Genauigkeit von Satellitendaten an Wüstenstandorten - dlr.de · Benmarking Prozedur entwickelt im Projekt MESoR / IEA SHC Task 36, SolarPaces Task 5. Hochwertige Referenzdaten aus

Folie 1Carsten Hoyer-Klick > Genauigkeit von Solarstrahlungsdaten in Wüstenregionen > Sonnenkolloquium Köln 29.06.2010

Genauigkeit von Satellitendaten an Wüstenstandorten

Carsten Hoyer-Klick


Strahlungstransfer in der Atmosphäre

Rayleigh Streuung und Absorption (ca. 15%)

Absorption (ca. 1%)

Streuung und Absorption (

ca. 15%, max. 100%)

Reflexion, Streuung, Absorption (max. 100%)

Absorption (ca. 15%)

Ozone.……….…....

Aerosole…….………..…...……

Wasserdampf…….……...………

Wolken………….………..

Luft Moleküle..……

Direktnormalstrahlung am Boden

Strahlung am Oberrand der Atmosphäre


Rechenschema für Satellitendaten

Gext

Gdirect, clear Gdiffuse, clear

Atmospheric Model

Gclear sky

+

Gsurface

Images of one month

METEOSAT image

Corrected image Ground albedo

cloud-index)()(

minmax

min

n

clear sky indexnnfk 1)(*

·

Methode: • Heliosat-2 für den

VIS Kanal• IR Strahlungs-

temperatur als Indikator für hohe Zirren (T < -30°C, DNI = 0)


Clear sky Model Eingangsdaten

Aerosol optische Dicke GACP Auflösung 4°x5°, monatliche Klimatologie MATCH Auflösung 1.9°x1.9°, tägliche Klimatologie

Wasserdampf: NCAR/NCEP Reanalyse Auflösung 1.125°x1.125°, Tageswerte

Ozon: TOMS Sensor Auflösung 1.25°x1.25°, Monatswerte


Wolkentransmission

-0.2

0

0.2

0.4

0.6

0.8

1

1.2

-0.2 0 0.2 0.4 0.6 0.8 1 1.2

clo

ud

tra

nsm

issi

on

cloud index

-0.2

0

0.2

0.4

0.6

0.8

1

1.2

-0.2 0 0.2 0.4 0.6 0.8 1 1.2

Sun-satellite angle 60-80

-26 °C-16 °C-6 °C4 °C

14 °C-30°C - -20°C-20°C - -10°C

-10 °C - 0°C0°C - 10 °C

>10°C

Einfache Funktion τ

= e-10*ci

Komplexe Funktion:Verschiedene Exponentialfunktionen für unterschiedliche Geometrien und Helligkeitstemperaturen


Benchmarking / Validation

Benmarking Prozedur entwickelt im Projekt MESoR / IEA SHC Task 36, SolarPaces Task 5. Hochwertige Referenzdaten aus dem BSRN (WMO Baseline Surface radiation Network) and IDMP (International Daylight Measurement Programme) Netzwerken. Alle Stationen sind mit Pyheliometern oder Absolute Cavity Radiometern ausgestattet.Bodenmessungen sind durch eine weitere Qualitätskontrolle aus dem MESoR Projekt (angelehnt an BSRN) gelaufen.


Benchmarking Ergebnisse - Bias

SOLEMI

-50%

-40%

-30%

-20%

-10%

0%

10%

20%C

ambo

rne

Car

pent

ras

DeA

ar

Gen

eva

Lerw

ick

Paye

rne

Sede

Boqe

r

Sol

arV

illag

e

Tam

anra

sset

DN

I Bia

s (%

)

Overall Bias -1 %GACP Aerosols, lookup-table v26


Benchmarking Ergebnisse - RMSD

SOLEMI

0%10%20%30%40%50%60%70%80%90%

100%

Cambo

rneCarp

entra

s

DeAar

Genev

a

Lerw

ick

Payern

eSed

eBoq

erSola

rVilla

geTam

anras

set

DN

I RM

SD (%

)

Overall RMSD 38%GACP Aerosols, lookup-table v26


Anpassung von Boden- und Satellitendaten

Warum passen Boden- und Satellitendaten nicht zusammen?

Durch Unsicherheiten in:Atmosphärenparametern, vor allem Aerosole

Wolkentransmission:Der Wolkenindex ist eine Kombination aus partieller Bewölkung und semitransparenter Bewölkung. Beide können im Satellitenbild nur schlecht von einander unterschieden werden. Parametrisierung kann von den vorherrschenden Wolkentypen am Standort abhängen.


Unsicherheit in AerosolenAlle Bilder sind für JuliDie Skala ist die gleiche! (0 – 1.5)Deutliche Unterschiede in Aerosolwerten und -verteilung

GADS

Toms

GOCART

NASA GISS v1 / GACP

NASA GISS v2 1990

AeroCom Linke Turbidity


Anpassung von Boden- und Satellitendaten

Satelliten Modell Bodenmessung

Vergleich Trennung von Wolkenfreien und bewölkten Situationen

Neuberechnung mit alternativen Eingangsdaten

Auswahl der besten

Eingangsdaten

Neuberechung mit alternativen

Wolkenparametrisierungen

Auswahl der besten

Wolkenparametrisierung

Transfer MSG zu MFGNeuberechnung

der langen ZeitreiheBest fit

Satellitendaten

clea

rsky

Kor

rekt

ur

Wol

kenk

orre

ktur


Transfer MSG zu MFG

2005 2006 2007 2008 2009

MFG Operation 1983-2006

2004

MSG Operation 2004 - laufend

MessungWechsel in der Satellitentechnologie• Messungen müssen mit MSG Daten

korreliert werden • MSG Daten müssen mit MFG Daten

für die lange Zeitreihe korreliert werdenVorraussetzungen• mind. 1 Jahr Messungen parallel zu

den Satellitendaten


Solarstrahlungsanalyse in den Vereinigten Arabischen Emiraten

Ursprüngliche Abschätzung mit SatellitendatenHohe Unsicherheit, da keine Bodenmessungen verfügbar warenBeste Schätzung mit der BSRN Station Solar Village in Saudi Arabien

Parallel Aufbau der Bodenmessstationen um die Unsicherheiten zu reduzieren.Vergleich von Boden- und SatellitendatenNeuberechnung der Satellitendaten

Verringerung der Unsicherheit durch den Abgleich von Boden- und Satellitendaten


Ursprüngliche Ergebnisse

Parameter GACP Aerosole, Wolkentabelle v17 (e-10 )Bias 12%, RMSD 47%Ein Blick auf die Häufigkeitsverteilung gibt erste Hinweise auf das Problem:

• Deutliche Überschätzung bei hohen DNI Werten

• Anscheinend zu geringe Trübung im Modell


Beobachtung in der Zeitreihe

Alle Tage sind klare Tage

High day to day variabilityin the measurements

Geringe Variabilität in den Satellitendaten (nur ein Aerosol-

wert für den ganzen Monat)

Hohe tägliche Variabilität in der Bodenmessung


GACP und MATCH im Vergleich

GACP MATCH• Aerosoldaten für das NASA

Klimamodell E• Ursprünglich für das

GACP (Global Aerosol

Climatology Project) Entwickelt

(Tegen et al, 1997)

• MATCH, a Model of Atmospheric

Transport and Chemistry.• Angetrieben von NCAR/NCEP

Reanalyse• Reale Tage rückwirkend bis 1983

möglich. • Aktueller Datensatz ist eine tägliche

Klimatologie (2000-2005)


Verbesserte Ergebnisse

Prozessparameter: MATCH Aerosol, v37 komplexe Wolkentransmission. Bias 2%, RMSD 33 %Verbesserte Häufigkeitsverteilung

• Geringere Überschätzung der hohen DNI Werte


Neue Zeitreihe

Bessere Übereinstimmung in

der Variabilität


Zusammenfassung und Ausblick

Satellitendaten sind ein Modell dessen Genauigkeit an der Qualität der Inputdaten hängt.

Aerosole sind eines der großen Probleme der Klimaforschung und Atmosphärenphysik, für die Berechnung der Solarstrahlung auch.

Es gibt hier nach wie vor einen umfangreichen Forschungsbedarf, um die Daten zu verbessern

Das Zusammenwirken von guten Bodemessungen und Satellitendaten kann die Unsicherheiten erheblich reduzieren. VAE: 2% MBE an nicht angepassen Stationen.

Mehr Messdaten (z.B. enerMENA) für die Modellentwicklung und neue Aerosoldaten (MATCH) können die Situation in der Zukunft deutlich Verbessern


Vielen Dank für Ihre Aufmerksamkeit

Genauigkeit von Satellitendaten an Wüstenstandorten - dlr.de · Benmarking Prozedur entwickelt im Projekt MESoR / IEA SHC Task 36, SolarPaces Task 5. Hochwertige Referenzdaten aus

Documents