeten Kontingenztabelle........................................................................................102 Tabelle 9: Übersicht über die in Abb. 46a jeweils einen Monat abgrenzende Aufnahmenummer....................................................................................... 114 Tabelle 10: Ergebnisse der pixelbasierten Validierung der 221 Terra- MODIS-Szenen zwischen Januar und August 2004 unter Verwendung der CP-RADS-Technik......................................................................................115 Tabelle 11: Ergebnisse der pixelbasierten Validierung der 221 Terra- MODIS-Szenen zwischen Januar und August 2004 unter ausschließlicher Verwendung der CI-RADS-Technik........................................................... 115 Tabelle 12: Ergebnisse der Validierung der 221 Terra-MODIS-Szenen zwischen Januar und August 2004 unter Verwendung der CP-RADS- Technik und Zulassung eines Toleranzbereichs von 20 km....................... 115 XI Verzeichnis häufig verwendeter Abkürzungen AGIP Adjusted GOES Precipitation Index (Kap. 2.1.3) AMPE Advanced MPE (Kap. 2.1.3) AMSR-E Advanced Microwave Scanning Radiometer - Earth Obser­ ving System AMSU Advanced Microwave Sounding Unit AMSU-A Advanced Microwave Sounding Unit – A AMSU-B Advanced Microwave Sounding Unit – B Aqua Polarumlaufender Satellit (EOS-PM, Kap. 3.1.1) ATSK3 JAXA Cloud property retrieval (Kap. 4.1.3) ATSR-2 Along Track Scanning Radiometer 2 AVHRR Advanced Very High Resolution Radiometer CGMS Coordination Group for Meteorological Satellites CMORPH CPC Morphing Technique (Kap. 2.1.3) CPC NOAA Climate Prediction Center CP-RADS Cloud Property RADS (Kap. 4.2, 4.2.1.2) CSI Crictical Success Index (Kap. 5.1.3) CST Convective Stratiform Technique (Kap. 2.1.1.4) DAAC Distributed Active Archive Center (NASA) DANUBIA Umwelt-Simulationsmodell (Kap. 1.2) DEM Digital Elevation Model DISORT Discrete Ordinary Solver (Kap. 3.3) DWD Deutscher Wetterdienst ECST Enhanced Convective Stratiform Technique (Kap. 4.2.2) EOS Earth Observing System (Kap. 3.1.1) EOSDIS EOS Data Information System (Kap. 3.1.1) ETS Equitable Threat Score (Kap. 5.1.3) FAR False Alarm Ratio (Kap. 5.1.3) GARP Global Atmosphere Research Programme GATE GARP Atlantic Tropical Experiment GOES Geostationary Operational Environmental Satellite GPCP Global Precipitation Climatology Project GPI GOES Precipitation Index (Kap. 2.1.1.1) HKD Hansen Kuipers Discriminant (Kap. 5.1.3) XII HSS Heidke Skill Score (Kap. 5.1.3) IPWG International Precipitation Working Group IR Elektromagnetisches Spektrum im infraroten Bereich (Kap. 2.1.1) CI-RADS Convection Identification RADS (Kap. 4.2.2) JAXA Japan Aerospace Exploration Agency LUT look-up-Table (Kap. 4.1.3) MAS MODIS Airborne Simulator Sensor MCC Mesoscale Convective Cluster (Kap. 2.3) MOD035 MODIS Cloud Mask Product (Kap. 3.1.2.2) MOD06 MODIS Cloud Property Product (Kap. 4.1.5) MODIS Moderate Resolution Imaging Spectroradiometer (Kap. 3.1; 3.1.1) MOPS MODIS Operational Processing Scheme (Kap. 3.1.2) MPE Multi-Sensor Precipitation Estimate (Kap. 2.1.3) MW Elektromagneitsches Spektrum im Mikrowellen-Bereich (Kap. 2.1.2) NASA National Aeronautic and Space Administration NIR Elektromagnetisches Spektrum im nahen infraroten Bereich (Kap. 2.1.1) NOAA National Oceanic and Atmospheric Administration OR Odds Ratio (Kap. 5.1.3) PC-Produkt DWD-Radarprodukt (Kap. 3.2.1) PL-Produkt DWD-Radarprodukt (Kap. 3.2.1) POD Probability Of Detection (Kap. 5.1.3) POFD Probability Of False Detection (Kap. 5.1.3) PR TRMM-Precipitation Radar PROXEL Process Pixel (Kap. 1.2) RADS Rain Area Delineation Scheme (Kap. 4.2) RSTAR5b Strahlungstransfermodel (Kap. 3.3) SACURA Semi-Analytical CloUd Retrieval Algorithm (Kap. 4.1.4) SAF Satellite Application Facility (Eumetsat) SCIAMA­ CHY Polarumlaufender Satellit SCIATRAN Strahlungstransfermodel (Kap. 3.3) XIII SEVIRI Spinning Enhanced Visible and Infrared Imager (Kap. 3.1.1) SSM/I Special Sensor Microwave Imager STREAMER Strahlungstransfermodel (Kap. 3.3) Terra Polarumlaufender Satellit (EOS-AM, Kap. 3.1.1) TMI TRMM Microwave Imager TRMM Tropical Rainfall Measurement Mission VIIRS Visible/Infrared Imager/Radiometer Suit VIS Elektromagnetisches Spektrum im sichtbaren Bereich (Kap. 2.1.1) VISSR Visible and Infrared Spin Scan Radiometer WCRP World Climate Research Programme WGDM GPCP Working Group on Data Management WGNE WMO Working Group on Numerical Experimentation WMO World Meteorological Organization WV Elektromagnetisches Spektrum im wasserdampfabsorbie­ renden Bereich (Kap. 2.1.1) WWRP World Weather Research Program XIV Verzeichnis häufig verwendeter Symbole a Tropfenradius a0 Modalwert des Tropfenradius aef effektiver Wolkentropfenradius Ag Untergrundalbedo Ap Planetare Albedo B Planck-Funktion c Lichtgeschwindigkeit im Vakuum Cv volumetrische Tropfenkonzentration Cw Flüssigwassergehalt d horizontaler Abstand D geometrische Dicke einer Wolke e Partialdruck des Wasserdampfs E Atmosphärische Emission F0 solare Strahlungsflussdichte Fdiff diffuser Strahlungsfluss g Asymmetrieparameter h Planck-Konstante I Strahlungsintensität I0 Solare Strahlungsintensität k Stefan-Boltzmann-Konstante kabs Volumenabsorptionskoeffizient kext Volumenextinktionskoeffizient ksca Volumenstreuungskoeffizient K Fluchtfunktion (Abschwächungskoeffizient in Gl. 6) L Strahldichte LWP Flüssigwasserweg m komplexer Refraktionsindex mi imaginärer Term des komplexen Refraktionsindex mr realer Term des komplexen Refraktionsindex N Tropfenkonzentration bzw. allg. Anzahl p Phasenfunktion P Luftdruck Pr Radarsignalstärke XV q Extrapolationslänge Qabs Absorptionseffizienz Qext Extinktionseffizienz Qsca Streuungseffizienz rc Planetare Albedo einer Wolkenschicht cr Sphärische Albedo einer Wolkenschicht R Reflexionsfunktion R̂ Reflexionsfunktion unter Berücksichtigung der Bodenalbedo R∞ Reflexionsfunktion einer halb-unendlichen Wolke SI Signed integer t diffuse Transmission T Lufttemperatur TBB Schwarzkörpertemperatur Tc Schwarzkörpertemperatur der Wolkentemperatur Tg Schwarzkörpertemperatur der Bodenoberfläche TIR Temperatur im thermalen Infrarot-Kanal (~11µm) TWV Temperatur im wasserdampfabsorbierenden Kanal (~6,7 µm) THV Schwellwert w Wasserdampfgehalt we äquivalenter Wasserdampfgehalt z Höhe zBottom Höhe der Wolkenbasis zTop Höhe der Wolkenoberfläche Z Radarreflektivitätsfaktor β Absorptionswahrscheinlichkeit Γ Gamma-Funktion ϑ Sensorzenit ϑ0 Sonnenzenit ζ Sensorazimut ζ0 Sonnenazimut Θ Streuwinkel λ Wellenlänge XVI λecw effektive zentrale Wellenlänge µ Kosinus des Sensorzenits µ0 Kosinus des Sonnenzenits Ξ unidirektionale, atmosphärische Transmission ρ Dichte von Wasser σabs Absorptionsquerschnittsfläche σext Extinktionsquerschnittsfläche σsca Streuungsquerschnittsfläche τ optische Dicke φ relativer Azimut χ Größenparameter ω Einfachstreualbedo ¥ Normalisierungskonstante der Gamma-Funktion 〈...〉 Mittelwert 1 Problemstellung und Zielsetzung 1 1 Problemstellung und Zielsetzung 1.1 Einleitung Die vorliegende Arbeit stellt die Entwicklung eines automatisierten Verfah­ rens zur Ableitung der Niederschlagsfläche aus optischen Satellitendaten unter spezieller Berücksichtigung der Niederschlagsprozesse Mitteleuropas vor. Der Fokus auf Mitteleuropa, stellvertretend für die mittleren Breiten, begründet sich zum einen durch die bisher für diese Region unzureichenden Resultate optischer Verfahren zur Niederschlagsableitung, zum anderen durch die räumlichen, zeitlichen und konzeptionellen Einschränkungen von auf Mikrowellen-Sensoren basierenden Techniken, vor allem über Landflä­ chen (vgl. Kap. 2.2). Grundsätzlich können Niederschläge durch Stationsmessungen sowie durch boden- (Radar) bzw. satellitengestützte Fernerkundungsverfahren gemessen oder unter Verwendung numerischer Wettermodelle berechnet werden. Für die Bereitstellung flächendeckender Messdatensätze stellen fernerkundliche Ansätze (sog. Retrievals) jedoch die einzige Alternative dar. Schon früh for­ derten deshalb einige Autoren die Entwicklung von Verfahren für mittlere und höhere Breiten (WYLIE 1979; ARKIN & JANOWIAK 1991). Die auf optischen Sensoren basierenden Ansätze blieben aber bis heute i.d.R. auf Fallstudien bzw. auf die Erfassung überwiegend konvektiv induzierter Niederschläge, z.B. im Zusammenhang mit schmalen kaltfrontalen Bändern, beschränkt (vgl. Kap. 2.3). Aus dem Mangel an geeigneten Satellitenverfahren darf jedoch nicht ge­ schlossen werden, dass kein Bedarf an flächendeckenden, hoch aufgelösten Niederschlagsinformationen besteht. Gerade in wirtschaftlich intensiv er­ schlossenen, dicht besiedelten Regionen führen Niederschlagsereignisse im­ mer wieder zu enormen direkten (z.B. Hochwasser) und indirekten (z.B. Verzögerungen im Straßen- und Luftverkehr) Schäden (vgl. u.a. MÜNCHENER RÜCK 1999, 2003; EVANS 2001). Die möglichst exakte Kenntnis der Nieder­ schlagsverteilung kann hier einen Beitrag zur Risikoabschätzung und oft auch zur Schadensminimierung leisten. Desweiteren bilden quantifizierbare Daten eine wichtige Grundlage für die klimatologische und hydrologische Forschung, da die Niederschläge zusammen mit der Evapotranspiration die beiden Hauptflüsse zwischen den großen Wasserspeichern des hydrolo­ gischen Kreislaufs bilden. In diesem Zusammenhang zeigen beispielsweise HAUSCHILD et al. (1992) die Verwendungsmöglichkeiten von satellitenge­ stützen Niederschlagsinformationen im Weltzentrum für Niederschlag oder LIPTON & MODICA (1999) die Vorteile der Datenassimilierung in numerischen Wettermodellen. 1.1 Einleitung 2 Nachfolgend sollen am Beispiel des GLOWA-Danube-Projekts, in dessen Rahmen die vorliegende Arbeit entstanden ist, zunächst die generellen Kon­ zepte und Problemfelder einer flächendeckenden Niederschlagserfassung kurz dargestellt werden. Dabei werden die drei grundlegenden Ansätze – In­ terpolation von Stationsdaten, Modellierung in Wettermodellen und Ablei­ tung aus Fernerkundungsdaten – unterschieden. Basierend auf diesen Über­ legungen werden anschließend die Zielsetzung sowie der Aufbau der Arbeit vorgestellt. 1.2 Problematik flächendeckender Niederschlagserfassung am Beispiel von GLOWA-Danube Ziel von GLOWA-Danube ist die Identifikation und Analyse nachhaltiger Wasserwirtschaftsstrategien vor dem Hintergrund der regionalen Auswir­ kungen des globalen Klimawandels im oberen Donau-Einzugsgebiet (vgl. MAUSER et al. 2002). Das Projekt ist Teil des Verbundvorhabens Globaler Wandel des Wasserkreislaufs (GLOWA) des Bundesministeriums für Bil­ dung und Forschung (BMBF), in dessen Rahmen noch vier weitere, regional verteilte Projekte in Europa, Afrika und dem Nahen Osten gefördert wurden bzw. werden (vgl. GSF 2002). Zur Regionalisierung der Auswirkungen des globalen Klimawandels, zur Analyse bestehender sowie potentieller Nutzungskonflikte und zur Bewer­ tung neuer, integrativer Techniken der Wasserwirtschaft wurde von den 13 natur-, wirtschafts- und sozialwissenschaftlichen Forschungsgruppen, die die Kernbereiche Meteorologie, Hydrologie, Pflanzenökologie, Wasserwirt­ schaft, Umweltpsychologie, Argrar- und Umweltökonomie, Tourismusfor­ schung und Informatik abdecken, das quantitative Umwelt-Simulationsmo­ dell DANUBIA entwickelt. Dabei ist jede Projektgruppe für die Entwick­ lung bestimmter Teilmodelle (Objekte) zuständig. Die modellierten Parame­ ter werden den anderen Gruppen über definierte Schnittstellen zur Verfü­ gung gestellt, so dass sich die vielfältigen Wechselwirkungen im Mensch- Umwelt-System erfassen lassen. Für die Konzeption, Implementierung und Dokumentation von DANUBIA wird die Unified Modelling Language (UML, BOOCH et al. 1999), ein de facto Industriestandard zur graphischen Notation, verwendet. Die netzverteilte Modellierung und Kommunikation der Objekte im 1-Stunden-Zeittakt ist mittels der Java-Remote-Model-Invo­ cation-Technik (RMI, PITT et al. 2001) realisiert. Weitere Informationen zu DANUBIA finden sich beispielsweise bei BARTH et al. (2002) bzw. LUDWIG et al. (2003) und solche zur räumlichen Grundeinheit des Rastermodells von 1 mal 1 km, dem sog. process pixel, (PROXEL) bei TENHUNEN & KABAL (1999). Abbildung 1 zeigt die Modellarchitektur von DANUBIA in einer UML-ähn­ lichen Darstellung. Die Niederschlagsinformationen für das ca. 77.000 km² umfassende obere Donaueinzugsgebiet werden innerhalb des vom Autor im­ 1.2 Problematik flächendeckender Niederschlagserfassung am Beispiel von GLOWA-Danube 3 plementierten Atmosphere-Pakets bereitgestellt. Da das Klimaelement Nie­ derschlag aufgrund der extremen räumlichen und zeitlichen Variabilität der niederschlagswirksamen Ereignisse zu einer nach wie vor nur unzureichend Abbildung 1: Modellarchitektur von DANUBIA in UML-ähnlicher Notation. Die Linien/Kreisflächen-Kombinationen stellen die Schnittstellen zwischen den Paketen dar, die Institutsnamen die für das jeweilige Teilmodell verantwortlichen Arbeitsgruppen. Danubia landsurface groundwateratmosphere rivernetwork TouristActor Lehrstuhl für Wirtschafts- und Sozialgeographie Univ. Regensburg HouseholdActor Zentrum für Umweltsystem- forschung Univ. Kassel Demography IFO München Economy IFO München WaterSupplyActor Institut für Wasserbau Univ. Stuttgart Groundwater Institut für Wasserbau Univ. Stuttgart Snow Bayerische Akademie der Wissenschaften München RadiationBalance Institut für Geographie und geographische Fernerkundung Univ. München Surface Institut für Geographie und geographische Fernerkundung Univ. München Biological Lerhstuhl für Pflanzenökologie Univ. Bayreuth Soil Institut für Geographie und geographische Fernerkundung Univ. München AtmoSat LCRS Univ. Marburg AtmoMM5 Meteorologisches Institut Univ. München AtmoStations Institut für Geographie und geographische Fernerkundung Univ. München Farming Institut für Landwirtschaftl. Betriebslehre Univ. Hohenheim actors framework TimeController Institut für Informatik Universität München DanubiaManager Institut für Informatik Universität München Visualisation Institut für Informatik Universität München database Database Institut für Geographie und geographische Fernerkundung Universität München Agriculture Geographisches Institut Univ. Köln Rivernetwork Institut für angewandte Wasserwirtschaft München 1.2 Problematik flächendeckender Niederschlagserfassung am Beispiel von GLOWA-Danube 4 erfassten Größe zählt (ANIOL 1980; RUDOLF et al. 1992), wird innerhalb des Pakets die Niederschlagsverteilung von drei verschiedenen Objekten (At­ moMM5, AtmoSat, AtmoStations) unabhängig voneinander berechnet. Die dafür eingesetzten Modelle können als stellvertretend für häufig verwendete Methoden der flächendeckenden Messung/Modellierung von Niederschlä­ gen angesehen werden: – AtmoStations (MAUSER 2001) beruht auf einer raum-zeitlichen Inter­ polation der Summendaten von ca. 100 ungleichmäßig im Einzugs­ gebiet verteilten Klimastationen (KL) des Deutschen und Österrei­ chischen Wetterdienstes. – AtmoMM5 (PFEIFER 2002) basiert auf dem Mesoskala-Modell 5 (MM5, GRELL et al. 1995), das die Niederschlagsverteilung im stünd­ lichen Zeittakt mit einer räumlichen Auflösung von 45 mal 45 km auf Basis von ECMWF-Reanalysedaten (ECMWF 2005) berechnet. Die für DANUBIA notwendige Auflösung von 1 km2 wird durch ein anschließendes Downscaling-Verfahren inklusive Bias-Korrektur erreicht (FRÜH et al. 2005). – AtmoSat (NAUSS 2004) stützt sich auf eine von REUDENBACH (2003) bzw. REUDENBACH & NAUSS (2004, vgl. auch REUDENBACH et al. 2005) entwickelten Technik, die auf Basis 30minütiger Meteosat-VISSR- Daten (Auflösung ca. 6 mal 8 km) regnende Wolkenbereiche identi­ fiziert und diesen den Niederschlagsprozessen angepasste Regenra­ ten zuweist. Die vorgestellten Methoden haben jeweils spezifische Vor- und Nachteile. Problematisch an den leicht zu implementierenden Interpolationsverfahren ist vor allem die zumeist unbegründete Verteilung von ohnehin schon als kritisch zu betrachtenden Stationsmessungen (RUDOLF & RUBEL 2005, GOODISON et al. 1998, REISS et al. 1992) in der Fläche und über die Zeit. Dies gilt besonders bei der Anwendung in stark reliefierten Regionen. Darüber hinaus erlauben die über Stunden aggregierten Messdaten der Stationen kei­ ne Erfassung der Niederschlagsprozesse bzw. des tatsächlichen Nieder­ schlagsgangs. Abgesehen von diesen methodischen Problemen ist zudem ein dichtes Bodenmessnetz eine notwendige Voraussetzung für die Anwendbar­ keit derartiger Verfahren. Im Hinblick auf den Ausbaustand lokaler Messnetze erscheint die Verwen­ dung von limited-area-Modellen wie dem MM5, das auf Datensätzen glo­ baler Klimamodelle beruht, als vorteilhaft. Derartige Modellkopplungen sind in erster Näherung unabhängig von der Messnetzdichte, wenngleich auch Stationsdaten in die Berechnungen der globalen Modelle einfließen. Während stratiforme Niederschläge mit relativ hoher Genauigkeit berechnet werden können, liegen die Defizite in der Berechnung konvektiver und oro­ graphischer Niederschläge, wobei für letztere die Fehlerspanne durch die re­ liefglättende Wirkung der Auflösung (in AtmoMM5 45 mal 45 km) zusätz­ lich vergrößert wird. Da die Niederschlagsverteilung modelliert und nicht 1.2 Problematik flächendeckender Niederschlagserfassung am Beispiel von GLOWA-Danube 5 flächendeckend gemessen wird, ist zudem mit Unsicherheiten in der raum- zeitlichen Verortung der Ereignisse in der Größenordnung mehrerer Gridzel­ len bzw. Stunden zu rechnen. Demgegenüber bieten satellitengestützte Verfahren eine exakte raum-zeit­ liche Verortung sowie flächendeckende Erfassung der Niederschläge. Die mittels AtmoSat berechnete, stündliche Niederschlagsverteilung der Jahre 1995 bis 2003 (vgl. auch REUDENBACH & NAUSS 2004) zeigt jedoch, dass nur die überwiegend konvektiven Niederschlagsereignisse identifiziert werden. Stratiforme Niederschläge, z.B. im Bereich von Warmfronten, werden nicht bzw. nur unzureichend erkannt und die Niederschlagsfläche somit systema­ tisch unterschätzt (vgl. Kap. 2). Neben bodengebundenen Radarmessungen, die allerdings nur regional ver­ fügbar sind, stellen somit die auf raum-zeitlich hoch aufgelösten Satelliten­ daten beruhenden Techniken die einzige Alternative dar, die tatsächlich eine flächendeckende Niederschlagsableitung erlauben. Die auf die Erfassung überwiegend konvektiver Ereignisse beschränkten Verfahren limitieren je­ doch den Einsatz von Satellitenretrievals gerade in mittleren und höheren Breiten. Andererseits bieten die seit kurzem verfügbaren, hinsichtlich ihrer spektralen Auflösung deutlich erweiterten Satellitensysteme jüngster Gene­ ration (z.B. Meteosat-8-SEVIRI) ein großes Potential zur Verbesserung bis­ heriger Ansätze. 1.3 Zielsetzung der Arbeit In Anbetracht der umrissenen Problematik einer flächendeckenden Erfas­ sung von Niederschlägen in den mittleren Breiten soll ein neues, satelliten­ gestütztes Verfahren zur Abgrenzung der Niederschlagsfläche entwickelt werden. Das Hauptaugenmerk liegt dabei auf der Erfassung der im Zusam­ menhang mit außertropischen Zyklonen auftretenden Niederschlagsprozesse (vgl. Kap. 2.3). Bisherige optische Retrievals basieren im Allgemeinen auf Temperaturschwellwerten (RICHARDS & ARKIN 1981, vgl. Kap. 2.1) und sind deshalb ungeeignet für die Abgrenzung stratiformer Niederschläge aus Wol­ ken mit homogenen, häufig warmen Oberflächen. Eine Änderung bzw. Er­ weiterung dieser Verfahren erscheint daher nicht erfolgsversprechend, son­ dern es muss vielmehr ein grundsätzlich neues Konzeptmodell entwickelt werden. Die grundlegende Neuerung ist in Abb. 2 dargestellt. Es wird postuliert, dass die Niederschlagsfläche nicht aus der Oberflächentemperatur der Wol­ ke, sondern aus deren vertikaler Mächtigkeit und der Größe der Wolkentrop­ fen abgeleitet werden kann. Die Vertikalerstreckung ist dabei nicht nur zum Aufbau ausreichend großer Tropfen gemäß der Dynamik von Wolkensyste­ men notwendig, sondern stellt auch eine steuernde Größe der Evaporation 1.3 Zielsetzung der Arbeit 6 von ausfallenden Tropfen unterhalb der Wolke dar. Letzteres hat wiederum unmittelbaren Einfluss auf die Tropfengröße, da bei höher liegender Wol­ kenbasis (und damit geringerer vertikaler Mächtigkeit) die Fallstrecke der Niederschlagstropfen und damit auch die Wahrscheinlichkeit einer teilwei­ sen oder vollständigen Evaporation zunimmt. Für bis zum Boden reichende Niederschläge müssen die Ausgangstropfen bei hoch liegenden Wolkenba­ sen deshalb größer sein als bei niedrigen Basen (vgl. Kap. 2.4). Auf Grund­ lage dieses Konzeptmodells werden weitere Thesen formuliert: 1. Satellitensensoren neuester Generation verfügen über eine ausrei­ chend hohe spektrale Auflösung zur Erfassung nicht nur konvekti­ ver, sondern auch stratiformer Niederschläge der mittleren und ho­ hen Breiten. 2. Die Verwendung optischer Sensoren ermöglicht eine Ableitung der Niederschlagsfläche über Land- und Wasserflächen. 3. Die Verwendung geeigneter optischer und mikrophysikalischer Wolkenparameter, die Rückschlüsse auf die Mächtigkeit einer Wol­ ke sowie deren Tropfengröße zulassen, ermöglicht die Identifizie­ rung nicht nur konvektiv dominierter, sondern auch stratiform reg­ nender Wolkenbereiche. Damit ist eine physikalisch begründete Ab­ grenzung der Niederschlagsflächen aller Wolkensysteme, insbeson­ dere im Rahmen außertropischer Zyklone, möglich. Auf Grundlage des bereits kurz skizzierten Konzeptmodells bzw. der Ar­ beitshypothesen ergibt sich als Hauptziel der vorliegenden Arbeit die Ent­ wicklung eines automatisierten (operationellen) Verfahrens zur Ableitung der Niederschlagsfläche aus spektral ausreichend aufgelösten Satelliten­ daten. Die damit verbundenen Teilziele sind: 1. Entwicklung einer operationellen Prozessierungskette als Grundlage für die automatisierte Bearbeitung der Satellitendaten. Abbildung 2: Konzeptmodell zur Erfassung der Niederschlagsfläche auf Basis der Wolkendicke und Tropfengröße. W olke ndicke Tropfengröße < 1.3 Zielsetzung der Arbeit 7 2. Vollständige Überarbeitung, Erweiterung und Implementierung eines rechenzeitoptimierten Verfahrens zur Ableitung optischer und mikrophysikalischer Wolkenparameter, die Rückschlüsse auf die vertikale Mächtigkeit und Tropfengröße innerhalb der beobachteten Wolken erlauben. 3. Entwicklung und Implementierung eines Verfahrens zur wolkenphy­ sikalisch begründeten Abgrenzung niederschlagswirksamer Be­ reiche auf Basis der Wolkenparameter. 4. Validierung bzw. Evaluierung sowohl des überarbeiteten und erwei­ terten Verfahrens zur Ableitung der Wolkenparameter als auch des neu entwickelten Verfahrens zur Abgrenzung der Niederschlagsflä­ che. Die Zielsetzungsübersicht zeigt, dass die zugrunde liegende Neukonzeption nicht nur die Entwicklung oder Erweiterung einer einzigen, sondern mehre­ rer fernerkundlicher Techniken notwendig macht, die im Rahmen einer ope­ rationellen Produktgenerierung zusammengefasst werden müssen (vgl. Kap. 1.4). Hinsichtlich des Fokus auf Mitteleuropa ist die Verwendung des geostatio­ nären Meteosat-8-SEVIRI-Systems als optimal anzusehen, da dieses – neben der für eine quasi-kontinuierliche Niederschlagsmessung notwendigen, ho­ hen raum-zeitlichen Auflösung (15 Minuten, < 5 km) – auch eine ausrei­ chende spektrale Auflösung zur Ableitung der notwendigen Wolkenparame­ ter besitzt (12 Kanäle, λ ≈ 0,6...13,4 µm, vgl. ROSENFELD 2000). Aufgrund des um 18 Monate verschobenen Starttermins von Meteosat-8, der letztendlich im Frühjahr 2004 in den operationellen Betrieb gewechselt ist, wurde das Verfahren auf Basis des polarumlaufenden Terra-/Aqua-MODIS-Systems entwickelt, um möglichst früh nach Verfügbarkeit von SEVIRI ein bereits validiertes Verfahren bereitstellen zu können. Die MODIS-Daten haben ge­ genüber beispielsweise den NOAA-AVHRR-Daten, die derzeit von der Eu­ metsat Nowcasting Satellite Application Facility (SAFNWC) zur Entwick­ lung von Verfahren für SEVIRI verwendet werden (THOSS et al. 2002, THOSS & BENNARTZ 2005) den Vorteil, dass sie nicht nur über fünf, sondern über zwölf mit SEVIRI korrespondierende Kanäle verfügen und damit eine opti­ male Entwicklungsplattform darstellen (vgl. Kap. 3.1 bzw. Tab. 1). Durch die Verwendung von mit SEVIRI korrespondierenden MODIS-Kanälen im Rahmen dieser Arbeit ist folglich die spätere Übertragbarkeit des Algorith­ mus sichergestellt. 1.4 Übersicht über die zu entwickelnden Verfahren 8 1.4 Übersicht über die zu entwickelnden Verfahren Wie bereits erwähnt, ist für die operationelle Ableitung der Niederschlags­ fläche die Integration mehrerer Algorithmen notwendig. Den Rahmen dafür bildet das in Abbildung 3 dargestellte MODIS Operational Processing Scheme (MOPS, NAUSS & BENDIX 2005), das eine Implementierungs- und Steuerungsumgebung für die notwendigen Teilprogramme darstellt. Die an der Satellitenstation der Universität Marburg empfangenen Rohdaten werden zu Beginn der operationellen Verarbeitung im Zuge der Vorprozes­ sierung geometrisch korrigiert und radiometrisch kalibriert. Anschließend können die für die Ableitung der Wolkenparameter notwendigen Zusatz­ daten berechnet werden. Als Technik zur Erfassung der Wolkeneigen­ Abbildung 3: Übersicht über die zur Ableitung der Niederschlagsfläche benö­ tigten Arbeitsschritte. Vorprozessierung (z. B. geometrische und radiometrische Korrektur) Berechnung von Zusatzdaten (Bodenalbedo) Ableitung von Wolkenparametern mit der SACURA Technik Erfassung der Niederschlagsfläche mit der RADS Technik Niederschlagsfläche MOPS Satellitendaten Validierung der Ergebnisse des Methodenverbundes aus SACURA und RADS 1.4 Übersicht über die zu entwickelnden Verfahren 9 schaften wird eine an MODIS bzw. SEVIRI angepasste und um die Berück­ sichtigung der Bodenalbedo erweiterte Version des Semi-Analytical CloUd Retrieval Algorithm (SACURA, KOKHANOVKSY et al. 2003; NAUSS et al. 2005; KOKHANOVKSY & NAUSS 2005) verwendet, die ebenfalls in die MOPS-Archi­ tektur integriert wurde. Die eigentliche Identifizierung regnender Wolkenbe­ reiche auf Basis der SACURA-Ergebnisse beruht abschließend auf dem neu entwickelten Rain Area Delineation Scheme (RADS). Im Hinblick auf die 221 MODIS-Szenen umfassende Vergleichsstudie bzw. künftige, automati­ sierte Evaluierungen im regulären Betrieb wurde zudem ein Validierungs­ tool in MOPS integriert, das bei Bedarf zugeschaltet werden kann. Der modulare Aufbau von MOPS garantiert, dass sämtliche produktgenerie­ renden Programme nach Abschluss der vorliegenden Arbeit auf Meteosat-8- SEVIRI übertragen werden können. Für die notwendige Vorprozessierung der SEVIRI-Daten kann auf eine bereits bestehende Verarbeitungskette zu­ rückgegriffen werden (CERMAK et al. 2004). 1.5 Aufbau der Arbeit Abbildung 4 zeigt den weiteren Aufbau der Arbeit. In Kap. 2 wird zunächst ein Überblick über den aktuellen Stand der Forschung auf dem Gebiet der Niederschlagsretrievals gegeben, aus dem sich die Notwendigkeit zur Wei­ terentwicklung der bisherigen Verfahren ergibt (2.2). Die im Rahmen der neuen Technik zu berücksichtigenden Niederschlagsprozesse außertro­ pischer Zyklone werden in 2.3 dargestellt und im Anschluss wird das resul­ tierende Konzeptmodell zur Erfassung der Niederschlagsfläche abgeleitet. Zur Umsetzung des Konzeptmodells wurde eine operationelle Prozessie­ rungskette für MODIS (MOPS) entwickelt. Diese bildet zusammen mit den verwendeten Daten und Modellen den Inhalt des Kap. 3. Die Entwicklung der Kernmodule des neuen Verfahrens beschreibt Kap. 4, das zweigliedrig aufgebaut ist. Der erste Teil beschäftigt sich mit der Erfas­ sung von Wolkeneigenschaften aus Satellitendaten, der zweite Teil mit der Ableitung einer Transferfunktion zwischen Wolkenparametern und Nieder­ schlagsfläche. In 4.1.1 ist eine Übersicht über den Strahlungstransfer in Wolken auf Basis durchgeführter Vorstudien zu finden, in der die für die Ableitung der Wol­ keneigenschaften wichtigsten Parameter kurz vorgestellt werden. Anschlie­ ßend folgt eine Zusammenstellung der Konzepte und Realisierungen ver­ schiedener Wolkenparameterretrievals. Da das sehr rechenzeiteffiziente SA­ CURA auf asymptotischen Lösungen der Strahlungstransfertheorie basiert, wurde eine Evaluierungsstudie durchgeführt, für die auch das auf exakten Strahlungstransfergleichungen beruhende ATSK3-Retrieval (NAKAJIMA & NAKAJIMA 1995; KAWAMOTO et al. 2001) verwendet wurde. Die Anpassungen 1.5 Aufbau der Arbeit 10 von ATSK3 für die Nutzung mit MODIS-Daten sind in Kap. 4.1.3 darge­ stellt. Der für die Ableitung der Wolkenparameter verwendete SACURA- Algorithmus sowie die notwendigen Erweiterungen zum Einsatz über Land­ flächen und mit Datensätzen geostationärer Sensoren werden detailliert in Abschnitt 4.1.4 diskutiert, bevor in 4.1.5 die grundsätzliche Eignung von SACURA im Rahmen der erwähnten Evaluierungsstudie untersucht wird. Die Entwicklung einer Technik zur Ableitung der Niederschlagsfläche ist Gegenstand von 4.2. Hierbei wird zwischen der Erfassung der Nieder­ schlagsgebiete auf Basis der Wolkenparameter (4.2.1) und der Identifizie­ rung von darin enthaltenen, durch konvektive Prozesse dominierten Teilregi­ onen (4.2.2) unterschieden. Die Ergebnisse einer 221 MODIS-Szenen der Monate Januar bis August 2004 umfassenden Validierungsstudie sind ab­ schließend in Kap. 5 dargestellt. Stellvertretend für andere Regionen der Mittelbreiten wurde Deutschland als Entwicklungs- und Testgebiet für RADS ausgewählt. Ausschlaggebend da­ für war, dass die Niederschlagsgenese durch die in 2.3 beschriebenen, fron­ tal- und luftmasseninduzierten Niederschlagsprozesse dominiert wird und Abbildung 4: Übersicht über den Aufbau der Arbeit. Überblick über den Stand der Forschung Notwendigkeit der Entwicklung neuer Verfahren Niederschlagsprozesse in außertropischen Zyklonen Konzeptmodell der RADS Technik Entwicklung von MOPS Darstellung verwendeter Modelle und Daten Optische Eigenschaften von Wolken Verfahren zur Ableitung von Wolkenparametern Anpassung des ATSK3 Algorithmus Erweiterung der SACURA Technik Evaluierungs- und Sensitivitätsstudie von SACURA Entwicklung der RADS Technik Validierung von RADS 2.1 2.2 3 2.3 2.4 3.1.1 3.1.2 3.1.3 3.1.4 4.1.5 4.2 5 1.5 Aufbau der Arbeit 11 darüber hinaus diese idealtypischen Prozesse durch die komplexe Topogra­ phie Deutschlands, insbesondere der Alpen (FREYTAG 1990; KURZ 1990, 1994; TAFFERNER 1990), modifiziert werden. Darüber hinaus steht ein ausrei­ chend dichtes Bodenradarnetzwerk des Deutschen Wetterdienstes (DWD, vgl. Kap. 3.2.1) zur Entwicklung und Validierung des Verfahrens zur Verfü­ gung. Es handelt sich folglich um ein ideales Gebiet zur Untersuchung von Niederschlägen in zyklonalen Systemen. 2 Konzeption eines Verfahrens zur operationellen Ableitung der Niederschlags­ fläche aus optischen Satellitendaten über Mitteleuropa 12 2 Konzeption eines Verfahrens zur operationellen Ableitung der Niederschlagsfläche aus optischen Satellitendaten über Mitteleuropa Im Folgenden soll zunächst ein Überblick über den aktuellen Stand der For­ schung auf dem Gebiet satellitenbasierter Niederschlagsretrievals gegeben werden, aus dem sich unmittelbar die Notwendigkeit zur Weiterentwicklung bisheriger Verfahren für die Anwendung in mittleren und hohen Breiten ab­ leiten lässt. Anschließend werden die in diesen Regionen dominierenden, häufig mit außertropischen Zyklonen in Verbindung stehenden Nieder­ schlagsprozesse idealtypisch dargestellt und darauf aufbauend das Konzept­ modell des neu entwickelten Rain Area Delineation Schemes (RADS) be­ handelt. 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsableitung Satellitenretrievals nutzen in der Regel die elektromagnetischen Eigen­ schaften der potentiell regnenden Wolken und/oder der Niederschlagstrop­ fen, um die räumliche Niederschlagsverteilung abzuleiten. Ausnahmen bil­ den beispielsweise der Ansatz von KAKANE et al. (1992), die anhand der durch Feuchte reduzierten Bodenoberflächentemperatur die Niederschlags­ verteilungen im Senegal herleiten, oder derjenige von BLACK et al. (1997), die akustische Aufzeichnungen von Ozeanbojen verwenden, um aus den Tonfrequenzen der auf die Meeresoberfläche auftreffenden Regentropfen die Niederschlagscharakteristik zu bestimmen. Von solchen Sonderfällen abgesehen, kann die Vielfalt der atmosphärischen Fernerkundungsmethoden zum einen nach der Komplexität der Algorithmen, zum anderen nach den Sensoreigenschaften gruppiert werden. Darüber hinaus ist eine Unterteilung in geneigte (TRMM, KUMMEROW et al. 1998), polare (z.B. NOAA-AVHRR, HASTINGS et al. 1992) und geostationäre Orbits möglich. Während geostatio­ näre Systeme ausschließlich über optische Sensoren wie GOES (MENZEL & PURDOM 1994) oder Meteosat-8-SEVIRI (SCHMETZ et al. 2002) verfügen, sind auf Polarorbitern auch passive Mikrowellensensoren (z.B. SSM/I, HOLLINGER et al. 1990) im Einsatz. Im Rahmen der Tropical Rainfall Measurement Mis­ sion (TRMM) ist zudem der im Hinblick auf die Niederschlagserfassung derzeit einzige aktive Mikrowellensensor (Precipitation Radar, PR) verfüg­ bar. Die semi-äquatoriale Umlaufbahn von TRMM limitiert jedoch die An­ 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsableitung 13 wendung auf niedere Breiten, so dass über Mitteleuropa nur passive Mes­ sungen verfügbar sind. Der folgende Überblick über den aktuellen Stand operationeller Niederschlagsretrieval beschränkt sich daher auf Verfahren für passive Sensoren und folgt zunächst der Untergliederung nach dem Sen­ sortyp, um abschließend hybride Methoden vorzustellen. Weiterführende Übersichten über den jeweiligen Stand der Forschung finden sich bei KIDDER & VONDER HAAR (1995) sowie LEVIZZANI (1998, 1999, 2000) bzw. LEVIZZANI et al. (2002); für Ausführungen zu TRMM-PR siehe IGUCHI et al. (2000) oder FERREIRA et al. (2001). 2.1.1 Niederschlagsretrieval unter Verwendung optischer Sensoren Operationelle optische Niederschlagsretrieval bestehen grundsätzlich aus zwei Komponenten: einem fernerkundungsbasierten Algorithmus zur Ab­ grenzung der Niederschlagsfläche auf Basis der Wolkenoberflächeneigen­ schaften und einem empirischen bzw. modellbasierten Ansatz zur Zuwei­ sung der Regenrate. Die ältesten Verfahren verwenden zur Erfassung der Wolkeneigenschaften Sensorkanäle im thermalen Infrarot (IR, Wellenlänge λ ≈ 10...13 µm), jüngere auch Kanäle im sichtbaren (VIS, λ ≈ 0,4...0,9 µm), nahen infraroten (NIR, λ ≈ 1,2...3,9 µm) oder wasserdampfabsorbierenden (WV, λ ≈ 6,5...7,5 µm) Spektralbereich. Die Zuweisung der Niederschlags­ rate geschieht meist als Funktion der Wolkenoberflächentemperatur. Die folgende Übersicht gruppiert die Verfahren nach Modellkonzept bzw. Kom­ plexität des Algorithmus entsprechend den Einteilungen von BARRETT & MARTIN (1981). 2.1.1.1 Wolkenindex-Verfahren Wolkenindex-Verfahren sind einfache Schwellwertverfahren, die den im Sa­ tellitenbild als regnend identifizierten Regionen konstante Niederschlagsra­ ten zuweisen und für klimatologische Studien (raum-zeitliche Aggregation) verwendet werden können. Die Niederschlagsrate beruht auf einem stati­ stischen Zusammenhang zwischen Wolkenoberflächentemperatur im IR und Bodenmessungen mit Radar- oder konventionellen Niederschlagsstationen. Das wahrscheinlich meist verbreitete Verfahren ist der GOES Precipitation Index (GPI, ARKIN & MEISNER 1987). Basierend auf den von ARKIN (1979) im Rahmen des Global Atmosphere Research Programme (GARP) Atlantic Tropical Experiment (GATE) durchgeführten Studien zum Zusammenhang zwischen räumlich gemittelten Niederschlägen und der Auftrittshäufigkeit kalter Wolken wird ein Niederschlagsschwellwert der Wolkenoberflächen­ temperatur von 235 K angenommen. Für Breiten zwischen 30° und 50° führt ein Schwellwert von 220 K zur besten Übereinstimmung mit Bodenmes­ sungen (ARKIN & MEISNER 1987). Den so identifizierten Regionen wird eine 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsableitung 14 konstante Niederschlagsrate von 3 mm/h zugewiesen und das Ergebnis auf ein 2,5° mal 2,5° Raster aggregiert. Der GPI wird operationell für Wochen- bis Monatswerte des Niederschlags von der Working Group on Data Ma­ nagement (WGDM) des Global Precipitation Climatology Project (GPCP) im Rahmen des World Climate Research Programme (WCRP) verwendet (ARKIN & JANOWIAK 1991; ARKIN et al. 1994; XIE & ARKIN 1997; HUFFMAN et al. 1997). Eine Übertragung des GPI auf Meteosat-VISSR wurde von KERRACHE & SCHMETZ (1988) durchgeführt und von MENZ (1997) sowie BA & NICHOLSON (1998) über Ostafrika angewendet. Eine Übersicht über weitere Nieder­ schlagsretrieval zum Einsatz in Klimastudien findet sich bei ARKIN & ARDANUY (1989). 2.1.1.2 Bispektrale Verfahren Bispektrale Methoden beruhen auf den wellenlängenabhängigen Strahlungs­ eigenschaften verschiedener Wolkentypen und unterscheiden sich von den Indexverfahren durch die zusätzliche Berücksichtigung eines Kanals im VIS. Sie basieren auf der Annahme, dass regnende Wolken hohe Reflexi­ onswerte (VIS) und kalte Wolkenoberflächentemperaturen (IR) aufweisen, was idealtypisch auf tropische Cumulonimbus-Wolken zutrifft. Kalte, je­ doch wenig reflektierende Wolken (dünne Cirren) und warme, stark reflek­ tierende Wolken (Stratus) werden als niederschlagsunwirksam ausgewiesen. Die Diskriminanzfunktion zwischen regnenden und nicht-regnenden Wolken wird aus Vergleichen mit Bodenradardaten abgeleitet. Dieses Konzept liegt RAINSAT (LOVEJOY & AUSTIN 1979; BELLON et al. 1980) zu Grunde. Eine Portierung des Algorithmus von GOES auf Meteosat-VISSR mit Fokus auf Großbritannien wurde von CHENG et al. (1993) bzw. CHENG & BROWN (1995) vorgenommen. Erste objektorientierte Ansätze gehen ebenfalls auf diese Methodengruppe zurück. TSONIS & ISAAC (1985) sowie TSNOIS (1987) verwenden eine Clustera­ nalyse zur Identifikation von potentiell regnenden Wolkenbereichen aus den VIS/IR Histogrammen, und O'SULLIVAN et al. (1990) beziehen zudem Textur­ muster innerhalb einer 10 mal 10 Pixelumgebung mit in das Identifikations­ schema ein. Gegenüber reinen IR Verfahren zeigen bispektrale Methoden bessere Über­ einstimmungen mit Referenzdaten bei warmen Niederschlägen (KING et al. 1995), die durch die relativ kalten Schwellwerte bei den Wolkenindex-Ver­ fahren von vornherein ausgeschlossen werden. Dennoch sind diese Ansätze, ebenso wie die Index-Verfahren, nur eingeschränkt für die Erfassung der Niederschlagsprozesse in den Mittelbreiten geeignet, da stratiforme Wolken explizit aus der Niederschlagszuweisung ausgeschlossen werden. 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsableitung 15 2.1.1.3 Lebenszyklus-Verfahren Lebenszyklus-Verfahren versuchen, die zeitliche Variation der Niederschlä­ ge konvektiver Systeme zu berücksichtigen und benutzen daher im Gegen­ satz zu den bisher vorgestellten Ansätzen keine fixierte Niederschlagsrate. Die Griffith-Woodley-Technik (GRIFFITH et al. 1978) verwendet hierfür die Differenz der Wolkenoberflächentemperaturen in zwei aufeinanderfol­ genden Aufnahmen als Maß für die Aktivität konvektiver Wolken. Sie stellt damit die erste Methode dar, die explizit auf die zeitlich relativ hohen Repe­ titionsraten geostationärer Sensoren (≤ 30 min.) angewiesen ist. Als proble­ matisch bei diesen Verfahren erweist sich das Verfolgen, also die automati­ sierte Wiedererkennung der einzelnen Konvektionswolken über die aufein­ anderfolgenden Aufnahmen hinweg. Diese Problematik umgehen NEGRI et al. (1984) durch den modifizierten Ansatz der Negri-Adler-Wetzler-Technik (NAW), die unterschiedliche Niederschlagsarten auf Basis einer einzigen Aufnahme zuweist und zu vergleichbaren Ergebnissen wie das Verfahren von Griffith-Woodley führt. AMORATI et al. (2000) zeigen, dass derartige Lebenszyklus-Methoden zu gu­ ten Ergebnissen bei ausgeprägten (tropischen) Konvektionssystemen führen, jedoch ungeeignet für die Erfassung stratiformer oder nur schwach konvek­ tiver Niedersschlagssysteme der Mittelbreiten sind. Aktuell wird diese Me­ thodengruppe als überwachtes Nowcasting-Verfahren (NOAA-NESDIS- Technik, SCOFIELD & OLIVER 1977) zum Monitoring von Hochwasserereignis­ sen verwendet (SCOFIELD 1987; SCOFIELD & NAIMENG 1994; VICENTE & SCOFIELD 1996). 2.1.1.4 Wolkenmodell-Verfahren Wolkenmodell-Verfahren bilden die ersten Ansätze, wolkenphysikalische Prozesse explizit in den Niederschlagsretrievals zu berücksichtigen. Die Niederschlagsraten beruhen bei diesen Verfahren nicht auf statistischen Korrelationen zwischen beobachteter Wolkenoberflächentemperatur und Niederschlagsverteilung am Boden, sondern auf durch Wolkenmodelle be­ rechneten Wolkenoberflächentemperaturen und zugehörigen Regenraten (GRUBER 1973; WYLIE 1979). Basierend auf Untersuchungen von ADLER & MACK (1984) entwickelten ADLER & NEGRI (1988) die Convective Stratiform Technique (CST) für tropisch-konvektive Systeme. Lokale Temperaturmini­ ma im IR-Kanal dienen im fernerkundlichen Modul der CST zunächst zur Identifikation konvektiver Kerne, und potentiell regnende, unmittelbar die Konvektionskerne umgebende, stratiforme Wolkenbereiche (vgl. Kap. 2.3) können ebenfalls über abgeleitete Temperaturschwellwerte maskiert werden. Nicht-regnende Cirren werden aufgrund einer auf Radardaten beruhenden Diskriminanzfunktion ausgeblendet. Die Zuweisung der konvektiven Regen­ rate erfolgt anschließend auf Basis von Regressionsfunktionen zwischen mi­ nimaler Wolkenoberflächentemperatur und maximaler Niederschlagsrate, 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsableitung 16 die auf eindimensionalen Wolkenmodellrechnungen beruhen. Den strati­ formen Niederschlagsgebieten wird ein statischer Wert von 2 mm/h zuge­ wiesen. Während die CST erfolgreich zur Erfassung der Niederschlagsprozesse in den Tropen eingesetzt werden kann (BENDIX 1997, 2000), zeigen sich Schwä­ chen in außertropischen Klimaten (LEVIZZANI et al. 1990; NEGRI & ADLER 1993, POMPEI et al. 1995). REUDENBACH (2003) modifizierte deshalb die CST zur Enhanced Convective Stratiform Technique (ECST) und entwickelte ein explizit auf die sommerlichen Konvektionsniederschläge Europas abge­ stimmtes Verfahren. Die Hinzunahme eines WV-Kanals zum IR-Kanal der CST ermöglicht zum einen eine verlässlichere Unterscheidung von konvek­ tiven Kernen und nicht-regnenden Cirrenschirmen und zum anderen eine au­ toadaptive Bestimmung der Tropopausentemperatur zur flexiblen Abgren­ zung von konvektiven und diese umschließenden stratiformen Nieder­ schlagsbereichen. Durch die Optimierung auf konvektiv bestimmte Nieder­ schlagsereignisse weisen aber auch weit entwickelte Verfahren wie die ECST Defizite hinsichtlich der Identifikation ausgedehnter stratiformer Nie­ derschlagsfelder auf, die nicht in unmittelbar räumlichem Kontakt zu den konvektiven Wolkenkernen stehen bzw. warme Wolkenoberflächen aufwei­ sen. 2.1.2 Passive Mikrowellenverfahren In den verwendeten Mikrowellenfrequenzen (MW, f ≈ 19,3...85,5 GHz) sind Wolken durchlässig, und die Strahlungsextinktion ist zu gewissen Teilen di­ rekt auf Absorptions- bzw. Streuungsprozesse durch die Niederschlagsparti­ kel zurückzuführen, wenngleich auch Wolkentropfen, Wasserdampf und Sauerstoff zur Absorption beitragen. Im Hinblick auf die Strahlungsinterak­ tion an den Hydrometeoren dominieren bei Frequenzen kleiner 22 GHz Ab­ sorptionsprozesse, bei Frequenzen größer 85,5 GHz die Streuung an Eiskri­ stallen. Dazwischen treten beide Extinktionsprozesse in Abhängigkeit der Frequenz sowie der Tropfengröße und -phase auf. Folglich basieren passive MW-Verfahren auf einer physikalisch direkteren Beziehung zwischen Nie­ derschlag und Sensorsignal als optische Verfahren im VIS bis IR, die die Niederschlagsverteilung indirekt auf Basis der Eigenschaften der Wolkeno­ berfläche ableiten. Die entwickelten MW-Retrievals können prinzipiell in zwei Algorithmen­ gruppen untergliedert werden: Verfahren, die auf Regressionen zwischen Bodenmessungen und Sensorsignalen beruhen, und komplexere Methoden, welche die mikrophysikalischen Niederschlagsprozesse berücksichtigen. Beispielhaft für Regressionsverfahren sind die Arbeiten von WEINMAN & GUETTER (1977), GRODY (1984) und SPENCER et al. (1989), die statische bzw. den meteorologischen Bedingungen angepasste Korrekturwerte für die 37- 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsableitung 17 GHz-Temperatur vorschlagen, um die unterschiedlichen Emissivitäten von Land- und Wasseroberflächen zu berücksichtigen. KIDD (1998) wendet dieses Prinzip auf die Temperatur im Bereich von 85 GHz an. Die Grundlage für die komplexen Algorithmen (z.B. KUMMEROW & GIGLIO 1994, 1994a) bilden Strahlungstransfersimulationen von z.B. MUGNAI et al. (1990, 1993) und SMITH et al. (1992) über die Strahlungseigenschaften von Wolken als Funktion der Lebenszyklusphase. Der Einfluss des Schmelz­ bandes auf das MW-Signal wurde von BAUER (2001) untersucht, und KUMMEROW et al. (2001) weisen auf den entscheidenden Einfluss einer kor­ rekten Abgrenzung zwischen konvektiven und stratiformen Niederschlagsre­ gionen hin, die von ANAGNOSTOU & KUMMEROW (1997) mittels einer Diskrimi­ nanzfunktion im Bereich von 85 GHz bzw. von OLSON et al. (2001) mittels Textur- und Polarisationsinformationen vollzogen wird. Im operationellen Betrieb werden die Niederschlagsprodukte zumeist nicht auf Basis einer Sensor/Plattform-Kombination berechnet, sondern unter Verwendung verschiedener Satellitensysteme, um die zeitliche Repetitions­ rate zu erhöhen. Eine strikte Trennung der operationellen Produkte ist daher in den seltensten Fällen möglich. Die NOAA Climate Prediction Center (CPC) Merged Microwave Technique basiert beispielsweise auf dem SSM/I-Retrieval von FERRARO et al. (1994), dem TMI-Produkt von KUMMEROW et al. (2001) und dem AMSU-B-Algorithmus von WENG et al. (2003). Eine Übersicht über weitere passive MW-Verfahren findet sich bei WILHEIT et al. (1994) und PETTY (1995), ein Überblick über den Einsatz von MW-Soundern (z.B. AMSU), die aufgrund des across-track Scanverfahrens und der sich folglich um bis zu Faktor zwei zwischen Nadir und maximalem Scanwinkel vergrößernden Pixelfläche problematisch für die Erfassung räumlich hoch variabler Niederschlagsprozesse sind, bei LEVIZZANI et al. (2002). Der derzeit vielleicht größte Nachteil der MW-Verfahren liegt in der gegen­ über geostationären Sensoren relativ niedrigen und sich gegenseitig bedin­ genden, raum-zeitlichen Auflösung. Die räumliche Auflösung der MW-Sen­ soren ist durch die Diffraktion bestimmt und damit proportional zur Anten­ nengröße bzw. invers proportional zum Abstand zwischen dem Sensor und dem Zielobjekt, so dass MW-Systeme ausschließlich auf polaren bzw. ge­ neigten Umlaufbahnen eingesetzt werden. Hieraus ergibt sich beispielsweise eine Pixelfläche des Special Sensor Microwave Imager (SSM/I) zwischen 15 x 13 km (85,5 GHz) und 69 x 43 km (19,35 GHz) gegenüber 3 x 3 km bei Meteosat-8-SEVIRI. Unabhängig davon sind die räumlich hoch variablen Emissivitäten der Land­ oberflächen als problematisch einzustufen (FERRARO et al. 1994). Während Ozeanflächen mit niedrigen Emissivitäten (~ 0,4) und hoher Polarisation ei­ nen deutlichen Kontrast zur hohen Emissivität (~ 0,8) und niedrigen Polari­ sation der Niederschlagstropfen darstellen, wird die Niederschlagsableitung über Landflächen mit Emissivitäten zwischen 0,7 und 0,9 und ebenfalls niedriger Polarisation deutlich erschwert. Deshalb sind viele aktuelle MW- Algorithmen analog den VIS/IR basierten Verfahren aus zwei Teilen aufge­ 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsableitung 18 baut (SMITH et al. 1998): einem Verfahren zur Identifikation der Nieder­ schlagsfläche bzw. zur Eliminierung von Untergrundeinflüssen und einem Verfahren zur Konvertierung der MW-Temperaturen in Niederschlagsraten (GRODY 1991; FERRARO et al. 1998). Der Vorteil des direkteren physika­ lischen Bezugs zwischen Sensorsignal und Niederschlagstropfen geht hier­ bei zumindest in Teilen verloren, was jedoch keine nachteiligen Auswir­ kungen auf die Ergebnisgenauigkeit haben muss (FERRARO et al. 1998), da auch die physikalisch basierten Retrievals, beispielsweise im Hinblick auf die als homogen angenommenen Niederschläge, große potentielle Unsicher­ heiten bergen (KUMMEROW 1998). 2.1.3 Hybride Methoden Internationale Vergleichsstudien zwischen unterschiedlichen Niederschlags­ retrievals zeigen, dass MW-Verfahren v.a. für zeitlich nicht gemittelte Nie­ derschlagsmessungen über den Ozeanen prädestiniert sind, wohingegen VIS/IR-Verfahren bei zeitlicher Mittelung zu besseren Ergebnissen über den Landflächen führen (ARKIN & XIE 1994; BARETT et al. 1994). Hybride Ver­ fahren versuchen daher, die Vorteile der VIS/IR- und MW-Verfahren zu koppeln, um so insgesamt zu einer Verbesserung beizutragen. Im Hinblick auf klimatologische Niederschlagsprodukte entwickelten ADLER et al. (1991, 1993, 1994) den auf GOES- und SSM/I-Daten basierenden Ad­ justed GOES Precipitation Index (AGIP), der von XU et al. (1999) zum Uni­ versally AGIP ausgebaut wurde. Erste Ansätze zur Echtzeit-Erfassung von Niederschlägen gehen auf VICENTE (1994) zurück. Das Prinzip dieser Ansät­ ze beruht überwiegend auf einer mehrmals täglichen Kalibrierung des IR- Temperaturschwellwertes für Niederschläge und/oder der IR-Temperatur basierten Regenrate durch die MW-Retrievals. Beispiele für solche Verfah­ ren stammen von TODD et al. (2001), MILLER et al. (2000), CHEN & LI (2002), NEGRI et al. (2002) für die Integration von CST und TRMM-Daten oder HEINEMANN et al. (2002) für die Kombination von Meteosat-7-VISSR und SSM/I-Daten im Eumetsat Multi-Sensor Precipitation Estimate Project (MPE). Eines der derzeit wohl integrativsten Verfahren mit einer schrittwei­ sen Einbeziehung von SSM/I, TMI und AMSU-A/B geht auf TURK et al. (1998, 2000) zurück. Die gleiche Zielsetzung verfolgen auch aktuelle inter­ nationale Projekte wie EURAINSAT bzw. RAINCLOUDS (LEVIZZANI et al. 2000, 2001, 2001a, 2002) oder das Advanced MPE (AMPE), in deren Rah­ men auch die in dieser Arbeit entwickelte Technik genutzt werden wird. Alternativ zu den bisher genannten Konzepten kann die Information der IR- Daten auch ausschließlich zur Weiterführung der MW-basierten Nieder­ schlagsfelder bis zum nächsten verfügbaren MW-Überflug genutzt werden. Ein Beispiel dafür ist die CPC Morphing Technique (CMORPH, JOYCE et al. 2004), die Form und Intensität der MW-Niederschlagsfelder zwischen aufei­ nander folgenden Datensätzen von SSM/I, AMSU-B, AMSR-E und TRMM mit Hilfe von geostationären IR-Daten ineinander überblendet. 2.1 Aktueller Stand satellitenbasierter Verfahren zur Niederschlagsableitung 19 Neben der Kombination aus VIS/IR- und MW-Verfahren wurden in den letzten Jahren auch Hybridverfahren basierend auf passiven (TRMM-TMI) und aktiven (TRMM-PR) MW-Sensoren entwickelt (z.B. BAUER et al. 2000; SCHULZ et al. 2002) oder zusätzlich weitere Datensätze, z.B. aus konventio­ nellen Niederschlagsstationen (XIE & ARKIN 1996, 1998; HUFFMAN et al. 1997), integriert. Eine detailliertere Übersicht über Hybrid-Verfahren findet sich bei LEVIZZANI et al. (2002). Die grundsätzliche Anwendbarkeit hybrider Verfahren in den Mittelbreiten zeigen BELLON et al. (1980) für Kanada bzw. VICENTE et al. (1998) für die USA, wobei beide Fallstudien auf einer Kombination von GOES- und Bo­ denradardaten beruhen. Eine alternative Kombination für ein physikalisches Retrieval für SSM/I ist von DRÜEN & HEINEMANN (1998) implementiert wor­ den, die auf AVHRR-Daten basierende Wolkenmasken kontinuierlich in das verwendete Strahlungstransfermodell von KUMMEROW et al. (1989) assimilie­ ren. 2.2 Notwendigkeit der Entwicklung eines satellitenbasierten Verfahrens zur Erfassung der Niederschlagsfläche in den Mittelbreiten Weltweite Evaluierungsstudien zeigen, dass die derzeitigen operationellen Fernerkundungsverfahren vor allem über den Landflächen der mittleren und hohen Breiten Defizite aufweisen (EBERT et al. 1996; ADLER et al. 2001). Dies lässt sich unmittelbar aus den zuvor dargestellten Retrievalkonzepten ableiten. IR-basierte Techniken beruhen auf der Annahme, dass Wolken mit kalten Wolkenoberflächentemperaturen eine höhere Niederschlagswahrscheinlich­ keit und -rate aufweisen als Wolken mit wärmeren Oberflächen (RICHARDS & ARKIN 1981). Diese Vorstellung entspricht den auf hochreichenden Konvek­ tionswolken (Cumulonimbus) basierenden Niederschlagsprozessmodellen der Tropen (GRUBER 1973). In höheren Breiten müssen zunehmend auch stra­ tiforme Niederschläge, z.B. in Verbindung mit außertropischen Zyklonen berücksichtigt werden (nachfolgend als advektiv/stratiform bezeichnet). Di­ ese stehen häufig mit homogenen Wolken in Verbindung, deren Obergrenze zwischen 3 und 6, manchmal 8 km liegt (BELYAKOV et al. 1984; BROWNING & MONK 1982; GAO & ZANG 1988; HOBBS et al. 1980; RYAN & WILSON 1985; SAARIKIVI 1983) und folglich zu warm bzw. unstrukturiert ist, um von den herkömmlichen IR-Verfahren berücksichtigt zu werden. Die Mehrzahl der bestehenden optischen Niederschlagsretrievals fokussiert daher auf tro­ pischen und subtropischen Regionen (LEVIZZANI et al. 2001b; LEVIZZANI 2003). Im Gegensatz hierzu sind MW-Techniken grundsätzlich für den Ein­ satz in mittleren und hohen Breiten geeignet, da sie eine verlässliche Tren­ 2.2 Notwendigkeit der Entwicklung eines satellitenbasierten Verfahrens zur Er­ fassung der Niederschlagsfläche in den Mittelbreiten 20 nung konvektiver und advektiv/stratiformer Niederschlagsflächen ermögli­ chen. Die hohen und räumlich variablen Emmissivitäten der Landoberflä­ chen schränken die Genauigkeit über diesen Gebieten jedoch stark ein. Zusammengefasst und unter Einbeziehung der Eigenschaften der verwende­ ten Sensor/Plattform-Kombinationen kann somit Folgendes festgehalten werden: Den Vorteilen der bestehenden operationellen VIS/IR-Verfahren, nament­ lich 1. der hohen räumlichen Auflösung (≤ 10 km) der geostationären Sen­ soren, 2. der hohen zeitlichen Auflösung (≤ 30 Minuten) der geostationären Sensoren und 3. der verlässlichen Identifikation überwiegend konvektiv induzierter Niederschläge in den Tropen und Subtropen, sowohl über Wasser- als auch über Landflächen, stehen die Defizite hinsichtlich advektiv/stratiformer Niederschläge in Ver­ bindung mit außertropischen Zyklonen gegenüber. Die Vorteile der MW-Verfahren liegen in der prinzipiell möglichen Erfas­ sung von 1. konvektiven Niederschlagsprozessen und 2. advektiv/stratiformen Niederschlagsprozessen als Folge des physikalisch direkteren Zusammenhangs zwischen Sensorsi­ gnal und Niederschlag. Dem stehen jedoch 1. die moderate räumliche Auflösung (13...70 km), 2. die geringe zeitliche Auflösung der polarumlaufenden Sensorplatt­ formen und 3. die zum Teil erheblichen Genauigkeitsverluste der Verfahren über den Landoberflächen als Nachteile gegenüber. Diese Übersicht verdeutlicht, dass selbst hybride Techniken über den Land­ oberflächen der mittleren Breiten nur eingeschränkt verwendet werden kön­ nen. Durch die Entwicklung eines geeigneten Verfahrens zur Abgrenzung der Niederschlagsflächen für Mitteleuropa und Regionen vergleichbarer Niederschlagsgenese würde folglich ein bisher nicht verfügbares Potential für die hydrologische bzw. klimatologische Forschung erschlossen werden. Deshalb soll im Rahmen der vorliegenden Arbeit das Rain Area Delineation Scheme (RADS) entwickelt werden. Neben der eigenständigen Anwendung, z.B. im Rahmen von klimatologischen Studien, die die raum-zeitliche Ver­ teilung der Niederschlagsaktivität untersuchen (vgl. Kap. 6), bietet RADS auch eine verbesserte Grundlage für die quantitative Niederschlagsmessung 2.2 Notwendigkeit der Entwicklung eines satellitenbasierten Verfahrens zur Er­ fassung der Niederschlagsfläche in den Mittelbreiten 21 in mittleren und hohen Breiten. Die hierfür notwendigen Regenraten können aus existierenden Algorithmen bzw. der Literatur entnommen oder in wei­ terführenden Studien beispielsweise aus Modellrechnungen abgeleitet wer­ den. Entscheidend für die Qualität und das spätere Anwendungsspektrum von RADS ist die Entwicklung und Umsetzung eines innovativen und tragfä­ higen Konzeptmodells, das eine Erfassung der Niederschlagsverteilung im Zusammenhang mit außertropischen Zyklonen ermöglicht. Bevor dieses Konzept in 2.4 vorgestellt wird, folgt zunächst ein Überblick über die dabei zu berücksichtigenden Niederschlagsprozesse. 2.3 Dominierende Niederschlagsprozesse in den Mittelbreiten im Hinblick auf die zugrunde liegenden wolkenphysikalischen Prozesse Die Konzeptmodelle optischer Niederschlagsretrieval beruhen überwiegend auf den idealtypisch für hochreichende Cumulonimben (Cb) geltenden Nie­ derschlagsprozessen. Fortgeschrittene Techniken wie die CST (ADLER & NEGRI 1988) oder die speziell für Mitteleuropa entwickelte ECST (REUDENBACH 2003) versuchen zudem, die in Vergesellschaftung mit den konvektiven Niederschlägen auftretenden, stratiformen Niederschläge aus typischerweise Nimbostratus praecipitatio cumulogenitus (nachfolgend nur als Ns bezeichnet) zu erfassen (vgl. SCHIESSER et al. 1995; HAGEN et al. 2000). Letztere nehmen in der Regel 90% der Niederschlagsfläche innerhalb eines mesoskaligen, konvektiven Systems (MCC) ein (HOUZE 1993). Zur Bildung von Niederschlägen aus Ns sind Eispartikel in der Höhe notwendig, die über Aggregations- bzw. Vergraupelungsprozesse für die Bildung der Regentrop­ fen verantwortlich sind. Das zugrunde liegende wolkenphysikalische Prinzip zur Herkunft dieser Eispartikel in solchen Vergesellschaftungen ist in Abb. 5 nach HOUZE (1993) dargestellt. Sie zeigt zum Zeitpunkt t0 (Abb. 5a) eine aktive Konvektionswolke und einen Eispartikel 1 in der Nähe der Wolkeno­ bergrenze, der im unteren Wolkenbereich gebildet und durch den starken Aufwind nach oben transportiert wurde. Die erste Alternative zur Entstehung des Ns setzt im weiteren Verlauf einen Alterungsprozess des aktiven Kerns (vgl. JOHNSON & YOUNG 1983) bei gleich­ zeitig nicht vorhandener vertikaler Windscherung voraus. Durch den Alte­ rungsprozess wandelt sich der Charakter der Wolke zum Zeitpunkt t1 = t0 + ∆ t (Abb. 5b), und mit dem nachlassenden Auftrieb im oberen Bereich des entstandenen Ns beginnt der Eispartikel 1 langsam zu fallen. Gleichzeitig bilden sich am Rande des alternden Systems zwischen B und C neue kon­ vektive Kerne aus, die neue Eispartikel in große Höhen transportieren (Eisp­ artikel 2). Mit eintretendem Zerfallsstadium des Systems zwischen B und C 2.3 Dominierende Niederschlagsprozesse in den Mittelbreiten im Hinblick auf die zugrunde liegenden wolkenphysikalischen Prozesse 22 zum Zeitpunkt t2 = t1 + ∆ t (Abb. 5c) vergrößert sich die Ns-Fläche aufgrund der genannten Prozesse weiter, und Eispartikel 2 beginnt zu sinken. Eisparti­ kel 1 ist zu diesem Zeitpunkt bereits an der Obergrenze der in Radardaten sichtbaren Aufschmelzschicht angekommen. Zwischen C und D bilden sich weitere Konvektionskerne aus, die zur Bildung von Eispartikel 3 geführt ha­ ben, der im weiteren Verlauf analog zu Partikel 2 und 1 absinken wird. Der Ns wird folglich durch immer wieder an anderer Stelle neu entstehende und alternde Konvektionskerne regeneriert. Das Alternativkonzept erklärt die Entstehung des Ns unter genau entgegen­ gesetzten Rahmenbedingungen und setzt sich kontinuierlich regenerierende Konvektionsprozesse zwischen C und D und gleichzeitig vorhandene verti­ kale Windscherungen mit von links nach rechts strömenden Höhenwinden voraus (nur Abb. 5c). In diesem Fall würden die Positionen 3, 2, 1 den Weg ein und desselben Eispartikels zu drei aufeinander folgenden Zeitschritten beschreiben, und die gekrümmte Abstiegsbahn wäre das Resultat aus hori­ zontaler Windströmung und vertikaler Fallgeschwindigkeit. In der Realität treten beide Prozesse zumeist in Kombination auf, jedoch sind zwei Sonderfälle an dieser Stelle zu erwähnen: Der eine Fall setzt die Dominanz der ersten Alternative (Alterungsprozess, keine Windscherung) voraus. Kommt es in diesem Fall nicht immer wieder zu neuen Konvekti­ onen am Rande des bestehenden Systems, so bildet sich ein reiner Ns ohne Vergesellschaftung von Cumulus-Wolken aus. Zum gleichen Resultat, also stratiforme Niederschlägen ohne räumlich in direkter Verbindung stehende Konvektionswolken, kommt es, wenn im Falle der zweiten Alternative (kein Alterungsprozess, Windscherung) die relative Windgeschwindigkeit in der Höhe sehr stark ist und somit zu einer Lücke zwischen Konvektionsgebieten und genetisch immer noch damit verbundenen Ns-Regionen führt (vgl. HOUZE 1993). Abbildung 5: Konzeptmodell für die Entstehung von Nimbostratus in Vergesellschaf­ tung mit Cumulonimbus-Wolken. Graue, vertikale Bänder repräsentieren Regionen erhöhter Konvektion, horizontale Bänder die in Radardaten erkennbaren Schmelzbänder. Quelle: nach HOUZE (1993). a) 1 AB b) 2 1 ABC c) 3 2 1 ABCD 2.3 Dominierende Niederschlagsprozesse in den Mittelbreiten im Hinblick auf die zugrunde liegenden wolkenphysikalischen Prozesse 23 Obige Vorstellung ist ausreichend für die Beschreibung von Gewitterstür­ men (HOUZE 1997) und von Niederschlagsprozessen im Bereich der schma­ len kaltfrontalen, z.T. auch der warmsektoralen und postfrontalen Bänder außertropischer Zyklone (vgl. Abb. 6). Die ausgedehnten, durch weiträu­ mige Aufgleitprozesse verursachten, stratiformen Niederschlagsfelder wer­ den davon jedoch nicht erfasst. Gleiches gilt für die darin eingebetteten, breiten Okklusions- bzw. kalt- und warmfrontalen Bänder erhöhter stratifor­ mer Niederschläge, bei denen konvektive Prozesse direkt in den oberen Be­ reich des Ns eingebettet und die im Satellitenbild deutlich abgrenzbaren, hochreichenden Cb-Wolken nicht vorhanden sind. Abb. 7 zeigt das Prinzip einer Ns-Wolke mit eingebetteten, leichten Konvek­ tionen in der potentiell instabilen obersten Wolkenschicht. Die verstärkten Auftriebe in diesen Zellen beschleunigen das Wachstum von niederschlags­ wirksamen Eiskristallen im oberen Bereich der Wolke („seeder“-Zone), die während ihres Abstiegs durch Aggregation bzw. Vergraupelung in den mitt­ leren Wolkenbereichen („feeder“-Zone) weiter anwachsen und so die strati­ formen Hintergrundniederschläge verstärken (vgl. RUTLEDGE & HOBBS 1983). Wenn die Zone weiträumiger Aufstiegsbewegung bis in Wolkenbereiche un­ terhalb des Schmelzbandes ausgedehnt oder besonders stark ausgeprägt ist, kann dies zu einer weiteren Zunahme der Tropfengröße durch Koaleszenz­ prozesse und damit zu einer weiteren Erhöhung der Niederschlagsrate füh­ ren (KRAKOVSKAIA & PIRNACH 1998; PIRNACH 1998). Abbildung 6: Idealisierte Niederschlagsmuster in Verbindung mit außertro­ pischen Zyklonen. Hellgrau unterlegte Wolkenbereiche repräsentieren stratiforme Nieder­ schlagsfelder, dunkelgraue solche mit erhöhten stratiformen Niederschlägen und weiße Kreise (eingebettete) konvektive Niederschlagsregionen. Quelle: nach Houze (1993). Cumulus Wolken Warmluftsektor-Wolkenband stratiforme Niederschläge warmfrontale Bänder eingebettete Konvektion postfrontales Wolkenband breite kaltfrontale Bänder schmale kaltfrontale Bänder 2.3 Dominierende Niederschlagsprozesse in den Mittelbreiten im Hinblick auf die zugrunde liegenden wolkenphysikalischen Prozesse 24 In Abb. 8 ist abschließend ein schematischer Vertikalschnitt durch die ein­ zelnen Niederschlagszonen einer außertropischen Zyklone dargestellt. Die im gesamten Frontenbereich auftretenden, geringe bis moderate Regenraten aufweisenden, stratiformen Niederschlagsbereiche gehen auf weiträumige Aufgleitvorgänge zurück. Im Bereich der warmfrontalen Niederschläge kommt es durch den Vorstoß konditionell instabiler, trockener Luftmassen in den oberen Bereichen der Stratusbewölkung zur lokal begrenzten Verstär­ kung des Auftriebs und über den beschriebenen Seeder-Feeder-Effekt zur Intensivierung der stratiformen Niederschläge (HEYMSFIELD 1977). Die unmittelbar mit der Kaltfront am Boden in Zusammenhang stehenden, schmalen kaltfrontalen Bänder sind die Folge von erzwungenen Hebungen der stabilen bzw. nur leicht instabilen Warmluftmassen. Diese fließen in ei­ ner nach oben gerichteten Strömung überwiegend parallel zur Kaltfront, je­ doch mit einer leichten Krümmung hin zum Kaltluftsektor (vgl. BROWNING 1986, 1990). Zusammen mit den die Kaltfront bildenden, absinkenden, tro­ ckenen Luftmassen des Kaltluftsektors kommt es zu einer sowohl horizontal (≤ 5 km) als auch vertikal (≤ 6 km) eng begrenzten Ausbildung einer wal­ zenförmigen Wolke mit hohen, konvektiven Regenraten. Labilisiert sich die Warmluftmasse während der erzwungenen Hebung, kann es zur Ausbildung von hochreichenden Konvektionszentren bis hin zu MCCs und den damit verbundenen und in Abb. 5 dargestellten Cb-Ns-Komplexen kommen (BARTH & PARSONS 1996). Im weiteren Verlauf des Kaltfrontdurchgangs treten lokale Verstärkungen der stratiformen Niederschläge entlang der breiten kaltfrontalen Bänder auf. Im Gegensatz zu den warmfrontalen Bändern wird hier die eingebettete Konvektion durch Diskontinuitäten des großräumigen Auftriebs entlang der Kaltfront verstärkt. Unter Umständen können diese Bänder auch dem Kalt­ frontdurchgang am Boden vorauseilen und dabei die Regenrate aus den sch­ malen kalfrontalen Bändern erhöhen. Abbildung 7: Vertikalschnitt durch ein warmfrontales Band erhöhter stratiformer Niederschläge aufgrund einge­ better Konvektion. Quelle: nach HOUZE (1993). “feeder” Zone Boden stratiforme Wolke warmfrontales Band Bildung von Eiskristallen “seeder” Zone Wind 2.3 Dominierende Niederschlagsprozesse in den Mittelbreiten im Hinblick auf die zugrunde liegenden wolkenphysikalischen Prozesse 25 Eine weiterführende, detaillierte Beschreibung der Niederschlagsprozesse in mesoskaligen Konvektionssystemen und außertropischen Zyklonen ist bei HOUZE (1993) bzw. PRUPPACHER & KLETT (1997), eine Übersicht über unter­ schiedliche Theorien zur Entstehung von außertropischen Zyklonen bei­ spielsweise bei KRAUS (1995) zu finden. 2.4 Konzeptmodell zur fernerkundlichen Erfassung der Niederschlagsfläche über Mitteleuropa Die bisherigen Darstellungen haben gezeigt, dass sich niederschlagswirk­ same Wolkenbereiche zyklonaler Systeme der Mittelbreiten nicht zwingend durch kalte Wolkenoberflächentemperaturen abzeichnen. Ein auf Tempera­ turschwellwerten basierendes Verfahren ist daher nicht optimal für den Ein­ satz in diesen Regionen. Im Hinblick auf die beschriebene Niederschlagsge­ nese in Cumulus- und Stratuswolken lassen sich jedoch folgende zentrale Hypothesen ableiten (vgl. Kap. 1.3): 1. Es müssen große Wolkentropfen bzw. Eiskristalle in der Höhe vor­ handen sein, die zur Bildung ausreichend großer Niederschlagstrop­ fen führen können. 2. Die Wolken müssen über eine ausreichend große vertikale Mächtig­ keit zum Aufbau der erforderlichen Niederschlagstropfengröße ver­ fügen. Dieses Prinzip wurde bereits in Abb. 2 dargestellt, in der die niederschlags­ wirksamen Wolkenbereiche durch eine ausreichend große Kombination aus Tropfengröße und Wolkendicke und nicht als Funktion der Wolkenoberflä­ chentemperatur charakterisiert sind. Da jedoch sowohl die geometrische Di­ cke als auch die exakte Verteilung der Tropfengrößen nicht ohne zusätzliche Vorgaben (theoretische Tropfenverteilung, Flüssigwassergehalt etc., vgl. Abbildung 8: Vertikalschnitt durch eine außertropische Zyklone. Quelle: verändert nach HOUZE (1993). warmfrontale Bänder eingebettete Konvektion breite kaltfrontale Bänder schmales kaltfrontales Band Cumulonimben Boden Wind 2.4 Konzeptmodell zur fernerkundlichen Erfassung der Niederschlagsfläche über Mitteleuropa 26 Kap. 4.1.1) aus den Satellitendaten abgeleitet werden können, werden stell­ vertretend die optische Wolkendicke und der effektive Wolkentropfenradius (aef, vgl. Kap. 4.1) verwendet. Das hierauf angepasste Konzeptmodell ist in Abb. 9 dargestellt. Der Unterschied zu Abb. 2 besteht nur darin, dass die op­ tische, nicht die geometrische Wolkendicke als Maß für die Vertikalerstre­ ckung und der effektive Wolkentropfenradius als Maß für die Tropfengröße verwendet wird. Die Niederschlagsfläche ist folglich an eine ausreichend große Kombination aus optischer Dicke und effektivem Radius gebunden. Die Eignung des effektiven Wolkentropfenradius zumindest zur Charakteri­ sierung konvektiver maritimer bzw. kontinentaler Niederschläge wurde ex­ emplarisch bereits von Rosenfeld und Lensky (LENSKY & ROSENFELD 1997; ROSENFELD & LENSKY 1998) untersucht. Ihr Verfahren beruht auf der Analyse der Entwicklung des effektiven Radius mit der Wolkenhöhe und den daraus ableitbaren Tropfenwachstumsprozessen. Wie noch gezeigt wird, ist der be­ rechnete Wert des effektiven Wolkentropfenradius für den oberen Bereich der Wolke repräsentativ und eine Profilableitung über alle Wolkenbereiche nicht möglich (vgl. Kap. 4.1.1.4). Dem Ansatz liegt deshalb die Annahme zugrunde, dass die in die Analyse einbezogenen, unterschiedlich hohen Konvektionswolken die gleiche Genese haben, sich aber in verschiedenen Entwicklungsstadien befinden. Die aus den unterschiedlich hohen Wolken abgeleiteten effektiven Radien können somit in erster Näherung als Verti­ kalprofil des effektiven Radius in einem voll entwickelten Konvektionskern angesehen werden. Zur notwendigen Gruppierung von Konvektionswolken gleicher Genese innerhalb größerer Satellitenszenen müssen diese jedoch in­ teraktiv selektiert werden, was einer operationellen Anwendbarkeit und Re­ produzierbarkeit der Ergebnisse entgegensteht. Die Studien zeigen aber, dass der effektive Radius einen Schwellwert von zumeist 14 µm übersteigen Abbildung 9: Konzeptmodell zur Erfassung stratiformer Niederschläge auf Basis optischer und mikrophysikalischer Wolkeneigenschaften. Quelle: verändert nach LENSKY & ROSENFELD (2003). a < ef 5 µm a > ef 30 µm 1 10 100 5 µm µm