1
Ocena wielkości zachmurzenia nad obszarem Morza Bałtyckiego na potrzeby badań środowiskowych
Marcin Paszkuta1
1Instytut Oceanografii, Uniwersytet Gdański, al. Marszałka Piłsudskiego 46, 81-378 Gdynia, marcin.paszkuta@univ.gda.pl
Wstęp
Jednym z istotniejszych problemów do rozwiązania przy budowaniu zdalnego systemu monitorowania morza jest właściwe oszacowanie transmisji promieniowania przez atmosferę.
Jej kluczowym elementem są chmury, które w znacznym stopniu ograniczają informacje o morzu docierające do urządzeń satelitarnych. Realizowane w projekcie SatBałtyk zadania oceanografii operacyjnej stawiają produktom zachmurzenia bardzo wysokie wymagania którym próbowano sprostać m.in. wykorzystując technikę split-windows (Saunders 1988) dostosowaną do ośrodka badań oraz parametrów fizycznych wykorzystywanych radiometrów satelitarnych. W celu zachowania operacyjności systemu zachmurzenie skreślane jest wyłącznie na podstawie obserwacji satelitarnych uniezależnionych od pośrednich źródeł zewnętrznych tj. modele pogody. Generuje to nieuniknione błędy pomiarowe które wynikają najczęściej z wysokiej zmienności analizowanych parametrów geofizycznych tak w czasie jak i w przestrzeni. Innym źródłem błędów zwłaszcza dla radiometrów platform geostacjonarnych (tj. SEVIRI MSG) jest położenie na relatywnie wysokich szerokościach geograficznych.
Znaczna część Morza Bałtyckiego jest najczęściej monitorowana pod dużymi kątami (Rys 1), co w efekcie prowadzi do tego że w czasie zimy nie dysponujemy informacjami zakresu promieniowania widzialnego przez okres blisko 2 miesięcy.
Rys 1 Reprezentacja Słonecznego Kąta Zenitalnego w układzie satelity monitorującego powierzchnię morza.
Szacowane zachmurzenie jest obarczone dodatkowymi błędami przy wysokich wartościach Słonecznego Kata Zenitalnego – SZA (Rys 1. kąt zawarty między osiami Ziemi i Słońca) lub w nocy gdzie jest to uzasadnione ze względu na ograniczenia informacji z zakresu promieniowania widzialnego. Ostatecznie, na obrazie satelitarnym, w zależności od kąta obserwacji, emisja chmur jest porównywalna z wartościami niezachmurzonego morza. Aby ograniczyć tą niepożądaną relację wykonano analizę nadzorowaną reprezentatywnej grupy danych, konsekwentnie izolując wpływ emisji zachmurzenia od zmienności reprezentowanej
zenit
Słoneczny Kąt Zenitalny
Słońce
oś Ziemi satelita
kąt obserwacji
2
przez powierzchnię morza. Takie rozwiązanie wyjaśnia obecność czynnika emisji w algorytmie zachmurzenia split-windows podobnie jak zaproponował (Saunders 1988).
Platformy okołobiegunowe (tj. NOAA) mają relatywnie niższy kąt obserwacji jednak do rachunku błędu dochodzą istotne zmienne położenia satelity. Porównanie wyników opracowanego algorytmu z danymi in-situ zebranymi przez boje pomiarowe oraz podczas rejsów badawczych przedstawiają średnią dokładność pomiaru promieniowania w zależności od długości na poziomie 30 W/m2 i 1,3K dla dowolnego kąta obserwacji.
1. Budowa algorytmu
Wykorzystane w algorytmie rozwiązania, zaproponowane przez (Saunders 1988), konsekwentnie łączą ze sobą emisję promieniowania pochodzącą od morza i zachmurzenia zarówno w przedziale krótko jak i długofalowym. Opisywana technika split-windows może zostać przedstawiona w postaci równania dla odpowiednio krótko i długofalowego zbioru danych:
clfr1=[R2-M2]/[{ (M1*R2-M2*R1)/(R2-M1-R1+M2)}-M2]
gdzie clfr1 jest bezwzględnym parametrem określającym współczynnik zachmurzenia na podstawie danych krótkofalowych, R1 i R2 reprezentują odpowiednio ilość promieniowania w sąsiednich kanałach widzialnych (np. kanał 1 i 2 urządzenia SEVIRI – MSG odpowiednio 0,63 m i 0,89 m), M1 i M2 promieniowanie pochodzące od morza oszacowane na podstawie modelu SOLRAD (Krężel 2008) przy bezchmurnej atmosferze (odpowiednio dla 0,63 m i 0,89 m). W przypadku widma długofalowego równanie przyjmuje następującą postać:
clfr2=[R10-M10]/[{ (M9*R10-M10*R9)/(R10-M9-R9+M10)}-M10];
gdzie clfr2 jest bezwzględnym parametrem określającym współczynnik zachmurzenia na podstawie danych długofalowych, R9 i R10 reprezentują odpowiednio temperatury radiacyjne w kanałach split-windows (np. kanał 9 i 10 urządzenia SEVIRI odpowiednio 10,8 m i 12
m), M9 i M10 temperatury radiacyjne morza oszacowane na podstawie modelu M3D (Kowalewski 1997) przy bezchmurnej atmosferze (odpowiednio dla 10,8 m i 12 m).
Zaproponowane równanie realizuje oddzielnie czynniki atmosfery wymodelowanej dla bezchmurnej sytuacji oraz dla rzeczywistego stanu atmosfery łącznie z chmurami. Technika split-windows wykorzystuje powstałą między nimi różnicę absorpcji gdzie korelacja będzie podobna przy bezchmurnej atmosferze a spadnie wraz ze wzrostem zachmurzenia.
Podejmowane próby adaptacji techniki do długości widzialnych, sprawdzają się w przypadku identyfikacji niektórych obiektów atmosfery ze względu na mniejszą różnicę absorpcji. W pracy wykonano taką adaptację w wykorzystaniem pasma hiperspektralnego dla identyfikacji obiektów słabo kontrastujących w zakresach temperaturowych (mgły i niskie- ciepłe ośrodki głównie fazy wodnej). Ostatecznie wykorzystano je jako wyłączne uzupełnienie rozwiązania długofalowego. Powyższe równanie realizuje podwójną zależność między różnicami temperatur lub reflaktancji których pierwotna funkcja liniowa przedstawia zależność od warunków atmosferycznych. Efekt emisyjności chmury reprezentowany przez współczynnik
3
zachmurzenia jest oznaczony symbolem cl_fr i zależy od uśrednionej wartości promieniowania (satelitarnego oraz modelowego) Isat=Isurf+Isurf oraz ich różnicy Isat=Icloud+Icloud w dwóch kanałach spektralnych
Isat=Cl_fr Icloud+(1-Cl_fr)Isurf
gdzie Isurf oraz Icloud zależą od warunków atmosferycznych, które charakteryzują reflaktancję oddolnego promieniowania atmosfery lub temperaturę powierzchniową morza.
Wykonano kalibrację wymienionych parametrów z wykorzystaniem syntetycznych danych wygenerowanych przez modele SOLRAD oraz M3D. Grupa blisko 1000 reprezentatywnych scen została poddana analizie referencyjnej przez opracowanie rzeczywistych map reflaktancji i temperatury powierzchniowej morza przy bezchmurnej atmosferze dla dopasowanego do szerokości kanału radiometru satelitarnego zakresu spektralnego.
Wzorcowe wartości docierającego do radiometru promieniowania przeliczono na podstawie równań bilansu w atmosferze (Zapadka). Przeprowadzona analiza nie przedstawia ścisłych relacji pozwala jednak estymować zachowanie przebiegu funkcji korelacji a zwłaszcza ich zależności między sobą (Rys. 2).
Rys 2. Przykład kalibracji temperatury radiacyjnej kanału 3b AVHRR (K) w funkcji czasu dla rzeczywistych przykładów bezchmurnego morza
2. Wyznaczenie uśrednionych wartości zachmurzenia
W systemie Satbałtyk występują dwa parametry cechujące transmisję przez chmury.
Pierwszym z nich jest „współczynnik zachmurzenia” odnoszący się do empirycznie wyznaczonej funkcji transmisji promieniowania np. fotosyntetycznie czynnego.
Współczynnik zachmurzenia został szerzej opisany w literaturze dotyczącej modelu SOLRAD (Krężel 2008). Druga wartość roboczo nazwana cloud fraction odnosi się do ilości chmur występujących w obszarze danego piksela przy czym wartość cloud fraction na poziomie 0.5 odnosić się może jednocześnie do sytuacji gdzie piksel przykryty jest w całości półprzeźroczystymi chmurami lub w połowie całkowicie nieprzenikalnymi dla promieniowania warstwami. Jednocześnie mogą występować dwie wartości cloud fraction.
Jedna z nich odnosi się do długości krótkofalowych- druga do długofalowych, z oczywistych względów dostęp do wyników krótkofalowych został ograniczony jedynie do pory dziennej- umownie oszacowanej dla słonecznego kąta zenitalnego mniejszego niż 70 stopni (kompleksowa analiza została wykonana dla obszarów Morza Bałtyckiego). Technicznie rozwiązanie krótkofalowe opisane w rozdziale 1 dla radiometru SEVIRI uwzględnia obecność
4
hiperspektralnego kanału HRV (szczegółowe rozwiązania zostały szeroko opisane w literaturze dotyczącej modelu solrad (Krężel 2008)).
I II III
IV V VI
VII VIII IX
X XI XII
Rys 3 Przykład średnich miesięcznych cloud fraction w roku 2012, miesiące kolejno 1-12 (jednostka zachmurzenia bezwymiarowa, 1- piksel zachmurzony)
5
Na rys. 3 przedstawiono średnie miesięczne statystyki parametru cloud fraction za rok 2012.
Jak wynika z obrazów największe zachmurzenie nad Bałtykiem panowało w miesiącach zimowych a najmniejsze na przełomie maja, czerwca i lipca również miesiąc marzec 2012 charakteryzował się w części centralnej niskim zachmurzeniem. W miesiącu sierpniu wyraźnie dają o sobie znać mgły szczególnie pojawiające się wzdłuż brzegów najprawdopodobniej ze względu na wysokie różnice temperatur między ciepłym Bałtykiem, ochładzającą się stopniowo atmosferą i lądem. Generalnie widać że średni współczynnik zachmurzenia nie przekracza bezwymiarowej wartości 0.4 co mieści się w granicy dla położenia Bałtyku południowego (dane publikowane przez biuletyny służb meteorologicznych np. (OSI-SAF 2006) ograniczone są jedynie do południowego Bałtyku).
3. Wpływ zachmurzenia na pomiary środowiskowe
Do przeliczeń walidacyjnych wykorzystano dane pomiarowe boi umieszczonych in-situ z obrazowaniami MSG-SEVIRI. Tym sposobem w pierwszym przybliżeniu ograniczmy obszar studiów do miejsc wyznaczonych jak na rys. 4.
Rys. 4.Mapa Bałtyku z przestrzennym położeniem punktów pomiarowych.
Koncentrując się na południowym Bałtyku, mamy świadomość, że obrazy SEVIRI dotyczą relatywnie wysokich kątów obserwacji (ze względu na położenie satelity nad równikiem) w porównaniu z innymi tego typu pracami (OSI-SAF 2006), jednak z uwagi na położenie Bałtyku względem satelity analizowane punkty stanowią jedne z najniższych dostępnych pod tym rygorem. Dane pyranometryczne in-situ były również zbierane podczas rejsów badawczych, gdzie oprócz zmieniających się parametrów czasowych, przy szacowaniu walidacyjnym, należało uwzględnić zmiany położenia statku. Obarczone dużym błędem pomiary wykonane zwłaszcza w nocy ograniczają się do porównania wartości SST określonych w warunkach „spokojnego morza” – z założenia kiedy temperatura naskórkowa SST nie różni się znacząco lub posiada stałą i niewielką różnicę z temperaturą powierzchniowej wyznaczoną na podstawie modelu M3D. Dla każdego punktu pomiarowego można określić stałą różnicę temperatur między modelem M3D oraz SST zmierzoną przez boje która klasyfikuje dane obrazowania satelitarnego do walidacji. W ten sposób tworzymy dodatkowy filtr dla danych walidacyjnych uzależniony generalnie od warunków panujących
6
na morzu – dla takich czynników jak np. prędkość wiatru. Ostatecznie po nałożeniu rygorów czasowych oraz przestrzennych walidacja dotyczyła pięciu stałych punktów pomiarowych (wyznaczonych przez boje) oraz kilku serii danych otrzymanych z rejsów badawczych.
Zgodnie z równaniami przedstawionymi w rozdziale 1 otrzymana wartość zachmurzenia została poddana porównaniu z ilością promieniowania i temperatury – wartości prezentowanych i opisanych w bazie danych SatBałtyk. Dla wartości długofalowych tolerancja temperatury nie przekracza 1.3K a dla danych krótkofalowych szacowanie błędu jest bardziej złożone i zależy od położenia kątowego Słońca- generalnie nie przekracza wartości 30 W/m2. Dane referencyjne wymagały filtrowania pod kątem eliminacji błędów grubych spowodowanych np. błędami odczytu radiometru oraz stanu morza na podstawie opisanej różnicy temperatur wyznaczonych satelitarnie i modelowo.
Opracowany algorytm został porównany z popularnymi rozwiązaniami standardowo wykorzystywanymi przez służby meteorologiczne. Charakteryzuje się wyższą dokładnością z regularnie przeszacowującymi rozwiązaniami wspomaganymi modelami pogodowymi (OSI- SAF 2006) znajdującymi bardziej globalne zastosowanie. Ze względu na charakter prac środowiskowych wykonywanych w projekcie SatBałtyk trudno wyznaczyć jedną i stałą wielkość zachmurzenia, charakteryzującą jednocześnie wartość promieniowania z zakresu widzialnego i podczerwonego. Dlatego jednym z głównych wniosków przeprowadzonych analiz jest tworzenie różnych- dedykowanych map zachmurzenia dostosowanych do odpowiednich pomiarów środowiskowych.
Literatura
Brown, O.B. and Minnet P.J., 1999. MODIS Infrared Sea Surface Temperature Algorithm.
Algorithm Theoretical Basis Document, University of Miami.
Kowalewski M., (1997): A three-dimensional, hydrodynamic model of the Gulf of Gdańsk, Oceanol. Stud., 26 (4), 77–98.
Krężel, A., L. Kozlowski, and M. Paszkuta, 2008: A simple model of light transmission through the atmosphere over the Baltic Sea utilising satellite data. Oceanologia, 50 (2), 125–146.
Krężel A., Paszkuta M., 2011: Automatic Detection of Cloud Cover over the Baltic Sea. J.
Atmos. Oceanic Technol., 28, 1117–1128.
Niclòs, R., Caselles, V., Valor, E. and Coll, C. 2007. Foam effect on the sea surface emissivity in the 8–14 μm region. Journal of Geophysical Research 112. 0148-0227.
OSI-SAF Project Team, 2006 Ocean & Sea Ice SAF Atlantic Sea Surface Temperature Product Manual, Version 1.6, October 2006, Météo-France.
Saunders, R., and Kriebel T., 1988: An improved method for detecting clear sky radiances from AVHRR data. Int. J. Remote Sens., 9, 123–150.
