Vergleich zweier Schwellwertalgorithmen zur Wolkendetektion in ...

Universität Leipzig, Fakultät für Physik und Geowissenschaften
Vergleich zweier Schwellwertalgorithmen zur
Wolkendetektion in solaren METEOSAT
SEVIRI Bildern und Anwendung auf den
hochaufgelösten sichtbaren Kanal
Masterarbeit
von
Sebastian Bley
Erstellt am Leibniz-Institut
für Troposphärenforschung, IfT Leipzig
Betreuer und Zweitgutachter:
Erstgutachter:
Dr. Hartwig Deneke,
Leibniz-Institut für Troposphärenforschung IfT, Leipzig
Prof. Dr. Andreas Macke,
Leibniz-Institut für Troposphärenforschung IfT, Leipzig
Leipzig, Dezember 2011

Zusammenfassung
Das Instrument SEVIRI an Bord des geostationären Meteosat Second Generation-
Satelliten bietet mit seinen 12 Kanälen im solaren und infraroten Spektralbereich sehr
gute Möglichkeiten zur Erforschung der Erdoberäche, Atmosphäre und zur Ableitung
von Wolkeneigenschaften wie z.B. optische Dicke und Wolkenhöhe. Die räumliche Auflösung
von SEVIRI¡s schmalbandigen Kanälen von 3 × 3 km 2 im Nadir liegt unterhalb
der Auösung von polumlaufenden Satelliten, wie MODIS mit einer Auösung bis zu
250 × 250 m 2 . SEVIRI verfügt jedoch über einen breitbandigen, hochaufgelösten Kanal
mit einer räumlichen Auösung von 1 × 1 km 2 . Für die Bestimmung von Wolkeneigenschaften
ist es notwendig, Satellitenbilder im Hinblick auf ihren Bewölkungszustand zu
dierenzieren.
In dieser Arbeit wurde eine hochaufgelöste Wolkenmaske zur Trennung von bewölkten
und unbewölkten Regionen in MSG SEVIRI-Bildern des HRV-Kanals entwickelt. Als
Vorstufe dazu wurden ein unüberwachtes Minimum Cross Entropy (MCE)- und ein
überwachtes Matthews Correlation Coecient (MCC)-Verfahren zur Ableitung geeigneter
Schwellwerte für solare SEVIRI-Kanäle getestet.
Basierend auf MSG-SEVIRI-Datensätze des 0.6 μm- und 0.8 μm-Kanals aus 2010 und
2011 wurden mittels MCE- und MCC-Verfahren Wolkenmasken für sieben Ausschnitte
mit verschiedenen Oberächeneigenschaften über Europa (Atlantik, Grasland, Alpen,
Wald, Mittelmeer und Oberrheingraben) und Afrika (Wüste) ermittelt. Die Validierung
der Ergebnisse erfolgte mittels der operationellen EUMETSAT-Wolkenmaske.
Wegen des hohen mittleren Fehlers der MCE-Wolkenmasken von 23 % wurde diese
Methode für die Anwendung auf den HRV-Kanal verworfen. Beim MCC-Verfahren ergab
sich verglichen mit der EUMETSAT-Wolkenmaske ein Fehler von lediglich 8 %.
i

ZUSAMMENFASSUNG
Deshalb wurde dieses Verfahren für die weitere Entwicklung der HRV-Wolkenmaske
gewählt.
Der Fehler der HRV-Wolkenmaske beträgt 9 %. Gegenüber des 0.6 μm-Kanals verursacht
der HRV-Kanal demnach nur einen geringen Verlust in der Genauigkeit der Wolkenmaske.
Bei bewölkten Pixeln scheint die HRV-Wolkenmaske zuverlässig zu sein. Bei
unbewölkten Pixeln traten jedoch 10 % Fehlkassikationen auf. Eine mögliche Ursache
dafür könnten Cirren sein, auf die der HRV-Kanal nicht empndlich ist. Von den bewölkten
LRes-Pixeln waren im Mittel 27 % und von den unbewölkten LRes-Pixeln 24 %
von gebrochener Bewölkung beeinusst.
Gegenüber der EUMETSAT-Wolkenmaske unterschätzt die HRV-Wolkenmaske den
Bedeckungsgrad vermutlich wegen Wolken mit geringer optischer Dicke. Dafür überschätzt
die EUMETSAT-Wolkenmaske den Bedeckungsgrad, weil gebrochene Wolken
überwiegend als bewölkt klassiziert werden.
ii

Inhaltsverzeichnis
Abkürzungen
v
1 Einleitung 1
1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Wolkenstrahlungsbilanz . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Zielsetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Struktur der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Meteosat Second Generation 9
2.1 Operationeller Betrieb von MSG . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Das Instrument SEVIRI . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Die solaren Kanäle . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.2 Der hochaufgelöste HRV Kanal . . . . . . . . . . . . . . . . . . 16
2.2.3 Die infraroten Kanäle . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 EUMETSAT-Wolkenmaske . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Messung der Strahlungsgröÿen 23
3.1 Kalibration der SEVIRI Strahlungsüsse . . . . . . . . . . . . . . . . . 23
3.2 Helligkeitstemperatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3 Umrechnung von Strahldichten in Reektanzen . . . . . . . . . . . . . 26
4 Daten und Methodik 29
4.1 MSG SEVIRI-Szenen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Histogramme der Grauwerte . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3 Schwellwertalgorithmen . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
iii

INHALTSVERZEICHNIS
4.4 Gütemaÿe der Schwellwerte . . . . . . . . . . . . . . . . . . . . . . . . 36
4.5 Minimum Cross Entropy - Methode . . . . . . . . . . . . . . . . . . . . 37
5 Ergebnisse 39
5.1 MCE-Wolkenmaske . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.2 Vergleich zwischen MCE- und MCC-Methode . . . . . . . . . . . . . . 43
5.3 Anwendung von wolkenfreien Reektanzen . . . . . . . . . . . . . . . . 49
6 Wolkendetektion in multispektralen MSG SEVIRI-Daten 57
6.1 Entwicklung einer hochaufgelösten Wolkenmaske . . . . . . . . . . . . . 59
6.2 Fehlereinschätzung und Stabilitätsuntersuchung . . . . . . . . . . . . . 66
7 Schlussfolgerungen und Ausblick 75
Anhang
Abbildungsverzeichnis
Tabellenverzeichnis
Literaturverzeichnis
Danksagung
Erklärung
I
XIII
XIV
XVII
XXIII
XXV
iv

Abkürzungen
Aqua
AU
BRF
CLA
COPS
EBBT
ESA
EUMETSAT
GERB
HRes
HRV
IR
ITCZ
ISCCP
LRes
METEOSAT
amerikanischer polarumlaufender Forschungssatellit
Astronomische Einheit (engl.: Astronomical Unit)
Bidirektionaler Reektanzfaktor
Schema von EUMETSAT zur Analyse von Wolkenparametern
(engl.: Cloud Analysis)
Studie zum Thema Niederschlagsauslösung durch Konvektion
und Orographie
(eng.: Convective and Orographically-induced Precipitation Study)
Equivalent Black Body Temperature
Europäische Weltraumorganisation
(engl.: European Space Agency)
Europäische Organisation zur Nutzung von Wettersatelliten
(engl.: European Organisation for the Exploitation of
Meteorological satellites)
Geostationary Earth Radiation Budget
hochaufgelöster SEVIRI Kanal
(engl.: High Resolution)
hochaufgelöster SEVIRI Kanal im solaren Spektralbereich
(engl.: High Resolution Visible)
Infrarot
Innertropische Konvergenzzone (engl.: Intertropical Convergence Zone)
International Satellite Cloud Climatology Project
niedrigaufgelöste SEVIRI-Kanäle (eng.: Low Resolution)
europäische geostationäre Wettersatelliten der ersten Generation
v

ABKÜRZUNGEN
MODIS
MSG
MSG-1
MSG-2
MISR
MCC
MCE
NASA
NDVI
SAF
SCE
SEVIRI
SSP
Terra
TOA
UTC
VIS
Moderate Resolution Imaging Spectroradiometer
europäischer geostationärer Wettersatellit
(engl.: Meteosat Second Generation)
erster operationeller Meteosat Satellit der zweiten Generation
zweiter operationeller Meteosat Satellit der zweiten Generation
(backup für MSG-1)
Multiangle Imaging Spectro-Radiometer
Matthews Correlation Coecient
Minimum Cross Entropy
zivile US-Bundesbehörde für Luft- und Raumfahrt
(engl.: National Aeronautics and Space Administration)
Normalized Dierenced Vegetation Index
EUMETSAT-Verbund zur Erstellung weiterführender Produkte
aus Satellitendaten
(engl.: Satellite Application Facilities)
Schema von EUMETSAT zur Wolkenbestimmung
(eng.: Scenes Analysis)
Spinning Enhanced Visible Infrared Imager
Sub-Satelliten-Punkt (engl.: Sub Satellite Point)
amerikanischer polarumlaufender Forschungs-Satellit
Oberrand der Atmosphäre (engl.: Top of the Atmosphere)
koordinierte Weltzeit (engl.: Universal Time Coordinate)
sichtbarer Wellenlängenbereich (engl.: visible)
vi

1 Einleitung
1.1 Motivation
Wolken sind ein einussreicher Teil des Klimasystems der Erde. Sie wirken auf die
Strahlungsüsse und ändern somit den Energiehaushalt von Atmosphäre und Erdober-
äche. Dabei haben Wolken im solaren und thermischen Spektralbereich verschiedene
Strahlungseigenschaften. Wegen ihrer hohen Albedo führen Wolken zu einer Abkühlung
der Erdoberächentemperatur, weil von ihnen ein Groÿteil der solaren Strahlung in den
Weltraum zurückgestreut wird. Ein Teil der solaren Strahlung wird jedoch von Wolken
absorbiert und transmittiert. Durch den Treibhauseekt verursachen Wolken eine
Erwärmung der Erdoberäche. Sie absorbieren die von der Erde ausgehende thermische
Strahlung und reemittieren diese wieder. Die kalten Wolkenoberkanten emittieren
weniger thermische Energie in den Weltraum. Ob es zu einer Erwärmung oder Abkühlung
der Erdoberäche kommt, hängt von den Eigenschaften der Wolke ab, wie zum
Beispiel Wolkenhöhe oder optische Dicke. Den Einuss von Cirren auf die am Oberrand
der Atmosphäre gemessene Strahlungsussdichte haben beispielsweise Wiegner et al.
(1997) untersucht. Ein weiteres Beispiel sind hohe Cumulus-Wolken, die zu einer Erhöhung
der am Erdboden eintreenden, solaren Strahlung führen können (Schade et al.
(2007)). Solche Beispiele zeigen die Notwendigkeit, Wolken in ihrer Art und Zusammensetzung
genauer zu analysieren.
Mit passiven, geostationären Satellitenmessungen lassen sich Atmosphäre und Erdoberäche
mit hoher räumlicher und zeitlicher Auösung analysieren (Schmetz et al.
(2002)). Satelliten stellen auÿerdem die einzige Möglichkeit dar, Strahlungsgröÿen am
Oberrand der Atmosphäre zu beobachten. Die meisten bodengebundenen Messinstrumente
können den unteren Bereich der Troposphäre räumlich vertikal besser auösen.
1

1.1. MOTIVATION
Allerdings werden diese Methoden im Gegensatz zu Satellitenmessungen vom Wetterzustand
beeinusst. Darüber hinaus sind damit keine ächendeckenden Messungen
gerade in Gebirgs- und Ozeanregionen realisierbar. Satellitendaten sind daher die beste
Möglichkeit, dass globale Messnetz zu vervollständigen.
Verschiedene Organisationen und Projekte stellen Datensätze mit unterschiedlichen
Strahlungsmessungen zur Verfügung. Ein international bekanntes Projekt ist das International
Satellite Cloud Climatology Project. Dieses von der NASA unterstützte
Projekt stellt unter anderem Wolkenklimatologien und globale Datensätze von solaren
und infraroten Strahlungsmessungen bereit. Das Moderate Resolution Imaging Spectroradiometer
(MODIS) ist das Hauptmessinstrument an Bord der beiden Satelliten
Terra und Aqua. MODIS scannt in ein bis zwei Tagen die komplette Erdoberäche und
bietet mit seiner multispektralen Auösung viele Produkte zur Erforschung der Atmosphäre,
der Erdoberäche und der Ozeane. Die Satellite Application Facility on Climate
Monitoring (CM-SAF, Schulz et al. (2008)) erstellt und vertreibt operationell Datensätze
auf Satellitenbasis. Zusätzlich archiviert CM-SAF Langzeitstudien für die Klimaüberwachung.
Im Gegensatz zu MODIS besitzt das Spinning Enhanced Visible Radiometer (SEVIRI)
des geostationären Satelliten Meteosat Second Generation (MSG) eine deutlich bessere
zeitliche Auösung (Schmetz et al. (2002)). Deshalb besteht die Möglichkeit, Tagesund
Lebenszyklen von Wolken zu verfolgen (Schröder et al. (2009)). Mit einer maximalen
Bodenauösung von 3 × 3 km 2 der schmalbandigen, niedrigaufgelösten SEVIRI-
Kanäle liegt Meteosat jedoch deutlich unter der Auösung von MODIS (1 × 1 km 2 bis
250 × 250 m 2 ) (Justice et al., 1998). Allerdings besitzt auch SEVIRI einen breitbandigen
(0.4 bis 1.1 μm), hochaufgelösten Kanal (HRV) mit einer Nadir-Auösung von
1 × 1 km 2 . In einigen Studien wurde dieser HRV-Kanal bereits zur Erforschung von Wolkeneigenschaften
verwendet (wie z.B. Melanie et al.(2002), Zinner et al.(2008), Klüser et
al.(2010) und Carbajal Henken et al.(2011)).
Als Vorstufe zur Interpretation von Wolkeneigenschaften ist es notwendig, Satellitenbilder
im Hinblick auf den Bewölkungszustand zu dierenzieren. Dies geschieht über
sogenannte Schwellwertalgorithmen. Dabei wird ein Schwellwert selektiert, welcher bewölkte
von unbewölkten Bildausschnitten trennt. Die meisten Schwellwertverfahren
2

1 EINLEITUNG
beruhen auf grauwertbasierten Histogrammfunktionen (wie z.B. Pun (1981), Kapur und
Sahoo (1985), Li und Lee (1993) und Pal (1996)). Für die schmalbandigen SEVIRI-
Kanäle liefert EUMETSAT eine Wolkenmaske als Standardprodukt in der niedrigen
Auösung von 3 × 3 km 2 . Da kleinskalige Wolkenstrukturen mit den niedrigaufgelösten
SEVIRI-Kanälen unzureichend aufgelöst werden, ist der HRV-Kanal vor allem
für die Erforschung von konvektiven Wolkengebilden von groÿer Bedeutung. Aus
diesem Grund wird in dieser Arbeit versucht, eine hochaufgelöste Wolkenmaske zu
entwickeln.
1.2 Wolkenstrahlungsbilanz
Die Sonne versorgt die Erde als Hauptenergiequelle mit solarer Strahlung (∼ 0.2 −
5 μm). Diese einfallende Strahlung erfährt komplizierte Wechselwirkungen in Form
von Streuung, Reexion und Absorption mit Wolken, Aerosolen und der Erdober-
äche.
Die Solarkonstante stellt die von der Sonne ausgehende Strahlungsenergie dar, die
am Oberrand der Erdatmosphäre auf eine horizontale Einheitsäche auftrit. Abbildung
1.1 zeigt den globalen, jährlich gemittelten Energiehaushalt der Erde (Trenberth
et al. (2009)). Dadurch wird das weitgehende Strahlungsgleichgewicht des Systems
Erde-Atmosphäre veranschaulicht. Für solche globalen Betrachtungen wird die
auf einer Querschnittsäche A Q = π ⋅ r 2 ankommende solare Strahlung als Mittel
auf die gesamte Erdoberäche A O = 4 ⋅ π ⋅ r 2 verteilt. Damit ergibt sich im zeitlichen
und räumlichen Mittel am Oberrand der Atmosphäre eine einfallende solare
Strahlung von 341.3 W m −2 , was einem Viertel der Solarkonstante (aktueller Wert
= 1361 W m −2 nach Phillips (2010)) entspricht. Ein Teil dieser Strahlung wird an Wolken
und der Erdoberäche gleich wieder zurück ins All reektiert, während ein Groÿteil
der einfallenden Solarstrahlung von der Atmosphäre und der Erdoberäche absorbiert
wird.
Die absorbierte solare Strahlung wird in thermische Energie umgewandelt, was zu einer
Erwärmung des Systems Erde-Atmosphäre führt. Der gröÿte Anteil der thermischen
Energie wird in Form von terrestrischer Strahlung (∼ 3 − 100 μm) von der warmen Erd-
3

1.2. WOLKENSTRAHLUNGSBILANZ
Abbildung 1.1: Globaler, jährlicher, mittlerer Energiehaushalt der Erde. Alle Energieüsse
in W m −2 [Trenberth et al. (2009)].
oberäche emittiert. Nur ein kleiner Teil passiert ungehindert die Atmosphäre (durch
atmosphärische Fensterbereiche), ohne von Gasen absorbiert zu werden (Abb. 1.1).
Die restliche terrestrische Strahlung wird von Wolken, Aerosolpartikeln und atmosphärischen
Gasen, insbesondere Kohlenstodioxid, Wasserdampf und Methan, absorbiert
und wieder sowohl Richtung Weltall als auch Richtung Erdoberäche emittiert. Die global
gemittelte Oberächentemperatur der Erde beträgt etwa 14 ∘ C (Jones et al. (1999)).
Ohne Treibhausgase und den dadurch verursachten Treibhauseekt würde die Temperatur
deutlich darunter liegen. Vergangenen Untersuchungen zufolge herrscht am Oberrand
der Atmosphäre (Top Of Atmosphere, TOA) weitgehend ein Strahlungsgleichgewicht
341 − 102 − 239 = 0 W m −2 (Abb. 1.1). Nach aktuellem Wissensstand existiert
dort jedoch ein Ungleichgewicht von 0.9 W m −2 durch Nettoabsorption (Trenberth et
al. (2009)). An der Erdoberäche wird die Energiebilanz durch latente und fühlbare
Wärmeüsse geschlossen.
Die Wolkenstrahlungsbilanz ist allgemein deniert als die Dierenz zwischen der gemessenen
Energiebilanz im bewölkten und der Energiebilanz im unbewölkten Fall. In Abbil-
4

1 EINLEITUNG
dung 1.1 wird der Einuss von Wolken global gemittelt dargestellt. Allerdings sind Wolken
sehr variable Gebilde und keinesfalls gleichmäÿig über die Erdoberäche verteilt.
Die Lebensdauer von einzelnen Gewitterkomplexen liegt meist nur bei einigen Stunden
und in manchen Fällen sogar unter einer Stunde. Vor allem konvektive Wolken sind aufgrund
ihrer Inhomogenität und zeitlichen Variabilität nur schwer in globalen Modellen
abzubilden. Eine dafür erforderliche hohe zeitliche Auösung bei gleichzeitig groÿräumiger
Abdeckung ist nur mit geostationären Satelliten wie Meteosat Second Generation
möglich.
Um Strahlungsbilanzen von der Erdoberäche sowie von Wolken bestimmen zu können,
müssen die jeweiligen Strahlungsanteile voneinander getrennt werden. Dies ist
allerdings nur mit Hilfe einer Wolkenmaske erreichbar. Für die nähere Erforschung von
Strahlungseekten kleinskaliger Wolkenstrukturen mit dem HRV-Kanal ist die Entwicklung
einer hochaufgelösten Wolkenmaske deshalb von groÿem Interesse.
1.3 Zielsetzung
Das Ziel der Arbeit ist die Entwicklung einer hochaufgelösten Wolkenmaske zur Anwendung
auf den MSG SEVIRI HRV-Kanal. Dabei werden zwei Schwellwertalgorithmen
zur Wolkendetektion in solaren Meteosat SEVIRI-Bildern untersucht, miteinander verglichen
und beurteilt, welches Verfahren zur Anwendung auf den HRV-Kanal geeignet
ist. Zuerst wird eine unüberwachte Methode nach Li und Lee (1993) verwendet, um
bewölkte von unbewölkten Pixeln zu trennen. Dieser Test basiert auf einer Studie von
Yang et al. (2007) mit dem Multi-angle Imaging Spectro-Radiometer (MISR). Darin
wird vorgestellt, dass das Minimum Cross Entropy (MCE) Schwellwertverfahren von
Li und Lee die besten Ergebnisse zur Selektierung des optimalen Schwellwerts liefert.
Dabei soll folgende Frage beantwortet werden:
Ist dieses unüberwachte Verfahren auch zur Wolkendetektion in solaren
MSG SEVIRI-Bildern geeignet, und damit insbesondere auch für den HRV-
Kanal nutzbar? Eignet sich das Verfahren auch zur Entwicklung einer HRV-
Wolkenmaske?
5

1.3. ZIELSETZUNG
Dafür wird das Verfahren auf ausgewählte MSG-Datensätze angewendet. Diese Datensätze
sollten nicht nur passende, sondern auch einige problematische Szenarien enthalten,
damit das Verfahren auf Stabilität untersucht werden kann. Die daraus resultierende
Wolkenmaske wird mit Hilfe der EUMETSAT-Wolkenmaske als Referenzmaske
validiert.
Für die überwachte Methode sind Gütemaÿe erforderlich. Diese Gütemaÿe basieren auf
dem Vergleich von MSG-Satellitenbildern mit der EUMETSAT-Wolkenmaske. Dabei
sollte nicht nur die Qualität der Wolkenmaske eine Rolle spielen. Es ist auÿerdem zu
beachten, welches Schwellwertverfahren auf welche Kanäle angewendet wird. Beim Vergleich
des unüberwachten mit dem überwachten Verfahren wird folgende Fragestellung
untersucht:
Wie groÿ ist deren Anfälligkeit für Veränderungen von Bedeckungsgrad und
Bodeneigenschaften? Welches der beiden Verfahren ist eher zur Wolkendetektion
mit dem HRV-Kanal geeignet?
Im Gegensatz zur EUMETSAT-Wolkenmaske steht für die Wolkendetektion mit dem
HRV-Kanal nur ein breitbandiges Signal aus dem solaren Spektrum zur Verfügung.
Über Land treten oft Inhomogenitäten der Erdoberächeneigenschaften auf. Folglich ist
die Selektion von Schwellwerten für solche Beispiele sehr schwierig. Diese Inhomogenitäten
sollen durch gemittelte, wolkenfreie Reektanzen herausgeltert werden. Auÿerdem
stellen sich folgende Fragen:
Ist der HRV-Kanal überhaupt zur Wolkendetektion geeignet? Wie gut ist
die Übereinstimmung der HRV-Wolkenmaske mit der EUMETSAT-Wolkenmaske
und wie groÿ sind die Fehler?
Bei der Untersuchung von HRV-Bildern auf Trennbarkeit in bewölkte und unbewölkte
Pixel stehen zwei Schwerpunkte im Vordergrund: Wie stark wirkt sich zum einen der
veränderte, spektrale Informationsgehalt auf diese Trennung aus? Wie groÿ ist zum anderen
der Einuss der besseren räumlichen Auösung? Bei der zweiten Frage wird vor
allem analysiert, ob in den niedrigaufgelösten Pixeln der EUMETSAT-Wolkenmaske gebrochene
Wolken auftreten und wie groÿ der Anteil davon ist.
6

1 EINLEITUNG
1.4 Struktur der Arbeit
Nachdem dieses Kapitel eine Einleitung und die Zielsetzung der vorliegenden Arbeit
beinhaltete, folgt in Kapitel 2 die Vorstellung des Satelliten METEOSAT Second Generation
mit seinem Hauptinstrument SEVIRI und den verschiedenen Sensoren. In dem
Kapitel werden die verschiedenen Spektralbereiche von SEVIRI und ihre wichtigsten
Anwendungsgebiete präsentiert. Auÿerdem wird darin ein wichtiges Datenprodukt, die
EUMETSAT-Wolkenmaske, beschrieben.
In Kapitel 3 wird die Messmethodik und die Verarbeitung der Satellitendaten sowie die
Berechnung der wichtigen Strahlungsgröÿen erläutert.
Kapitel 4 führt wichtige, statistische Gröÿen für die Schwellwertbestimmung ein. Des
Weiteren beinhaltet es die Theorie und Vorgehensweise des überwachten und unüberwachten
Schwellwertverfahrens.
Das Kapitel 5 ist in zwei Abschnitte unterteilt. Zuerst werden die Ergebnisse des MCEund
MCC-Verfahrens mit der EUMETSAT-Wolkenmaske validiert und miteinander
verglichen. Dabei erfolgt eine Veranschaulichung über einige Fallbeispiele und anschlieÿend
eine Fehlerbetrachtung. Im zweiten Teil wird ein Verfahren vorgestellt, mit dem
die Wolkendetektion über Land signikant verbessert werden kann.
In Kapitel 6 wird eine hochaufgelöste Wolkenmaske entwickelt. Zuerst wird näher auf
den unterschiedlichen Einuss spektraler Kanäle auf das Endergebnis einer Wolkenmaske
eingegangen. Anschlieÿend wird das Verfahren vorgestellt, welches zur HRV-
Wolkenmaske führt. Dabei werden wieder einige Fallbeispiele vorgestellt. Im letzten Abschnitt
erfolgt eine Fehlereinschätzung und Stabilitätsuntersuchung der HRV-Wolkenmaske.
Dabei wird vor allem ein Vergleich mit der EUMETSAT-Wolkenmaske
durchgeführt.
Im Kapitel 7 werden die Schlussfolgerungen erläutert. Weiterhin werden als Ausblick einige
interessante Fragestellungen für zukünftige Arbeiten geliefert.
7

2 Meteosat Second Generation
In diesem Kapitel wird der Satellit Meteosat Second Generation mit seinem Hauptinstrument
und den verschiedenen Detektoren vorgestellt. Dabei werden die solaren,
schmalbandigen und der hochaufgelöste, breitbandige Kanal detailliert erläutert. Für
die Spektralbereiche und Anwendungsgebiete der anderen Kanäle erfolgt ein Kurzüberblick
in tabellarischer Form.
Im zweiten Teil des Kapitels wird die EUMETSAT-Wolkenmaske beschrieben. Diese
Wolkenmaske stellt eine wichtige Basis der Masterarbeit dar.
2.1 Operationeller Betrieb von MSG
Mit dem Meteosat Second Generation (MSG)-Satelliten (Abb. 2.1) werden für meteorologische
Anwendungen bedeutende Datensätze ächendeckend und mit relativ hoher
zeitlicher Auösung erzeugt. Meteosat ist eine Serie geostationärer Satelliten und wurde
zunächst von der europäischen Raumfahrtbehörde (ESA) entwickelt. Seit 1986 wird er
von der europäischen Organisation EUMETSAT betrieben.
Die erste Meteosat-Satellitenmission (Meteosat-1) in Europa wurde 1977 gestartet
(Schmetz et al. (2002)). Ihr folgten acht weitere erfolgreiche Missionen mit dem identischen
Instrument Meteosat Visible and InfraRed Imager (MVIRI). Im Jahr 2002
wurde der erste Satellit der zweiten Generation (MSG-1) erfolgreich ins Weltall gestartet
(Schmetz et al. (2002)). Wenige Jahre später wurde auch der zweite Satellit
Meteosat-9 (MSG-2) gestartet. Im Gegensatz zu den vorherigen Missionen mit dem Instrument
MVIRI mit drei Kanälen, startete mit den Satelliten der zweiten Generation
das Instrument Spinning Enhanced Visible and Infrared Imager SEVIRI, was neben seinen
überragenden 12 Kanälen im sichtbaren und infraroten Spektralbereich auch eine
9

2.2. DAS INSTRUMENT SEVIRI
Abbildung 2.1: Aufnahme des Meteosat Second Generation Satelliten [Schmetz et al.
(2002)].
deutlich bessere räumliche und zeitliche Auösung bietet. SEVIRI besitzt einen hochaufgelösten,
solaren Kanal der auf das breitbandige Signal von MVIRI zugeschnitten
ist.
Beide METEOSAT Second Generation (MSG)-Satelliten benden sich auf dem geostationären
Orbit 36000 km über dem Äquator auf 9.6 ∘ östlicher und 0.0 ∘ westlicher
geograscher Länge. Meteosat-9 (MSG-2) ist der aktuell datenliefernde Satellit, wobei
Meteosat-8 (MSG-1) als back up- Satellit dient. Dieser Satellit arbeitet seit 2008 im
rapid scan- Modus und sendet alle fünf Minuten ein multispektrales Bild von Europa
und Afrika (Schmetz et al. (2002)). Durch diesen Modus wird die Wettervorhersage im
Bereich der Kurzfristvorhersage verbessert. Die Datensätze von MSG-1 sind nicht Bestandteil
dieser Arbeit.
2.2 Das Instrument SEVIRI
Das Hauptinstrument an Bord des MSG Satelliten ist das optisch abbildende Radiometer
SEVIRI (engl.: Spinning Enhanced Visible and Infrared Imager). Durch seine 12
spektralen Kanäle im solaren und infraroten Bereich macht SEVIRI im Vergleich zu
Vorgängersatelliten deutliche Fortschritte, wie z. B. im Bereich der Wolkenbestimmung,
Wolkenverfolgung, Nebelerkennung sowie Temperaturbestimmung von Erdboden und
10

2 METEOSAT SECOND GENERATION
Abbildung 2.2: Weltkarte mit MSG Sichtfeld und Datenübertragungsgebiet (eingerahmter
Kreis) [EUMETSAT (2002)].
Wolkenoberkanten (Aminou (2002)). Diese SEVIRI-Kanäle umfassen 3 solare schmalbandige
Kanäle (0.6, 0.8 und 1.6 μm), einen breitbandigen hochaufgelösten Kanal
(0.4 - 1.1 μm) und 8 thermische Kanäle (3.9, 6.2 7.3, 8.7, 9.7, 10.8, 12.0 und 13.4 μm)
(Schmetz et al. (2002)).
Im Rhythmus von 15 Minuten scannt das SEVIRI-Instrument die komplette Fulldisk-
Sichtfeldscheibe. Dieser Zyklus beinhaltet die Messung aller 12 Kanäle, on-board-
Kalibration und Rücklauf der Scanspiegel. Die Fulldisk-Bildgröÿe der niedrig aufgelösten
(LRes) Kanäle beträgt 3712 × 3712 Pixel (Nord-Süd × Ost-West). Der hochaufgelöste
(HRes) Kanal umfasst 11136 Pixel in Nord-Süd und 5568 Pixel in Ost-West Richtung
(Schmetz et al. (2002)). Der MSG-Sichtfeldbereich, in welchem uneingeschränkter
Datenzugri möglich ist, wird in Abbildung 2.2 durch den schwarzen Kreis markiert.
Mit Afrika im Zentrum beträgt die räumliche Auösung der schmalbandigen Kanäle des
MSG-Satelliten im Nadir 3 × 3 km 2 .
Der High Resolution Visible (HRV)-Kanal misst im Nadir mit einer räumlicher Auösung
von 1 × 1 km 2 . Dieser deckt allerdings nur einen Unterbereich der schmalbandigen
Kanäle ab (siehe Kap. 2.2.2).
Der MSG-Satellit scannt vom geostationären Orbit in konstanten Winkelschritten. Dabei
wird der Sichtfeldzenitwinkel nach auÿen immer gröÿer (siehe Kap. 3.3). Folglich ist
die räumliche Auösung am Sub-Satelliten-Punkt deutlich besser als an weiter von diesem
Punkt entfernten Pixeln (EUMETSAT (2007)). Mit zunehmendem Abstand vom
11

2.2. DAS INSTRUMENT SEVIRI
Abbildung 2.3: SEVIRI-Bodenauösung der LRes Kanäle. Die Mitte des gelben Kreises
markiert den Sub-Satelliten-Punkt (SSP). Farbige Bänder zeigen die Abnahme der Pixelauflösung
von innen nach auÿen. 3.1 km (innerer Kreis), 4 km, 5 km, 6km, 8 km, 11 km (äuÿeres
Band) [EUMETSAT (2001)].
Sub-Satelliten-Punkt (SSP) wird die räumliche Auösung immer schlechter. Abbildung
2.3 zeigt die Bodenauösung der LRes SEVIRI-Kanäle. Anhand der farbig hervorgehobenen
Bänder wird die abnehmende Pixelauösung deutlich.
Tabelle 2.1 liefert genauere Information über die einzelnen Kanäle und ihre Spektralbereiche.
Diese beinhalten eine zentrale Wellenlänge λ cen . Zusätzlich dazu ist das Minimum
λ min sowie Maximum λ max der spektralen Empndlichkeitsfunktion der Kanäle
aufgelistet. SEVIRI misst nicht monochromatisch, weil sonst beim 36000 km entfernten
Satelliten zu wenig Energie ankommen würde. Eine kurze Zusammenfassung der Hauptanwendungsgebiete
bendet sich in der letzten Spalte (Tab. 2.1).
12

2 METEOSAT SECOND GENERATION
Tabelle 2.1: Spektrale Charakteristik der 12 SEVIRI-Kanäle mit zentraler, minimaler und
maximaler Wellenlänge und Hauptanwendungsgebiete der einzelnen Kanäle [Schmetz et al.
(2002)].
13

2.2. DAS INSTRUMENT SEVIRI
2.2.1 Die solaren Kanäle
Im solaren Spektralbereich besitzt SEVIRI vier Kanäle. Davon sind drei schmalbandig
(VIS0.6, VIS0.8 und NIR1.6) und einer breitbandig (HRV) (Tab. 2.1). Diese Kanäle
messen die solare, von der Erdoberäche oder Atmosphäre reektierte Sonnenstrahlung.
Aus diesem Grund ist die Nutzung dieser Kanäle nur am Tag bei vorhandener solarer
Einstrahlung möglich.
Abbildung 2.4: Spektrale Antwortfunktionen der solaren MSG SEVIRI-Kanäle (grau) mit
spektraler Strahlungsussdichte am Oberrand der Atmosphäre (rot) sowie Reexion von Vegetation
(grün) und kahlem Erdboden (braun) [Schmetz et al. (2002)].
Auÿerdem liegen diese Kanäle in den solaren Fensterbereichen und sind nur von wenigen
Absorptionsbanden unterbrochen. Die terrestrische Ausstrahlung kann in diesen
Kanälen vernachlässigt werden. Der VIS0.6-Kanal liegt am nächsten am Maximum der
solaren Strahlungsussdichte am Oberrand der Atmosphäre. Die Reexion von kahlem,
dunklem Erdboden und Vegetation ist sehr gering im Gegensatz zur Reexion von
hellen Wolken, Schneeächen und Wüstenregionen (Abb. 2.4). Die anschlieÿende Abbildung
zeigt die gesamte Fulldisk-Sichtfeldscheibe des MSG SEVIRI-Kanals 1 (0.6 μm)
und 2 (0.8 μm) für den 6. Oktober 2010 um 12.00 UTC.
Mit Hilfe von Kanal 1 lassen sich Wolken sehr gut über bewachsenem Land und
über Ozeanregionen detektieren (Abb. 2.5). Vor allem optisch dünne Wolken werden
14

2 METEOSAT SECOND GENERATION
Abbildung 2.5: MSG SEVIRI Kanal 1 mit 0.6 μm (links) und Kanal 2 mit 0.8 μm (rechts)
am 6. Oktober 2010, 12.00 UTC.
aufgrund der geringen Rückstreuung des Erdbodens über Land besser als mit Kanal 2
erfasst. Bei 0.8 μm bendet sich nämlich ein Maximum der Reexion von Vegetation
(Abb. 2.4). Demzufolge ist dieser Kanal besser zur Erkundung der Erdoberäche geeignet,
durch Betrachtung der Dierenz der beiden Kanäle können z. B. Rückschlüsse auf
den Vegetationszustand (Normalized Dierenced Vegetation Index (NDVI)) gezogen
werden.
Mit Kanal 3 (1.6 μm), welcher im nahen Infrarotbereich liegt, werden Wolken von
Schnee und Wasserwolken von Eiswolken unterschieden (Schmetz et al. (2002)). Dies
basiert auf der Tatsache, dass die Absorption von Eis in diesem Spektralbereich deutlich
über der von Wasser liegt. Somit erscheinen Wasserwolken heller als Eiswolken. Schnee-
ächen sind aufgrund ihrer hohen Absorption noch dunkler. Abbildung 2.8 zeigt die
Fulldisk-Darstellung des Kanals 3 wieder für den 6. Oktober 2010, 12.00 UTC. Dabei
fällt auf, dass die hochreichende, konvektive Bewölkung der ITCZ nicht so hell und
deutlich hervorsticht wie bei Kanal 1 und 2. Mit der dort vorhandenen, groÿen Menge
an Eispartikeln kann die bereits erwähnte Dierenz zwischen Wasser- und Eisabsorption
an diesem Beispiel plausibler erklärt werden.
15

2.2. DAS INSTRUMENT SEVIRI
2.2.2 Der hochaufgelöste HRV Kanal
Abbildung 2.6: Hochaufgelöster MSG SEVIRI HRV Kanal am 6. Oktober 2010, 12.00 UTC.
Fixierter Europaausschnitt mit 3072 × 5568 Pixeln und 1 × 1 km 2 Auösung am SSP.
Der hochaufgelöste Kanal 12 High Resolution Visible (HRV) misst breitbanding im solaren
Spektrum und besitzt im Gegensatz zu den anderen solaren Kanälen eine deutlich
besserer Auösung von 1 × 1 km 2 am SSP. Dies ist möglich, weil er durch den breiten
Spektralbereich von 0.4 - 1.1 μm mehr Energie empfängt. Infolge der höheren Auflösung
ermöglicht der HRV-Kanal die Erfassung von feinskaligen Stukturen wie zum
Beipsiel durch Orograe verursachte Konvektion.
Zusätzlich zur veränderten Auösung ist ein weiterer Unterschied des HRV-Kanals zu
den LRes-Kanälen die Abtastäche. Der HRV-Kanal scannt im Vergleich zum LRes-
Fulldisk-Bild nur die halbe Fläche in Ost-West Richtung mit 11136 × 5568 Pixeln
(Schmetz et al. (2002)).
Abbildung 2.6 zeigt den Europaausschnitt einschlieÿlich Nordatlantik und Nordafrika.
Dieser Ausschnitt wird in der normalen 15-minütigen Wiederholfrequenz zur Verfügung
gestellt. Der andere Ausschnitt variiert in Abhängigkeit der Tageszeit von Ost nach
West. Beide Ausschnitte zusammen umfassen in der Nord-Süd-Richtung mit 11136
Pixeln die dreifache Pixelzahl wie die Bilder der LRes-Kanäle. Die Ausdehnung des
oberen, xierten Europaausschnitts beträgt 3072 × 5568 Pixel (geogr. Breite x Länge).
16

2 METEOSAT SECOND GENERATION
Abbildung 2.7: Hochaufgelöster MSG SEVIRI-HRV-Kanal am 6. Oktober 2010. Vier variable
Ausschnitte zwischen Ost (Indischer Ozean) und West (Atlantik) zwischen 12.00 und
18.00 UTC.
Der untere, variable Ausschnitt besitzt ein geograsches Breiten- bzw. Längenintervall
von 8064 × 5568 Pixeln (EUMETSAT-Systemoverview (2001)).
Zur Veranschaulichung zeigt Abbildung 2.7 vier Szenen von 12:00 UTC bis 18:00 UTC.
Dabei folgt der Ausschnitt der solaren Einstrahlung. Zwischen Sonnenaufgang und
14:00 UTC ist die Position des Sichtfeldes an den Indischen Ozean angepasst. Nach
14:00 UTC verschiebt sich der Ausschnitt stündlich westwärts, bis er in einer Position
verharrt, die den Atlantischen Ozean abbildet.
2.2.3 Die infraroten Kanäle
Die infraroten Kanäle können in zwei Klassen unterteilt werden. Auf der einen Seite stehen
die infraroten Fensterkanäle (8.7, 10.8 und 12.0 μm), für die die Atmosphäre weitgehend
transparent ist. In diesem Spektralbereich kommt es kaum zu einer Abschwächung
der emittierten Strahlung durch atmosphärische Gase. Die anderen Kanäle liegen
in den Absorptionsbanden wichtiger Gase wie Wasserdampf (6.2 und 7.3 μm), Ozon
(9.7 μm) und Kohlenstodioxid (13.4 μm). Der Kanal 4 (3.9 μm) liegt im Übergangsbereich
zwischen solarer und infraroter Strahlung, sodass er für Reexion und Emission
empndlich ist.
In Abbildung 2.9 ist die emittierte Schwarzkörper-Helligkeitstemperatur EBBT [K] gegen
die Wellenlänge λ [μm] aufgetragen. Die blaue Kurve repräsentiert das terrestrische
17

2.2. DAS INSTRUMENT SEVIRI
Abbildung 2.8: MSG SEVIRI-Kanal 3 mit 1.6 μm am 6. Oktober 2010, 12.00 UTC.
Emissionsspektrum der Erde am Oberrand der Atmosphäre. Die spektrale Empndlichkeit
(response function) der jeweiligen Kanäle wird durch die roten Linien dargestellt.
Die atmosphärischen Gase absorbieren bzw. emittieren infrarote Strahlung mit einer
bestimmten EBBT, die am MSG-Satelliten bestimmt werden kann. Darüber werden
Wasserdampf, Ozon und CO 2 -Konzentrationen in der Atmosphäre bestimmt. Für die
Bestimmung von Wolkeneigenschaften sind auch die IR-Fensterkanäle 8.7 μm, 10.8 μm,
12.0 μm von Bedeutung. Diese werden nur von einigen Ozonabsorptionsbanden unterbrochen.
Kanal 9 (10.8 μm) und Kanal 10 (12.0 μm) werden bevorzugt für die Bestimmung
von Erdoberächen- bzw. Wolkenoberkantentemperaturen verwendet, Kanal 7
(8.7 μm) zur Trennung von Eis- und Wasserwolken.
Abbildung 2.10 wie auch alle anderen infraroten Abbildungen wurden zur leichteren
Interpretierbarkeit farblich invertiert. Demzufolge sind warme Regionen dunkel und kalte
Regionen hell. Die wohl kältesten Temperaturen werden an den Wolkenobergrenzen
der hochkonvektiven Bewölkung in der ITCZ erreicht (Abb. 2.10). Die tiefe Bewölkung
über dem Atlantik hingegen erzeugt nur einen geringen Kontrast zum darunterliegenden
Ozean.
18

2 METEOSAT SECOND GENERATION
Abbildung 2.9: Spektrale Antwortfunktionen der infraroten MSG SEVIRI-Kanäle (rot) mit
dem terrestrischen Emissionsspektrum (blau) [Schmetz et al. (2002)].
Abbildung 2.10: MSG SEVIRI-Kanal 9 mit 10.8 μm am 6. Oktober 2010, 12.00 UTC.
19

2.3. EUMETSAT-WOLKENMASKE
2.3 EUMETSAT-Wolkenmaske
Der von EUMETSAT entwickelte Algorithmus zur Wolkenverarbeitung mittels MSG
enthält zwei unterschiedliche Anwendungen. Die sogenannte scenes analysis (SCE)
zur Wolkenbestimmung und die cloud analysis (CLA) mit detaillierten Informationen
über die Wolkentypen (EUMETSAT (2007)). In diesem Bericht wird nur der Wolkenbestimmungsalgorithmus
genauer beschrieben. Abbildung 2.11 zeigt die Sichtscheibe
von MSG SEVIRI-Kanal 2 (0.8 μm) am 7. Oktober 2010, 12.00 UTC und die dazugehörige
EUMETSAT-Wolkenmaske. Jedem Pixel wird eine Zahl zugeordnet, die folgende
Informationen beinhaltet:
∙ 0 .... unbewölkter Ozean (blau)
∙ 1 .... unbewölkte Landoberäche (hellblau)
∙ 2 .... bewölkt (grün)
∙ 3 .... auÿerhalb der MSG Sichtscheibe (rot)
Der dabei zugrundeliegende Algorithmus enthält eine Reihe von Schwellwerttests, welche
die unterschiedlichen Informationsgehalte der MSG SEVIRI-Kanäle nutzen. Von
den 12 SEVIRI-Kanälen werden dafür alle auÿer Kanal 8 (9.7 μm) und Kanal 12
(HRV) für diese Tests verwendet. Insgesamt sind 34 Tests deniert, die in verschiedene
Gruppen unterteilt werden können. Diese sind Schwellwert- und Dierenztests
der solaren Kanäle, der infraroten Kanäle, statistische Standardabweichungstests über
räumliche Variation (0.8 μm und 10.8 μm) und Tests auf Schnee- und Eisbedeckung.
Die Standardabweichung wird dabei über 3 × 3 Pixel bestimmt, also für eine Region von
9 × 9 km 2 im Nadir des Satelliten.
Je nach Tages-/Nachtzeit, geograscher Lage (Land/Ozean) und der Sonnen-Satelliten-
Geometrie (Zenit-/Azimutwinkel) können manche dieser Tests geeignet bzw. ungeeignet
sein. Die solaren Kanäle 1 (0.6 μm), 2 (0.8 μm) und 3 (1.6 μm) werden für die
Tests in Reektanzen und alle infraroten Kanäle in Helligkeitstemperaturen umgerechnet.
Wenn einer der Tests eine Wolke anzeigt wird das Pixel als bewölkt klassiziert. Nur
wenn keiner der Tests bewölkt signalisiert, wird dem Pixel der Zustand unbewölkt
20

2 METEOSAT SECOND GENERATION
Abbildung 2.11: MSG SEVIRI-Kanal 2 mit 0.8 μm am 7. Oktober 2010, 12.00 UTC (links)
und entsprechende EUMETSAT-Wolkenmaske (rechts) mit Unterteilung in bewölkt (grün),
unbewölkt über Land (hellblau), unbewölkt über Ozean (blau) und Hintergrund auÿerhalb
der Sichtscheibe (rot).
zugeordnet. Die Tests beruhen auf dem einfachen Prinzip, dass ein Pixel bewölkt
ist, wenn die gemessenen Reektanzen/Helligkeitstemperaturen der solaren/infraroten
Kanäle heller/kälter sind als vordenierte Schwellwerte.
Hochkonvektive Bewölkung ist sehr hell und kalt und wird deshalb leicht vom Satelliten
erkannt (Abb. 2.11). Schwer zu erfassen sind allerdings hohe Wolken mit dünner
optischer Dicke, weil sie für die solaren Kanäle semitransparent sind und auch im infraroten
Bereich nur geringe Eekte bewirken. Aus diesem Grund führt EUMETSAT
viele Tests mit unterschiedlichen Kanälen durch. Weitere Details zu den Hintergründen
und Anforderungen der einzelnen Schwellwerttests sowie eine Fehlerbewertung sind in
EUMETSAT (2007) aufgeführt.
21

3 Messung der Strahlungsgröÿen
Im vorherigen Kapitel wurden die spektralen Kanäle des SEVIRI-Instruments erläutert.
Dabei wurde bereits erwähnt, dass die solaren Kanäle die von der Erdoberäche bzw.
Atmosphäre reektierte Sonnenstrahlung messen. Die gemessene Strahldichte der infraroten
Kanäle wird in eine Schwarzkörper-Helligkeitstemperatur umgerechnet. Die Messmethodik
und Kalibrierung der Kanäle sowie die für die Umrechnung erforderlichen
Gleichungen werden in diesem Kapitel erklärt.
3.1 Kalibration der SEVIRI Strahlungsüsse
Die 12 Kanäle des Radiometers SEVIRI bestehen aus acht infraroten Detektorpaketen
(bestehend aus jeweils 3 Detektoren), zwei Paketen im sichtbaren Bereich (aus jeweils
3 Detektoren), einem hochauösenden Paket (aus 9 Detektoren) und einem Paket im
nahen Infrarot (aus 3 Detektoren) (Aminou (2002)). Die einfallenden Photonen werden
von einem Teleskop gesammelt und mit einer Spiegeloptik auf die jeweiligen Detektoren
fokussiert. Dabei wird die Detektorspannung digitalisiert. Dieses Signal wird als
count angegeben. Die Beziehung zwischen diesem Countwert und der physikalischen
Strahldichte R erfolgt für jeden spektralen Kanal über die lineare Gleichung 3.1
(Rosenfeld et al. (2004)).
R = Offset + Slope ⋅ count(x, y). (3.1)
Dabei ist R die gesuchte Strahldichte in mW ⋅ m −2 ⋅ sr −1 ⋅ (cm −1 ) −1 . Offset und Slope
sind konstante bzw. lineare Kalibrationskoezienten zwischen dem Pixel-Countwert
und der Strahldichte und besitzen ebenfalls die Einheit mW ⋅ m −2 ⋅ sr −1 ⋅ (cm −1 ) −1 .
23

3.1. KALIBRATION DER SEVIRI STRAHLUNGSFLÜSSE
Abbildung 3.1: Kalibrationsziele und die Sub-Satelliten Position (grünes Plus). Wüstenregionen
sind durch das rote Kreuz und Ozeanziele durch die blauen Kästchen gekennzeichnet
[EUMETSAT (2004)].
Die IR-Kanäle werden on-board kalibriert, wohingegen für die solaren Kanäle SEVIRI-
Solar-Kanal-Kalibrationen (SSCC) durchgeführt werden. Die digitalisierte Spannung
wird in Gleichung 3.1 als 10-Bit-count(x, y)-Wert zwischen 0 und 1023 angegeben. Dabei
sind x und y die Zeilen und Spalten des Satellitenbildes mit dem jeweiligen Intervall
von 0 bis 3712. Durch Einsetzen der jeweiligen Kalibrationskoezienten aus Tabelle
3.1 in Gleichung 3.1 lässt sich die entsprechende Strahldichte R berechnen. Für die
Bestimmung dieser Koezienten wird zwischen solaren und infraroten Kanälen dierenziert.
Die Strahlungsussdichte I m wird später für die Umrechnung in Reektanzen
benötigt.
Bei der Kalibrierung der vier sichtbaren Kanäle werden helle Wüstenoberächen und
dunkle Meeresoberächen als primäre Ziele zur Bestimmung der linearen Koezienten
verwendet (Rosenfeld et al. (2004)). Abbildung 3.1 zeigt die Kalibrationsziele und den
SSP vom MSG SEVIRI. Für eine bestimmte Ozeanregion (blaue Kästchen) werden Mittelwert,
Minimum und Maximum bestimmt. Weil die Ziele sehr homogen sein sollten,
muss die Dierenz zwischen Maximum und Minimum sehr klein sein (EUMETSAT
24

3 MESSUNG DER STRAHLUNGSGRÖßEN
(2004)). Die Genauigkeit der Kalibration der solaren SEVIRI-Kanäle beträgt 5 %
(Schmetz et al. (2002)).
Tabelle 3.1: Kalibrationskoezienten für die Konvertierung von MSG-2 SEVIRI Counts in
Strahldichten mit Offset und Slope in mW ⋅m −2 ⋅sr −1 ⋅(cm −1 ) −1 und der solaren spektralen
Strahlungsussdichte I m bei 1AU (Astronomic Unit) mit der Einheit mW ⋅ m −2 ⋅ (cm −1 ) −1
[EUMETSAT (2004)].
Kanal VIS006 VIS008 NIR1.6 HRV
Oset -1.041374 -1.334553 -1.138432 -1.526639
Slope 0.020419 0.026168 0.022322 0.029934
I m 65.2065 73.1869 61.9923 79.0113
3.2 Helligkeitstemperatur
Die infraroten Kanäle von SEVIRI werden mit Hilfe eines on-board-Schwarzkörpers kalibriert
(Schmetz et al. (2002)). Die spektrale Strahldichte R wird analog zu den sichtbaren
Kanälen über Gleichung 3.1 berechnet. Um diese in eine Helligkeitstemperatur
umzurechnen, nutzt SEVIRI das kalte Hintergrundweltall als kalte Quelle und einen internen,
schwarzen Körper als warme Quelle (Schmetz et al. (2002)). Kleine Nichtlinearitäten
der Detektoren werden durch Koezienten korrigiert, die vor dem Start gemessen
werden (Schmetz et al. (2002)). Mit Hilfe der Planck-Funktion lässt sich eine analytische
Beziehung zwischen Strahldichte und äquivalenter Helligkeitstemperatur bestimmen
(Gl. 3.2). Das ist die Temperatur, die ein idealer schwarzer Körper besitzen muss, damit
er die gleiche Strahldichte emittiert.
mit
[
]
h ⋅ c ⋅ θ c ⋅ κ −1 /A
T b =
log(1 + 2hc 2 ⋅ θ 3 c ⋅ R −1 ) − B (3.2)
T b ..... äquivalente Helligkeitstemperatur in K,
h ...... Planck¡sches Wirkungsquantum = 6.62606896(33) ⋅ 10 −34 Js,
c ...... Lichtgeschwindigkeit = 299792458 ms −1 ,
25

3.3. UMRECHNUNG VON STRAHLDICHTEN IN REFLEKTANZEN
θ c ..... zentrale Wellenzahl des jeweiligen Kanals in cm −1 ,
κ ...... Boltzmann-Konstante = 1.3806504(24) ⋅ 10 23 JK −1 ,
R ...... Strahldichte in mW ⋅ m −2 ⋅ sr −1 ⋅ (cm −1 ) −1 ,
A, B . spektrale Korrekturkoezienten in mW ⋅ m −2 ⋅ sr −1 ⋅ (cm −1 ) −1 .
Die zentrale Wellenzahl θ c und die spektralen Korrekturkoezienten A und B sind auf
der EUMETSAT-Webseite erhältlich (www.eumetsat.de). Sie werden für die verschiedenen
infraroten Kanäle aus nichtlinearer Regression von vorberechneten sogenannten
lookup-Tabellen über die Planck-Funktion bestimmt. Nach dieser Methode ist eine Kalibrierungsgenauigkeit
von 1 K zu erwarten (Schmetz et al. (2002)).
3.3 Umrechnung von Strahldichten in Reektanzen
Die am MSG-Satelliten gemessene und nach Gleichung 3.1 kalibrierte, schmalbandige
Strahldichte R [mW ⋅ m −2 ⋅ sr −1 ⋅ (cm −1 ) −1 ] ist immer auf einen Raumwinkel bezogen.
Für die Bestimmung von Wolkenstrahlungseekten ist es notwendig, das Reexionsvermögen
von Wolken und der Erdoberäche zu bestimmen. Dafür wird das Verhältnis
zwischen der aufwärts gerichteten und der einfallenden, abwärts gerichteten Strahlungs-
ussdichte am Oberrand der Atmosphäre gebildet.
Die spektrale Strahlungsussdichte F [W ⋅m −2 ⋅nm −1 ] ist die Strahlungsenergie, die eine
Fläche aus allen Raumrichtungen empfängt bzw. abstrahlt. Da sie sich auf eine horizontale
Fläche bezieht, muss die Richtung der einfallenden Sonnenstrahlung beachtet werden.
Allerdings ist die Reexion an Wolken äuÿerst anisotrop. Deshalb kann die Strahlungsussdichte
nur unter Annahme von Isotropie berechnet werden. Nach dem Lambert¡schen
Modell gilt die Annäherung F = π ⋅ R. Somit lässt sich die eektive Albedo
von Boden und Wolken unter Annahme eines isotropen Strahlers nach Gleichung 3.3
berechnen.
Dabei ist
r(i) ....... bidirektionaler Reektanzfaktor (BRF),
r(i) = π ⋅ R(i) ⋅ d2 (t)
I ⋅ cos ( θ 0 (t, x) ) (3.3)
R(i) ...... gemessene Strahldichte in mW ⋅ m −2 ⋅ sr −1 ⋅ (cm −1 ) −1 ,
26

3 MESSUNG DER STRAHLUNGSGRÖßEN
d(t) ....... Erd-Sonnen-Entfernung in AU zur Zeit t,
I ........... einfallende, solare Strahlungsussdichte der Sonne in mW ⋅ m −2 ⋅ (cm −1 ) −1 ,
θ 0 (t, x) . solarer Zenitwinkel in Radiant zur Zeit t am Ort x,
i ........... Nummer des spektralen Kanals (1=VIS0.6, 2=VIS0.8, 3=NIR1.6, 4=HRV).
Der bidirektionale Reektanzfaktor gibt das Verhältnis zwischen der angenäherten,
aufwärts gerichteten Strahlungsussdichte (π ⋅ R) zur einfallenden Strahlungsussdichte
I an. I wird aus Tabelle 3.1 entnommen. Wegen der Variation des Zenitund
Azimutwinkels der Sonne muss die einfallende Strahlungsussdichte kosinusgewichtet
werden. Der Sonnenzenitwinkel θ 0 wird aus der Deklination, der geograschen
Breite und dem Stundenwinkel bestimmt. Auch der Sonnenazimutwinkel φ 0
lässt sich mit genauer Zeit- und Ortsangabe genau berechnen. Um dies zu berücksichtigen
wird jedem der 3712 x 3712 Pixel die geograsche Länge und Breite zugeordnet.
Des Weiteren wird die Erd-Sonnen-Satellitengeometrie benötigt (Abb. 3.2). Der Grund
dafür ist, dass jedes Pixel auf der Erde vom Satellit unter einem anderen Winkel betrachtet
wird. θ ist der Sichtfeldzenitwinkel und φ der Satellitenazimutwinkel. Der relative
Azimutwinkel Δφ ergibt sich aus der Dierenz zwischen Sonnen- und Satellitenazimutwinkel.
Abbildung 3.2: Erd-Sonnen-Satellitengeometrie [Loeb et al. (2003)].
27

4 Daten und Methodik
Dieses Kapitel ist in zwei Bereich untergliedert. Der erste Teil zeigt die in dieser Arbeit
verwendeten Fallbeispiele mit den jeweiligen Histogrammfunktionen. Die Behandlung
der MSG-Daten sowie Berechnung der Produkte erfolgte mit der Programmiersprache
Python.
Der zweite Teil befasst sich mit den statistischen Verfahren zur Bestimmung von
Schwellwerten, die von essenzieller Wichtigkeit für die Wolkendetektion sind. Darin
wird sowohl das überwachte MCC- als auch das unüberwachte MCE-Verfahren vorgestellt.
4.1 MSG SEVIRI-Szenen
Das Ziel eines automatischen Schwellwertalgorithmus besteht darin, geeignete Schwellwerte
zur Unterscheidung zwischen bewölkter und unbewölkter Erdoberäche zu ermitteln.
Aus diesem Grund dienen in dieser Studie sechs Ausschnitte des MSG SEVIRI 0.6
μm-Kanals über Ozean und Land mit unterschiedlichen Erdoberächeneigenschaften
als Datengrundlage. Der 0.6 μm-Kanal ist aufgrund seiner geringen spektralen Albedo
besonders geeignet zur Unterscheidung zwischen dunklen Erdoberächen und hellen
Wolken (Kapitel 2.2.1).
Zu den jeweiligen Ausschnitten sind in Tabelle 4.1 die zentrale geograsche Breite und
Länge sowie der mittlere Bedeckungsgrad aufgelistet. Die sechs Ausschnitte basieren
auf folgenden Auswahlkriterien: (1) Sie sollen bestimmte Oberächentypen über Land
und Ozean mit unterschiedlichen Helligkeiten und Variabilitäten repräsentieren. (2) Die
Szenen sollen teilweise bewölkt sein, damit eine Selektion zwischen bewölkten und unbewölkten
Pixeln überhaupt möglich ist. (3) Die Variabilität der Oberächeneigenschaften
29

4.1. MSG SEVIRI-SZENEN
Tabelle 4.1: Tabelle der in dieser Studie genutzten Satellitenausschnitte über verschiedenen
Bodentypen. 1 positive Zahlen repräsentieren Nordhemisphäre. 2 positive Zahlen stehen für
östliche und negative Zahlen für westliche Länge. 3 basierend auf EUMETSAT-Wolkenmaske,
gemittelt über beide Zeitperioden (17.7. bis 1.8.2010 und 4.5. bis 19.5.2011).
Bodentyp zentr. geo. Breite 1 zentr. geo. Länge 2 mittl. Bedeckungsgrad 3
Atlantik 44.89 -11.80 0.69
Grasland 51.46 11.98 0.69
Wüste 32.93 7.20 0.08
Alpen 46.73 10.33 0.69
Mittelmeer 34.70 12.21 0.16
Wald 51.81 15.17 0.78
soll zeitlich konstant sein (z. B. kein plötzliches Auftreten von Schnee). (4) Um repräsentative
Histogramme zu erzeugen soll die Anzahl der Datenpunkte möglichst groÿ sein.
Die Ausschnitte wurden für die niedrigaufgelösten Tests willkürlich auf 16 × 16 Pixel
begrenzt.
Der mittlere Bedeckungsgrad resultiert aus der jeweiligen 12.00 UTC EUMETSAT-
Wolkenmaske für zwei Perioden (17.7. bis 1.8.2010 und 4.5. bis 19.5.2011). In diesen
Zeiträumen von je 16 Tagen gibt es weder bei der Wolkenmaske noch bei der Meteosat
Satellitenbildaufnahme Datenlücken. Die Auswahl von 16 Tagesperioden beruht auf
folgender Abwägung. Zum einen ist eine möglichst groÿe Menge an Daten von Vorteil,
damit genügend Szenen mit unterschiedlichem Bedeckungsgrad vorhanden sind. Auf
der anderen Seite dürfen die Variationen von Sonnengeometrie, Vegetation und Eisbzw.
Schneebedeckung nicht zu groÿ sein. Der Zeitraum von 16 Tagen zeigt sich als
geeigneter Mittelweg zwischen beiden Kriterien. So nutzt MODIS zum Beispiel für die
operationellen Albedo-Produkte ebenfalls eine Zeitperiode von 16 Tagen (Strahler et al.
(1999)).
30

4 DATEN UND METHODIK
4.2 Histogramme der Grauwerte
Für die Anwendung des MCE-Algorithmus zur Selektion eines optimalen Schwellwerts
sind Histogramme der Grauwerte erforderlich. Die Histogrammfunktionen stellen die
statistischen Häugkeiten der Grauwerte bzw. Reektanzen eines Bildausschnitts dar.
Abbildung 4.1 zeigt die vom 17.7.2010 - 1.8.2010 aufsummierten Histogramme der sechs
Bodentypen. Für die Aufsummierung über 16 Tage wurden nur die jeweiligen 12:00
UTC Termine verwendet (siehe Kapitel 4.1). Die Histogramme sind getrennt in wolkenfreie
(durchgezogene Linien) und bewölkte (gestrichelte Linien) Reektanzwerte (Abb.
4.1). Diese Trennung basiert auf der EUMETSAT-Wolkenmaske (siehe Kapitel 2.3).
Bei allen sechs Histogrammen ist deutlich zu erkennen, dass wolkenfreie und bewölkte
Reektanzen im 0.6 μm-Kanal nicht eindeutig voneinander trennbar sind. Es existiert
also ein Überlappungsbereich. Im Falle von oensichtlich trennbaren Histogrammen
zwischen bewölkten und unbewölkten Pixeln wäre die Verteilungsfunktion bimodal
(Sahoo et al. (1998)). Dann würde der Schwellwert aus dem Extremwert des Histogramms
resultieren und eine perfekte Klassikation ermöglichen. Die Methode ist einfach,
kann jedoch in der Realität bei Wolkendetektionsalgorithmen nur äuÿerst selten
angewendet werden, weil meist ein Überlappungsbereich existiert. Diese Überlappung
kann durch Variabilität des wolkenfreien Erdbodens, von Wolken oder durch den Eintrag
von Aerosol verursacht werden.
Auch für die Histogramme in Abbildung 4.1 ist aufgrund dieser Überlappungsbereiche
keine triviale Trennung zwischen bewölkten und unbewölkten Reektanzen möglich.
Bei den ersten drei Histogrammen (Atlantik, Mittelmeer und Wüste) handelt es
sich um Ausschnitte mit sehr homogenen Oberächeneigenschaften. Deshalb besitzen
die jeweiligen wolkenfreien Reektanzen kaum Streuung. Die Variabilität der wolkenfreien
Reektanzen der unteren drei Histogramme (Grasland, Alpen und Wald) über
bewachsenem Land ist dagegen deutlich höher (Abb. 4.1). Über den Alpen wird aufgrund
der heterogenen Erdoberäche die gröÿte Variabilität registriert. Bei allen drei
Ausschnitten über bewachsenem Land existiert ein groÿes Spektrum an Wolken mit
unterschiedlichen Helligkeiten. Über dem Mittelmeer sind im Gegensatz zum Atlantik
nur Wolken mit geringer optischer Dicke beobachtet worden. Dies wird durch die
31

4.2. HISTOGRAMME DER GRAUWERTE
sehr geringe Reektanz im Histogramm verdeutlicht (Abb. 4.1, bewölkt über Mittelmeer).
32

4 DATEN UND METHODIK
Abbildung 4.1: Normierte Histogramme für die sechs Ausschnitte (Atlantik, Mittelmeer,
Wüste, Gras, Alpen, Wald), aufsummiert über die Periode 17.7.2010 - 1.8.2010. Die durchgezogenen
Linien repräsentieren wolkenfreie und die gestrichelten Linien bewölkte Reektanzen,
basierend auf der EUMETSAT-Wolkenmaske (EUMETSAT (2007)). Die relativen Häugkeiten
sind über 100 Bins zwischen 0 und 1 aufgetragen.
33

4.3. SCHWELLWERTALGORITHMEN
4.3 Schwellwertalgorithmen
Grauwertbasierte Schwellwertalgorithmen sind wichtige Anwendungen für Bildsegmentierung
und andere Erkennungssysteme (Li und Tam (1998)). Die Auswahl eines geeigneten
Schwellwerts beeinusst die Genauigkeit des segmentierten Bildes. Ziel von
Schwellwertalgorithmen ist die Unterteilung eines Bildes in zwei Klassen: Das zu untersuchende
Objekt und den Hintergrund (Abbildung 4.2). Aus solchen Algorithmen resultiert
ein Schwellwert X. Je nachdem, ob ein Grauwert gröÿer oder kleiner als X ist, wird
er dem Objekt oder dem Hintergrund zugeordnet (Yang et al. (2007)). Bei Anwendung
von Schwellwertalgorithmen auf Satellitenbilder entspricht das Objekt der bewölkten
und der Hintergrund der unbewölkten Erdoberäche.
Wolken haben vorwiegend eine höhere Reektanz in den sichtbaren und eine geringere
Temperatur in den infraroten Spektralbereichen als die darunterliegende Erdoberäche
(Amato et al. (2007)). Über Land besitzt die Erdoberäche jedoch meist
eine sehr inhomogene Struktur, sodass sich vor allem optisch dünne Wolken nur mit
schwachem Kontrast vom Untergrund abheben. Gerade deshalb führen die multispektralen
Messungen mit SEVIRI im Bereich der Wolkenerkennung zu deutlichen Fortschritten
(Amato et al. (2007)). Diese Fortschritte beziehen sich auf Dierenztests
zwischen verschieden kombinierten solaren und infraroten Kanälen und die bessere
räumliche Auösung, womit kleinräumige Strukturen besser abgebildet werden können.
Histogrammbasierte Schwellwertalgorithmen eignen sich besonders gut für die Bestimmung
eines optimalen Schwellwerts. Typischerweise werden Eigenschaften der Histogrammfunktion
wie lokale Minima und Maxima bei der Auswahl des Schwellwerts verwendet
(Li und Lee (1993)). Für die automatische Selektion der Schwellwerte aus Histogrammfunktionen
existieren viele Methoden, wie z. B. Otsu¡s Methode (Otsu, 1979),
Minimum Error Methode (Kittler und Illingworth, 1986) und Minimum cross entropy
(Li und Lee (1993)). Das von Li und Lee (1993) vorgestellte Mimimum Cross Entropy-Schwellwertverfahren
wird in dieser Arbeit angewendet und in Abschnitt 4.5 näher
erläutert.
34

4 DATEN UND METHODIK
Abbildung 4.2: Dreidimensionale Darstellung eines Graustufenbildes (oben) mit dreidimensionaler
Darstellung des segmentierten Bildes (unten) [Li und Lee (1993)].
35

4.4. GÜTEMAßE DER SCHWELLWERTE
4.4 Gütemaÿe der Schwellwerte
Durch Schwellwerte werden Bildbereiche in bestimmte Klassen unterteilt (Kap. 4.3).
In dieser Studie werden die Objekte durch Pixel repräsentiert und mittels binärer
Klassikation in die zwei Klassen bewölkt und unbewölkt eingeordnet. Zwischen
den Histogrammen der Reektanzen von bewölkten und unbewölkten Pixeln existiert
nahezu immer ein Überlappungsbereich (Kap. 4.2). In diesem Bereich sind die Pixel
nicht eindeutig einer der beiden Klassen zuzuordnen (Abb. 4.1). Aus diesem Grund
wird manchen Pixeln die falsche Klasse zugewiesen. Um diese Fehlklassikation mit
Gütemaÿen beurteilen zu können, muss die wahre Klasse jedes Pixels bekannt sein.
In dieser Arbeit wird die wahre Klasse anhand der EUMETSAT-Wolkenmaske als
Referenz festgelegt. Nach der Unterteilung durch den Schwellwertalgorithmus in beiden
Klassen können somit die Gütemaÿe ermittelt werden. Diese sind in einer sogenannten
contingency table (auch bekannt als confusion matrix ) dargestellt (Fawcett
(2006)).
Ist das Pixel in Wirklichkeit bewölkt und wird auch als bewölkt klassiziert, so resultiert
daraus das Gütemaÿ true positiv (tp). Erfolgt die Übereinstimmung bei unbewölkten
Pixel, dann lautet die Zuordnung true negativ (tn). Bewölkte Pixel, die in die Klasse
unbewölkt eingeordnet werden, erhalten die Markierung false negativ (fn). Im umgekehrten
Fall heiÿt das Gütemaÿ false positiv (fp) (Fawcett (2006)).
Tabelle 4.2: Gütemaÿe der Schwellwerte zusammengefasst in einer sogenannten Contingency
table.
wahr bewölkt
wahr unbewölkt
bewölkt klassiziert true positiv false positiv
unbewölkt klassiziert false negativ true negativ
Weil die Gütemaÿe sich gegenseitig beeinussen ist es hilfreich, kombinierte Maÿe zu
verwenden. Deshalb wird an dieser Stelle der Matthews Correlation Coecient (MCC)
eingeführt (Matthews (1975)). Er ist ein Korrelationskoezient zwischen der wahren
und der aus dem Schwellwertalgorithmus resultierenden Klassikation. Der MCC
36

4 DATEN UND METHODIK
beurteilt die Genauigkeit indem er eine binäre Verallgemeinerung der Korrelation darstellt
und lässt sich direkt aus der contingency table berechnen.
MCC =
tp ⋅ tn − fp ⋅ fn
√
(tp + fp) ⋅ (tp + fn) ⋅ (tn + fp) ⋅ (tn + fn)
. (4.1)
Bei einem von Null verschiedenen MCC existiert stets eine Kontingenz. Diese gibt den
statistischen Zusammenhang der beiden Variablen positiv und negativ an. Folglich
sind die Variablen nicht unabhängig voneinander. Aufgrund der Symmetrie der contingency
table lässt sich das Kreuzprodukt der Matrix im Zähler von Gleichung 4.1 beliebig
vertauschen. Der Vorteil ist, dass das Verfahren auch bei ungleichmäÿiger Verteilung
der beiden Klassen innerhalb eines Bildes funktioniert. Damit besteht bei der Anwendung
auf Satellitenbilder keine Anfälligkeit auf überwiegend bewölkte bzw. unbewölkte
Szenen.
4.5 Minimum Cross Entropy - Methode
Die Kreuzentropie beschreibt den informationstheoretischen Abstand zwischen zwei
Wahrscheinlichkeitsfunktionen. Dieser Abstand wird auch direkte Divergenz genannt
(Pal (1996)). Das vor Li und Lee vorgestellte Schema minimiert die Kreuzentropie zwischen
dem Grauwertbild und dem segmentierten Bild. Dabei sind folgende Annahmen
zu machen:
Sei f(x,y) die Bildfunktion mit einer Menge F = (f 1 , f 2 , ..., f N ) an Grauwerten und
g(x,y) die Funktion des segmentierten Bildes mit einer Menge G = (g 1 , g 2 , ..., g N ) an
binären Werten, welche nur noch in zwei Klassen unterteilt werden, dann wird das segmentierte
Bild g(x,y) unter Verwendung von drei unbekannten Parametern (t,μ 1 ,μ 2 ) aus
f(x,y) ermittelt. Dabei ist t der optimale Schwellwert und μ 1 , μ 2 sind die Mittelwerte der
Grauwerte oberhalb und unterhalb von t. Für ein Histogramm h mit einem vordenierten
Grauwertbereich [1, L] lassen sich μ 1 und μ 2 in Abhängigkeit von t wie folgt berechnen:
37

4.5. MINIMUM CROSS ENTROPY - METHODE
μ 1 (t) =
∑
j=t−1
j=1
∑
j=t−1
j=1
(j ⋅ h j )
(h j )
, μ 2 (t) =
j=L ∑
(j ⋅ h j )
j=t
j=L ∑
(h j )
j=t
. (4.2)
Dabei ist L das maximale Graulevel, j die jeweilige Graustufe und h j der zugehörige Histogrammwert.
Nach der Bestimmung von μ 1 (t) und μ 2 (t) lässt sich die Kreuzentropie
ausdrücken als:
η(t) =
j=t−1
∑
j=1
( ) j=L
j ∑
( j
j ⋅ h j ⋅ log 2 + j ⋅ h j ⋅ log 2
μ 1 (t)
μ 2 (t)
j=t
)
. (4.3)
Die Ermittlung des optimalen Schwellwerts t erfordert in diesem diskreten Fall durch die
Bestimmung des Minimums von η(t) (Li und Tam (1998)). Laut Denition der minimalen
Kreuzentropie erfolgt die Selektion des optimalen Schwellwerts t opt durch:
t opt = min(η(t)). (4.4)
38

5 Ergebnisse
5.1 MCE-Wolkenmaske
Durch Anwendung des Minimum Cross Entropie-Algorithmus ergaben sich für die
sechs Bodentypen und zwei vordenierten Zeitperioden (17.7. bis 1.8.2010 und 4.5. bis
19.5.2011) folgende Schwellwerte t opt :
Tabelle 5.1: 0.6 μm-Schwellwertreektanzen der aufsummierten Histogramme (der sechs
Ausschnitte) für zwei Zeitperioden.
Bodentyp
Schwellwertreektanz [−]
Zeitraum 17.7. 1.8.2010 4.5.2011 19.5.2011
Atlantik 0.165 0.195
Grasland 0.335 0.265
Wüste 0.545 0.415
Alpen 0.335 0.335
Mittelmeer 0.045 0.125
Wald 0.335 0.225
Die Schwellwertreektanzen des Ausschnitts über dem Atlantik und dem Mittelmeer
sind für beide Zeitperioden deutlich niedriger als über den anderen Ausschnitten
(Tab. 5.1). Dies wird dadurch begründet, dass Meeresoberächen wegen ihrer geringen
Rückstreuung der solaren Strahlung im 0.6 μm-Kanal sehr dunkel erscheinen. Beide
Ausschnitte besitzen eine identische, wolkenfreie Reektanz von 0.032, bei der ihre
Histogrammfunktionen ein Maximum besitzen (Abb. 4.1). Jedoch ist die Schwellwertre-
ektanz des Atlantiks um 0.12 bzw. 0.07 höher als die über dem Mittelmeer. (Tab. 5.1).
39

5.1. MCE-WOLKENMASKE
Diese Dierenz resultiert vermutlich aus Unterschieden im mittleren Bedeckungsgrad.
Während sich über dem Atlantik ein mittlerer Bedeckungsgrad von 0.69 ergibt, beträgt
er über dem Mittelmeer nur 0.16 (Tab. 4.1). Daher enthält das aufsummierte Histogramm
des Atlantiks mehr bewölkte Pixel im Gegensatz zum Histogramm des Mittelmeeres.
Dies dient wiederum als Input für den MCE-Algorithmus, was dazu führt, dass
die Überlappung vergröÿert und das Histogramm der bewölkten Pixel stärker gewichtet
wird. Die Methode wird also je nach Bedeckungsgrad den Schwellwert über- bzw.
unterschätzen und läuft damit unstabil. Nach dieser Vermutung müsste der Schwellwert
bei hohem mittleren Bedeckungsgrad überschätzt und somit die Anzahl bewölkter
Pixel unterschätzt werden. Bei niedrigem mittleren Bedeckungsgrad, wie zum Beispiel
bei dem Mittelmeerausschnitt, würde dann die Anzahl bewölkter Pixel überschätzt werden.
Abbildung 5.1 (a) zeigt eine Szene über dem Atlantik am 22.7.2010, 12:00 UTC. Zusätzlich
ist noch die EUMETSAT-Wolkenmaske (c) als Referenz, die MCE-basierte Wolkenmaske
(d) und das Dierenzbild dieser beiden dargestellt. Die Schwellwertreektanz
(0.165) zur Segmentierung zwischen bewölkten und unbewölkten Pixeln dieser Szene resultiert
aus dem MCE-Algorithmus, der auf die aufsummierten Histogramme (17.7. bis
1.8.2010) angewendet wurde.
Die roten Pixel belegen die Annahme, dass der Bedeckungsgrad für diese Szene über
dem Atlantik stark unterschätzt wird (Abb. 5.1 (b)). Eine entscheidende Fehlerursache
dafür ist das Vorhandensein von optisch dünnen Wolken, die im Spektralbereich von
0.6 μm semitransparent und relativ homogen sind. Die EUMETSAT-Wolkenmaske,
welche hier als Referenz dient, basiert jedoch auf mehreren Schwellwerttests in verschiedenen
Spektralbereichen und erfasst somit auch optisch dünne Wolken (siehe Kap. 2.3).
Aus diesem Grund ist nicht zu erwarten, dass mit Schwellwerttests des 0.6 μm-Kanals
das gleiche Ergebnis erreicht werden kann.
Abbildung 5.2 zeigt eine Szene über dem Mittelmeer am 21.8.2010, 12:00 UTC. Auällig
ist die sehr niedrige maximale Reektanz (Abb. 5.2 (a)). Damit der Kontrast bei Abbildung
5.2 und 5.1 nicht verloren geht, wurde bei beiden Bildern die Skala der Reektanz
dynamisch dargestellt. Der Grund dafür ist der Skalenbereich von 0 bis 56 % in Abbildung
5.1, wohingegen die Reektanz in Abbildung 5.2 einen Maximalwert von nur 8 %
40

5 ERGEBNISSE
Abbildung 5.1: Vergleich der aus dem MCE-Algorithmus resultierenden Wolkenmaske mit
der EUMETSAT-Referenz-Wolkenmaske am 22.7.2010 12:00 UTC über dem Atlantik. (a) ist
die MSG SEVIRI-0.6 μm-Reektanz; (b) ist das Dierenzbild aus beiden Wolkenmasken. Dabei
bedeuten weiÿe Pixel (true cloud) bewölkte und schwarze Pixel (true clearsky) unbewölkte
Übereinstimmungen. Rote Pixel (false clearsky) wurden von der MCE Wolkenmaske als unbewölkt
klassiziert, sind jedoch laut Referenz-Wolkenmaske bewölkt. Bei blauen Pixeln (false
cloud) ist dies der umgekehrte Fall; (c) ist die EUMETSAT-Referenz-Wolkenmaske; (d) ist
die MCE-Wolkenmaske
besitzt. Die Variabilität der Reektanz ist somit in Abbildung 5.1 deutlich höher. Diese
hohe Variabilität ist für die Wolkendetektion in sichtbaren MSG-Satellitenbildern eine
wichtige Eigenschaft. Tatsächlich bestätigt die EUMETSAT-Wolkenmaske, dass es sich
bei Abbildung 5.2 um eine leicht bewölkte Szene handelt. Die MCE-Wolkenmaske stellt
jedoch eine stärker bewölkte Situation dar. Also wurde der aus dem MCE-Algorithmus
resultierende Schwellwert unterschätzt und somit der Bedeckungsgrad überschätzt. Diese
Feststellung zeigt, dass optisch dünne Wolken nicht die einzige Fehlerursache sind.
Der Einuss des mittleren Bedeckungsgrads auf die Qualität des Schwellwertes wird in
Abschnitt 5.2 näher untersucht.
41

5.1. MCE-WOLKENMASKE
Abbildung 5.2: Vergleich der aus dem MCE-Algorithmus resultierenden Wolkenmaske mit
der EUMETSAT-Referenz-Wolkenmaske am 21.7.2010 12:00 UTC über dem Mittelmeer. Weitere
Erklärungen zur Abbildung sind analog zu Abb. 5.1.
42

5 ERGEBNISSE
5.2 Vergleich zwischen MCE- und MCC-Methode
Schon im vorherigen Abschnitt wird vermutet, dass der MCE-Algorithmus nicht zur automatischen
Schwellwertbestimmung geeignet ist. Für eine detailliertere Untersuchung
sind in Tabelle 5.2 die Gütemaÿe für die 16 Situationen (jeweils 12:00 UTC) über dem
Atlantik zusammengefasst. Auÿerdem ist darin die mittlere wolkenfreie und mittlere
bewölkte Reektanz enthalten, die jeweils auf der EUMETSAT-Wolkenmaske basieren.
Die vier Gütemaÿe repräsentieren die Genauigkeit der MCE- bzw. MCC-Wolkenmaske
verglichen mit der EUMETSAT-Wolkenmaske und wurden in Kapitel 4.4 detailliert erläutert.
Die MCE-Schwellwertreektanz von 0.165 zur Trennung zwischen bewölkten und unbewölkten
Pixeln ist wie schon zuvor beschrieben für alle 16 Situationen gleich (Tab. 5.2).
Dabei fällt sofort auf, dass diese für Ozeanoberächen mit mittleren wolkenfreien Re-
ektanzen von etwa 0.05 (± 0.02) viel zu hoch ist. Verglichen mit dem wolkenfreien Mittelwert
der Reektanz bendet sich dieser sogar immer darüber. Auch der Mittelwert
der bewölkten Reektanzen unterschreitet bei einigen Situationen den Schwellwert.
Folglich existieren bewölkte Pixel, die wegen ihrer geringeren Reektanz als unbewölkt
klassiziert werden. Dies wird durch die Spalte fn (false negativ) in Tabelle 5.2 bestätigt.
Auch wenn der Mittelwert bewölkter Pixel über dem Schwellwert liegt, sind Pixel
mit geringerer Reektanz vorhanden. Daraus resultierend kommt es ebenfalls zu einer
Unterschätzung des Bedeckungsgrads der Situation (Tab. 5.2, 22.07.2010). Weil der
Schwellwert recht hoch ist, werden keine false-cloud-Werte registriert (Abb. 5.1). Bei
vollkommen bewölkten Situationen kann kein wolkenfreier Mittelwert ermittelt werden.
Es gibt dafür keinen Zahlenwert und es wird ihm die Bezeichnung nan (not a number)
zugeordet.
Der aus dem MCC-Verfahren resultierende Schwellwert (t = 0.065) ergibt im Gegensatz
zum MCE-Verfahren für diese Periode optimale Gütemaÿe. Die mittleren Fehlklassikationen
fn bzw. fp liegen bei nur 3 % bzw. 2 % (Tabl. 5.2). Folglich werden mit dem MCC-
Schwellwert für diesen Ausschnitt in der Zeitperiode vom 17.7. bis 1.8.2010 im Mittel
43

5.2. VERGLEICH ZWISCHEN MCE- UND MCC-METHODE
Tabelle 5.2: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über dem Atlantik in der Zeitperiode 17.7. bis
1.8.2010). Dabei bedeuten tp (true positiv) bzw. tn (true negativ) bewölkte bzw. unbewölkte
Übereinstimmungen. fn (false negativ) repräsentiert vom MCE- bzw. MCC-Algorithmus als
unbewölkt klassizierte Pixel, die in Wirklichkeit bewölkt sind. fp (false positiv) ist umgekehrt
deniert. Bei allen vier Kriterien sind die prozentualen Anteile angegeben. cs-mean ist
die mittlere wolkenfreie Reektanz und cl-mean die mittlere Reektanz der bewölkten Pixel,
basierend auf die EUMETSAT-Wolkenmaske. nan (not a number) bedeutet, dass zum
Zeitpunkt keine bewölkten bzw. wolkenfreien Pixel vorhanden waren.
MCE (t=0.165)
Atlantik
MCC (t=0.065)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
17.07.2010 0.0 0.84 0.16 0.0 0.11 0.84 0.05 0.0 0.043 0.078
18.07.2010 0.0 0.95 0.05 0.0 0.05 0.95 0.01 0.0 0.036 0.071
19.07.2010 0.22 0.28 0.5 0.0 0.6 0.28 0.12 0.0 0.043 0.134
20.07.2010 0.01 0.7 0.29 0.0 0.2 0.67 0.1 0.03 0.046 0.083
21.07.2010 0.39 0.23 0.38 0.0 0.76 0.17 0.01 0.06 0.061 0.195
22.07.2010 0.46 0.14 0.4 0.0 0.84 0.12 0.01 0.03 0.057 0.188
23.07.2010 0.25 0.01 0.74 0.0 0.98 0.01 0.02 0.0 0.06 0.135
24.07.2010 0.77 0.0 0.22 0.0 0.91 0.0 0.09 0.0 0.05 0.254
25.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.337
26.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.32
27.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.402
28.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.496
29.07.2010 0.23 0.57 0.2 0.0 0.42 0.54 0.01 0.04 0.044 0.194
30.07.2010 0.89 0.02 0.08 0.0 0.98 0.01 0.0 0.02 0.066 0.34
31.07.2010 0.07 0.8 0.13 0.0 0.18 0.79 0.02 0.02 0.043 0.16
01.08.2010 0.43 0.33 0.24 0.0 0.67 0.28 0.0 0.05 0.05 0.253
Mittelwert 0.48 0.30 0.21 0.00 0.67 0.29 0.03 0.02 0.05 0.23
44

5 ERGEBNISSE
Tabelle 5.3: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über dem Mittelmeer in der Zeitperiode 17.7.
bis 1.8.2010). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.045)
Mittelmeer
MCC (t=0.065)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
17.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.037 nan
18.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.037 nan
19.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.035 nan
20.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.034 nan
21.07.2010 0.07 0.53 0.0 0.4 0.03 0.92 0.05 0.0 0.046 0.062
22.07.2010 0.0 0.99 0.0 0.01 0.0 1.0 0.0 0.0 0.042 nan
23.07.2010 0.0 0.14 0.0 0.86 0.0 1.0 0.0 0.0 0.046 nan
24.07.2010 0.13 0.0 0.0 0.87 0.13 0.84 0.0 0.03 0.058 0.114
25.07.2010 0.85 0.0 0.0 0.15 0.55 0.15 0.3 0.0 0.056 0.066
26.07.2010 0.24 0.63 0.0 0.13 0.19 0.75 0.05 0.01 0.042 0.089
27.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.036 nan
28.07.2010 0.21 0.64 0.0 0.15 0.13 0.78 0.08 0.02 0.041 0.079
29.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.035 nan
30.07.2010 0.01 0.93 0.0 0.06 0.0 0.99 0.01 0.0 0.036 0.047
31.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.04 nan
01.08.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.03 nan
Mittelwert 0.09 0.74 0.00 0.16 0.06 0.90 0.03 0.00 0.04 0.08
96 % der bewölkten Pixel richtig klassiziert, wohingegen der MCE-Schwellwert nur
70 % der bewölkten Pixel erkennt.
Auÿerdem ist auällig, dass bei einem höheren Bedeckungsgrad auch die mittlere wolkenfreie
Reektanz dieser Szene ansteigt (Tab. 5.2). Dies kann einerseits durch unerkannte,
kleinskalige Wolken innerhalb eines Pixels oder durch den Eintrag von Aerosolpartikeln,
die aufgrund ihrer Streuung der Solarstrahlung die Helligkeit von Pixeln
45

5.2. VERGLEICH ZWISCHEN MCE- UND MCC-METHODE
verändern können, verursacht werden (Schmetz et al (2002)). Andere Auslöser könnten
auch Artefakte der Wolkenmaske sein.
Über dem Mittelmeer sind im Gegensatz zum Atlantik viele Szenen vollständig wolkenfrei
und besitzen deshalb keine mittlere Reektanz von bewölkten Pixeln (Tab.
5.3). Weiterhin fällt auf, dass die MCE-Schwellwertreektanz in diesem Beispiel unterhalb
der MCC-Schwellwertreektanz liegt. Schon Abbildung 5.2 zeigte, dass der
MCE-Schwellwert zu niedrig ist und somit eine Vielzahl von false cloud-Pixeln verursacht.
Auch Tabelle 5.3 veranschaulicht, dass viele Szenen über dem Mittelmeer in
der Zeitperiode vom 17.7. bis 1.8.2010 einen hohen Anteil an false positiv-Werten, jedoch
aber keine false negativ-Werte besitzen. Die MCE-Schwellwertreektanz liegt mit
0.045 sehr nahe an der mittleren wolkenfreien Reektanz von 0.04. In einigen Fällen
ist die mittlere wolkenfreie Reektanz sogar höher als die Schwellwertreektanz.
Folglich wird bei diesen Situationen der Bedeckungsgrad vollkommen überschätzt. Ein
auÿergewöhnliches Merkmal ist die sehr niedrige Reektanz (0.08) der über 16 Tage
gemittelten bewölkten Pixel. Dass dies durch wenig bewölkte Szenen mit geringen
optischen Dicken verursacht wird, lieÿ sich bereits anhand des Histogramms in Kapitel
4.2 erkennen (Abb. 4.1). Für den Ausschnitt über dem Mittelmeer in der bereits
erwähnten Zeitperiode beträgt der Anteil der durch den MCC-Schwellwert verursachten
Fehlklassikationen nur 3 %. Auch für die anderen Ausschnitte liegt die mittlere
Fehlklassikationsrate bei der Trennung in bewölkte und unbewölkte Pixel durch die
MCC-Methode meist unter 10 %. Durch den MCE-Algorithmus werden im Mittel jedoch
20 bis 40 % der bewerteten Pixel falsch klassiziert (Vgl. Anhang, Abb. 7.1 bis
7.10).
Zur graschen Veranschaulichung der Unterschiede zwischen MCE- und MCC-Schwellwerten
stellt Abbildung 5.3 beide Funktionen in Abhängigkeit der Reektanz dar. Die
Funktionen resultieren aus Berechnungen von 16 Szenen im Zeitraum vom 17.7. bis
1.8.2010 über dem Atlantik. Der Schwellwert zur Trennung von bewölkten und unbewölkten
Pixeln wird laut Denition durch das Minimum der criteria function angegeben
(Gl. 4.4). Der MCC ergibt sich direkt aus der contingency table (Gl. 4.1).
Die dafür erforderlichen vier Gütemaÿe sind abhängig von der Selektion des Schwellwerts.
Deshalb lässt sich der MCC als Funktion der Schwellwertreektanz darstellen.
46

5 ERGEBNISSE
Abbildung 5.3: MCE-criteria function und MCC-Plot aus Berechnungen von 16 Szenen über
dem Atlantik (17.7.2010 bis 1.8.2010). MCE-Schwellwert ergibt sich aus Minimum der criteria
function (rot). MCC-Schwellwert ist das Maximum der blauen Kurve. Beide Schwellwerte sind
durch senkrechte Linien gekennzeichnet.
Die Reektanz, bei welcher der Kontingenzkoezient maximal wird, repräsentiert den
MCC-Schwellwert. Abgesehen von der groÿen Dierenz zwischen beiden Schwellwerten
fällt eine weitere Besonderheit auf. Die criteria function besitzt innerhalb eines vorde-
nierten kritischen Intervalls von 5 % um den Schwellwert deutlich gröÿere Variabilität
als die Funktion des Kontingenzkoezients (Abb. 5.3). Schon kleine Änderungen
der Schwellwertreektanz haben groÿe Änderungen der Gütemaÿe und somit auch der
Fehlklassikationsrate zur Folge. Aufgrund des Unterschieds in der Breite und damit
verbundenen Variablität der beiden Funktionen veranschaulicht dieses Beispiel ebenfalls,
dass der MCC besser zur Selektion von Schwellwerten geeignet ist als der MCE-
Algorithmus.
In Abbildung 5.4 sind die prozentualen, mittleren Fehler der sechs Oberächentypen für
die beiden Zeiträume 17.7. bis 1.8.2010 und 4.5. bis 19.5.2011 dargestellt. Diese Fehler
resultieren aus Berechnungen mittels Gleichung 5.1. Blaue Balken repräsentieren die
durch MCE-Schwellwerte und rote Balken die durch MCC-Schwellwerte verursachten
Fehlklassikationsraten.
47

5.2. VERGLEICH ZWISCHEN MCE- UND MCC-METHODE
Abbildung 5.4: Mittlerer, prozentualer Fehler der sechs Oberächentypen für die Zeiträume
17.7.2010 bis 1.8.2010 (links) und 4.5.2011 bis 19.5.2011 (rechts). Blaue Balken zeigen
die durch den MCE-Algorithmus und rote Balken durch den MCC-Schwellwert verursachte
Fehlklassikationsrate. Ein Fehler von 0 bedeutet das bestmögliche und eine Fehler von 1 das
schlechtmöglichste Ergebnis.
f =
16∑
i=1
16∑
i=1
(f-clear + f-cloud)
(t-cloud + t-clear + f-cloud + f-clear)
(5.1)
Gleichung 5.1 summiert alle Fehlklassikationen (f-clear und f-cloud) über die 16 Szenen
(i = (1, ..., 16))und dividiert durch die Summe aller Pixel. Die Gesamtanzahl der Fehler
wird in der Statistik als Falschklassikationsrate angegeben (Fawcett (2006)). In fast allen
Fällen liegt der mittlere MCC-Fehler unterhalb des MCE-Fehlers (Abb. 5.4). Nur bei
der ersten Zeitperiode des Wüstenausschnitts ist dies nicht der Fall.
Allerdings ist die automatische Selektierung von Schwellwerten zur Erkennung von Wolken
über Wüstenregionen ohnehin mit Vorsicht zu betrachten. Auÿerdem ist der mittlere
Bedeckungsgrad für dieses Beispiel sehr gering, was wie zuvor erklärt, zu Problemen
führt. Daher wird die Fehlklassikationsrate für diesen Ausschnitt nicht weiter diskutiert.
Zusammenfassend beträgt die mittlere Fehlklassikationsrate der MCC-Wolkenmaske
über den Ausschnitten Atlantik und Mittelmeer 4 %. Bei der Anwendung des MCE-
Algorithmus liegt der Anteil an Fehlklassikationen über diesen homogenen Meeres-
48

5 ERGEBNISSE
oberächen sogar bei 19 %. Daraus lässt sich schlussfolgernd sagen, dass der MCE-
Algorithmus keine stabilen Ergebnisse liefert und somit nicht zur Wolkendetektion
in solaren MSG-SEVIRI Bildern geeignet ist. Im Gegensatz dazu ergeben die mittels
MCC-Verfahren bestimmten Schwellwerte deutlich bessere Übereinstimmungen
mit der EUMETSAT-Wolkenmaske. Weil es sich dabei um eine überwachte Methode
handelt, muss die Qualität der Wolkenmaske beachtet werden. Fakt ist, dass die von
EUMETSAT produzierte Wolkenmaske nicht absolut fehlerfrei ist. Die Validierung dieser
Wolkenmaske ist jedoch nicht Inhalt der Arbeit. Auÿerdem existiert keine ideale,
fehlerfreie Wolkenmaske, welche anstelle der EUMETSAT-Wolkenmaske als Referenz
genutzt werden könnte. Die Qualität einer Wolkenmaske ist immer vom Informationsgehalt
der Input-Daten abhängig.
Im Gegensatz zum überwachten MCC-Verfahren hat der MCE-Algorithmus als unüberwachte
Methode einen signikanten Vorteil. Das MCC-Verfahren erfordert für die
Schwellwertselektierung Gütemaÿe, die in dieser Arbeit mit Hilfe der EUMETSAT-
Wolkenmaske bestimmt wurden. Der MCE-Algorithmus hingegen benötigt ausschlieÿlich
die Histogrammfunktion der Grauwerte bzw. Reektanzen. Wegen der hohen Fehlklassikationsrate
dieser Methode wird bei der Anwendung auf den HRV-Kanal im
weiteren Verlauf nur das MCC-Verfahren zur Selektierung von Schwellwerten eingesetzt.
5.3 Anwendung von wolkenfreien Reektanzen
Die Separation bewölkter und unbewölkter Pixel durch MCC-Schwellwerte erzeugt über
Meeresoberächen und homogenen Landächen zufriedenstelltende Ergebnisse mit Fehlern
von 3 bis 7 %. Über Landoberächen mit inhomogenen Oberächeneigenschaften
kommt es dabei zu deutlich höheren Fehlklassikationsraten bis zu 18 % (Anhang Tab.
7.8). Klassische Beispiele dafür sind Regionen über den Alpen oder dem Oberrheingraben.
Selbst im Fall von wolkenfreien Szenen existieren dort bei kleinskaligen, räumlichen
Änderungen groÿe Variationen der Reektanz (Abb. 4.1 (wolkenfrei über Alpen)). Ein
Extrembeispiel dafür ist der Übergang von Ozeanoberächen zu hellen Landächen innerhalb
eines Bildausschnittes. Ein gemeinsamer Schwellwert an solchen Übergangsstel-
49

5.3. ANWENDUNG VON WOLKENFREIEN REFLEKTANZEN
Abbildung 5.5: Land-See-Maske über Europa, 600 × 800 auf niedrig aufgelöster MSG
SEVIRI-Skala. Daten stammen aus EUMETSAT-Wolkenmaske. Grün ist Landoberäche,
blau Ozeanoberäche und rot ist auÿerhalb der SEVIRI-Sichtscheibe.
len hätte erhebliche Fehlklassikationen zur Folge. Solche Fehler lassen sich mit einer
Land-See-Maske vermeiden.
Abbildung 5.5 zeigt die Land-See-Maske über Europa (600 × 800 Pixel auf niedrig aufgelöster
MSG-Skala), basierend auf Land- und Ozeaninformationen der EUMETSAT-
Wolkenmaske. Diese Maske nutzt EUMETSAT zur Zuordnung von wolkenfreien Pixeln
über Land oder Wasseroberächen, stellt diese allerdings nicht frei im Internet zur Verfügung.
Deshalb wurde die in dieser Studie dargestellte Land-See-Maske aus der Wolkenmaske
über einen Zeitraum von einem Jahr (17.7. bis 31.7.2011) berechnet. Diese
Berechnung ist trivial, weil die Wolkenmaske zwischen wolkenfreiem Land und Ozean
dierenziert und jedes Pixel des Ausschnitts zu mindestens einem Zeitschritt unbewölkt
war. Blaue Pixel symbolisieren Ozean- und grüne Pixel Landoberächen. Die roten
Pixel markieren den Bereich auÿerhalb der MSG-Sichtscheibe.
Zur Reduzierung der Probleme bei Landoberächen mit groÿer räumlicher Variabilität
werden in dieser Studie gemittelte, wolkenfreie Reektanzen angewendet. Diese
resultieren aus Pixeln der jeweiligen Kanäle, die von der EUMETSAT-Wolkenmaske
als unbewölkt klassiziert wurden. Genau wie bei der Bestimmung der Schwellwerte
wird dabei der Mittelwert über 16 Tage gebildet. Dabei wurde angenommen, dass
50

5 ERGEBNISSE
Abbildung 5.6: Wolkenfreie 0.6 μm Reektanz über Europa, 16 Tagesmittel vom 4.5.2011 bis
19.5.2011, fünf Zeitschritte zwischen 11.30 und 12.30 UTC, 600 × 800 auf niedrig aufgelöster
MSG SEVIRI-Skala. Die Klassikation resultiert aus der EUMETSAT-Wolkenmaske. Rote
Pixel waren bei der Berechnung zu keinem der Zeitschritte unbewölkt.
sich die Oberäche innerhalb dieser Periode nur langsam ändert. Abbildung 5.6 zeigt
die mittlere wolkenfreie Reektanz des EU-Ausschnittes (600 × 800 Pixel auf niedrig
aufgelöster SEVIRI Skala). Die Mittelung bezieht sich in diesem Beispiel auf fünf
Zeitschritte zwischen 11.30 und 12.30 UTC innerhalb des Zeitraumes vom 4.5. bis
19.5.2011. Die wolkenfreie Reektanz des 0.6 μm-Kanals schwankt zwischen 0 und
66 %. Dabei liegen die höchsten Werte über den Wüstenregionen Nordafrikas und
schneebedeckten Gebieten wie den Alpen oder den Skanden (Skandinavisches Gebirge)
in Südwestnorwegen (Abb. 5.6). Über Ozeanoberächen liegt die wolkenfreie
Reektanz im Mittel bei etwa 5 % und besitzt deutlich geringere Variabilitäten als
über Land. Bei den insgesamt 80 verarbeiteten Zeitschritten existieren dennoch Regionen,
über denen die Szene zu keinem der Zeitpunkte als wolkenfrei klassiziert
wurde. Diese Pixel sind in Abbildung 5.6 rot markiert. Bei der oberen rechten Ecke
handelt es sich ebenso wie bei der Land-See-Maske um Pixel auÿerhalb der MSG-
Sichtscheibe.
51

5.3. ANWENDUNG VON WOLKENFREIEN REFLEKTANZEN
Auällig ist die groÿe Anzahl von roten Pixeln über dem Groÿraum der britischen
Inseln. Diese Pixel wurden von der EUMETSAT-Wolkenmaske zu keinem der Messzeitpunkte
als unbewölkt klassiziert. Eine dauerhafte Fehlklassikation durch die Wolkenmaske
lässt sich ausschlieÿen, weil bei der Verwendung von noch mehr Zeitschritten
die Anzahl der roten Pixel in dieser Region abnimmt. Daraus lässt sich schlussfolgern,
dass die Ursache für diese Daten das stetige Vorhandensein von Wolken während
den Messungen war. Das Wetter Groÿbritanniens wird in der Regel von Tiefdrucksystemen
bestimmt. Deshalb herrscht dort sehr wechselhaftes Wetter mit viel
Wolken und Niederschlag. Die durchschnittliche Zahl an jährlichen Sonnenscheinstunden
beträgt in Irland beispielsweise nur ein Drittel der theoretisch möglichen (Pallé
und Butler (2001)). An der Westküste fällt diese Zahl noch niedriger aus. Auch im
Südwesten von Norwegen existieren einige rote Pixel. Die Ursache dafür sind konvektive
Wolken, die bei westlichen Strömungen an der Westseite der Skanden entstehen.
Bei genauerer Betrachtung fallen vereinzelte rote Pixel über Land, an den Grenzen
zu Meeresächen, auf. Vor allem an den südfranzösischen, spanischen und nordafrikanischen
Küstenregionen häufen sich diese Punkte. Weil der Bedeckungsgrad in diesen
Gebieten normalerweise eher gering ist, könnten dafür Fehlklassikationen der Wolkenmaske
an den Grenzen zwischen Land und Ozean verantwortlich sein. Bei Mittelung
über deutlich mehr Zeitschritte scheinen diese vermutlichen Fehler jedoch zu verschwinden.
Ein anderer möglicher Auslöser für die roten Pixel könnten Küstenkonvektionsprozesse
sein. Solche Prozesse ereignen sich im Frühling und Frühsommer, wenn das
Meer noch kühl ist und sich die Landoberäche durch Sonneneinstrahlung langsam
aufheizt. Dabei kommt es bei zunehmender Sonneneinstrahlung im Tagesverlauf zu
einem Anstieg der turbulenten Grenzschicht über Land. Als Folge davon entstehen
ache, konvektive Wolken, die meist nur über Land in Küstennähe existieren (Dacre
et al. (2007)). Allerdings ist die Schwellwertbestimmung an den Übergangsstellen zwischen
Land und Meer sehr empndlich auf kleine Veränderungen der Küstenlinien
wie z. B. Ebbe und Flut, weshalb dieses Merkmal in der Arbeit nicht näher untersucht
wurde.
52

5 ERGEBNISSE
Die wolkenfreien Reektanzen werden normiert, bevor das MCC-Verfahren auf die
Daten angewendet wird. Dadurch wird ein Feld der räumlichen Anomalie des Bildes
erzeugt. Die Normierung und Aufbereitung der Daten erfolgt nach Gleichung
5.2.
refl(MCC) = refl(i, j) − ( refl cs (i, j) − 1
n − 1
n∑
refl cs (i, j) ) (5.2)
i,j=1
Dabei wird die Summe über alle wolkenfreien Reektanzen der Matrix refl cs (i, j) gebildet
und durch die Gesamtanzahl n der Pixel des entsprechenden Ausschnittes dividiert
(mit i, j = (Zeilen,Spalten) = 1, ..., n). Anschlieÿend wird von jedem Element von
refl cs (i, j) die gemittelte, wolkenfreie Reektanz subtrahiert. Die zur Anwendung der
MCC-Methode benötigte Reektanz refl(MCC) resultiert aus der Dierenz zwischen
der Reektanzmatrix des jeweiligen Zeitschrittes refl(i, j) und der normierten Matrix
der wolkenfreien Reektanz (Gl. 5.2). Durch dieses Verfahren wird die räumliche Variabilität
des Erdbodens herausgeltert.
Der Unterschied zwischen dem normalen MCC und dem durch normierte, wolkenfreie
Reektanzen modizierten MCC wird anhand von Abbildung 5.7 dargestellt. Beide
Funktionen zeigen den Korrelationskoezient MCC in Abhängigkeit der Schwellwertreektanz.
Es handelt sich hierbei um den Alpenausschnitt (16 × 16 Pixel auf niedrig
aufgelöster MSG-Skala) in der Zeitperiode vom 4.5.2011 bis 19.5.2011. Die blaue Kurve
repräsentiert den normalen MCC und die rote Kurve den modizierten MCC. Weil die
wolkenfreie Reektanz normiert wurde, ist der Schwellwert mit dem gröÿten Korrelationskoezienten
für beide Kurven identisch. Allerdings ist der Korrelationskoezient
der roten Kurve deutlich höher. Auÿerdem besitzt diese im bereits vorher erwähnten
5 %-Bereich deutlich geringere Variabilität. Daraus lässt sich eine signikante Verbesserung
des MCC-Schwellwerts durch Modizierung nach Gleichung 5.2 schlussfolgern.
Abbildung 5.8 zeigt die wolkenfreien Reektanzen des Europaausschnitts über die Zeitschritte
11.30, 11.45, 12.00, 12.15 und 12.30 UTC der Zeitperiode vom 1.4.2011 bis zum
16.4.2011 gemittelt. Feld (a) stellt die Reektanz des 0.6 μm-, (b) die des 0.8 μm- und
53

5.3. ANWENDUNG VON WOLKENFREIEN REFLEKTANZEN
Abbildung 5.7: Vergleich zwischen MCC- und MCC-Dierenz-Reektanz nach Abzug der
normierten, wolkenfreien Reektanz, Ausschnitt Alpen, 16 × 16 auf niedrig aufgelöster MSG
SEVIRI-Skala, 4.5. bis 19.5.2011, 12.00 UTC.
(c) die des 1.6-μm Kanals dar. Die roten Punkte markieren Pixel, die laut Wolkenmaske
zu keinem der verwendeten Zeitschritte unbewölkt waren.
Im Feld (d) ist das sogenannte Day Natural Colors RGB Komposite abgebildet, welches
detailiert von Lensky und Rosenfeld (2008) erklärt wird. Dieses Komposite setzt sich
aus den solaren Kanälen 1.6 μm, 0.8 μm und 0.6 μm zusammen, indem ihnen die Farbwerte
rot, grün und blau (RGB) zugeordnet werden. Diese Farbzusammensetzung erleichtert
die pysikalische Interpretation des Bildes. Vegetation erscheint grün wegen der
hohen Reexion bei 0.8 μm. Dürrer Erdboden ist rötlich-braun und Meeresoberäche
schwarz. Wegen der hohen Reexion kleiner Tropfen in allen Kanälen sind Wasserwolken
weiÿ. Eiswolken und Schneeoberächen werden cyan gefärbt. Da es sich bei Abbildung
5.8 (a), (b) und (c) um wolkenfreie Reektanzen handelt, symbolisieren die in Feld
(d) cyan gefärbten Regionen Schnee- bzw. Eisächen am Boden. Es handelt sich bei diesem
Beispiel um Daten aus der ersten Aprilhälfte. Deshalb ist die Schneebedeckung der
Alpen, der Skanden und teilweise auch der Pyrenäen in dieser Zeit durchaus plausibel.
Allerdings zeigt das Komposite auch über Teilen von Nordafrika cyan gefärbte Stellen.
Dass in diesen Regionen im April Schnee am Boden auftritt, ist äuÿerst fragwürdig.
54

5 ERGEBNISSE
Abbildung 5.8: Wolkenfreie Reektanzen über Europa, gemittelt vom 1.4. bis 16.4.2011 (je
5 Zeitschritte zw. 11.30 12.30 UTC). (a) zeigt die 0.6 μm-, (b) die 0.8 μm- und (c) die 1.6
μm-Reektanz. Das so genannte Day Natural Colors Komposite aus diesen drei Kanälen wird
in (d) dargestellt. Rote Punkte deuten auf Pixel hin, bei denen die EUMETSAT-Wolkenmaske
zu keinem Zeitpunkt den Zustand unbewölkt ausgab.
Dabei könnte es sich auch um Mineralien handeln, die spezielle Reexionseigenschaften
haben. Diese Beispiele zeigen, dass Wolkendetektion über Wüstenregionen zu einigen
Problemen führen kann.
55

6 Wolkendetektion in multispektralen
MSG SEVIRI-Daten
In diesem Kapitel wird zunächst der unterschiedliche Einuss spektraler Kanäle auf eine
daraus resultierende Wolkenmaske erläutert. Dabei wird getestet, ob der HRV-Kanal
für die Wolkendetektion geeignet ist. Anschlieÿend wird die Methodik der hochaufgelösten
Wolkenmaske vorgestellt, an einigen Fallbeispielen gezeigt und letztendlich mit Hilfe
der EUMETSAT-Wolkenmaske validiert.
Im solaren Spektralbereich dienen sowohl der 0.6 μm- als auch der 0.8 μm-SEVIRI-
Kanal zur Wolkendetektion, weil in diesem Bereich die Reexion an Wolken sehr hoch
ist (EUMETSAT (2002)). Im Spektralbereich von 0.8 μm ist die Reexion von Landoberächen
im Gegensatz zum 0.6 μm-Kanal jedoch deutlich höher (Abb. 2.4). Aus diesem
Grund ist der 0.6 μm-Kanal zur Erkennung von optisch dünnen Wolken über Land
besser geeignet. Im Gegensatz zum 0.6 μm-Kanal wird der 0.8 μm-Kanal, wegen seiner
geringeren Empndlichkeit gegenüber Rayleigh- und Aerosol-Streuung, über Ozeanoberächen
bevorzugt für die Wolkendetekion verwendet (Ipe et al. (2004)).
Als Nachweis dieser Unterschiede stellt Abbildung 6.1 die mittleren, prozentualen Fehler
für die in dieser Studie verwendeten Oberächenausschnitte dar. Zu den sechs in
vorherigen Kapiteln behandelten Oberächenausschnitten wird für die multispektrale
Untersuchung ein weiterer Oberächenausschnitt gewählt. Der Ausschnitt Oberrheingraben
umfasst 64 × 64 Pixel auf der niedrig aufgelösten MSG SEVIRI-Skala. In Folge
der Topograe des Oberrheingrabens, der von Schwarzwald, Vogesen, Odenwald und
Pfälzerwald umgeben ist, entstehen dort häug kleinskalige, konvektive Wolken. Die
konvektive Skala mit einer charakteristischen Länge von einem Kilometer kann von den
57

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
Abbildung 6.1: Mittlerer, prozentualer Fehler von sieben Oberächentypen, 19.7.2010 -
1.8.2010, 12.00 UTC. Der blaue Balken steht für den Fehler des 0.6 μm- und der rote Balken
für Fehler des 0.8 μm-Kanals. Der grüne Balken ist die Linearkombination aus beiden Kanälen
[Linearkombination nach Deneke und Roebeling (2010)].
niedrig aufgelösten MSG SEVIRI-Kanälen (LRes) nicht zufriedenstellend abgedeckt
werden. Weil in den folgenden Kapiteln die Anwendung des hochaufgelösten Kanals
(HRes) untersucht wird, ist gerade die Betrachtung solcher kleinskaligen Wolken von
groÿem Interesse.
Die mittleren, prozentualen Fehler resultieren genau wie in Abbildung 5.4 aus Berechnungen
mittels Gleichung 5.1. In diesem Fall ist nur die Fehlklassikationsrate für die
Zeitperiode vom 19.7. bis 1.8.2010 dargestellt. Die blauen Balken repräsentieren die
Fehler der auf den 0.6 μm- und die roten Balken die Fehler der auf den 0.8 μm-Kanal
basierte Wolkenmaske. Für alle sieben Ausschnitte liegt der 0.6 μm-Fehler unter dem
0.8 μm-Fehler (Abb. 6.1). Über den meisten Landoberächen ist diese Dierenz deutlich
ausgeprägter als über den Ozeanoberächen. Sehr markant erscheint der Unterschied
über dem Wüstenausschnitt. Allerdings wurde bereits erwähnt, dass dieser Ausschnitt
nicht näher interpretiert werden sollte. Die grünen Balken zeigen den mittleren, prozentualen
Fehler eines Mischsignals zwischen dem 0.6 μm- und dem 0.8 μm-Kanal.
Die dabei als Datenbasis für den MCC-Algorithmus verwendeten Reektanzen ergeben
sich aus einer linearen Kombination zwischen beiden Kanälen. Der daraus resultierende
Fehler über alle Ausschnitte gemittelt beträgt 14 %. Damit liegt er deutlich unter
58

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
dem mittleren 0.8 μm-Fehler (21 %) und über dem 0.6 μm-Fehler (6 %). Bei Vernachlässigung
des Wüstenausschnitts liegen die mittleren Fehler der 0.6 μm-Reektanzen
und der Linearkombination auf dem gleichen Niveau. Deshalb ist die Linearkombination
zur Wolkendetektion geeignet. Daraus schlussfolgernd ist vermutlich auch der
HRV-Kanal für die Bestimmung einer Wolkenmaske geeignet. Der genaue Zusammenhang
dieser Linearkombination mit dem HRV-Kanal wird im nächsten Abschnitt
erklärt.
6.1 Entwicklung einer hochaufgelösten Wolkenmaske
In diesem Abschnitt wird die zur Entwicklung einer hochaufgelösten Wolkenmaske
erforderliche Methodik erläutert. In Verlauf der Arbeit wurde bereits gezeigt, dass
der von Li und Lee (1993) entwickelte MCE-Algorithmus nicht für die Selektion von
Schwellwerten zur Trennung von bewölkten und unbewölkten Pixeln in solaren MSG
SEVIRI-Bildern geeignet ist. Deshalb wird dafür die MCC-Methode verwendet. Allerdings
handelt es sich dabei um eine überwachte Methode. Aus diesem Grund sind
Referenzdaten zur Bestimmung von Gütemaÿen notwendig. In dieser Arbeit stammen
die Referenzdaten aus der EUMETSAT-Wolkenmaske. Mit Hilfe dieser Wolkenmaske
werden die Schwellwertreektanzen der LRes-Kanäle 0.6 μm und 0.8 μm für die jeweiligen
Ausschnitte festgelegt. Der hochaufgelöste SEVIRI-Kanal (HRV) besitzt jedoch
die dreifache Auösung der Wolkenmaske. Deswegen wird mit Hilfe der Kanäle 0.6 μm
und 0.8 μm ein ktiver Kanal erzeugt, welcher spektral mit dem breitbandigen HRV-
Kanal vergleichbar ist. In einem von Deneke und Roebeling (2010) entwickelten linearen
Modell lässt sich aus den LRes-Reektanzen der schmalbandigen 0.6 μm (r 06 )- und
0.8 μm (r 08 )-Kanäle eine mit dem HRV-Kanal vergleichbare Reektanz (r HRV ) berechnen.
r HRV = a ⋅ r 06 + b ⋅ r 08 . (6.1)
Dabei fanden sie die Koezienten: a = 0.667 und b = 0.368. Bei der dafür verwendeten
Methode der kleinsten Quadrate werden die Koezienten der Regressionskurve
59

6.1. ENTWICKLUNG EINER HOCHAUFGELÖSTEN WOLKENMASKE
so gewählt, dass die Summe der quadratischen Abweichungen der Kurve von den Datenpunkten
minimiert wird. Weitere Details zu der linearen Kombination sowie Unsicherheiten
zur Gleichung 6.1 werden von Deneke und Roebeling (2010) beschrieben.
Abbildung 6.2 zeigt ein Beispiel für die verschiedenen Reektanzen über dem Oberrheingraben
am 18.7.2010 um 12.00 UTC. Die Felder (a) und (b) stellen die 0.6 μm- und
0.8 μm-Reektanz dar. Die unteren beiden Szenen zeigen den Vergleich zwischen der
Linearkombination (c) und dem HRV Kanal (d). In Feld (e) sind die normierten Histogrammfunktionen
der vier Reektanzen abgebildetet. Infolge der dreifach höheren Auflösung
besitzt der HRV-Kanal für denselben Ausschnitt 192 × 192 Pixel, wobei die Matrix
der LRes-Kanäle nur 64 × 64 Pixel umfasst. Deshalb wurden die Histogramme zur
besseren Vergleichbarkeit normiert, indem alle Werte durch die Gesamtanzahl der Pixel
dividiert wurden.
Beim Vergleich der vier Bilder fällt auf, dass der wolkenfreie Erdboden des 0.8 μm-
Kanals am hellsten ist (Abb. 6.2 (b)). Deswegen ist kaum ein Kontrast zwischen dem
Erdboden und Wolken zu erkennen. Die Reektanz der Linearkombination scheint im
Gegensatz zum 0.6 μm- und 0.8 μm-Kanal mit der Reektanz des HRV-Kanals gut
übereizustimmen.
Sehr helle Wolken, vorwiegend im östlichen Bildausschnitt, lassen sich bei allen Bildern
einigermaÿen gut lokalisieren. Bei optisch dünnen Wolken ist die am Satelliten
gemessene Reektanz ein Mischsignal aus Erdoberäche und Wolken. Im westlichen
Bereich des Ausschnittes ist bei allen vier Kanälen der wolkenfreie Erdboden zu erkennen.
Dort existieren deutliche Unterschiede der Reektanzen. Die Histogramme zeigen
einen nur geringen Überlappungsbereich der 0.6 μm- und 0.8 μm-Reektanzen. Das Histogramm
des HRV-Kanals liegt zwischen dem 0.6 μm- und dem 0.8 μm-Histogramm
und besitzt einen relativ groÿen Überlappungsbereich mit beiden. Das Histogramm der
Linearkombination stimmt bei erster Betrachtung von Abbildung 6.2 gut mit dem HRV-
Histogramm überein.
Zur näheren Untersuchung sind in Tabelle 6.1 die statistischen Parameter dieser Szene
zusammengefasst. Diese enthalten den Mittelwert sowie die Standardabweichung der
Reektanzen jedes Kanals.
60

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
Abbildung 6.2: Vergleich der LRes MSG SEVIRI-Kanäle 0.6 μm (a) und 0.8 μm (b) mit
dem HRV-Kanal (d) am 18.7.2010 12:00 UTC über dem Oberrheingraben (64 × 64 Pixel
auf LRes und 192 × 192 Pixel auf HRes MSG SEVIRI-Skala). (c) ist nach Gleichung 6.1
berechnete Linearkombination aus dem 0.6 μm- sowie 0.8 μm-Kanal. (e) zeigt die normierten
Histogramme der vier Reektanzen für diese Szene.
61

6.1. ENTWICKLUNG EINER HOCHAUFGELÖSTEN WOLKENMASKE
Tabelle 6.1: Statistische Parameter zu den Reektanzen und Histogrammen von Abbildung
6.2. Diese beinhalten den Reektanzmittelwert und die Standardabweichung der vier Abbildungen.
Kanal Mittelwert Standardabweichung
0.6 μm 0.17 0.08
0.8 μm 0.37 0.05
Lin.Kombi. 0.25 0.07
HRV 0.25 0.09
Der Mittelwert des HRV-Kanals entspricht dem der Linearkombination und liegt mit
25 % zwischen dem 0.6 μm- und dem 0.8 μm-Mittelwert von 17 bzw. 37 % (Tab. 6.1).
Wie schon erwartet, ist die Varianz und damit auch Standardabweichung des breitbandigen
HRes-Kanals am gröÿten. Zusammenfassend deuten auch diese statistischen
Maÿe auf eine gute Übereinstimmung zwischen der Linearkombination und dem HRV-
Kanal hin.
Dieser statistische Vergleich liefert genau wie die Fehleruntersuchung in Abbildung 6.1
zufriedenstellende Ergebnisse für die Linearkombination aus den beiden LRes-Kanälen
0.6 μm und 0.8 μm. Deshalb erweist sich diese Reektanz (r HRV ) für die Anwendung des
MCC-Verfahrens zur Bestimmung einer Wolkenmaske als geeignet.
Ein Problem bei der Entwicklung einer hochaufgelösten Wolkenmaske ist das Fehlen
einer Referenzmaske zur Validierung der Ergebnisse. Um dennoch einen Vergleich zu
ermöglichen, wurde die niedrig aufgelöste EUMETSAT-Wolkenmaske hochskaliert. Das
bedeutet, dass eine 3 × 3 Matrix zu einer 9 × 9 Matrix erweitert wurde. Wenn ein Pixel
der niedrigaufgelösten Wolkenmaske als bewölkt klassiziert wurde, dann sind bei der
hochaufgelösten Wolkenmaske folglich auch die acht benachbarten Pixel bewölkt. Beim
Versuch diese hochskalierte Wolkenmaske nach dem gleichen Prinzip wie in Kapitel 5.3
auf HRV-Szenen anzuwenden, würde die resultierende mittlere wolkenfreie Reektanz
jedoch einige Fehler beinhalten. Der Grund dafür sind gebrochene Wolken, die wegen
Vernachlässigung kleinskaliger Variabilitäten innerhalb von LRes-Pixeln auftreten. Vor
allem in Regionen, welche konvektiv geprägt sind, entsteht häug gebrochene Bewölkung.
Die LRes-SEVIRI-Kanäle besitzen über Europa eine räumliche Auösung von
62

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
etwa 4 × 4 bis 6 × 6 km 2 (Abb. 2.3). Für ein Pixel mit dieser Fläche existiert also
nur eine binäre Information über den Bedeckungszustand. Bei der Betrachtung von
wolkenfreien HRV-Pixeln auf Basis der LRes-Wolkenmaske würden beispielsweise helle
Pixel existieren, obwohl das 3 × 3 Feld als wolkenfrei klassiziert wurde. Die Folge
wäre eine zu hohe gemittelte wolkenfreie Reektanz. Auf der anderen Seite kann es
wolkenfreie Randpixel geben, obwohl das ganze Feld laut Wolkenmaske bewölkt ist.
Dann wird die Reektanz der Wolken unterschätzt werden. Die Detektion von kleinskaligen
Wolken kann wegen der besseren Auösung des HRV-Kanals vorangetrieben
werden. Allerdings können selbst dann noch kleinere Wolken auftreten, welche die Wolkenstrahlungsbilanz
beeinussen, die aber nicht detektiert werden können (Koren et al.
(2008)).
Zur Minimierung der zuvor angesprochenen Fehler wurde folgendes Verfahren angewendet.
Mit Hilfe der Linearkombination aus dem 0.6 μm- und 0.8 μm-Kanal und der
EUMETSAT-Wolkenmaske lässt sich über die MCC-Methode zunächst ein Schwellwert
selektieren. Dabei wird zuerst die über 16 Szenen gemittelte, wolkenfreie Re-
ektanz für einen Ausschnitt bestimmt. Der Schwellwert wird anschlieÿend analog zu
Gleichung 5.2 durch Normierung der Matrix der wolkenfreien Reektanzen berechnet.
Dieser relative Schwellwert wird nun auf die HRV-Bilder angewendet. Davor müssen
allerdings die mittleren wolkenfreien HRV-Reektanzen mittels hochskalierter Wolkenmaske
ermittelt werden. Nach erneuter Vorbehandlung der HRV-Daten nach Gleichung
5.2 wird der aus der Linearkombination resultierende Schwellwert zur Trennung von
bewölkten und unbewölkten Pixeln auf diese angewendet. Dadurch entsteht eine neue
Matrix von gemittelten, wolkenfreien HRV-Reektanzen. Mit diesen neuen, wolkenfreien
Reektanzen wird die Prozedur abermals durchgeführt, indem sie normiert und
von den HRV-Szenen abgezogen werden. Dieses Verfahren kann mehrfach iteriert werden.
Das Ergebnis nach vier Iterationen zeigt Abbildung 6.3. Die auf die LRes-EUMETSAT-
Wolkenmaske basierenden, wolkenfreien HRV-Reektanzen sind im linken oberen Bild
dargestellt. Bei den schwarzen Pixeln handelt es sich in allen acht Abbildungen um Pixel,
die zu keinem der 16 Zeitschritte unbewölkt waren. Vor allem in den Bergregionen
existieren solche Pixel. Bei genauer Betrachtung der oberen rechten Ecke fallen in dieser
63

6.1. ENTWICKLUNG EINER HOCHAUFGELÖSTEN WOLKENMASKE
Abbildung 6.3: Wolkenfreie (clearsky = cs) HRV-Reektanzen und deren Dierenzen über
dem Oberrhein (192 × 192 Pixel auf HRes MSG SEVIRI-Skala, 17.7. bis 1.8.2010). Graustufenbilder
repräsentieren cs-Reektanzen (Skala am unteren Bildrand). Die farbigen Bilder
zeigen die Dierenz der Reektanzen der beiden Bilder links davon. Rote Pixel sind positive
und blaue negative Werte. Obere linke Abbildung zeigt die mittleren cs-Reektanzen basierend
auf hochskalierter EUMETSAT-Wolkenmaske. MCC 0 resultiert aus MCC-Schwellwert
aus Linearkombination (Gl. 6.1) nach Abzug der normierten EUMETSAT CS-skalierten Re-
ektanz. MCC 1-3 beziehen sich auf die Iterationen zwischen MCC 1 und MCC 0, MCC 2
und MCC 1 usw.
64

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
Gegend einige sehr helle Punkte auf. Die vermutliche Ursache dafür ist durchbrochene
Bewölkung, die bevorzugt in dieser Region auftritt. Das Zeitintervall der Mittelung fällt
bei diesem Beispiel (17.7. bis 1.8.2010) in den Sommer. Weil zu dieser Zeit über dem
Oberrheingraben häug solche Wetterlagen auftreten, wurden daher zum Beispiel die
Convective and Orographically-induced Precipitation Study (COPS) (Wulfmeyer et al.
(2005)) in dieser Region durchgeführt.
Die Pixel mit der höchsten Reektanz benden sich in unmittelbarer Nähe der Orte,
welche zu allen Messzeiten bewölkt waren. Vermutlich handelt es sich dabei um
kleinskalige Cumuli, die von den LRes-Kanälen nicht ausreichend aufgelöst werden können.
Das Bild in der oberen linken Ecke basiert ausschlieÿlich auf Informationen der
hochskalierten EUMETSAT-Wolkenmaske. Deshalb werden diese hellen, von Wolken
kontaminierten Pixel, die sich nur mit dem HRV-Kanal auösen lassen, trotzdem als
wolkenfrei klassiziert. Abbildung 6.3 zeigt, dass sich diese hellen Pixel nach einigen Iterationen
herausltern lassen. Für die Strahlungsbilanz ist wichtig, wie sich die mittlere
wolkenfreie Reektanz während den Iterationen verändert. Für das Beispiel mit dem
Ausschnitt Oberrheingraben liegt die mittlere wolkenfreie Reektanz von Eumetsat
CS-skaliert bei 18.6 % und von MCC 3 bei 18.8 %. Obwohl die hellen Wolken herausgeltert
werden, kommt es zu einem Anstieg der wolkenfreien Reektanz um 0.2 %.
Eine mögliche Ursache dafür können gebrochene Wolken innerhalb eines wolkenfreien
LRes-Pixels oder Wolken mit geringer optischer Dicke sein, für die der HRV-Kanal
nicht empndlich genug ist. Nähere Details werden anhand von Abbildung 6.8 erläutert.
Die farbigen Graken auf der rechten Seite veranschaulichen die Dierenz der beiden
Abbildungen links davon. Dabei symbolisieren blaue Werte negative und rote Werte
positive Reektanzen. Die vier Skalen wurden absichtlich variabel gelassen, damit die
Dierenzen nicht nur quantitativ, sondern auch qualitativ sichtbar werden. Bei der
ersten Abbildung CS-skaliert - MCC 0 fällt die Dierenz am deutlichsten aus, mit
Abweichungen der Reektanz bis zu 12 %. Nach der 0. Iteration wurden die meisten
hellen Pixel herausgeltert. Nur in der rechten oberen Ecke sind noch vereinzelte helle
Pixel zu sehen. Nach der 3. Iteration ist jedoch kaum noch eine Dierenz festzustellen
(Abb. 6.3).
65

6.2. FEHLEREINSCHÄTZUNG UND STABILITÄTSUNTERSUCHUNG
6.2 Fehlereinschätzung und Stabilitätsuntersuchung
Wie gut die Verbesserung ist, die dieses Verfahren mit sich bringen soll, lässt sich aufgrund
von fehlender Referenzdaten nicht quantitativ nachweisen. Allerdings besteht
eine Konsistenz zur EUMETSAT-Wolkenmaske. Abbildung 6.4 zeigt den Vergleich
mit der EUMETSAT-Wolkenmaske über dem Oberrhein für eine Szene am 18.7.2010,
12:00 UTC. Dabei zeigt (a) die HRV-Reektanz dieser Szene, auf welcher viele Cumuli
im Entwicklungsstadium zu sehen sind. Rechts daneben ist das Dierenzbild der beiden
Wolkenmasken (c) und (d) dargestellt (6.4 b). Informationen zu den Gütemaÿen
des Dierenzbildes sind Abbildung 5.1 zu entnehmen. (c) ist die LRes-EUMETSAT-
Wolkenmaske, die hierfür die einzige Möglichkeit einer Referenzmaske darstellt. Bildausschnitt
(d) zeigt die HRV-Wolkenmaske.
Im Dierenzbild fällt zunächst die Vielzahl von false clearsky-Pixeln auf. Weiterhin ist
in der rechten oberen Ecke ein bereits angesprochenes Ereignis zu beobachten. Während
die niedrigauösende Wolkenmaske (c) fast die gesamte Gegend als bewölkt deklariert,
erhält die HRV-Wolkenmaske (d) dort einige wolkenfreie Pixel. Diese Feststellung deutet
wieder auf die Vermutung hin, dass die LRes-SEVIRI-Kanäle solche kleinskaligen
Wolken bzw. Wolkenlücken nicht auösen können. Allerdings ist nicht auszuschlieÿen,
dass einige der false clearsky Pixel durch optisch dünne Wolken verursacht werden, die
vom breitbandigen, solaren Spektrum des HRV-Kanals nicht detektiert werden können.
In Abbildung 6.5 ist der zeitliche Verlauf des Bedeckungsgrads (gelb) und der Anzahl
von false clearsky (rot) bzw. false cloud (blau) dargestellt. Der zeitliche Verlauf entspricht
den 12:00 UTC-Terminen der 16 Tage vom 17.7. bis 1.8.2010 (links) und vom
4.5. bis 19.5.2011 (rechts). Dabei steht die Frage im Vordergrund, ob die Anzahl der false
clearsky- bzw. false cloud-Pixel vom Bedeckungsgrad abhängt. Bei der Validierung
des unüberwachten MCE-Verfahrens in Kapitel 5.1 wurde eine deutliche Abhängigkeit
der Ergebnisse vom Bedeckungsgrad registriert. Deshalb resultierten aus diesem Verfahren
keine stabilen Ergebnisse. In Abbildung 6.5 liegt allerdings keine auällige Abhängigkeit
vor. Nur in manchen Beispielen folgt einem niedrigen Bedeckungsgrad eine
66

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
Abbildung 6.4: Vergleich der HRV-Wolkenmaske mit der EUMETSAT-Wolkenmaske am
18.7.2010 12:00 UTC über dem Oberrheingraben (64 × 64 Pixel auf LRes und 192 × 192
Pixel auf HRes MSG SEVIRI-Skala). (a) ist die MSG SEVIRI HRV-Reektanz (HRes); (b)
ist das Dierenzbild aus beiden Wolkenmasken; (c) ist die EUMETSAT-Wolkenmaske als
Referenz; (d) ist die HRV-Wolkenmaske nach der 3. Iteration.
gröÿere Anzahl an false clearsky-Pixeln. Da sich jedoch keine Regelmäÿigkeit erkennen
lässt, wurde dies nicht weiter untersucht.
Auÿer bei einem Beispiel liegt die Anzahl von false clearsky-Pixeln immer über der
von false cloud-Pixeln, womit der Bedeckungsgrad verglichen mit der EUMETSAT-
Wolkenmaske unterschätzt wird. Dieses Merkmal tritt unter Verwendung des MCC-
Verfahrens bei den meisten der Szenen über Land auf, was anhand der Tabellen 7.1 bis
7.10 nachvollzogen werden kann. In dieser Arbeit wurden die Tests ausschlieÿlich für die
solaren SEVIRI-Kanäle durchgeführt. Die EUMETSAT-Wolkenmaske hat allerdings
viel mehr spektrale Informationen zur Verfügung (Kap. 2.3). Aus diesem Grund ist
die Unterschätzung des Bedeckungsgrad nicht verwunderlich, weil Wolken mit geringer
67

6.2. FEHLEREINSCHÄTZUNG UND STABILITÄTSUNTERSUCHUNG
Abbildung 6.5: Abhängigkeit der Anzahl an false clearsky- und false cloud-Pixeln vom
Bedeckungsgrad. Der prozentuale Anteil von false clearsky-Pixeln ist in rot, false cloud-Pixeln
in blau und der Bedeckungsgrad ist in gelb dargestellt. Links zeigt den Zeitraum vom 17.7. bis
1.8.2010 und rechts vom 4.5. bis 19.5.2011. Die 16 Zeitschritte repräsentieren den jeweiligen
12:00 UTC-Termin.
optischer Dicke im Gegensatz zur EUMETSAT-Wolkenmaske von der HRV-Maske
kaum detektiert werden können.
In Abbildung 6.3 wurde darauf hingedeutet, dass die Dierenz zwischen den wolkenfreien
Reektanzen bei zunehmender Iteration weiter abnimmt. Um dies auch nachzuweisen,
wurde das bereits vorgestellte Verfahren über den vier Landtypen Grasland, Alpen,
Wald und Oberrheingraben mit jeweils sechs Iterationsschritten durchgeführt. Analog
zu Abbildung 6.3 entsteht ein Dierenzbild zu jeder Iteration. Anschlieÿend wurde die
Standardabweichung zu jedem Dierenzbild berechnet.
Abbildung 6.6 zeigt diese Standardabweichungen in Abhängigkeit des Iterationsschrittes
für die vier Landtypen. Zur besseren Verdeutlichung des logarithmischen Abfalls
wurde die y-Skala logarithmisch skaliert. Die angepassten Regressionsgeraden zeigen
demnach alle einen linearen Abfall mit zunehmendem Iterationsschritt.
Die mittleren, prozentualen Fehler aller Erdoberächenausschnitte stellt Abbildung 6.7
dar. Die blauen Balken zeigen den vom 17.7. bis 1.8.2010 gemittelten Fehler und die
roten Balken repräsentieren den Fehler im Zeitraum 4.5. bis 19.5.2011. Die Fehlerwerte
resultieren aus dem Vergleich der hochskalierten EUMETSAT-Wolkenmaske mit der
HRV-Wolkenmaske nach drei Iterationsschritten. Die Berechnung des mittleren Fehlermaÿes
f aus den Gütemaÿen erfolgte analog zu Gleichung 5.1.
68

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
Abbildung 6.6: Standardabweichungen der Dierenzbilder analog zu Abbildung 6.3 für vier
Landtypen (Grasland, Alpen, Wald, Oberrheingraben). Die Dierenzen beziehen sich auf zwei
aufeinander folgende Iterationen. Gezeigt sind sechs Iterationsschritte auf der Abszisse. Ordinate
repräsentiert die Standardabweichung. Y-Skala logarithmisch skaliert. Durchgezogene
Linien zeigen lineare Regression.
An erster Stelle sollte auf die Unterschiede zu den in Abbildung 5.4 dargestellten Fehlern
hingewiesen werden. Dort wurden die Fehler des MCE- bzw. MCC-Verfahrens
resultierend aus den 0.6 μm-Reektanzen für die selben Zeitperioden verglichen. Dabei
stellte die EUMETSAT-Wolkenmaske aufgrund der gleichen räumlichen Auösung
eine geeignete Validierungsmöglichkeit dar. Die Abweichung der HRV-Wolkenmaske
von der hochskalierten EUMETSAT-Wolkenmaske in Abbildung 6.7 sollte jedoch nicht
unbedingt als Fehler verstanden werden. Vielmehr veranschaulichen diese Abweichungen,
welche einen ähnlichen Wertebereich wie die Fehler von Abbildung 5.4 besitzen, die
Konsistenz mit der EUMETSAT-Wolkenmaske. Trotzdem wird bei der folgenden näheren
Untersuchung von Abbildung 6.7 von Fehlern gesprochen.
Zunächst fällt auf, dass die Fehler über dem Atlantik und Mittelmeer am niedrigsten
sind. Die mittleren Fehler der Landtypen Grasland, Alpen, Wald und Oberrheingraben
schwanken zwischen 5 und 15 %. Auÿer über Wald liegt der mittlere Fehler vom 4.5.
bis 19.5.2011 bei allen anderen Ausschnitten über dem vom 17.7. bis 1.8.2010. Über
den Alpen verdoppelt sich dieser sogar. Eine vermutliche Ursache dafür könnten die zu
dieser Zeit noch teilweise schneebedeckten Alpen sein. Auch über der Wüste wurden
69

6.2. FEHLEREINSCHÄTZUNG UND STABILITÄTSUNTERSUCHUNG
Abbildung 6.7: Mittlerer, prozentualer Fehler von sieben Oberächentypen, 17.7. bis
1.8.2010 (blau) und 4.5. bis 19.5.2011 (rot), jeweils 12.00 UTC. Fehlerwerte stammen aus
Vergleich der hochskalierten EUMETSAT-Wolkenmaske mit HRes Wolkenmaske (nach 3. Iteration).
zwei völlig verschiedene Fehler berechnet. Die Untersuchung der genauen Hintergründe
der Unterschiede zwischen den zwei Zeitperioden soll hier jedoch nicht der Schwerpunkt
sein.
Interessanter erscheint die Tatsache, dass die Fehler in Abbildung 6.7 in etwa den MCC-
Fehlern in Abbildung 5.4 entsprechen. Zum einen wird damit die bereits bemerkte Konsistenz
zur EUMETSAT-Wolkenmaske veranschaulicht, zum anderen zeigt Abbildung
6.7, dass neben dem 0.6 μm-Kanal auch der HRV-Kanal zur Wolkendetektion geeignet
ist.
Abbildung 6.7 zeigt zwar die Fehler der HRV-Wolkenmaske gegenüber der EUMETSAT-
Maske, weist jedoch nicht darauf hin, welche Situationen zu diesen Fehlern führen.
Zur genaueren Untersuchung dieses Problems wurden die bewölkten bzw. unbewölkten
LRes- mit den dazugehörigen 3 × 3-HRes-Pixeln verglichen. Bei der Validierung wurde
bereits erwähnt, dass nicht klar denierbar ist, welche der beiden die wahre Wolkenmaske
ist. Eine Sichtweise legt die EUMETSAT-Wolkenmaske als Referenz fest, weil
diese im Gegensatz zur HRV-Wolkenmaske optisch dünne Wolken sieht. Auf der anderen
Seite ist die HRV-Wolkenmaske deutlich empndlicher gegenüber kleinskaliger Variabilität
und kann damit kleinräumige Wolken besser erkennen.
70

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
Abbildung 6.8: Wahrscheinlichkeiten des HRes-Bedeckungsgrads zwischen 0/9 und 9/9 gegenüber
der LRes-EUMETSAT-Maske bewölkt bzw. unbewölkt über dem Oberrheingraben,
Grasland, Alpen und Wald. Die vier farbigen Linien zeigen die normierten Häugkeiten
von 0/9 bis 9/9 HRes bewölkten Pixeln gegenüber einem LRes Pixel bewölkt. Schwarze, gestrichelte
Linie stellt gleitendes Mittel dar. Blaue Fläche zeigt Wahrscheinlichkeit, dass neun
HRes Pixel mit bestimmten Bedeckungsgrad LRes-bewölkt sind. Rote Fläche zeigt dies für
LRes-unbewölkt (1 − P bewölkt ).
Abbildung 6.8 liefert eine Möglichkeit zur Erläuterung beider Sichtweisen. Darin sind
die normierten Häugkeiten von 3 × 3 auf HRV-Wolkenmaske basierende Pixel mit
dem Bedeckungsgrad 0/9 bis 9/9 gegenüber bewölkten bzw. unbewölkten LRes Pixeln
der EUMETSAT-Maske abgebildet. Die farbigen, durchgezogenen Linien zeigen diese
Häugkeiten für die Oberächenausschnitte Oberrheingraben, Grasland, Alpen und
Wald. Die schwarze, gestrichelte Linie symbolisiert das gleitende Mittel der vier Linien.
Die blaue Fläche zeigt die Wahrscheinlichkeit der gemittelten Kurve, dass 3 × 3
HRV-Pixel mit einem bestimmten Bedeckungsgrad auch nach der LRes-EUMETSAT-
Wolkenmaske bewölkt sind. Die rote Fläche zeigt die dafür komplementäre Wahrscheinlichkeit,
und somit die Aussage, dass diese 3 × 3 HRV-Pixel laut LRes-Maske unbewölkt
sind.
71

6.2. FEHLEREINSCHÄTZUNG UND STABILITÄTSUNTERSUCHUNG
Die Berechnung dieser Wahrscheinlichkeiten erfolgt über Histogrammfunktionen. Dabei
wird der Bedeckungsgrad von 3 × 3 HRV-Pixeln notiert und mit dem entsprechenden
LRes-Pixel verglichen. Dabei entsteht ein Histogramm für die bewölkten LRes-Pixel,
wobei die 3 × 3 HRV-Pixel in neun Bins zwischen 0/9 und 9/9 einsortiert werden. Nach
dem gleichen Prinzip wird auch ein unbewölktes Histogramm erzeugt. Anschlieÿend
werden die Histogramme durch die Gesamtanzahl der in einem Bin registierten Pixel geteilt
und somit normiert. Daraus resultieren die in Abbildung 6.8 dargestellten Funktionen.
Bei allen Ausschnitten beträgt die Wahrscheinlichkeit, dass HRV-Pixel mit 9/9 Bedeckungsgrad
auch nach der LRes-Wolkenmaske bewölkt sind, nahezu 100 %. Daraus
schlussfolgernd kann man der HRV-Wolkenmaske bei bewölkten Pixeln über den in dieser
Arbeit untersuchten Oberächenausschnitten trauen. An dieser Stelle folgt ein kurzer
Rückblick zu Abbildung 6.4. Bei dieser Szene treten neben false clearsky auch einige
false cloud Pixel auf. Nur anhand von Abbildung 6.4 ist schwer zu beurteilen, ob es sich
bei den von der HRV-Wolkenmaske als bewölkt klassizierten Pixel auch tatsächlich um
bewölkte Pixel handelt. Nach dem Fazit von Abbildung 6.8 sind die meisten dieser Pixel
tatsächlich bewölkt. Daraus folgt als wichtiges Ergebnis, dass die HRV-Wolkenmaske
einige kleinskalige Wolken erkennt, welche die EUMETSAT-Wolkenmaske nicht registiert.
Somit sorgt die HRV-Wolkenmaske mit dem Hinblick auf kleinskalige, konvektive
Wolken zu einer Verbesserung der LRES-Wolkenmaske. Allerdings handelt es sich dabei
um erste Ergebnisse.
Gegenüber den 9/9 -HRV-Pixeln, welche mit der EUMETSAT-Wolkenmaske zu fast
100 % übereinstimmen, gibt es bei den 0/9 -HRV-Pixeln deutliche Abweichungen. Mit
einer Wahrscheinlichkeit von nur 90 % sind 3 × 3 -HRV-Pixel der gemittelten Kurve
mit 0/9 Bedeckungsgrad ebenfalls nach EUMETSAT-Wolkenmaske wolkenfrei. Folglich
sind 10 % dieser wolkenfreien HRV-Pixel jedoch laut EUMETSAT-Wolkenmaske bewölkt.
Dieses hohe Fehlermaÿ wird vermutlich durch optisch dünne Wolken verursacht.
Weil die EUMETSAT-Wolkenmaske diese Wolken erkennt, wird ihr in diesen Fällen
eher vertraut, als der HRV-Maske. In weiterer Hinsicht sollten diese extremen 0/9 -
HRV-Fälle über 3 × 3 Pixel gegenüber bewölkter LRes-Maske in Zukunft auf 9/9 gesetzt
werden.
72

6 WOLKENDETEKTION IN MULTISPEKTRALEN MSG SEVIRI-DATEN
Weitere interessante Merkmale sind die HRV-Pixelfelder mit 1/9 bis 8/9 Bedeckungsgrad.
Bei diesen gebrochenen Pixeln handelt es sich um HRV-Pixelfelder, welche im
Gegensatz zur EUMETSAT-Wolkenmaske weder komplett unbewölkt noch komplett
bewölkt sind. Dabei stellt sich die Frage, wie groÿ der Anteil der gebrochenen Pixel
gegenüber der Gesamtzahl der bewölkten Pixel ist. Aus der Berechnung dieser Anteile
ergibt sich als Mittelwert aller vier Oberächenausschnitte ein Wert von 27 %. Dies
bedeutet, dass 27 % aller bewölkten LRes-Pixel gebrochende HRV-Pixel beinhalten.
Von allen wolkenfreien LRes-Pixel enthalten im Mittel 24 % diese gebrochenen Pixel.
Bei allen vier Szenarien steigt mit zunehmendem HRV-Bedeckungsgrad die Wahrscheinlichkeit,
dass diese Pixel von der EUMETSAT-Wolkenmaske als bewölkt klassiziert
werden. Dabei wird ein leicht logarithmischer Anstieg beobachtet (Abb. 6.8).
Wenn mehr als die Hälfte der Pixel eines 3 × 3 -HRV-Pixelfeldes bewölkt sind, dann ist
die Wahrscheinlichkeit bereits über 80 %, dass dieses Pixelfeld auch laut EUMETSAT-
Wolkenmaske bewölkt ist. Weiterhin fällt auf, dass bei einem niedrigem Bedeckunsgrad
von 1/9 bis 2/9 eine dafür relativ hohe Wahrscheinlichkeit von 40 bis 50 % existiert, dass
auch die entsprechenden LRes-Pixel bewölkt sind. Dieses Merkmal deutet darauf hin,
dass die EUMETSAT-Wolkenmaske einen Groÿteil der bewölkten Pixel erkennt. Dennoch
treten hochaufgelöste Subpixel auf, die trotz bewölkter EUMETSAT-Maske vermutlich
unbewölkt sind andersrum.
Zusammenfassend kann man sagen, dass das iterative Verfahren zur Bestimmung von
wolkenfreien HRV-Reektanzen unter Verwendung des linear-kombinierten 0.6 - 0.8 μm-
Schwellwerts stabile Ergebnisse liefert. Auÿerdem zeigt die Fehlerdiskussion, dass die
HRV-Wolkenmaske konsistent zur EUMETSAT-Wolkenmaske ist.
73

7 Schlussfolgerungen und Ausblick
Das Ziel der Arbeit war die Entwicklung einer hochaufgelösten Wolkenmaske. Dabei
war die erste Aufgabe, ein geeignetes Verfahren zur Ableitung geeigneter Schwellwerte
zu nden. Zur Auswahl standen ein überwachtes und ein unüberwachtes Verfahren.
Mit dem Hintergrund, ein geeigneteres Verfahren für solare SEVIRI-Bilder
zu nden, wurden in dieser Arbeit das unüberwachte Minimum Cross Entropy- und
das überwachte Matthews Correlation Coecient -Verfahren auf einige MSG-SEVIRI-
Ausschnitte angewendet. Dazu dienten drei Kanäle aus dem solaren Spektrum, der
0.6 μm- der 0.8 μm- und HRV-Kanal. Der MCE-Test erfolgte für sechs Bildausschnitte
des 0.6 μm-Kanals über Europa (Atlantik, Grasland, Alpen, Mittelmeer und Wald) und
Nordafrika (Wüste) mit unterschiedlichen Oberächeneigenschaften. Die Validierung
der Ergebnisse mit Hilfe der EUMETSAT-Wolkenmaske ergab folgendes
Resultat:
Das MCE-Verfahren ist nicht zur Wolkendetektion in solaren SEVIRI-Bildern
geeignet, da die Tests mit dem 0.6 μm-Kanal keine stabilen Ergebnisse
lieferten. Schlussfolgernd daraus wurde dieses Verfahren auf keine
weiteren solaren Kanäle angewendet und für die Entwicklung einer HRV-
Wolkenmaske verworfen.
Bei nahezu vollständig unbewölkten oder bewölkten Ausschnitten resultierten aus dem
MCE-Verfahren sehr schlechte Schwellwerte. Aus dem Test über alle sechs Oberächentypen
und alle untersuchten Zeiten resultiert ein durchschnittlicher Fehler von 23 %.
Bei einem Beispiel über dem Atlantik im Zeitraum vom 17.7. bis 1.8.2010 ergab sich bei
einem mittleren Bedeckungsgrad von 69 % ein Schwellwert der Reektanz von 0.165.
Dabei lag die mittlere wolkenfreie Reektanz in dieser Zeit bei 0.05. Folglich wurde der
Schwellwert deutlich überschätzt. Bei einem Ausschnitt über dem Mittelmeer mit 16 %
75

7 SCHLUSSFOLGERUNGEN UND AUSBLICK
Bedeckungsgrad war dies genau umgekehrt, was den starken Einuss des Bedeckungsgrades
auf den MCE-Schwellwert zeigt. Beide Fälle führten zu einer groÿen Anzahl von
Fehlklassikationen.
Für die überwachte MCC-Methode wurde auf Gütemaÿe zurückgegrien, die schon bei
der Fehlerbetrachtung eingeführt wurden. Diese basieren auf dem Vergleich der Reektanzen
der SEVIRI-Ausschnitte mit der EUMETSAT-Wolkenmaske. Der durchschnittliche
Fehler der MCC-Wolkenmaske beträgt nur 8 % und liegt damit weit unter dem
Fehler der MCE-Wolkenmaske. Resultierend aus den MCC-Tests ergab sich folgendes
zusammenfassendes Fazit:
Die MCC-Wolkenmaske liefert im Vergleich zur MCE-Wolkenmaske deutlich
bessere Ergebnisse mit geringeren Fehlern. Im Gegensatz zum MCE-
Verfahren ist diese Methode deutlich stabiler und wird kaum von Veränderungen
des Bedeckungsgrades beeinusst. Deshalb ist das Prinzip des MCC
die Methode der Wahl zur Wolkendetektion mit dem HRV-Kanal und damit
zur Erzeugung einer hochaufgelösten Wolkenmaske.
Wegen der räumlichen Variabilität treten bei der Schwellwertbestimmung über Land
häug Probleme auf. Der Einuss der räumlichen Variabilität wurde mit Hilfe von mittleren,
wolkenfreien Reektanzen eliminiert. Zur Veranschaulichung der dadurch bedingten
Verbesserung wurde ein weiterer Ausschnitt über dem Oberrheingraben ausgewählt.
Zum einen herrscht dort eine groÿe Variabilität der Oberächenhelligkeiten, zum anderen
kommt es dort aufgrund der Topographie häug zu kleinskaliger, konvektiver Bewölkung,
wodurch die Verbesserung durch die höhere räumliche Auösung des HRV-Kanals
verdeutlicht wird.
Um zu zeigen, dass auch der HRV-Kanal zur Wolkendetektion geeignet ist, wurde auf
ein Mischsignal der LRes-Kanäle 1 und 2 zurückgegrien. Dieses Mischsignal stammt
aus einem linearen Modell, welches Deneke und Roebeling (2010) vorgestellt haben.
Nach den Ergebnissen der vorliegenden Arbeit stimmt das Mischsignal gut mit der
Reektanz des HRV-Kanals überein. ES ergab sich beim Vergleich der aus dem Mischsignal
resultierenden Wolkenmaske und der EUMETSAT-Wolkenmaske ein Fehler von
nur 8 %, also vergleichbar mit dem Fehler des 0.6 μm-Kanals. Mit Hilfe des Schwellwerts
des Mischsignals und der hochskalierten EUMETSAT-Wolkenmaske wurde ein
76

7 SCHLUSSFOLGERUNGEN UND AUSBLICK
normiertes, wolkenfreies Reektanzbild erzeugt. Nach Iteration der wolkenfreien HRV-
Reektanzen und anschlieÿender Fehlerbetrachtung der HRV-Wolkenmaske ergab sich
folgender Schluss:
Wegen der guten Ergebnisse des Mischsignals lässt sich schlussfolgern, dass
auch der HRV-Kanal zur Wolkendetektion geeignet ist. Aus dem Vergleich
der HRV-Wolkenmaske mit der EUMETSAT-Wolkenmaske resultiert ein
mittlerer Fehler von 9 %. Zusammenfassend liefert das MCC-Verfahren bei
der Anwendung auf den HRV-Kanal stabile Ergebnisse und ist nicht signikant
vom Bedeckungsgrad abhängig.
Im Gegensatz zur EUMETSAT-Wolkenmaske besitzt die HRV-Wolkenmaske sowohl eine
andere spektrale als auch räumliche Auösung. So ist die HRV-Wolkenmaske wegen
ihrer Beschränkung auf die breitbandigen Informationen aus dem solaren Spektrum
nicht so sensitiv für optisch dünne Wolken und klassiziert diese als wolkenfrei. Dafür
erkennt sie kleinskalige Wolkenstrukturen besser.
Zur Quantizierung dieser Ergebnisse wurde ein detaillierter Vergleich zwischen den
LRes-Pixeln der EUMETSAT-Wolkenmaske und den dazugehörigen 9 HRes-Pixeln
der HRV-Wolkenmaske durchgeführt. Dabei wurde der HRes-Bedeckungsgrad über das
3 × 3-Pixelfeld für alle bewölkten bzw. unbewölkten LRes-Pixel in Histogramme summiert.
Diese Prozedur wurde für die Ausschnitte Oberrheingraben, Grasland, Alpen
und Wald durchgeführt. Bei allen Ausschnitten ergab sich für unseren Testdatensatz
eine perfekte Übereinstimmung zwischen den HRV-Pixelfeldern mit 9/9 Bedeckungsgrad
und den bewölkten LRes-Pixeln. Die HRV-Wolkenmaske scheint also bei bewölkten
Pixeln zuverlässig zu sein. Von den HRV-Pixelfeldern waren im Durchschnitt 20
% komplett unbewölkt. Davon lag die Fehlerquote bei 10 %, weil die EUMETSAT-
Wolkenmaske in diesen Fällen Wolken registrierte. Eine mögliche Ursache dafür könnten
Cirren sein. Weil die EUMETSAT-Wolkenmaske Cirren durchaus erkennt, sollte bei
zukünftigen Arbeiten der Bedeckungsgrad eines HRV-Pixelfeldes von 0/9 auf 9/9 gesetzt
werden, wenn die EUMETSAT-Wolkenmaske bewölkt anzeigt.
Eine weitere interessante Fragestellung war die Häugkeit gebrochener Bewölkung innerhalb
eines LRes-Pixels. Dabei handelt es sich um HRV-Pixelfelder mit 1/9 bis 8/9
Bedeckungsgrad, wohingegen die EUMETSAT-Wolkenmaske nur komplett bewölkte
77

7 SCHLUSSFOLGERUNGEN UND AUSBLICK
bzw. unbewölkte Pixel detektieren kann. Im Mittel beinhalteten 27 % der bewölkten
und 24 % der unbewölkten LRes-Pixel solche gebrochenen Wolken. Auÿerdem
wurde festgestellt, dass die Wahrscheinlichkeit für HRV-Pixelfelder mit geringem Bedeckungsgrad
verhältnismäÿig höher ist, von der EUMETSAT-Wolkenmaske als bewölkt
klassiziert zu werden anstatt als unbewölkt. Daher erfasst die EUMETSAT-
Wolkenmaske die meisten, mit Wolken kontaminierten Pixel auch als LRes-Wolkenpixel.
Zusammenfassend kann zum einen gesagt werden, dass der Bedeckungsgrad von der
HRV-Wolkenmaske verglichen mit der EUMETSAT-Wolkenmaske unterschätzt wird,
da nicht alle Wolken, insbesondere Cirren, erkannt werden. Zum anderen überschätzt
die EUMETSAT-Wolkenmaske den Bedeckungsgrad jedoch bei gebrochener Bewölkung,
weil sie die meisten dieser LRes-Pixel als bewölkt klassiziert. Somit kann schlussfolgernd
gesagt werden, dass durch die HRV-Wolkenmaske eine verbesserte Einschätzung
des Bewölkungszustandes ermöglicht werden kann.
In dieser Arbeit wurde eine hochaufgelöste Wolkenmaske entwickelt und am Beispiel
von sieben Ausschnitten evaluiert. In der Auswertung wurde gezeigt, dass sie stabile,
mit der EUMETSAT-Wolkenmaske weitgehend konsistente Ergebnisse liefert. Für operationelle
Anwendungen der HRV-Wolkenmaske müsste diese für das gesamte Sichtfeld
des HRV-Kanals weiterentwickelt werden. Man könnte mit Hilfe der wolkenfreien Re-
ektanzen die Erdoberäche in unterschiedliche Bodentypen einteilen. Dabei könnten
die Schwellwerte an die jeweiligen Bodentypen angepasst werden. In diesem Zusammenhang
wäre es interessant zu erforschen, wie genau ein optimaler Schwellwert über
den entsprechenden Bodentypen und über den Meeresoberächen bestimmt werden
kann.
In der vorliegenden Arbeit wurden die wolkenfreien Reektanzen aus einem Mittel über
16 Tage berechnet. Diese wolkenfreien Reektanzbilder lieferten zusammen mit der
MCC-Methode die Basis für die Entwicklung der HRV-Wolkenmaske. Zwar beruhen die
Informationen für die wolkenfreien Reektanzen auf der EUMETSAT-Wolkenmaske,
aber dennoch können dabei fehlerhafte Werte auftauchen. Diese können zum einen
durch hohe Helligkeitsschwankungen in Form von Veränderungen der Erdoberäche wie
78

7 SCHLUSSFOLGERUNGEN UND AUSBLICK
durch plötzlichen Schnee innerhalb der 16 Tage verursacht werden, zum anderen kann
es sich auch um Artefakte der Wolkenmaske handeln. Zur Minimierung solcher Abweichungen
könnte man die wolkenfreien Refklektanzen bei der Mittelung dynamisch anpassen.
Eine Möglichkeit dazu stellt der Kalmanlter dar. Dabei würden Reektanzen
bei einer zu groÿen Abweichung von einem festgelegten Grenzintervall nicht für die Mittelung
berücksichtigt werden.
Nach ersten Ergebnissen dieser Studie lag die Wahrscheinlichkeit, dass bewölkte LRes-
Pixel gebrochene HRV-Subpixel enthalten, bei 27 %. In der Realität ist dieser Anteil
möglicherweise noch höher. Zur genaueren Untersuchung dieses Eekts könnte ein Vergleich
mit bodengebundenen Messungen beitragen. In einer Studie von Kassianov et al.
(2005) wurde der Bedeckungsgrad von Modellsimulationen und Bodenbeobachtungen
mit dem Total Sky Imager verglichen. Vor allem bei gebrochener Bewölkung sind Modellannahmen
schwer festzulegen. Bei guten Resultaten der gebrochenen HRV-Pixel, im
Vergleich mit anderen Daten, könnte die Annahme des Bedeckungsgrades in Modellen
bedeutend verbessert werden.
79

Anhang
Tabellen der Gütemaÿe der MCE- und
MCC-Wolkenmaske
I

ANHANG A
A Gütemaÿe 17.7.2010 - 1.8.2010
Tabelle 7.1: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über Grasland in der Zeitperiode 17.7.2010 -
1.8.2010). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
Grasland
MCE (t=0.335) MCC (t=0.205)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
17.07.2010 0.52 0.02 0.46 0.0 0.81 0.02 0.17 0.0 0.174 0.381
18.07.2010 0.01 0.26 0.73 0.0 0.6 0.25 0.14 0.02 0.181 0.237
19.07.2010 0.16 0.05 0.79 0.0 0.86 0.04 0.08 0.02 0.193 0.277
20.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.143 nan
21.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.146 nan
22.07.2010 0.44 0.0 0.55 0.0 0.78 0.0 0.21 0.0 0.16 0.323
23.07.2010 0.86 0.01 0.13 0.0 0.98 0.0 0.01 0.01 0.227 0.465
24.07.2010 0.99 0.0 0.01 0.0 1.0 0.0 0.0 0.0 nan 0.484
25.07.2010 0.15 0.56 0.29 0.0 0.43 0.54 0.0 0.03 0.16 0.311
26.07.2010 0.04 0.0 0.96 0.0 0.86 0.0 0.14 0.0 nan 0.258
27.07.2010 0.52 0.11 0.38 0.0 0.89 0.06 0.01 0.04 0.201 0.422
28.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.547
29.07.2010 0.72 0.02 0.26 0.0 0.9 0.02 0.07 0.0 0.184 0.486
30.07.2010 0.79 0.0 0.21 0.0 1.0 0.0 0.0 0.0 nan 0.428
31.07.2010 0.04 0.35 0.61 0.0 0.63 0.24 0.02 0.11 0.183 0.269
01.08.2010 0.12 0.29 0.59 0.0 0.51 0.28 0.2 0.01 0.162 0.263
Mittelwert 0.40 0.23 0.37 0.00 0.70 0.22 0.07 0.02 0.18 0.37
II

17.7.2010 - 1.8.2010
Tabelle 7.2: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über Wüste in der Zeitperiode 17.7.2010 -
1.8.2010). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.545)
Wüste
MCC (t=0.425)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
17.07.2010 0.0 1.0 0.0 0.0 0.0 0.96 0.0 0.04 0.414 nan
18.07.2010 0.0 1.0 0.0 0.0 0.0 0.95 0.0 0.05 0.415 nan
19.07.2010 0.0 1.0 0.0 0.0 0.0 0.98 0.0 0.02 0.413 nan
20.07.2010 0.0 1.0 0.0 0.0 0.0 0.89 0.0 0.11 0.415 nan
21.07.2010 0.0 1.0 0.0 0.0 0.0 0.89 0.0 0.11 0.416 nan
22.07.2010 0.0 1.0 0.0 0.0 0.0 0.78 0.0 0.22 0.419 nan
23.07.2010 0.0 1.0 0.0 0.0 0.0 0.86 0.0 0.14 0.416 nan
24.07.2010 0.0 1.0 0.0 0.0 0.0 0.91 0.0 0.09 0.414 nan
25.07.2010 0.0 0.99 0.01 0.0 0.0 0.99 0.0 0.0 0.41 0.422
26.07.2010 0.0 1.0 0.0 0.0 0.0 0.87 0.0 0.13 0.416 nan
27.07.2010 0.0 1.0 0.0 0.0 0.0 0.82 0.0 0.18 0.417 nan
28.07.2010 0.0 1.0 0.0 0.0 0.0 0.89 0.0 0.11 0.417 nan
29.07.2010 0.97 0.0 0.03 0.0 1.0 0.0 0.0 0.0 nan 0.701
30.07.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.411 nan
31.07.2010 0.0 1.0 0.0 0.0 0.0 0.97 0.0 0.03 0.413 nan
01.08.2010 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.409 nan
Mittelwert 0.06 0.94 0.00 0.00 0.06 0.86 0.00 0.08 0.41 0.56
III

ANHANG A
Tabelle 7.3: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über den Alpen in der Zeitperiode 17.7.2010
- 1.8.2010). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.335)
Alpen
MCC (t=0.205)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
17.07.2010 0.56 0.17 0.27 0.0 0.82 0.1 0.01 0.07 0.197 0.399
18.07.2010 0.53 0.27 0.21 0.0 0.71 0.26 0.02 0.01 0.137 0.438
19.07.2010 0.0 0.97 0.03 0.0 0.02 0.96 0.0 0.01 0.113 0.25
20.07.2010 0.02 0.88 0.1 0.0 0.11 0.82 0.01 0.06 0.125 0.278
21.07.2010 0.55 0.17 0.28 0.0 0.79 0.14 0.04 0.03 0.161 0.443
22.07.2010 0.48 0.09 0.43 0.0 0.89 0.07 0.02 0.02 0.188 0.354
23.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.782
24.07.2010 0.96 0.0 0.04 0.0 1.0 0.0 0.0 0.0 nan 0.501
25.07.2010 0.49 0.18 0.33 0.0 0.75 0.16 0.07 0.02 0.142 0.365
26.07.2010 0.91 0.0 0.09 0.0 0.99 0.0 0.01 0.0 nan 0.515
27.07.2010 0.7 0.0 0.3 0.0 0.98 0.0 0.02 0.0 nan 0.417
28.07.2010 0.7 0.0 0.3 0.0 0.96 0.0 0.04 0.0 nan 0.468
29.07.2010 0.98 0.0 0.02 0.0 1.0 0.0 0.0 0.0 nan 0.615
30.07.2010 0.49 0.09 0.43 0.0 0.86 0.08 0.05 0.0 0.159 0.351
31.07.2010 0.0 1.0 0.0 0.0 0.0 0.95 0.0 0.05 0.115 nan
01.08.2010 0.07 0.42 0.51 0.0 0.44 0.39 0.14 0.03 0.14 0.252
Mittelwert 0.53 0.27 0.21 0.00 0.71 0.25 0.03 0.02 0.15 0.43
IV

17.7.2010 - 1.8.2010
Tabelle 7.4: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über Wald in der Zeitperiode 17.7.2010 -
1.8.2010). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.335)
Wald
MCC (t=0.175)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
17.07.2010 0.03 0.3 0.67 0.0 0.34 0.3 0.36 0.0 0.106 0.187
18.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.57
19.07.2010 0.0 0.05 0.95 0.0 0.62 0.05 0.34 0.0 0.145 0.188
20.07.2010 0.7 0.0 0.3 0.0 1.0 0.0 0.0 0.0 nan 0.379
21.07.2010 0.19 0.49 0.32 0.0 0.51 0.38 0.0 0.11 0.15 0.32
22.07.2010 0.0 0.95 0.05 0.0 0.01 0.95 0.04 0.0 0.115 0.147
23.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.646
24.07.2010 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.642
25.07.2010 0.53 0.01 0.46 0.0 0.98 0.0 0.01 0.0 0.179 0.343
26.07.2010 0.81 0.0 0.19 0.0 0.99 0.0 0.01 0.0 0.143 0.476
27.07.2010 0.2 0.09 0.71 0.0 0.85 0.04 0.05 0.05 0.172 0.277
28.07.2010 0.61 0.0 0.39 0.0 0.99 0.0 0.01 0.0 0.166 0.412
29.07.2010 0.55 0.03 0.42 0.0 0.94 0.02 0.04 0.01 0.166 0.371
30.07.2010 0.47 0.0 0.53 0.0 0.98 0.0 0.02 0.0 nan 0.323
31.07.2010 0.04 0.53 0.43 0.0 0.44 0.45 0.03 0.08 0.15 0.238
01.08.2010 0.04 0.68 0.27 0.0 0.3 0.58 0.01 0.1 0.141 0.255
Mittelwert 0.45 0.20 0.36 0.00 0.75 0.17 0.06 0.02 0.15 0.36
V

ANHANG B
B Gütemaÿe 4.5.2011 - 19.5.2011
Tabelle 7.5: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über dem Atlantik in der Zeitperiode 4.5.2011
- 19.5.2011). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.195)
Atlantik
MCC (t=0.075)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
04.05.2011 0.0 0.86 0.14 0.0 0.11 0.83 0.04 0.02 0.05 0.105
05.05.2011 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.431
06.05.2011 0.33 0.12 0.55 0.0 0.81 0.11 0.07 0.0 0.055 0.166
07.05.2011 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.675
08.05.2011 0.13 0.45 0.42 0.0 0.49 0.39 0.06 0.05 0.058 0.153
09.05.2011 0.04 0.77 0.19 0.0 0.16 0.77 0.07 0.0 0.051 0.133
10.05.2011 0.0 0.81 0.19 0.0 0.01 0.81 0.18 0.0 0.045 0.059
11.05.2011 0.0 0.8 0.2 0.0 0.16 0.79 0.05 0.0 0.047 0.095
12.05.2011 0.89 0.0 0.11 0.0 1.0 0.0 0.0 0.0 nan 0.331
13.05.2011 0.68 0.03 0.29 0.0 0.97 0.03 0.0 0.0 0.067 0.24
14.05.2011 0.23 0.32 0.45 0.0 0.63 0.31 0.05 0.01 0.053 0.179
15.05.2011 0.0 0.74 0.26 0.0 0.16 0.73 0.1 0.01 0.047 0.08
16.05.2011 0.41 0.0 0.59 0.0 1.0 0.0 0.0 0.0 nan 0.189
17.05.2011 0.93 0.02 0.05 0.0 0.96 0.02 0.02 0.0 0.061 0.364
18.05.2011 0.98 0.0 0.02 0.0 1.0 0.0 0.0 0.0 nan 0.346
19.05.2011 0.23 0.33 0.44 0.0 0.62 0.33 0.05 0.0 0.051 0.188
Mittelwert 0.43 0.33 0.24 0.00 0.63 0.32 0.04 0.01 0.05 0.23
VI

4.5.2011 - 19.5.2011
Tabelle 7.6: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über Grasland in der Zeitperiode 4.5.2011 -
19.5.2011). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.265)
Grasland
MCC (t=0.175)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
04.05.2011 0.89 0.0 0.11 0.0 0.99 0.0 0.01 0.0 nan 0.432
05.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.124 nan
06.05.2011 0.0 0.8 0.2 0.0 0.0 0.8 0.2 0.0 0.12 0.134
07.05.2011 0.0 0.91 0.09 0.0 0.0 0.91 0.09 0.0 0.118 0.126
08.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.112 nan
09.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.112 nan
10.05.2011 0.0 0.02 0.98 0.0 0.0 0.02 0.98 0.0 0.133 0.143
11.05.2011 0.51 0.08 0.41 0.0 0.87 0.07 0.05 0.01 0.158 0.313
12.05.2011 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.512
13.05.2011 0.66 0.11 0.23 0.0 0.89 0.09 0.0 0.02 0.155 0.365
14.05.2011 0.58 0.07 0.34 0.0 0.92 0.06 0.0 0.01 0.152 0.328
15.05.2011 0.51 0.19 0.3 0.0 0.78 0.18 0.04 0.01 0.145 0.33
16.05.2011 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.534
17.05.2011 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.451
18.05.2011 0.0 0.81 0.19 0.0 0.04 0.81 0.15 0.0 0.12 0.148
19.05.2011 0.46 0.35 0.19 0.0 0.6 0.34 0.05 0.0 0.121 0.445
Mittelwert 0.41 0.40 0.19 0.00 0.51 0.39 0.10 0.00 0.13 0.33
VII

ANHANG B
Tabelle 7.7: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über Wüste in der Zeitperiode 4.5.2011 -
19.5.2011). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.415)
Wüste
MCC (t=0.485)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
04.05.2011 0.0 0.65 0.0 0.35 0.0 1.0 0.0 0.0 0.412 nan
05.05.2011 0.0 0.55 0.0 0.45 0.0 1.0 0.0 0.0 0.414 nan
06.05.2011 0.0 0.54 0.0 0.46 0.0 1.0 0.0 0.0 0.413 nan
07.05.2011 0.49 0.02 0.36 0.13 0.02 0.15 0.83 0.0 0.446 0.422
08.05.2011 0.0 0.82 0.0 0.18 0.0 1.0 0.0 0.0 0.408 nan
09.05.2011 0.0 0.58 0.0 0.42 0.0 1.0 0.0 0.0 0.413 nan
10.05.2011 0.0 0.45 0.0 0.55 0.0 1.0 0.0 0.0 0.416 nan
11.05.2011 0.0 0.33 0.0 0.67 0.0 1.0 0.0 0.0 0.418 nan
12.05.2011 0.0 0.3 0.0 0.7 0.0 1.0 0.0 0.0 0.419 nan
13.05.2011 0.0 0.31 0.0 0.69 0.0 1.0 0.0 0.0 0.42 nan
14.05.2011 0.11 0.16 0.12 0.6 0.0 0.77 0.23 0.0 0.426 0.418
15.05.2011 0.0 0.33 0.0 0.67 0.0 1.0 0.0 0.0 0.419 nan
16.05.2011 0.0 0.63 0.0 0.38 0.0 1.0 0.0 0.0 0.413 nan
17.05.2011 0.0 0.31 0.0 0.69 0.0 1.0 0.0 0.0 0.419 nan
18.05.2011 0.0 0.45 0.0 0.55 0.0 1.0 0.0 0.0 0.415 nan
19.05.2011 0.44 0.05 0.25 0.26 0.0 0.31 0.69 0.0 0.429 0.423
Mittelwert 0.07 0.41 0.05 0.48 0.00 0.89 0.11 0.00 0.42 0.42
VIII

4.5.2011 - 19.5.2011
Tabelle 7.8: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über den Alpen in der Zeitperiode 4.5.2011 -
19.5.2011). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.355)
Alpen
MCC (t=0.295)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
04.05.2011 0.15 0.59 0.12 0.14 0.2 0.47 0.07 0.26 0.264 0.373
05.05.2011 0.04 0.8 0.0 0.16 0.04 0.66 0.0 0.3 0.248 0.404
06.05.2011 0.06 0.79 0.04 0.12 0.08 0.68 0.02 0.22 0.239 0.375
07.05.2011 0.08 0.75 0.11 0.06 0.13 0.64 0.07 0.16 0.23 0.315
08.05.2011 0.46 0.23 0.27 0.04 0.65 0.19 0.08 0.08 0.267 0.391
09.05.2011 0.01 0.8 0.06 0.13 0.03 0.67 0.04 0.26 0.235 0.311
10.05.2011 0.08 0.04 0.89 0.0 0.25 0.03 0.71 0.01 0.263 0.263
11.05.2011 0.99 0.0 0.01 0.0 1.0 0.0 0.0 0.0 nan 0.553
12.05.2011 0.91 0.0 0.09 0.0 0.98 0.0 0.02 0.0 nan 0.518
13.05.2011 0.13 0.68 0.14 0.05 0.18 0.62 0.09 0.11 0.208 0.343
14.05.2011 0.84 0.0 0.16 0.0 0.96 0.0 0.04 0.0 nan 0.478
15.05.2011 0.97 0.0 0.03 0.0 0.99 0.0 0.01 0.0 nan 0.559
16.05.2011 0.98 0.0 0.02 0.0 0.99 0.0 0.01 0.0 nan 0.597
17.05.2011 0.99 0.0 0.01 0.0 1.0 0.0 0.0 0.0 nan 0.546
18.05.2011 0.94 0.0 0.06 0.0 0.96 0.0 0.04 0.0 nan 0.49
19.05.2011 0.26 0.43 0.3 0.01 0.38 0.38 0.18 0.05 0.211 0.35
Mittelwert 0.49 0.32 0.14 0.04 0.55 0.27 0.09 0.09 0.24 0.43
IX

ANHANG B
Tabelle 7.9: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-Wolkenmaske
und der EUMETSAT-Wolkenmaske (16 Szenen über dem Mittelmeer in der Zeitperiode
4.5.2011 - 19.5.2011). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.125)
Mittelmeer
MCC (t=0.045)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
04.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.032 nan
05.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.032 nan
06.05.2011 0.04 0.09 0.88 0.0 0.84 0.08 0.07 0.01 0.042 0.071
07.05.2011 0.0 0.96 0.04 0.0 0.0 0.93 0.04 0.02 0.04 0.043
08.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.034 nan
09.05.2011 0.28 0.39 0.33 0.0 0.61 0.02 0.0 0.37 0.055 0.129
10.05.2011 0.0 0.79 0.21 0.0 0.21 0.69 0.0 0.1 0.04 0.066
11.05.2011 0.0 1.0 0.0 0.0 0.0 0.98 0.0 0.02 0.038 nan
12.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.032 nan
13.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.03 nan
14.05.2011 0.0 0.98 0.02 0.0 0.0 0.98 0.02 0.0 0.032 0.041
15.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.039 nan
16.05.2011 0.0 1.0 0.0 0.0 0.0 0.96 0.0 0.04 0.041 nan
17.05.2011 0.12 0.09 0.79 0.0 0.62 0.09 0.29 0.0 0.037 0.078
18.05.2011 0.0 0.88 0.13 0.0 0.06 0.88 0.06 0.0 0.03 0.048
19.05.2011 0.88 0.0 0.12 0.0 1.0 0.0 0.0 0.0 nan 0.303
Mittelwert 0.08 0.76 0.16 0.00 0.21 0.73 0.03 0.04 0.04 0.10
X

4.5.2011 - 19.5.2011
Tabelle 7.10: Gütemaÿe zum Vergleich zwischen MCE-Wolkenmaske bzw. MCC-
Wolkenmaske und der EUMETSAT-Wolkenmaske (16 Szenen über Wald in der Zeitperiode
4.5.2011 - 19.5.2011). Weitere Erläuterungen sind aus Tabelle 5.2 zu entnehmen.
MCE (t=0.255)
Wald
MCC (t=0.175)
Datum tp tn fn fp tp tn fn fp cs-mean cl-mean
04.05.2011 0.94 0.0 0.06 0.0 0.99 0.0 0.01 0.0 nan 0.508
05.05.2011 0.88 0.01 0.12 0.0 0.97 0.01 0.02 0.0 0.137 0.352
06.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.094 nan
07.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.092 nan
08.05.2011 0.71 0.0 0.29 0.0 0.96 0.0 0.04 0.0 nan 0.34
09.05.2011 0.0 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.096 nan
10.05.2011 0.0 0.58 0.42 0.0 0.0 0.58 0.42 0.0 0.105 0.112
11.05.2011 0.83 0.0 0.17 0.0 0.98 0.0 0.02 0.0 nan 0.339
12.05.2011 0.92 0.0 0.08 0.0 1.0 0.0 0.0 0.0 nan 0.37
13.05.2011 0.72 0.11 0.17 0.0 0.86 0.11 0.03 0.0 0.131 0.38
14.05.2011 0.33 0.01 0.66 0.0 0.89 0.01 0.1 0.0 0.152 0.24
15.05.2011 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.385
16.05.2011 1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 nan 0.536
17.05.2011 0.91 0.01 0.08 0.0 0.98 0.01 0.0 0.0 0.16 0.562
18.05.2011 0.53 0.14 0.32 0.0 0.85 0.11 0.0 0.04 0.162 0.288
19.05.2011 0.82 0.05 0.13 0.0 0.94 0.05 0.01 0.0 0.143 0.464
Mittelwert 0.60 0.24 0.16 0.00 0.71 0.24 0.04 0.00 0.13 0.38
XI

Abbildungsverzeichnis
1.1 Mittlerer Energiehaushalt der Erde . . . . . . . . . . . . . . . . . . . . 4
2.1 Meteosat Second Generation Satellit . . . . . . . . . . . . . . . . . . . 10
2.2 Weltkarte mit MSG Sichtfeld . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 SEVIRI Bodenauösung . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Spektrale Antwort Funktionen und Strahlungsussdichte (TOA) . . . . 14
2.5 MSG SEVIRI Kanal 1 und 2 am 6.10.2010 . . . . . . . . . . . . . . . . 15
2.6 MSG SEVIRI Kanal 12 am 6.10.2010 - Europa . . . . . . . . . . . . . . 16
2.7 MSG SEVIRI Kanal 12 am 6.10.2010 - Afrika . . . . . . . . . . . . . . 17
2.8 MSG SEVIRI Kanal 3 am 6.10.2010 . . . . . . . . . . . . . . . . . . . . 18
2.9 Spektrale Antwortfunktionen der IR Kanäle . . . . . . . . . . . . . . . 19
2.10 MSG SEVIRI Kanal 9 am 6.10.2010 . . . . . . . . . . . . . . . . . . . . 19
2.11 MSG SEVIRI Kanal 2 und EUMETSAT-Wolkenmaske am 7. Oktober
2010, 12.00 UTC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1 Kalibrationsziele und die Sub-Satelliten Position . . . . . . . . . . . . . 24
3.2 Sonnen-Satelliten-Geometrie . . . . . . . . . . . . . . . . . . . . . . . . 27
4.1 Histogramme aufgeteilt in bewölkte und unbewölkte Pixel . . . . . . . 33
4.2 3-dimensionale Graustufendarstellung mit segmentiertem Bild . . . . . 35
5.1 Vergleich der MCE Maske mit Eumetsat Referenzmaske - 22.7.2010 -
Atlantik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2 Vergleich der MCE Maske mit EUMETSAT-Referenzmaske - 21.7.2010
- Mittelmeer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.3 Vergleich zwischen MCE und MCC Schwellwert über dem Atlantik . . 47
XIII

ABBILDUNGSVERZEICHNIS
5.4 Fehlerdiagramme für die 6 Oberächentypen . . . . . . . . . . . . . . . 48
5.5 Land-See-Maske . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.6 Wolkenfreie Reektanz über Europa, 4.5.2011 bis 19.5.2011, 0.6 μm . . 51
5.7 Vergleich MCC und MCC-di über Alpen, 4.5. bis 19.5.2011 . . . . . . 54
5.8 Wolkenfreie Reektanzen über Europa. 1.4. 16.4.2011, 0.6,0.8,1.6 μm
Komposite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.1 Fehlklassikationen-Kanalvergleich . . . . . . . . . . . . . . . . . . . . 58
6.2 Vergleich der LRes und HRes Kanäle 18.7.2010 - Oberrheingraben . . 61
6.3 Wolkenfreie HRV Reektanz über dem Oberrhein (17.7.2010 1.8.2010) 64
6.4 Vergleich HRes-Wolkenmaske mit EUMETSAT-Wolkenmaske am 18.7.2010 67
6.5 Abhängigkeit false clearsky und false cloud vom Bedeckungsgrad . . . . 68
6.6 Standardabweichung für 6 Iterationsschritte . . . . . . . . . . . . . . . 69
6.7 Fehlklassikation Iterationsverfahren . . . . . . . . . . . . . . . . . . . 70
6.8 Vergleich der Wahrscheinlichkeiten HRes/LRes-Bedeckungsgrad . . . . 71
XIV

Tabellenverzeichnis
2.1 Spektrale Charakteristik der 12 SEVIRI-Kanäle . . . . . . . . . . . . . 13
3.1 Kalibrationskoezienten für MSG-2 SEVIRI Counts . . . . . . . . . . . 25
4.1 Tabelle der verschiedenen Satellitenausschnitte . . . . . . . . . . . . . . 30
4.2 contingency table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.1 Schwellwerte der Bodentypen . . . . . . . . . . . . . . . . . . . . . . . 39
5.2 Gütemaÿe Atlantik 17.7.2010 - 1.8.2010 . . . . . . . . . . . . . . . . . . 44
5.3 Gütemaÿe Mittelmeer 17.7.2010 1.8.2010 . . . . . . . . . . . . . . . . 45
6.1 Statistische Parameter zum 18.7.2010 . . . . . . . . . . . . . . . . . . . 62
7.1 Gütemaÿe Grasland 17.7.2010 - 1.8.2010 . . . . . . . . . . . . . . . . . II
7.2 Gütemaÿe Wüste 17.7.2010 - 1.8.2010 . . . . . . . . . . . . . . . . . . . III
7.3 Gütemaÿe Alpen 17.7.2010 - 1.8.2010 . . . . . . . . . . . . . . . . . . . IV
7.4 Gütemaÿe Wald 17.7.2010 - 1.8.2010 . . . . . . . . . . . . . . . . . . . V
7.5 Gütemaÿe Atlantik 4.5.2011 - 19.5.2011 . . . . . . . . . . . . . . . . . . VI
7.6 Gütemaÿe Grasland 4.5.2011 - 19.5.2011 . . . . . . . . . . . . . . . . . VII
7.7 Gütemaÿe Wüste 4.5.2011 - 19.5.2011 . . . . . . . . . . . . . . . . . . . VIII
7.8 Gütemaÿe Alpen 4.5.2011 - 19.5.2011 . . . . . . . . . . . . . . . . . . . IX
7.9 Gütemaÿe Mittelmeer 4.5.2011 - 19.5.2011 . . . . . . . . . . . . . . . . X
7.10 Gütemaÿe Wald 4.5.2011 - 19.5.2011 . . . . . . . . . . . . . . . . . . . XI
XV

Literaturverzeichnis
Amato, U., A. Antoniadis, V. Cuomo, L. Cutillo, M. Franzese, L. Murino, C. Serio,
2008. Statistical cloud detection from SEVIRI multispectral images. Remote
Sensing of Environment, 112, Issue 3, 750-766.
Aminou, D.M.A., 2002. MSG¡s SEVIRI Instrument, MSG Project, ESA Directorate of
Earth Observation, ESA Bulletin, 111, 15-17.
Carbajal Henken, C., M.J. Schmeits, H.M. Deneke, R.A. Roebeling, 2011. Using MSG-
SEVIRI Cloud Physical Properties and Weather Radar Observations for the Detection
of Cb/TCu Clouds. J. Appl. Meteor. Climatol., 50, 15871600.
Dacre H.F., S.L. Gray und S.E. Belcher, 2007. A case study of boundary layer ventilation
by convection and coastal processes. Journal of Geophysical Research, 112,
D17106, doi:10.1029/2006JD007984.
Deneke H.M. und R.A. Roebeling, 2010. Downscaling of METEOSAT SEVIRI 0.6 and
0.8 μm channel radiances utilizing the high-resolution visible channel. Atmospheric
Chemistry and Physics, 10, 97619772.
Ipe, A., Bertrand, C., Clerbaux, N., Dewitte, S., und Gonzales, L., 2004. Validation and
homogenization of cloud optical depth and cloud fraction retrievals for GERB/
SEVIRI scene identication using Meteosat-7 data. Atmospheric Research, 72,
1737.
EUMETSAT, 2001. Meteosat Second Generation - System Overview. EUMETSAT
Technical Description EUM TD 7.
XVII

LITERATURVERZEICHNIS
EUMETSAT, 2002. Meteosat Second Generation - Meteorological Product Extraction
and Distribution Service. EUMETSAT Technical Description EUM TD 11.
EUMETSAT, 2007. Cloud detection for MSG - Algorythm Theoretical Basis
Document. EUMETSAT, Darmstadt.
Fawcett, T., 2006. An introduction to ROC analysis. Pattern Recognition Letters, 27,
861874.
Jones, P.D., M. New, D.E. Parker, S. Martin, I.G. Rigor, 1999. Surface air temperature
and its changes over the past 150 years, Reviews of Geophysics, 37, No.2, 173-
199.
Justice, C., E. Vermote, J.R.G. Townshend, R. Defries, D.P. Roy, D.K. Hall,
V.V. Salomonson, J.L. Privette, G. Riggs, A. Strahler, W. Lucht, R.B. Myneni,
Y. Knyazikhin, S.W. Running, R.R. Nemani, Z.Wan, A.R. Huete, Wim van
Leeuwen, R.E. Wolfe, L. Giglio, J.-P. Muller, P. Lewis und M.J. Barnsley, 1998.
The Moderate Resolution Imaging Spectrometer (MODIS): land remote sensing for
global change research. IEEE Transactions on Geoscience and Remote Sensing,
1998, 36, 12281235.
Kapur, J.N., Sahoo, P.K. und Wong, A.K.C., 1985. A new method for gray-level picture
thresholding using the entropy of the histogram. Comput. Vision Graphics Image
Process., 29, 273285.
Kassianov, E., C.N. Long und M. Ovtchinnikov, 2005. Cloud Sky Cover versus Cloud
Fraction: Whole-Sky Simulations and Observations. Journal of Applied Meteorology,
44, 86-98.
Kittler, J. und J. Illingworth, 1986. Minimum error thresholding. Pattern Recognition,
19(1), 41-47.
Koren, I., Oreopoulos, L., Feingold, G., Remer, L., und Altaratz, O., 2008. How small is
a small cloud? Atmospheric, Chemistry and Physics, 8, 38553864.
XVIII

LITERATURVERZEICHNIS
Klüser, L. und T. Holzer-Popp, 2010. Relationships between mineral dust and cloud
properties in the West African Sahel. Atmospheric, Chemistry and Physics, 10,
6901-6915.
Lensky, I. M. und D. Rosenfeld, 2008. Clouds-Aerosols-Precipitation Satellite Analysis
Tool (CAPSAT). Atmospheric, Chemistry and Physics, 8, 6739-6753.
Li, C.H. und C.K. Lee, 1993. Minimum cross entropy thresholding. Pattern Recognition,
26, 617625.
Li, C.H. und P.K.S. Tam, 1998. An iterative algorithm for minimum cross entropy thresholding.
Pattern Recognition Letters, 19, 771-776.
Loeb, N. G., N.M. Smith, S. Kato, W.F. Miller, S. Gupta, P. Minnis, und B. Wielicki,
2003b. Angular distribution models for top-of-atmosphere radiative ux estimation
from the Clouds and the Earth's Radiant Energy system instrument on
the Tropical Rainfall Measuring Mission Satellite. Part I: Methodology. Journal of
Applied Meteorology, 42, 240265.
Matthews, B. W., 1975. Comparison of the predicted and observed secondary structure
of T4 phage lysozyme. Biochim. Biophys. Acta, 405, 442451.
Melani, S., E. Cattani, V. Levizzani, M. Cervino, F. Torricella und M.J. Costa, 2002.
Radiative eects of simulated cirrus clouds on top of a deep convective storm in
METEOSAT second generation SEVIRI channels. Meteor. Atmos. Phys., 83,
109122.
N. Ostu, 1979. A threshold selection method from gray-level histogram. IEEE Trans.
Syst. Man Cybern. SMC-9(1), 62-66.
Pal, N.R., 1996. On minimum cross entropy thresholding. Pattern Recognition, 29,
575580.
Pallé E. und C.J. Butler, 2001. Sunshine records from Ireland: cloud factors and possible
links to solar activity and cosmic rays, Int. J. Climatol., 21, 709729.
XIX

LITERATURVERZEICHNIS
Phillips, T.,2010. Solar dynamics Observatory: The Variable Sun Mission. Science
News @ NASA.
Pun, T., 1981. Entropic thresholding: A new approach. Comput. Graphics Image Process,
16, 210239.
Rosenfeld, D., E. Cattani, S. Melani, and V. Levizzani, 2004. Considerations on daylight
operation of 1.6-versus 3.7-μm channel on NOAA and Metop satellites, Bull. Am.
Meteorol. Soc., 85, 873 881.
Sahoo, P.K., Soltani, S. und Wong, A.K.C., 1988. A survey of thresholding techniques,
Comput. Vision Graphics Image Process, 41, 233260.
Schade, N.H., A. Macke, H. Sandmann, C. Stick, 2007. Enhanced solar global
irradiance during cloudy sky conditions. Meteorologische Zeitschrift, 16, No. 3, 295-
303(9).
Schmetz, J. P., P. Pili, S. Tjemkes, D. Just, J. Kerkmann, S. Rota, und A. Ratier, 2002.
An Introduction to Meteosat Second Generation (MSG). Bulletin of the American
Meteorological Society, 83, 977992.
Schröder, M., König, M., und Schmetz, J., 2009. Deep convection observed by the Spinning
Enhanced Visible and Infrared Imager on board Meteosat 8: Spatial distribution
an temporal evolution over Africa in summer and winter 2006. Journal of Geophysical
Research, 114.
Schulz, J., P. Albert, H.-D. Behr, D. Caprion, H. Deneke, S. Dewitte, B. Dürr, P. Fuchs,
A. Gratzki, P. Hechler, R. Hollmann, S. Johnston, K.-G. Karlsson, T. Manninen,
R. Müller, M. Reuter, A. Riihelä, R. Roebeling, N. Selbach, A. Tetzla, W.
Thomas, M. Werscheck, E. Wolters, and A. Zelenka, 2008. Operational climate
monitoring from space: the EUMETSAT Satellite Application Facility on Climate
Monitoring (CM-SAF). Atmospheric, Chemistry and Physics Discussions,
8, 85178563.
XX

LITERATURVERZEICHNIS
Strahler, A. H., W. Lucht, C. B. Schaaf, T. Tsang, F. Gao, X. Li, J.-P. Muller, P. Lewis,
und M. J. Barnsley, 1999. MODIS BRDF/Albedo Product: Algorithm Theoretical
Basis Document Version 5.0. NASA EOS-MODIS Doc. ATBD-MOD-09.
Trenberth, K. E., J.T. Fasullo und J.T. Kiehl, 2009. Earth's global energy budget,
Bulletin of the American Meteorol. Soc., 90, 311323.
Wiegner, M., P. Seifert und P. Schlüssel, 1997. Eect of Thin Cirrus Clouds on Meteosat
Second Generation (MSG) Observations. Final Report EUMETSAT Contract
No. EUM/CO/96/430/SAT, 69.
Wulfmeyer, V., A. Behrendt, U. Corsmeier und Ch. Kottmeier, 2005. The Convective
and Orographically-induced Precipitation Study (COPS). Geophysical Research
Abstracts, 7, 10537.
Yang, Y., L.D. Girolamo und D. Mazzoni, 2007. Selection of the automated thresholding
algorithm for the Multi-angle Imaging SpectroRadiometer Radiometric Cameraby-Camera
Cloud Mask over land. Remote Sensing of Environment, 107, 159-
171.
Zinner, T., Mannstein, H., Taerner, A., 2008. Cb-TRAM: Tracking and monitoring
severe convection from onset over rapid development to mature phase using multichannel
Meteosat-8 SEVIRI data. Meteorol. Atmos. Phys., 101, No. 3-4, 191-210,
DOI: 10.1007/s00703-008-0290-y.
XXI

Danksagung
Zum Schluss möchte ich denjenigen einen Dank aussprechen, die mich bei der Anfertigung
dieser Arbeit unterstützt haben.
Als erstes danke ich Herrn Dr. Hartwig Deneke für die Betreuung meiner Masterarbeit,
für die vielen hilfreichen Ratschläge und Kommentare und für die Unterstützung bei
Programmierproblemen mit Python. Dabei sei auch besonders für die schnelle und ausführliche
Vorkorrektur gedankt. Des Weiteren danke ich Herrn Prof. Dr. A. Macke für
die Vergabe des Themas und die Tipps bei der Themenndung.
Ich danke ebenso Timo Hanschmann, der mir viel bei der Bearbeitung und Verwaltung
der MSG-Daten zur Seite stand.
Der ganzen Arbeitsgruppe Satellitenfernerkundung danke ich für die vielen Anregungen,
netten Gespräche sowie Arbeitsgruppentreen und die schönen gemeinsamen
Abende.
Zuletzt noch einen ganz lieben Dank an meine Eltern, Katharina und Lina, die mir bei
Korrekturen geholfen haben und mich in den letzten Wochen immer aufgemuntert haben.
Die Arbeit wurde mit der Textverarbeitung L A TEX angefertigt.

Erklärung
Hiermit bestätige ich, dass ich die vorliegende Masterarbeit selbständig verfasst und keine
anderen als die angegebenen Quellen und Hilfsmittel verwendet habe.
Ich versichere, dass diese Arbeit noch nicht zur Erlangung eines Mastergrades an anderer
Stelle vorgelegen hat.
Leipzig, Dezember 2011
(Sebastian Bley)