Escolar Documentos
Profissional Documentos
Cultura Documentos
com
Artigo
Resumo: Os dados do Advanced Very High Resolution Radiometer (AVHRR) foram usados para
criar vários registros de dados de longa duração de variáveis geofísicas que descrevem a
atmosfera e as superfícies terrestres e aquáticas. No projeto Climate Monitoring Satellite
Application Facility (CM SAF), os dados AVHRR são usados para derivar os registros de dados
climáticos de Nuvem, Albedo e Radiação (CLARA) de componentes de radiação (ia, albedo de
superfície) e propriedades de nuvem (ia, cobertura de nuvem) . Este trabalho descreve a
metodologia implementada para a estimativa adicional da Radiação de Onda Longa de Saída
(ROL), um importante componente do balanço de radiação da Terra, que é consistente com as
demais variáveis CLARA. Uma primeira etapa é a estimativa do ROL instantâneo a partir das
observações do AVHRR.µm) e 5 (12 µm) e o OLR dos instrumentos do Sistema de Energia Radiante
das Nuvens e da Terra (CERES). Investigamos a aplicabilidade deste método para a primeira
geração do instrumento AVHRR (AVHRR / 1) para o qual nenhuma observação do Canal 5 está
disponível. Uma segunda etapa diz respeito à estimativa do ROL diário e mensal a partir dos
viadutos AVHRR instantâneos. Esta etapa é especialmente importante dadas as mudanças na hora
local das observações devido à deriva orbital dos satélites NOAA. Investigamos o uso de OLR na
reanálise ERA5 para estimar a variação diurna. A abordagem desenvolvida prova ser valiosa para
modelar a mudança diurna em ROL devido ao aquecimento / resfriamento diurno / noturno em
terreno limpo. Finalmente, o produto AVHRR OLR médio mensal resultante é intercomparado com
o produto médio mensal CERES.-2 em 1◦ × 1◦ resolução. Quantificamos a degradação do produto
OLR quando apenas um instrumento AVHRR está disponível (como é o caso de alguns períodos na
década de 1980) e também a melhoria quando mais instrumentos estão disponíveis (por exemplo,
usando METOP-A, NOAA-15, NOAA- 18 e NOAA-19 em 2012). A degradação do produto OLR dos
instrumentos AVHRR / 1 também é quantificada, o que é feito “mascarando” as observações do
Canal 5.
Palavras-chave: radiação de onda longa de saída; OLR; TOA; banda larga; fluxo; AVHRR; CERES
1. Introdução
O Mecanismo de Aplicação de Satélite de Monitoramento do Clima (CM SAF) [1] foi estabelecido para
fornecer uma contribuição importante para o monitoramento do clima global. Um dos principais sucessos
deste projeto é a geração do conjunto de dados Cloud, Albedo e Radiation (CLARA) com base nas observações
globais do Advanced Very High Resolution Radiometer (AVHRR) [2] a bordo dos satélites NOAA e METOP. Uma
primeira edição do conjunto de dados CLARA [3] foi lançado em 2013, e um segundo seguido em 2017 [4] A CM
SAF está atualmente desenvolvendo uma terceira edição, CLARA-A3, com um planejamento
lançamento no final de 2021. Tabela 1 detalha os períodos cobertos e o portfólio de produtos para essas três edições
do conjunto de dados.
CLARA-A3 fornecerá mais de 40 anos de dados. Figura1 mostra o Equator Crossing Time (ECT) para
os diferentes satélites polares NOAA e METOP usados no Climate Data Record (CDR). Os produtos
(Tabela1) estão relacionadas à descrição do ciclo de energia no sistema climático. O Fluxo Solar Refletido
(RSF) da Parte Superior da Atmosfera (TOA) e a Radiação de Onda Longa de Saída (OLR) são novos
produtos que serão incluídos em CLARA-A3. Eles se baseiam na nuvem CLARA histórica e nos produtos de
radiação para fornecer uma representação consistente dos fluxos radiativos do sistema terrestre. As
observações do AVHRR são pré-processadas usando uma ferramenta dedicada (PyGAC) descrita em
detalhes por Devasthale et al. [5] Esta ferramenta realiza em particular a calibração e homogeneização
das observações, que é uma etapa necessária para a geração de um CDR.
Figura 1. Equator Crossing Time (ECT) para os diferentes satélites NOAA e METOP usados em
CLARA-A3. Figura retirada de [6]
A conversão de banda estreita para banda larga necessária para o novo produto RSF baseado em AVHRR
em CLARA-A3 foi discutida em Akkermans e Clerbaux [7] O documento complementar atual descreve a
metodologia desenvolvida para estimar o novo produto OLR e mostra alguns resultados de validação
preliminares. Além disso, o presente artigo discute algumas questões importantes relacionadas à estimativa
de OLR de AVHRR, como a possibilidade de incorporar instrumentos AVHRR iniciais sem Canal 5
Remote Sens. 2020, 12, 929 3 de 18
observações. O uso de reanálise de última geração também é discutido para modelar o ciclo diurno da radiação, uma
etapa necessária para estimar os produtos climáticos médios diários e mensais.
Os usuários dos registros de dados CLARA são principalmente cientistas que realizam estudos climáticos, mas
também existem muitas outras aplicações. As liberações anteriores CLARA-A1 e CLARA-A2 foram usadas em estudos
científicos para vários fins, por exemplo, (Ant) estudos de albedo / fluxo de superfície ártica, avaliação de modelo
climático global / regional, monitoramento climático global / regional, avaliação de climatologias de radiação de
superfície e redes, estudos de tendências climáticas, incluindo intercomparação de dados de satélite com outras
observações, estudos de processos físicos (por exemplo, fluxos e evapotranspiração), novos métodos de validação e
desenvolvimento de algoritmos, etc.
As principais desvantagens dos CDRs de OLR atualmente existentes com base em medições de radiância de
banda larga são a cobertura temporal e geográfica: as nuvens de última geração e o Sistema de Energia Radiante da
Terra (CERES [8]) produtos só começam em 2000, enquanto o Orçamento de Radiação da Terra Geoestacionária (GERB
[9]) os produtos estão limitados ao campo de visão do Meteosat (longitude 0◦) A necessidade de um conjunto de dados
OLR global de longo prazo que atendesse às necessidades da comunidade de monitoramento e modelagem climática
desencadeou muitas tentativas de superar essas desvantagens, contando com registros de dados de banda estreita
de instrumento único que datam de várias décadas. Vale a pena notar aqui os 2,5◦-resolução CDR OLR baseado em
AVHRR desenvolvido na NOAA [10,11] e o 1◦- resolução de CDR com base no Sounder de radiação infravermelho de
alta resolução (HIRS) desenvolvido na Universidade de Maryland [12] O produto CLARA-A3 OLR visa melhorar esses
conjuntos de dados em termos de (i) resolução espacial,
ou seja, resolução sem precedentes de 0,25◦, (ii) complementaridade com outros CDRs, por exemplo, máscara de nuvem
CLARA-A3, e (iii) desempenho, por exemplo, polarização e RMSE em relação a CERES.
O restante do artigo está organizado em três seções principais e uma discussão final. Seção2
apresenta e discute a estimativa do fluxo instantâneo de banda larga OLR a partir das temperaturas
de brilho nos canais térmicos AVHRR. Ausência do Canal 5 (12µm) para os primeiros instrumentos AVHRR
é quantificado. O efeito da emissividade da superfície, uma importante fonte de incerteza na estimativa
de ROL, também é discutido.
Seção 3 apresenta e discute a estimativa dos valores de fluxo médio diário e mensal a partir dos
valores instantâneos de ROL. Isso requer uma modelagem do ciclo diurno da radiação OLR, que é
especialmente crítica dada a deriva ECT dos satélites NOAA (Figura1) Este trabalho mostra que resultados
precisos podem ser obtidos usando reanálises atmosféricas de última geração.
Seção 4 é dedicado à validação geral dos produtos OLR médios mensais em relação à média
mensal CERES [8] produtos.
Neste trabalho, extrapolações espectrais e hemisféricas são realizadas por regressões diretas entre
as temperaturas de brilho do AVHRR nos Canais 4 e 5 e o OLR instantâneo do CERES.
A equação de regressão foi estabelecida selecionando preditores (variáveis de entrada) usando uma técnica
próxima a uma regressão stepwise. Os melhores preditores foram selecionados após realizar uma busca exaustiva
entre várias variáveis e usando um método de mínimos quadrados sobre o erro residual. Para isso, o conjunto de
dados foi primeiro dividido em duas partes iguais: uma para o ajuste do modelo (ou seja, o conjunto de
aprendizagem) e uma para avaliação (ou seja, o conjunto de dados de teste). Isso foi importante para reduzir o risco
de “ajuste excessivo” dos dados. A seleção do melhor modelo foi feita de forma a minimizar o erro residual no
conjunto de dados de teste, mantendo o número de preditores o mais baixo possível.
Tentamos maximizar o uso de dados de satélite observacionais para estimar o ROL. Do AVHRR, os
dois principais preditores foram as temperaturas de brilhoT4 (K) no 10,8 µcanal m e T5 (K) no 12 µcanal m.
Como uma forte autocorrelação existia entre essas duas temperaturas,T5 não foi usado diretamente,
mas foi expresso como sua diferença (T5 - T4) Esta diferença foi um indicador muito bom de nuvens
semitransparentes altas, que teve um forte efeito na anisotropia do campo de radiância de onda longa
TOA [13]
Para melhorar o desempenho do modelo, preditores adicionais foram retirados da reanálise ERA5 [14]
com base em sua relevância para a estimativa de OLR e sua complementaridade com as observações de
AVHRR. Um primeiro preditor ERA5 foi a temperatura da superfície da pele (radiométrica)Tsur f (K). Esta variável
foi importante porque a anisotropia do campo de radiação de onda longa TOA era diretamente dependente da
diferença de temperatura entre a superfície e a atmosfera. Quanto maior for essa diferença, mais anisotrópico
será o campo de radiância no TOA. Este fato foi reconhecido por muitos autores (por exemplo, [15]) e foi
implementado em modelos de dependência angular para radiação LW (por exemplo, [16]). Para reduzir a
correlação comT4, a temperatura da superfície da pele não foi usada diretamente na regressão, mas foi
expressa como sua diferença (T4 - Tsur f ) Um segundo preditor da reanálise ERA5 foi a coluna total de vapor
d'água TCWV (kg m-2) O vapor de água tem um efeito direto na radiação por meio da absorção em uma parte
estendida do espectro infravermelho. As variáveis ERA5Tsur f e TCWV foram espacialmente e temporalmente
interpolados para a pegada AVHRR de seu espaço nativo (0,3◦) e resolução temporal (1 h).
termos cruzados. Foi obtido um bom equilíbrio entre o desempenho da regressão e o número de preditores
depois de adicionar (T2 4 ) e (T4 · (T5 - T4)). Adicionar mais preditores na regressão teve um efeito insignificante
sobre o desempenho. Equação (1) mostra o ajuste de regressão resultante com seis preditores e sete
coeficientes (ceu)
onde os quatro coeficientes de regressão (ceu) são estimados a partir do mesmo banco de dados de
observações AVHRR-CERES colocadas que foi usado para derivar a Equação (1), ou seja, com base no NOAA-17,
-18 e -19, exceto que a temperatura de brilho do Canal 5 foi descartada. Como esperado, uma incerteza
ligeiramente maior foi obtida. O erro RMS aumentou de 4,75 Wm-2 (ou seja, 2,2% em 216 Wm-2
OLR médio) quando Equação (1) foi usado para 5,86 Wm-2 (2,7%) com Equação (2)
2.3. Resultados
a atividade convectiva superior. Os histogramas da diferença RMS regional (Figura2, à direita) mostrou padrões
semelhantes para a Equação (1) (preto) e Equação (2) (vermelho), mas com erro RMS ligeiramente superior para a
Equação (2)
Figura 2. Variação regional do erro RMS (Wm-2) em 1◦ × 1◦ caixas de latitude-longitude. (uma) é para a regressão
de dois canais (Equação (1)) e (b) quando o Canal 5 não está disponível (Equação (2)). Os histogramas também são
fornecidos (à direita).
Figura 3. Variação regional do viés (Wm-2) em 1◦ × 1◦ caixas de latitude-longitude. (uma) é para a regressão
de dois canais (Equação (1)) e (b) quando o Canal 5 não está disponível (Equação (2)). Os histogramas
também são fornecidos (à direita).
Mesa 2 fornece algumas estatísticas sobre o regional 1◦ × 1◦ valores do erro RMS e viés, todos
os meses e VZA juntos.
Mesa 2. Estatísticas do erro RMS e viés da estimativa OLR com a Equação (1) (2 canais) e Equação (2)
(1 canal).
Figura 4 mostra a variação do erro RMS em função de VZA, usando Equações (1) (Preto)
e 2 (vermelho). No geral, a dependência de VZA era limitada. Para Equação (2), o erro RMS diminuiu com VZA, o
que poderia ser explicado pelo tamanho crescente da pegada do CERES e, portanto, pela diminuição da
variabilidade. A curva quase plana observada ao usar a Equação (1) mostrou, no entanto, uma ligeira melhora
para VZAs entre 40-50◦. Este comportamento pode ser explicado pelo fato de que as observações nesses VZAs
foram boas aproximações para o fluxo hemisférico [13]
Remote Sens. 2020, 12, 929 8 de 18
Figura 4. Variação do erro RMS em função do ângulo do zênite de visão (VZA) para a regressão de
dois canais com a equação (1) (preto) e a regressão sem Canal 5 (curva vermelha).
Mesa 3 fornece algumas estatísticas para Equações (1) e (2), por satélite separadamente. Os preconceitos
permaneceu moderado, uma indicação de uma boa intercalibração dos canais térmicos para os três satélites e
uma boa consistência entre os instrumentos CERES no Terra e Aqua. No entanto, a Equação (1) aplicado ao
NOAA-19 mostrou um viés negativo (subestimação do OLR) de 0,77 Wm-2, que foi cerca de 0,35% do OLR
médio. Em relação ao erro RMS, o NOAA-17 apresentou resultados ligeiramente melhores do que o NOAA-18 e
-19. Isso poderia indicar melhor desempenho do instrumento AVHRR neste satélite (por exemplo, menos
ruído), mas estava mais provavelmente relacionado ao fato de que o NOAA-17 é um satélite da manhã, quando
a estimativa do ROL instantâneo é menos afetada pelo aquecimento diurno da superfície da terra.
Tabela 3. OLR médio, viés e erro RMS da estimativa de OLR com a Equação (1) (2 canais) e Equação (2) (1
canal) para o NOAA-17, -18 e -19. A última coluna fornece os fatores multiplicativos a serem aplicados ao
ROL estimado para remover o enviesamento.
OLR médio (AVHRR) OLR médio (CERES Tendência Erro RMS Fator
Wm-2 SSF) Wm-2 Wm-2 Wm-2
NOAA-17 com 2ch 216,14 215,89 + 0,35 4,57 0,9982
CERES Terra 1ch 215,64 - 0,25 5,60 1,0011
As diferenças de polarização e RMS entre o baseado em AVHRR e o CERES OLR discutido nesta seção
foram afetadas pela metodologia de colocação no espaço e no tempo. A precisão OLR é discutida mais
detalhadamente na Seção4.
Para torná-los úteis para estudos climáticos, observações instantâneas de OLR derivadas de AVHRR
devem ser convertidas para médias diárias e mensais, bem como retificadas em uma grade fixa (0,25◦ × 0,25◦
para CLARA-A3). O procedimento de reclassificação espacial consistiu em uma média simples de pixel
AVHRR caindo em seus 0,25◦ × 0,25◦ caixa de grade, com base nas coordenadas do centro do pixel
AVHRR, e não é mais discutida neste artigo. Por outro lado, o processamento temporal foi mais
Remote Sens. 2020, 12, 929 9 de 18
desafiador, pois, sobre a terra, o ROL frequentemente exibia uma forte variação diurna devido ao aquecimento da
superfície durante o dia. Dados os desvios na ECT dos satélites NOAA, esta conversão deve ser realizada com cuidado
para evitar a introdução de tendências espúrias e discrepâncias nas chaves de satélite no CDR resultante (ver por
exemplo [21]).
Nos produtos CERES, o ciclo diurno foi levado em consideração usando dados de satélites geoestacionários [22]
No entanto, essa abordagem dificilmente foi implementada para CDRs que cobrem as décadas de 1980 e 1990 devido
à degradação da qualidade e integridade dos dados geoestacionários. O HIRS OLR CDR usou observações
infravermelhas geoestacionárias do NOAA GridSat [23] conforme descrito por Schreck et al. [24] GridSat, entretanto,
não forneceu dados antes de 1981 e também teve uma lacuna sobre o oceano Índico nas décadas de 1980 e 1990.
Neste trabalho, uma abordagem alternativa foi investigada, usando informações sobre o ciclo diurno OLR da reanálise
ERA5 [14], que fornecia cobertura temporal e espacial completa.
3.2. Método
No ERA5, o fluxo solar refletido e os fluxos térmicos emitidos TOA foram simulados usando ecRad [25] Os fluxos
ERA5 foram fornecidos como médias de uma hora com uma resolução espacial de 31 km. Esta resolução espacial foi
próxima à grade CLARA-A3 de 0,25◦ × 0,25◦. Figura5a mostra um ciclo diurno OLR ilustrativo de ERA5 (curva preta)
juntamente com as observações de AVHRR de NOAA-19 adquiridas durante este período de tempo (pontos
azuis). Para cada observação AVHRR, um fator foi determinado entre o ERA5 e o OLR observado, que foi usado para
dimensionar todo o ciclo diurno ERA5 (curvas cinza pontilhadas). Esses ciclos diurnos em escala foram então
interpolados temporalmente (ponderados de forma inversa à sua diferença temporal) para que o ciclo passasse
exatamente por todas as observações (curva vermelha). Isso foi feito apenas para observações sobre a terra que
foram consideradas "céu claro" por ambos AVHRR e ERA5 (como foi o caso para todas as observações na Figura5);
para todos os outros casos (isto é, oceano ou nublado), as observações foram interpoladas linearmente (curva
vermelha tracejada). A média diária, e mais tarde a média mensal, pode então ser estimada pela média do ciclo diurno
interpolado (curvas tracejadas / vermelhas sólidas) ao longo de todo o dia, ou seja, 0–24 h UTC. Neste exemplo, a
interpolação linear de observações resultou em uma média diária de 325,1 Wm-2 (curva vermelha tracejada), enquanto
a interpolação de escala ERA5 diminuiu significativamente a média diária em 7,2 Wm-2 a 317,9 Wm-2 (curva vermelha
sólida).
O método poderia ser aplicado, podendo-se estimar um valor médio diário, desde que houvesse pelo
menos uma observação naquele dia. Obviamente, mais observações espalhadas ao longo do dia tornam o
produto médio diário resultante menos sensível à representação do ROL na reanálise: isso é mostrado na
Figura5b, para o qual foram utilizadas oito observações diárias, de quatro satélites diferentes. Por fim, a média
mensal foi obtida pela média simples dos valores diários.
3.3. Resultados
Para avaliar o uso de ERA5 para modelar o ciclo diurno, os produtos OLR médios mensais foram
calculados separadamente para os quatro satélites disponíveis em abril e junho de 2012 (METOP-A, NOAA-15,
NOAA-18, NOAA-19) e comparados com o valor de ROL médio mensal obtido ao usar os quatro satélites juntos,
doravante denominado “ROL médio mensal de referência”. Se o ciclo diurno foi modelado corretamente no
processamento, o mapa médio mensal para cada satélite individual deve estar de acordo com a referência.