Synergy of radar, lidar and infrared spectrometry to retrieve microphysical and radiative properties of cirrus clouds

Reichegger, Andreas (2023): Synergy of radar, lidar and infrared spectrometry to retrieve microphysical and radiative properties of cirrus clouds = Synergie von Radar, Lidar und Infrarotspektrometrie zur Ableitung von Mikrophysikalischen und Strahlungseigenschaften von Cirruswolken. Dissertation, LMU München: Fakultät für Physik

Abstract

Clouds are the largest source of uncertainty in climate models. Especially the feedbacks from thin ice clouds (cirrus) have a substantial effect on Earth’s radiation budget. They are semi-transparent for incoming solar radiation (cooling effect), but at the same time they can trap outgoing thermal radiation (warming effect). The level of scientific understanding of how these counteracting effects will change in a future warming climate is still low. This is because of the poorly understood processes involved in modelling of ice formation mechanisms and ice cloud evolution. To narrow down these gaps, the microphysical schemes and radiation parameterisations in current climate models have to be constrained by comparisons with ice cloud observations. Both, active (radar and lidar) and passive (infrared spectrometry) remote sensing observations of ice clouds are available to benchmark the models. While active remote sensing offers comprehensive vertical information content, passive remote sensing provides an integrated measure of the effect of clouds by exploiting radiation emitted from clouds and atmosphere together. The translation from measurements to microphysical cloud properties is accomplished by the usage of ice cloud retrieval algorithms. However, these retrievals are limited in their accuracy by crucial assumptions about microphysical properties like ice crystal shape, and by errors in the used inversion procedure. The goal of this thesis is to use the synergy of co-located active and passive remote sensing observations to derive microphysical properties of ice clouds and to quantify all known sources of uncertainty. To achieve these tasks, a three-instrument retrieval algorithm - SynCirrus - has been developed. In this process, a radar-lidar inversion is used to derive profiles of ice particle size and ice water content. These microphysical profiles are used as input for radiative transfer calculations, to simulate a spectrum that can be compared with the measured spectrum from the infrared spectrometer. In the course of this spectral analysis, the algorithm can iterate among the relevant microphysical assumptions, to find the best matching assumptions minimizing the spectral residuals between simulation and measurement. The SynCirrus retrieval includes consistent microphysical assumptions in the inversion and the forward radiative transfer part of the retrieval. To test the SynCirrus retrieval, three studies were performed. First, sensitivity studies of the spectral residuals identified the required data quality criteria for a successful spectral discrimination and for a characterisation of the errors of the inversion method. Second, a radar-lidar retrieval intercomparison study was conducted. Here, the inversion procedure is tested against an established other retrieval approach (VarCloud) using aircraft research flight data, indicating that for good data quality, both retrievals agreed remarkably well. Finally, in a case study using SynCirrus with all instruments at Mount Zugspitze, it was possible to bring radar, lidar and infrared radiance measurements in accordance within the provided uncertainty estimations, for the majority of the cases. The research presented in this thesis is relevant and important for the goal to improve the microphysical description of ice clouds in climate models. The presented retrieval algorithm SynCirrus can assist to narrow down gaps in the understanding of ice clouds, by providing high resolved and quality flagged microphysical profiles.

Abstract

Wolken sind die größte Unsicherheitsquelle bei Klimamodellvorhersagen. Insbesondere die Rückkopplungen von dünnen Eiswolken (Zirren) haben einen erheblichen Einfluss auf den Strahlungshaushalt der Erde. Sie sind halbtransparent für die einfallende Sonnenstrahlung (kühlende Wirkung), können aber gleichzeitig die ausgehende thermische Strahlung absorbieren (wärmende Wirkung). Der wissenschaftliche Kenntnisstand darüber, wie sich diese gegenläufigen Effekte in einem sich erwärmenden Klima verändern werden, ist noch gering. Dies ist zurückzuführen auf die schlecht verstandenen Prozesse bei der Modellierung der Eiskristallbildungsmechanismen innerhalb der Zirren und der Eiswolkenentstehung. Um diese Lücken zu schließen, müssen die mikrophysikalischen Schemata und Strahlungsparametrisierungen in aktuellen Klimamodellen durch Vergleiche mit Eiswolkenbeobachtungen eingeschränkt werden. Sowohl aktive (Radar und Lidar) als auch passive (Infrarotspektrometrie) Fernerkundungsbeobachtungen von Eiswolken sind für den Vergleich der Modelle verfügbar. Während die aktive Fernerkundung einen umfassenden vertikalen Informationsgehalt bietet, stellt die passive Fernerkundung eine integrierte Messung des Strahlungseffekts von Wolken bereit, indem sie die Strahlung detektiert die von Wolken und Atmosphäre emittiert wurde. Die Übersetzung von Messungen zu mikrophysikalischen Wolkeneigenschaften wird durch die Verwendung von Ableitungsverfahren für Eiswolken erreicht. Allerdings sind diese Algorithmen in ihrer Genauigkeit begrenzt durch entscheidende Annahmen über mikrophysikalische Eigenschaften, wie die Form der Eiskristalle, und durch Fehler im verwendeten Inversionsverfahren. Das Ziel dieser Arbeit ist es, die Synergie von aktiven und passiven Fernerkundungsbeobachtungen zu nutzen, um mikrophysikalische Eigenschaften von Eiswolken abzuleiten und alle bekannten Quellen der Unsicherheit zu quantifizieren. Um diese Aufgaben zu erfüllen, ist ein Drei-Instrumente Ableitungsverfahren - SynCirrus - entwickelt worden. In diesem Prozess wird eine Radar-Lidar-Inversion verwendet, um Profile der Eispartikelgröße und des Eiswassergehalts abzuleiten. Diese mikrophysikalischen Profile werden als Input für Strahlungstransportberechnungen verwendet, um ein Spektrum zu simulieren, das mit dem gemessenen Spektrum des Infrarotspektrometers verglichen werden kann. Im Zuge dieser Spektralanalyse kann der Algorithmus zwischen den relevanten mikrophysikalischen Annahmen iterieren, um die am besten passenden Annahmen zu finden, die die spektralen Residuen zwischen Simulation und Messung minimieren. Das SynCirrus Ableitungsverfahren beinhaltet konsistente mikrophysikalische Annahmen im Inversions- und im Vorwärtsmodell (Strahlungstransport) des Algorithmus. Um das SynCirrus Ableitungsverfahren zu testen, wurden drei Studien durchgeführt. Erstens wurden durch Sensitivitätsstudien der spektralen Residuen die erforderlichen Datenqualitätskriterien für eine erfolgreiche spektrale Unterscheidung identifiziert, und eine Charakterisierung der Fehler der Inversionsmethode wurde erarbeitet. Zweitens wurde eine Radar-Lidar-Vergleichsstudie durchgeführt. Hier wird das Inversionsverfahren mit einem anderen etablierten Ableitungsverfahren (VarCloud) unter Verwendung von Forschungsflugzeugdaten getestet. Das Ergebnis zeigt, dass bei guter Datenqualität beide Ableitungsverfahren bemerkenswert gut übereinstimmen. Letztlich wurde SynCirrus in einer Fallstudie mit allen Instrumenten auf der Zugspitze eingesetzt, es konnten Radar-, Lidar- und Infrarotstrahlungsmessungen innerhalb der angegebenen Unsicherheitsabschätzungen, für die Mehrheit der Fälle, in Einklang gebracht werden. Die in dieser Arbeit vorgestellte Forschung ist relevant und wichtig für das Ziel, die mikrophysikalischen Beschreibung von Eiswolken in Klimamodellen zu verbessern. Das vorgestellte Ableitungsverfahren SynCirrus kann dazu beitragen, Lücken im Verständnis von Eiswolken zu schließen, indem es hochaufgelöste und mit Qualitätsmerkmalen versehene mikrophysikalische Profile bereitstellt.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Themengebiete: 500 Naturwissenschaften und Mathematik ; 500 Naturwissenschaften und Mathematik > 530 Physik
• Fakultäten: Fakultät für Physik
• Sprache der Hochschulschrift: Englisch
• Datum der mündlichen Prüfung: 11. Dezember 2023
• 1. Bericht­erstatter:in: Mayer, Bernhard