Logo
EnglishCookie löschen - von nun an wird die Spracheinstellung Ihres Browsers verwendet.
Folger, Kathrin (2016): Height correction of atmospheric motion vectors using space-borne lidar observations from CALIPSO. Dissertation, LMU München: Fakultät für Physik
[img]
Vorschau
PDF
Folger_Kathrin.pdf

4MB

Abstract

Satelliten-Windvektoren (engl. Atmospheric Motion Vectors, kurz AMVs) liefern wertvolle Informationen zu atmosphärischen Windbedingungen, die für die Initialisierung von numerischen Wettervorhersage-Modellen benötigt werden. Allerdings wird nur ein Bruchteil aller verfügbaren AMVs wegen Problemen mit der Höhenzuordnung und horizontalen Fehlerkorrelationen in der Datenassimilation derzeit verwendet. In dieser Arbeit soll untersucht werden, inwiefern die Druckhöhen von operationellen AMVs von den geostationären Satelliten Meteosat-9 und Meteosat-10 mit Hilfe von satelliten-gestützten Lidarmessungen des polar-umlaufenden Satelliten CALIPSO (engl. Cloud–Aerosol Lidar and Infrared Pathfinder Satellite Observations) korrigiert werden können, um damit sowohl die fehlerhafte Höhenzuordnung als auch horizontale Fehlerkorrelationen zu verbessern. Zusätzlich werden AMVs, wie bereits von anderen aktuellen Studien vorgeschlagen, als vertikales Schichtmittel betrachtet. Korrigierte und unkorrigierte AMVs werden sowohl mit Radiosonden-Messungen als auch mit Modellfeldern von Kurzzeit-Vorhersagen des Globalmodells des deutschen Wetterdienstes ausgewertet. Zuerst wird eine direkte Höhenkorrektur von Meteosat-10-AMVs mit Hilfe von nahen CALIPSO-Lidarmessungen der Wolkenoberkante analysiert. Dabei erzielen Schichtmittel einer vertikalen Ausdehnung von 120 hPa unterhalb der Lidar-Wolkenoberkante eine Verringerung der Vector Root Mean Square (VRMS) Differenzen von 8-15%, abhängig von Auswertungsmethode, Auswertungszeitraum und AMV-Höhe. Zusätzlich wird die horizontale Korrelation der AMV-Fehler um ca. 50 km verringert. Als zweiter Ansatz werden CALIPSO-Lidarmessungen dazu verwendet, statistische Höhenkorrektur-Funktionen abzuleiten, die auf alle AMVs eines bestimmten Satelliten angewendet werden können. Diese statistische Höhenkorrektur erreicht ungefähr 50% der Verbesserung, die durch die direkte Höhenkorrektur erzielt wird, bietet aber den Vorteil, keine direkt benachbarten Lidarmessungen in Echt-Zeit zu benötigen. Erste Assimilations- und Vorhersage-Experimente mit statistisch korrigierten Meteosat-10-AMVs im Globalmodell des deutschen Wetterdienstes zeigen vielversprechende Ergebnisse. Insgesamt zeigen die Ergebnisse dieser Arbeit, dass die Verwendung von Lidardaten einen signifikanten Beitrag zur Fehlerverringerung von AMVs leistet. Die im Zuge dieser Arbeit vorgestellten lidar-basierten Höhenkorrektur-Methoden bieten daher einen aussichtsreichen Ansatz, AMVs in Wettermodellen zukünftig besser repräsentieren zu können.

Abstract

Atmospheric Motion Vectors (AMVs) provide valuable wind information for the initial conditions of numerical weather prediction models. However, only a small fraction of the available observations is used in current data assimilation systems due to height assignment issues and horizontal error correlations. The aim of this thesis is to investigate the feasibility of correcting the pressure heights of operational AMVs from the geostationary satellites Meteosat-9 and Meteosat-10 with cloud top heights derived from independent lidar observations by the polar orbiting Cloud–Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO) satellite. The intention is to reduce the height assignment error as well as the horizontal error correlation of AMVs for their use in data assimilation. Additionally, AMVs are treated as winds in a vertical layer as proposed by several recent studies. Corrected and uncorrected AMV winds are evaluated using radiosonde observations as well as short-term forecasts from the global forecasting system of the German Weather Service. Firstly, a direct lidar-based height reassignment of AMVs with collocated CALIPSO observations is evaluated. Assigning AMV winds from Meteosat-10 to ~120 hPa deep layers below the lidar cloud top reduces the Vector Root Mean Square (VRMS) differences of AMVs from Meteosat-10 by 8-17% depending on the evaluation method, evaluation period and AMV altitude. In addition, the AMV error correlation is reduced by about 50 km through the correction. Secondly, CALIPSO observations are used to derive statistical height bias correction functions for a general AMV height correction that can be applied to all operational AMVs from a geostationary satellite. Such a height bias correction achieves on average about 50% of the reduction of VRMS differences attained using the direct height reassignment, but has the clear advantage of avoiding the need for real-time lidar data and directly collocated lidar observations. Initial assimilation and forecast experiments with statistically corrected and layer-averaged Meteosat-10-AMVs in the framework of the current global forecasting system of the German Weather Service reveal encouraging results. Overall, the results of this thesis demonstrate that height assignment errors of Meteosat AMVs can be significantly reduced when information from lidar cloud-top observations is incorporated. Thus, lidar-based height correction methods exhibit a promising approach for an improved representation of AMVs in numerical weather prediction models in the future.