Projekt:FE Auswerteverfahren 1/Schnee/Trepte 2002

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

Daytime and nighttime polar cloud and snow identification using MODIS data

QING Z. TREPTE, PATRICK MINIS; ROBERT F. ARDUINI

Extended Abstract for SPIE 3rd International Asia-Pacific Environmental Remote Sensing Symposium 2002: Remote Sensing of the Atmosphere, Ocean, Environment, and Space Hangzhou, China October 23-27, 2002

Dieser Artikel beschreibt Wolken- und Schneeerkennung mit Hilfe von MODIS Daten. Dabei geht der Autor im genaueren auf die Anwendung einer Wolkenmaske auf Basis dieser Daten ein. MODIS bietet grundsätzlich, aufgrund seiner hohen horizontalen Auflösung und häufigen Abtastrate, einmalige Datensätze für die Erkennung von Schnee und Wolken speziell für Arktis und Antarktis sowie für die Bestimmung von Energiebilanzen für Schnee- und Eisflächen.

Nach einer kurzen Einleitung über Temperatur und Reflexionseigenschaften von Schnee unter klaren Wetterbedingungen, wird der Aufbau der hier entwickelten Maske erläutert, welche für den CERES Wolkenbestimmungsalgorithmus genutzt wird.

Tagsüber werden dabei auf Basis von theoretischen bidirektionalen Reflexionsmodellen für den 1.6 und 3.75μm Kanal Wolken und Schnee identifiziert. Diese minimieren die Notwendigkeit empirisch angepasster Grenzwerte für bekannte Zustände und reduzieren somit den Fehler, der bei der Verwendung von Einzelwertgrenzwerten (single value threshold), aufgrund ihrer großen Variabilität, entstehen würden. In der Nacht hingegen werden MODIS Helligkeitstemperaturunterschiede (BTD) für 3.75-11, 3.75-12, 8.55-11 und 6.7-11μm genutzt. Zudem wird auf Schnee- und Eiskarten zurückgegriffen, um selbige Flächen zu bestimmen. In der Dämmerung kommt eine Kombination aus 1.6μm Reflexion und 3.75-11μm BTD für die Wolkenerkennung zur Anwendung.

Im Vergleich zur visuellen Interpretation der Bilder zeigen erste Ergebnisse der Wolkenmaske für Tag-, Nacht- und Dämmerungsdaten gute Übereinstimmung. So ergeben sich gute Übereinstimmungen zwischen modellierten und beobachteten Reflexionen für Schneegebiete an klaren Tagen bei 1.6μm, jedoch 10-35% Überschätzung bei 3.75μm. Zusätzlich sind die über der Arktis modellierten sichtbaren Reflexionen im Vergleich zu beobachteten Werte signifikant größer. Bessere Übereinstimmung erhält man für die Antarktis, da hier der Einfluss der Schneeschmelze weniger ins Gewicht fällt.

Abschließend führt der Autor an, dass weitere Untersuchungen, vor allem im Bereich der Entwicklung realistischerer Schneereflexionsmuster bei verschiedenen Wellenlängen, notwendig sind. Ferner sind größere Anstrengungen bei der Validierung notwendig, um zu gewährleisten, dass die Maske Wolken bei sämtlichen Wetterlagen ausreichend gut erkennen kann.