Projekt:FE Auswerteverfahren 1/Schnee/Methoden/Optische Verfahren/MODIS/MOD10C1

Dieses Produkt gibt einen Überblick der globalen Schneebedeckung auf Tagesbasis mit Hilfe des CMG (Climate Modeling Grid) bei einer räumlichen Auflösung von 0.05°. Dafür werden die Ergebnisse von MOD10A1 weiter verarbeitet. Schneebedeckung wird dabei als Prozentwert der Schneebeobachtung innerhalb einer Gitterzelle des CMG (Auflösung 0.05°) basierend auf den MOD10A1 Zellen (Auflösung 500m) die dafür berücksichtigt werden. Daneben wir ebenfalls eine korrespondierende Bewölkungskarte gespeichert.

Algorithmus

Bearbeiten

Es wird ein Algorithmus zur Klasseneinteilung genutzt, um Schneebedeckung, Bewölkung, Vertrauenskennzahl und Qualitätsbeurteilung auf Basis der 500m MOD10A1 Daten innerhalb der 0.05° CMG Zellen zu berechnen. Die Karten Wolken- und Schneebedeckung werden anhand der Gesamtanzahl an Beobachtungen innerhalb einer Klasse erstellt. Es werden alle MOD10A1 Eingangszellen, am Äquator etwa 3600 pro CMG-Zelle, berücksichtigt. Das Ziel der so entstehenden Schneekarte MOD10C1 ist eine Abschätzung der Schneebedeckung innerhalb einer CMG-Zelle in Verbindung mit Informationen über den bewölkten Anteil der Landoberfläche.

Mit Hilfe des Algorithmus werden die Beobachtungen verschiedene Klassen zugewiesen (z.B. Schnee, Land, Wolke, usw.) In MOD10C1 werden zunächst alle Beobachtungen über Land zusammengefasst, wofür eine spezielle Maske der University of Maryland zur Verfügung steht (http://glcf.umiacs.umd.edu/data/landcover/index.shtml). Dabei wird eine Zelle als Land angenommen, falls der Landanteil 12% oder mehr beträgt. Ist der Anteil kleiner als 12% wird Ozean zugrunde gelegt. Die Summe dieser Beobachtungen dient anschließend als Basis für den Anteil an Schnee Wolken und die Vertrauenskennzahl jeder CMG Zelle. Der Schneeanteil wird dabei folgendermaßen berechnet:

 

Der Wolkenanteil wird analog berechnet, indem der die Anzahl der Schneebeobachtungen durch die der Wolken ersetzt wird. Die Vertrauenskennzahl gibt an, wie gut der angegebene Schneeschneeanteil einzuschätzen ist. Hohe Werte indizieren dabei wenig Bewölkung und gute Daten, kleine Werte dieser Kennzahl spiegeln hohe Bewölkung wieder. Dadurch ist der angegebenen Schneeanteil aufgrund der Wolkenmaskierung eventuell keine gute Abschätzung.

Außerdem wurde eine Maske für Regionen kreiert, in denen Schnee so gut wie niemals auftritt (z.B. Amazonas, Sahara und andere große Sandwüsten). Durch die Anwendung dier Maske am Ende des Algorithmus soll falsche Schneeidentifikation in diesen Regionen verhindert werden.

Genauigkeit und Fehler

Bearbeiten

Die Fehler des Ausgangsprodukts MOD10A1, welches bereits auf dem Produkt MOD10_l2 aufbaut, pflanzen sich entsprechend fort. Die Fehler treten typischerweise bei kleineren Schneeanteilen auf und werden mit einem Wertebereich von 1-25% angegeben. Das Auftreten und die Größe dieser Fehler hängt hauptsächlich von Wolkenbedeckung am beobachteten Tag ab und ist damit eventuell auf bestimmte Regionen begrenzt.

--Sebbo 11:08, 30. Aug. 2007 (CEST)