Clouds interact with solar and thermal radiation and affect the Earth's energy budget. The interaction between clouds and radiation occurs differently for different cloud types. They also play a major role in the hydrological cycle. Inadequate representations of cloud processes and cloud-climate interactions in climate models form the largest uncertainty in climate change projections. Remote sensing of cloud properties using satellite observations offers the potential for monitoring climate change on a global scale, the evaluation of climate models and improving climate projections. In this work a set of cloud properties is retrieved from satellite observations on a global scale and for multi-annual time series. The synergy of two multi-spectral imaging radiometers onboard the polar-orbiting satellite Envisat is exploited to retrieve the following macro-physical, optical and micro-physical cloud properties: cloud cover cloud thermodynamic phase cloud optical thickness cloud effective radius cloud water path cloud top temperature cloud top pressure cloud top height The synergistic approach allows for an improved characterization of clouds and comprises the collocation of AATSR and MERIS measurements and the use of the combined spectral information from both instruments for cloud detection and subsequent cloud property retrievals. The pixel-based daytime FAME-C algorithm as well as the evaluation of its outcome for selected regions and years is presented. Radiative transfer simulations performed with the radiative transfer model MOMO serve as a basis for the forward models. Optimal estimation is used as the inversion method, which provides uncertainty estimates for each cloud property on a pixel basis. Of particular interest in this work is the MERIS cloud top pressure retrieval using MERIS measurements in the oxygen-A absorption band. It provides an additional independent source of information on cloud height next to the cloud top temperature. It was shown that MERIS-CTP retrieval depends on the assumed vertical extinction profile of the cloud, while AATSR-CTT is less affected. For several cloud types, based on a combination of cloud optical thickness and cloud top pressure, inhomogeneous vertical extinction profiles were derived from combined CloudSat CPR and MODIS data and used in the retrievals. The difference in sensitivity of both independent cloud height retrievals to cloud vertical extinction profile was exploited to analyze the relationship between difference in retrieved cloud heights and cloud vertical extent. This additional parameter can be used to further characterize cloudy scenes. To assess the performance of the newly developed algorithm, the processed FAME-C dataset was compared to well-established datasets from ground-based observations as well as satellites datasets. The evaluation was performed using datasets from both passive and active instruments and for selected regions on a pixel-basis as well as spatially gridded and temporally averaged data sets on a global scale. For the pixel-based optical and micro-physical cloud property retrievals, best agreements were found for marine Stratocumulus regions. As anticipated from previous sensitivity studies, the performance of MERIS-CTH is better for low-level clouds, while it is better for high level clouds for AATSR-CTH. First indications were found for the influence of aerosol layers on the cloud property retrievals in a particular marine Stratocumulus region. On a global scale and for a temporal average, spatial patterns of the cloud properties generally look very similar. In the polar regions, differences can become very large. This work has shown that the synergistic use of AATSR and MERIS measurements is suitable for the retrieval of a set of cloud properties on a global scale. Through several evaluation exercises, the strengths and weaknesses of the retrievals under varying conditions were identified. An improved cloud property retrieval is expected from, amongst others, an improved cloud phase detection and more accurate auxiliary data. In addition, this work will contribute to successfully exploiting the synergistic measurements of SLSTR and OLCI onboard Sentinel-3, and to be launched in 2015, for the purpose of cloud-climate studies, since the FAME-C algorithm can be easily adapted to the synergy of these measurements.
Durch die Wechselwirkung von Wolken mit solarer und thermischer Strahlung, haben diese einen erheblichen Einfluss auf die Strahlungsbilanz der Erde. Die Wechselwirkung zwischen Wolken und Strahlung passiert auf unterschiedliche Weise für verschiedene Wolkentypen. Des Weiteren spielen sie eine wichtige Rolle im hydrologischen Zyklus. Die unzureichende Darstellung von Wolkenprozessen und Wechselwirkungen zwischen Wolken und Klima in Klimamodellen bilden den größten Unsicherheitsfaktor in Klimaprognosen. Die Satellitenfernerkundung von Wolkeneigenschaften bietet das Potenzial für die Überwachung des Klimawandels, der Validierung von Klimamodellen und von verbesserten Klimaprognosen. In dieser Arbeit wird eine Reihe von Wolkenparametern aus satellitengestützten Beobachtungen in einem globalen Umfang und für mehrjährige Zeitreihen abgeleitet. Die Synergie der zwei abbildenden Multispektral-Radiometern AATSR und MERIS auf dem polarumlaufenden Satelliten Envisat wurde genutzt, um die folgenden mikro- und makrophysikalischen und optischen Wolkenparameter abzuleiten: Wolkenbedeckungsgrad Thermodynamische Wolkenphase Optische Dicke der Wolke Effektiver Radius der Wolkentröpfchen Integriertes Flüssigwassergehalt Temperatur der Wolkenoberkannte Druck der Wolkenoberkannte Höhe der Wolkenoberkannte Der synergistische Ansatz bietet die Möglichkeit für eine verbesserte Beschreibung von Wolkeneigenschaften gegenüber der Anwendung eines einzelnen Sensors durch die Verwendung der spektralen Information beider Instrumente. Er besteht aus der Kollokation der AATSR und MERIS Messungen und der Ableitung der Wolkeneigenschaften. Der pixelbasierte, tageszeitliche FAME-C Algorithmus und seine Auswertung für ausgewählte Regionen und Jahre wurde vorgestellt. Strahlungstransportsimulationen wurden mit dem Strahlungstransportmodel MOMO durchgeführt und dienen als Basis für die Vorwärtsmodellierung. Die sogenannte Optimal-Estimation-Methode dient als Inversionsmethode und liefert eine Abschätzung der Unsicherheit für jeden Wolkenparameter auf Pixelbasis. Von besonderem Interesse in dieser Arbeit ist die Ableitung des Wolkenoberkantendrucks mithilfe der MERIS-Messungen in der Sauerstoff-Absorptionsbande. Er bietet eine zusätzliche unabhängige Informationsquelle für die Wolkenhöhe neben der Ableitung der Wolkenoberkantentemperatur. Es wurde gezeigt, dass der abgeleitete MERIS Wolkenoberkantendruck vom angenommenen vertikal Extinktionsprofil der Wolke abhängt, während die abgeleitete AATSR Wolkenoberkantentemperatur weniger davon betroffen ist. Für mehrere Wolkentypen, basierend auf einer Kombination der optischen Dicke der Wolke und Wolkenoberkantendruck, wurden inhomogene vertikale Extinktionsprofile aus kombinierten Daten von CloudSat CPR und MODIS abgeleitet und auf die Ableitungen angewendet. Die Differenz der Sensitivität der beiden unabhängigen Wolkenhöhenableitungen zum vertikalen Extinktionsprofil der Wolke wurde genutzt, um die Beziehung der Differenz zwischen den beiden Wolkenhöhenparametern zum vertikalen Ausmaß der Wolke auszuwerten. Dieser zusätzliche Parameter kann für eine erweiterte Charakterisierung einer Wolkenszene verwendet werden. Um die Leistungsfähigkeit des neu entwickelten Algorithmus abzuschätzen, wurde der erzeugte FAME-C Datensatz mit etablierten Datensätzen verglichen, welche sowohl aus bodengestützten als auch aus satellitengestützten Beobachtungen hervorgegangen sind. Die Auswertung wurde für ausgewählte Regionen auf Pixelbasis sowie für einen zeitlich gemittelten globalen Datensatz durchgeführt, der auf ein reguläres Gitter gebracht wurde, erzeugt aus Beobachtung von passiven und aktiven Instrumenten. Für pixelbasierte optische und mikrophysikalische Wolkenparameter wurde die beste Übereinstimmung für eine marine Region mit Stratokumuluswolken gefunden. Wie aus vorherigen Studien erwartet, schneidet der MERIS Wolkenoberkantendruck besser für niedrige Wolken ab, während die AATSR Wolkenoberkantentemperatur besser für höhere Wolken abschneidet. Es wurden erste Hinweise für einen Einfluss von Aerosolschichten auf die abgeleiteten optischen und mikro-physikalischen Wolkenparameter in einer bestimmten marinen Stratokumulusregion gefunden. Im globalen Umfang und für zeitlich gemittelte Wolkenparameter sehen räumliche Muster der Wolkenparameter im Allgemeinen sehr ähnlich aus. In den Polarregionen können die Unterschiede sehr groß sein. Diese Arbeit zeigt, dass die synergistische Nutzung der AATSR- und MERIS-Messungen für die Ableitung einer Reihe von Wolkenparameter im globalen Umfang geeignet ist. Durch Mittel von Auswertungen mithilfe von verschiedenen etablierten Datensätzen wurden die Stärken und Schwächen der Ableitungen unter verschiedenen Bedingungen festgestellt. Eine verbesserte Ableitung der Wolkenparameter kann wegen, unter anderem, einer verbesserten Bestimmung der Wolkenphase und genauerer Hilfsdatensätze erwartet werden. Des Weiteren trägt diese Arbeit zu einer erfolgreichen Ausnutzung der synergistischen Messungen von SLSTR und OLCI auf dem Sentinel-3 Satellit bei, welcher 2015 starten soll. Wolken-Klima Studien können dann, durch eine einfache Anpassung des FAME-C Algorithmus auf diese Messungen fortgesetzt werden.
