The potential benefit of geostationary satellite radiance observations, taken in clear-sky and cloudy atmospheric conditions, on the analysis and forecast accuracy of a numerical weather prediction (NWP) model was investigated. The NWP model used is the High Resolution Limited Area Model (HIRLAM) which provides with its state-of-the-art four-dimensional variational data assimilation (4D-Var) scheme an optimal framework to exploit spatio-temporal highly resolved geostationary infrared radiance observations such as measured by the Spinning Enhanced Visible and InfraRed Imager (SEVIRI) on-board the METEOSAT Second Generation satellite series. In the framework of this work the assimilation scheme has firstly been modified to enable the SEVIRI radiance observations being used as additional observation type, and secondly, it has been equipped with a observation operator for satellite radiances particularly designed for those radiances significantly affected by clouds. For the latter, a simplified moist physics scheme was implemented to diagnose the cloudiness from the NWP background state valid at the time of the observation. Sophisticated observation screening procedures have additionally been developed and implemented to provide both the identification of cloud- unaffected radiances in clear-sky regions and low-level cloud regimes, and the identification of usable cloud-affected radiances by matching of modelled and observed cloudiness. Further, the developed extended assimilation scheme has been tested and evaluated in various comprehensive assimilation and forecast experiments. The forecast accuracy was assessed by comparison with standard conventional observations, which were valid at the same time, as reference. The geostationary satellite observations in clear-sky regions were found to have a small positive impact on the HIRLAM forecast accuracy, in particular on the upper air values of temperature, relative humidity, geopotential height and wind. Adding radiance observations in the presence of low-level clouds further improves the accuracy mostly for geopotential height and precipitation. Cloud-affected radiances assimilated on top of the clear-sky radiances also alter the analysis fields. Corresponding forecasts were characterized by improvements in the mid and upper troposphere. Minor, but visible degradations for temperature and humidity forecasts were found in the lower troposphere. Overall, the impact of assimilated cloud-affected radiances on the forecast quality, given the described framework, is judged to be slightly positive. The results clearly indicate the positive impact that geostationary satellite observations of SEVIRI-like instruments can have on the accuracy of a limited-area NWP model with the given framework. In particular the inclusion of the time dimension in the 4D-Var system might be the key to fully explore such high-frequent satellite observations. The developed framework further provides a tool to employ satellite observations, also from other sensors, in nearly all atmospheric conditions. The full potential will be revealed when applied on global scale.
Der potentielle Einfluss von geostationären Satellitenbeobachtungen in unbewölkten und bewölkten Beobachtungsszenen auf die Qualität der Analyse und Vorhersage eines Modells zur numerischen Wettervorhersage (NWV) wurde untersucht. Benutzt wurde das High Resolution Limited Area Model (HIRLAM), das mit seinem modernen vier-dimensionalen variationellen (4D-Var) Assimilationsschema einen optimalen Rahmen bietet, um die Benutzung räumlich und zeitlich hochaufgelöster geostationärer Infrarot-Strahldichtemessungen zu untersuchen. Diese werden z.B. mit dem Spinning Enhanced Visible and InfraRed Imager (SEVIRI), welches auf den METEOSAT Second Generation Satelliten installiert ist, gemessen. Im Rahmen dieser Arbeit wurde das Assimilationsschema zunächst so modifiziert, dass geostationäre Strahldichtemessungen als weiterer Observationstyp benutzt werden können. Zweitens wurde das Schema mit einem Observationsoperator ausgestattet, der speziell für solche Messungen entwickelt wurde, die signifikant von Wolken beeinflusst sind. Dafür wurde ein spezielles, vereinfachtes Wolkenschema in den Observationsoperator eingebunden, um die Bewölkung anhand der NWV-Felder zu diagnostizieren. Dieser erweiterte Operator wurde detailliert hinsichtlich der realistischen Modellierung von Bewölkung und hinsichtlich seiner Linearität im Strahldichteraum getestet. Zusätzlich wurden spezielle Observationsfilterprozeduren definiert und implementiert, sodass erstens eine Identifikation von wolken-unbeeinflussten Strahldichten in Gebieten mit keiner oder mit tiefer Bewölkung erfolgen kann, und zweitens eine Identifikation von geeigneten wolkenbeeinflussten Strahldichten durch einen zusätzlichen Abgleich von beobachteter und modellierter Bewölkung möglich ist. Das erweiterte Assimilationsschema wurde in verschiedenen Vorhersageexperimenten getestet und evaluiert. Die Vorhersagegenauigkeit wurde durch Vergleiche mit konventionellen Observationen, die als Referenz dienten, ermittelt. Es wurde gezeigt, dass die Satellitenobservationen in wolkenfreien Regionen einen kleinen positiven Effekt auf die Genauigkeit der HIRLAM-Prognosen haben, insbesondere auf Temperatur, Relative Feuchte, geopotentielle Höhe und Wind in den troposphärischen Schichten. Die zusätzliche Benutzung von Strahldichten aus Gebieten mit tiefer Bewölkung führt zu einer weiteren Verbesserung der Genauigkeit, speziell für geopotentielle Höhe und Niederschlag. Der Effekt von zusätzlich assimilierten wolkenbeeinflussten Observationen wird insgesamt ebenfalls positiv beurteilt. Während ein leichter negativer Effekt auf de Genauigkeit der Vorhersage der atmosphärischen Parametern in den unteren troposphärischen Schichten festgestellt wurde, zeigte sich in der mittleren und oberen Troposphäre eine deutliche Verbesserung der Vorhersagegenauigkeit. Diese Resultate unterstreichen, dass SEVIRI oder ähnliche geostationäre Satelliteninstrumente im Allgemeinen Potenzial besitzen, die Analyse- und Vorhersagegenauigkeit von numerischen Wettervorhersagemodellen zu verbessern. Insbesondere unterstützt das Einbeziehen der zeitlichen Entwicklung atmophärischer Prozesse in 4D-Var-Schemen die Nutzung der zeitlich und räumich hochaufgelösten geostationären Satellitedaten. Zusätzliche Entwicklungsarbeit ist jedoch nötig, um die Assimilationsmethoden und die Verwendung von Satellitendaten, speziell in bewölkten Regionen, weiter zu verbessern.