Beobachtete und modellierte Wolken aus der Satellitenperspektive

Während der vergangenen zehn Jahre wurde in der Meteorologie der LMU ein hocheffizienter und genauer Vorwärtsoperator für sichtbare geostationäre Satellitenbeobachtungen entwickelt, der als VISOP bekannt ist (Kostka et al., 2014; Scheck et al., 2016, 2018; Geiss et al., 2021). Dieser Operator basiert auf einer schnellen 1D-Strahlungstransfermethode und wurde für den Einsatz in operationellen Anwendungen angepasst. Wir haben diesen Operator verwendet, um Satellitenbeobachtungen von Wolken mit synthetischen sichtbaren Satellitenbildern zu vergleichen, die mit 3D-Modellfeldern wie Druck, Temperatur, spezifischer Feuchtigkeit, Wolkenwasser usw., erzeugt wurden. Dieser Vergleich ermöglichte es uns, die Auswirkungen des physikalisch basierten Störungsschemas (PSP, Kober und Craig, 2016; Hirt et al., 2019; Puh et al., 2023) auf die Wolken, insbesondere auf ihre Struktur im ICON-D2-Modell zu bestimmen. Die gegenwärtige Formulierung des PSP-Schemas scheint die atmosphärische Grenzschicht zu sehr auszutrocknen, was sich in einer Verschlechterung der Vorhersage der Taupunkttemperatur in 2 m Höhe und einer zu geringen niedrigen Bewölkung äußert. Dies ist auf die zusätzliche Durchmischung durch die zusätzlichen Störungen zurückzuführen, die trockenere Luft von oben in die Grenzschicht einmischt. Unser Ansatz zur Abschwächung dieser unerwünschten Effekte besteht nun darin, die Störungen zunächst auf eine geringere Höhe anzuwenden, was die Vorhersage mit PSP verbessert. Dank des VISOP-Operators kommen wir zu dem Schluss, dass die Auswirkungen von PSP auf die Wolken nicht so groß sind wie ursprünglich angenommen. Die resultierenden Wolken sind im Vergleich zum ungestörten Referenzmodell realistischer.

Literatur:

• Geiss, S., Scheck, L., de Lozar, A. & Weissmann, M. (2021) Understanding the model representation of clouds based on visible and infrared satellite observations. Atmospheric Chemistry and Physics, 21(16), 12273–12290. https://doi.org/10.5194/acp-21-12273-2021.
• Hirt, M., S. Rasp, U. Blahak, and G. C. Craig, 2019: Stochastic Parameterization of Processes Leading to Convective Initiation in Kilometer-Scale Models. Mon. Wea. Rev., 147, 3917–3934, https://doi.org/10.1175/MWR-D-19-0060.1.
• Kober, K., and G. C. Craig, 2016: Physically Based Stochastic Perturbations (PSP) in the Boundary Layer to Represent Uncertainty in Convective Initiation. J. Atmos. Sci., 73, 2893–2911, https://doi.org/10.1175/JAS-D-15-0144.1.
• Kostka, P.M., Weissmann, M., Buras, R., Mayer, B. & Stiller, O. (2014) Observation operator for visible and near-infrared satellite reflectances. Journal of Atmospheric and Oceanic Technology, 31(6), 1216–1233.
• Puh, M., Keil, C., Gebhardt, C., Marsigli, C., Hirt, M., Jakub, F., et al. (2023) Physically based stochastic perturbations improve a high-resolution forecast of convection. Quarterly Journal of the Royal Meteorological Society, 149(757), 3582–3592. Available from: https://doi.org/10.1002/qj.4574.
• Scheck, L., Frerebeau, P., Buras-Schnell, R. & Mayer, B. (2016) A fast radiative transfer method for the simulation of visible satellite imagery. Journal of Quantitative Spectroscopy and Radiative Transfer, 175, 54–67.
• Scheck, L., Weissmann, M. & Mayer, B. (2018) Efficient methods to account for cloud-top inclination and cloud overlap in synthetic visible satellite images. Journal of Atmospheric and Oceanic Technology, 35(3), 665–685.