Projekt:FE Auswerteverfahren 1/Schnee/De Ruyter de Wildt 2007

Literatur Schnee

Startseite Appel, 2002 Bettems, 2006 Borel and Gerstl, 1994 De Ruyter de Wildt, 2005 De Ruyter de Wildt, 2007 Dozier, Jeff, 1989 Hall, 1995 Hall et al., 2002 Hall et al., 2005 Hauber, 2000 Klein, 1998 Krijger and Schrijver, 2005 Martinez et al., 2005 Painter et al., 1998 Paul, 2000 Rau, 2004 Riggs and Hall, 2002 Riggs et al., 2006 Robinson, 1993 Romanov et al., 2003 Salomonson et al., 2004 Sokol et al., 1999 Srivastava et al., 2003 Storvold et al., 2005 Trepte et al., 2002 Vikhamar et al., 2002 Willmes, 2003 Wiscombe and Warren, 1980

Weitere Teilprojekte

Wettersatelliten Oberflächentemperaturen Vegetationsindizes Schnee Niederschlag

De Ruyter de Wildt 2007

de Ruyter de Wildt, M.; Seiz, G. & Grün, Operational snow mapping using multitemporal Meteosat SEVIRI imagery Remote Sensing of Environment, doi:10.1016/j.rse.2006.12.008, 2007

Die abschließende Veröffentlichung von de Ruyter de Wildt zur Erkennung von Schnee anhand von Messungen des SEVIRI-Instruments an Bord des geostationären Meteosat 8 befasst sich noch einmal mit den Grundlagen des Algorithmus. Die Spektraltests zur Unterscheidung von Schnee, schneefreier Oberfläche und Wolken werden in abgeänderter Form verwendet. Insbesondere wird auf das Problem des Tagesgangs der Reflexionsgrade im kurzwelligen Bereich in Abhängigkeit vom Satelliten- und Sonnenzenitwinkel sowie dem Oberflächentyp eingegangen. Infolge dieser Variabilität werden die Ergebnisse der Spektraltests, die mit konstanten Grenzwerten arbeiten, ebenso verfälscht, wie die der Überprüfung der zeitlichen Variabilität innerhalb der Kanäle (Ruyter, 2005), da diese durch den Tagesgang vergrößert wird. Um diese Schwierigkeiten zu umgehen, werden die Reflexionsgrade anhand eines semi-empirischen bidirektionalen Reflexionsmodells nach Roujean et al. normalisiert. Bei den Spektraltests werden kritische Pixel identifiziert. Bei diesen ist nicht sicher, ob es sich um Eiswolken oer Schnee handelt. Nur diese werden in Bezug auf ihre zeitliche Variabilität überprüft, während davon ausgegangen wird, dass die übrigen Wolken durch die Spektraltests erkannt werden. Die Variabilitätsprüfung erfolgt durch den Vergleich von Reflexionsgraden und Helligkeitstemperaturem des aktuellen Zeitschritts mit vorhergehenden und nachfolgenden Zeitschritten. Zusätzlich wird die Variabilität benachbarter Pixel berücksichtigt. Liegt die Variabilität in einem der untersuchten Kanäle oberhalb eines Grenzwerts, wird das Pixel als Wolke verworfen. Die Ergebnisse aller Zeitschritte eines Tages werden wiederum zu einer Schneekarte zusammengefügt, wodurch der in den Einzelzeitschritten recht hohe Wolkenanteil reduziert werden kann. Zusätzlich wird eine fortlaufende Schneekarte eingeführt, in der die wolkenfeien Beobachtungen so lange aufgehoben werden, bis aktuellere, wolkenfreie Beobachtungen vorliegen. Die Resultate des vorgestellten Algorithmus sind gut. Bei der Validierung mit Bodendaten aus Deutschland, Italien und der Schweiz wurden um 90% der Stationsmessungen korrekt aus den Satellitenmessungen erkannt. Die Methode soll in naher Zukunft zur Ermittlung von Schneeeingangsdaten für die numerische Wettervorhersage bei MeteoSwiss eingesetzt werden.