Vergleich zweier Schwellwertalgorithmen zur Wolkendetektion in ...

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