An advanced algorithm for the retrieval of atmospheric integrated water vapor over cloud free land areas is developed. The presented algorithm is for satellite data acquired by the Medium Resolution Imaging Spectrometer (MERIS) on board the polar-orbiting ENVISAT platform. The algorithm is based on the inversion of the radiative transport calculations in the atmosphere by using an artificial neuronal network. The new algorithm accounts for the impact of the spectral variability of the surface reflectance, which is the major improvement compared to the former algorithm (Albert, 2005; Fischer und Bennartz, 1997). The importance of all influencing parameters is demonstrated in sensitivity studies. It is shown that a variability of 5% in the surface reflectance leads to a 30% uncertainty in the water vapor retrieval. The error produced by an aerosol optical thickness of 0.3 is a 5% uncertainty. A 10% change in the atmospheric pressure leads to a 3.3% error in the retrieved water vapor while a change of 30K in the atmospheric temperature profile leads to a 2.6% uncertainty in the retrieved water vapor. The errors produced by unknown aerosol optical thickness, vertical temperature and pressure profile are small in comparison to the unknown spectral change in the surface albedo. The improved atmospheric water vapor product is available within the MERIS Level 2 dataset processed by ESA´s ground processor MEGS 8.0 (from 2010 on). An extensive validation is provided. The new MERIS water vapor product is compared to three different in situ datasets of integrated water vapor measurements: Microwave Radiometers on the ARM-SGP site in Oklahoma / USA; ground based Global Positioning System stations in Germany; and radio soundings over central Europe. The validation is done for a period of three years from January 2003 to December 2005. A high agreement with the data from Microwave Radiometers and the Global Positioning System is found. The root mean square deviation is 1.40mm and the bias is -0.03mm for Microwave Radiometer data. The root mean square deviation is 1.22mm and the bias is 0.97mm for the Global Positioning System. The agreement between MERIS and Radiosonde measurements is good, with a root mean square deviation of 2.28mm and a bias of 1.63mm. The accuracy range of the new retrieval algorithm for water vapor over cloud free land areas is now comparable (in the same magnitude) with the accuracy of retrievals above open oceans. Based on the very high accuracy of the presented water vapor algorithm, it is compared to two coupled regional numerical weather prediction models for the first time. The regional weather prediction models are the COSMO-EU and the COSMO-DE of the Deutscher Wetterdienst. The comparison is done for a period of 4.5 years (January 2005 to July 2009) and three years (July 2006 to July 2009) for COSMO-EU and COSMO-DE, respectively. The accuracy is calculated for all valid cloud free match points. The models show the typical annual cycle of water vapor with high water vapor values in summer and low values in winter. Spatial water vapor patterns caused by the orographic/geographic structures are very well resampled by the models. Differences in the mean water vapor of 1 to 2.5mm are found. The mean variability in the water vapor was for both datasets in the order of 6-7mm. In general, the MERIS water vapor is slightly higher and thus the model dryer than the observations. However, there are certain regions, like the Netherlands and north France and northern parts of Germany, with significant differences in the water vapor of up to 20%. Since the models are dryer in these regions in comparison to the MERIS measurements, the differences could be a result of weaknesses in the evaporation and the convective scheme in the COSMO models. Further investigations of these model schemes are necessary to improve the water cycle within the models and therefore the cloud development as well.
In der Arbeit wurde ein Algorithmus für die Fernerkundung von integriertem atmosphärischen Wasserdampf über wolkenfreien Landflächen entwickelt. Der vorgestellte Algorithmus verarbeitet Strahldichtemessungen des Medium Resolution Imaging Spectrometer (MERIS) an Bord des polar-umlaufenden ENVISAT Satelliten. Der Algorithmus für die Fernerkundung von Wasserdampf basiert auf der Umkehrung von Strahlungstransportberechnungen in der Atmosphäre mit Hilfe eines künstlichen Neuronalen Netzes. Der neue Algorithmus berücksichtigt zusätzlich den spektralen Ganges der Bodenalbedo, welches die wesentliche Verbesserung gegenüber den früheren Algorithmus [Albert2005, Fischer1997] darstellt. Der Einfluss des spektralen Ganges der Bodenalbedo, der aerosoloptischen Dicke und des Aerosoltyps sowie des vertikalen Druck- und Temperaturprofiles auf die Genauigkeit des Wasserdampf Algorithmus wurde mit Hilfe von Sensitivitätstudien berechnet. Es wurde gezeigt dass eine Änderung der spektralen Bodenalbedo um 5% zwischen 885nm und 900nm zu einer 30 prozentigen Ungenauigkeit des abgeleiteten Wasserdampfes. Der Einfluss von Aerosolen auf die Genauigkeit des Algorithmus war gering. Eine aerosol optische Dicke von 0,3 führte zu einer 5 prozentigen Unsicherheit des abgeleiteten Wasserdampfes. Ebenso gering war der Einfluss des vertikalen Druck- und Temperaurprofiles auf die Genauigkeit des Algorithmus. Eine 10 prozentige Änderung des atmosphärischen Drucks führte zu einem 3,3 prozentigen Fehler im abgeleiteten Wasserdampf, während eine Änderung der im atmosphärische Temperatur-Profil um 30K zu einer Unsicherheit von 2,6% führte. Der verbesserte Algorithmus zur Ableitung integrierten atmosphärischen Wasserdampfes wird ab 2010 innerhalb des ESA-Boden-Prozessor MEGS 8.0 eingesetzt werden. Der neue Algorithmus wurde umfassend validiert. Dafür wurde das neue MERIS Wasserdampf Produkt mit drei verschiedenen unabhängigen bodengestützten Wasserdampf Datensätze verglichen. Erstens mit Mikrowellenradiometer der ARM-SGP site in Oklahoma / USA. Zweitens mit bodengestützten Global Positioning System-Stationen in Deutschland und mit Radiosondenaufstiegen über Mitteleuropa. Die Validierung wurde für einen Zeitraum von drei Jahren von Januar 2003 bis Dezember 2005 durchgeführt. Es zeigte sich eine hohe Übereinstimmung der MERIS Wasserdampf Daten mit den Daten aus Mikrowellenradiometer und des Global Positioning System. Für den Vergleich von MERIS Wasserdampfdaten und Mikrowellen Radiometer Daten wurde ein rmse von 1.40mm und ein bias von -0.03mm festgestellt. Ein rmse von 1,22 mm und ein bias von 0,97 mm wurde für den Vergleich mit Wasserdampfdaten des Global Positioning System berechnet. Die Übereinstimmung zwischen MERIS und Radiosonden Wasserdampfmessungen ist gut. Es wurde ein rmse von 2.28mm und bias von 1.63mm berechnet. Die Genauigkeit des neuen Algorithmus zur Fernerkundung von integriertem Wasserdampf über wolkenfreien Landflächen ist jetzt vergleichbar mit der Genauigkeit der Wasserdampf Fernerkundung über offenen Ozean. Basierend auf der sehr hohen Genauigkeit des präsentierten Wasserdampf Algorithmus wurden Wasserdampfdaten erstmalig mit denen von zwei gekoppelten regionalen numerischen Wettervorhersagemodellen verglichen. Die regionalen Wettervorhersagemodelle sind das COSMO-EU Modell und das COSMO-DE Modell des Deutschen Wetterdienst. Der Vergleich wurde für einen Zeitraum von 4,5 Jahren (Januar 2005 bis Juli 2009 durchgeführt) für COSMO-EU bzw von drei Jahren (Juli 2006 bis Juli 2009) für COSMO-DE durchgeführt. Die Modelle zeigen den typischen Jahresgang des Wasserdampfes mit hohen Wasserdampfwerten im Sommer und niedrigen Wasserdampfwerten im Winter. Räumliche Muster im Wasserdampffeld verursacht durch orographische / geografischen Gegebenheiten, sind sehr gut in den Modellen wiedergegeben. Unterschiede von 1 bis 3,5 mm (5% bis 20%) zwischen Modellanalyse und MERIS Messungen sind erkennbar. Die Unterschiede liegen in der Größenordnung der Messgenauigkeit des neuen MERIS Wasserdampfproduktes. Im Allgemeinen sind die MERIS Wasserdampfmessungen etwas höher und damit das Modell trockener als die Beobachtungen. Die mittlere Variabilität des Wasserdampfes beträgt für beide Datensätze 6-7mm.
