AVHRR LAC satellite cloud climatology over Central Europe derived by the Vectorized Earth Observation Retrieval (VEOR) method and PyLAC software

• Autorzy: Musiał J. P. , Bojanowski J. S.

Warianty tytułu

PL

Satelitarna klimatologia chmur wyznaczona z danych AVHRR LAC nad Europą Centralną za pomocą algorytmu Vectorized Earth Observation Retrieval (VEOR) i oprogramowania PyLAC

• Języki publikacji: EN

Abstrakty

EN

The study presents the first edition of cloud coverage and cloud physical properties climate data records (CDRs) over Central Europe compiled from 1 × 1 km resolution AVHRR imagery. The CDRs cover a climatological period of 30 years from 1986 to 2016. The dataset was generated using a novel Vectorized Earth Observation Retrieval (VEOR) algorithm that is an extension of the fast look-up table approach implemented in the Probabilistic Cloud Mask (PCM) method. AVHRR local area coverage (LAC) L1b data were pre-processed to reflectances and brightness temperatures using the PyLAC software, which is a modification of the PyGAC package used to generate CM SAF CLARA-A2 dataset from AVHRR global area coverage (GAC) imagery. The main motivation for the study was the analysis of small scale changes in cloudiness and its physical properties induced by local factors that are not apparent at coarse GAC resolution. A secondary goal was to create a framework for VEOR training against MODIS imagery and MODIS-derived cloud products, and then applying it to data originating from other sensors such as AVHRR.

PL

Opracowanie prezentuje pierwszą wersję klimatycznego zestawu danych (ang. CDR) opisującego zachmurzenie i jego właściwości fizyczne nad Centralną Europą stworzonego na podstawie danych AVHRR local area coverage (LAC) o rozdzielczości przestrzennej 1 km × 1 km. Zakres opisywanego zestawu danych obejmuje przedział czasowy od 1986 do 2016 roku. Został on wygenerowany przy użyciu nowatorskiego algorytmu Vectorized Earth Observation Retrieval (VEOR), który jest modyfikacją istniejącej Probabilistic Cloud Mask (PCM). Zobrazowania AVHRR w formacie L1b zostały wstępnie przetworzone do reflektancji i temperatur radiacyjnych za pomocą autorskiego oprogramowania PyLAC, które jest modyfikacją oprogramowania PyGAC, dostarczonego w ramach projektu CLARA-A2 przez EUMETSAT CM SAF. Głównym celem opracowania była analiza małoobszarowych zmian zachmurzenia i jego właściwości fizycznych, które nie są widoczne na niskorozdzielczych obrazach AVHRR global area coverage (GAC). Drugorzędnym celem było opracowanie metodologii opartej na algorytmie VEOR, która pozwalała by na powielanie produktów satelitarnych MODIS na innych sensorach takich jak AVHRR.

Słowa kluczowe

EN

AVHRR; satellite climatology; cloud climatology; cloud properties; climate data record; Vectorized Earth Observation Retrieval

PL

AVHRR; klimatologia satelitarna; klimatologia chmur; właściwości chmur; klimatyczny zestaw danych; Vectorized Earth Observation Retrieval

• Wydawca: Instytut Geodezji i Kartografii
• Czasopismo: Geoinformation Issues
• Rocznik: 2017
• Tom: Vol. 9, no. 1(9)
• Strony: 39--51
• Opis fizyczny: Bibliogr. 15 poz., rys., tab., wykr.

Twórcy

autor

Musiał J. P.

• Institute of Geodesy and Cartography, 27 Jacka Kaczmarskiego St., 02-679, Warsaw, Poland, Tel.: [phone], Fax: [phone]

autor

Bojanowski J. S.

• Institute of Geodesy and Cartography, 27 Jacka Kaczmarskiego St., 02-679, Warsaw, Poland, Tel.: [phone], Fax: [phone]

Bibliografia

• [1] Benas N., Finkensieper S., Stengel M., van Zadelhoff G.J., Hanschmann T., Hollmann R., Meirink J.F., (2017): The MSG-SEVIRI-based cloud property data record CLAAS-2, Earth System Science Data, 9(2), pp. 415–434, https://doi.org/10.5194/essd-9-415-2017.
• [2] Brodzik M., Armstrong R., (2013): Northern Hemisphere EASE-Grid 2.0 Weekly Snow Cover and Sea Ice Extent. Version 4. National Snow and Ice Data Center, Boulder, CO, https://doi.org/10.5067/P7O0HGJLYUQU.
• [3] Brunel P., Marsouin A., (2000): Operational AVHRR navigation results, International Journal of Remote Sensing, 21(5), pp. 951–972, https://doi.org/10.1080/014311600210371.
• [4] Dee D.P., Uppala S.M., Simmons A.J., Berrisford P., Poli P., Kobayashi S., Bechtold P., (2011): The ERA-Interim reanalysis: Configuration and performance of the data assimilation system, Quarterly Journal of the Royal Meteorological Society, 137(656), pp. 553–597, DOI 10.1002/qj.828.
• [5] Devasthale A., Karlsson K.G., Quaas J., Graßl H., (2012): Correcting orbital drift signal in the time series of AVHRR derived convective cloud fraction using rotated empirical orthogonal function, Atmospheric Measurement Techniques, 5(2), pp. 267–273.
• [6] Heidinger A.K., Straka III W.C., Molling C.C., Sullivan J.T., Wu X., (2010): Deriving an intersensor consistent calibration for the AVHRR solar reflectance data record, International Journal of Remote Sensing, 31(24), pp. 6493–6517, doi.org/10.1080/01431161.2010.496472.
• [7] Heidinger A.K., Foster M.J., Walther A., Zhao X., (2014): The pathfinder atmospheres–extended AVHRR climate dataset, Bulletin of the American Meteorological Society, 95(6), pp. 909–922, https://doi.org/10.1175/BAMS-D-12-00246.1.
• [8] Karlsson K.G., Anttila K., Trentmann J., Stengel M., Meirink J.F., Devasthale A., Hanschmann T., Kothe S., Jääskeläinen E., Sedlar J., Benas N., van Zadelhoff G.J., Schlundt K., Stein D., Finkensieper S., Håkansson N., Hollmann R., (2017): CLARA-A2: the second edition of the CM SAF cloud and radiation data record from 34 years of global AVHRR data, Atmospheric Chemistry and Physics, 17(9), pp. 5809–5828.
• [9] Kästner M., Kriebel K.T., (2001): Alpine cloud climatology using long-term NOAA-AVHRR satellite data, Theoretical and Applied Climatology, 68(3–4), pp. 175–195, https://doi.org/10.1007/s007040170044.
• [10] Meerkötter R., König C., Bissolli P., Gesell G., Mannstein H., (2004): A 14-year European Cloud Climatology from NOAA/AVHRR data in comparison to surface observations, Geophysical Research Letters, 31(15), pp. 15103–15107, doi:10.1029/2004GL020098.
• [11] Musial J.P., Hüsler F., Sütterlin M.B., Neuhaus C., Wunderle S., (2014): Probabilistic approach to cloud and snow detection on Advanced Very High Resolution Radiometer (AVHRR) imagery, Atmospheric Measurement Techniques (AMT), 7(3), pp. 799–822, https://doaj.org/article/b84ec2503d9f49fb849b27652151ccda.
• [12] Musial J.P., Hüsler F., Sütterlin M., Neuhaus C., Wunderle S., (2014): Daytime low stratiform cloud detection on AVHRR imagery, Remote Sensing, 6(6), pp. 5124–5150, doi:10.3390/rs6065124.
• [13] Pfeifroth U., Hollmann R., Ahrens B., (2012): Cloud cover diurnal cycles in satellite data and regional climate model simulations, Meteorologische Zeitschrift, 21(6), pp. 551–560, DOI: 10.1127/0941-2948/2012/0423.
• [14] Saha S., Moorthi S., Pan H.L., Wu X., Wang J., Nadiga S., Liu H., (2010): The NCEP climate forecast system reanalysis, Bulletin of the American Meteorological Society, 91(8), pp. 1015–1058, https://doi.org/10.1175/2010BAMS3001.1.
• [15] Stengel M., Stapelberg S., Sus O., Schlundt C., Poulsen C., Thomas G., Christensen M., Henken C.C., Preusker R., Fischer J., Devasthale A., Willén U., Karlsson K.-G., McGarragh G.R.,Proud S., Povey A.C., Grainger R.G., Meirink J.F., Feofilov A., Bennartz R., Bojanowski J.S., Hollmann R., (2017): Cloud property datasets retrieved from AVHRR, MODIS, AATSR and MERIS in the framework of the Cloud_cci project, Earth System Science Data, 9, pp. 881–904, https://www.earth-syst-sci-data.net/9/881/2017/.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).